Lilli의 지식 활용·변경 검증·학습 경험
Rewiring the way McKinsey works with Lilli, our generative AI platform
공식 원문 보기SOURCE SUMMARY
원문 핵심 요약
Lilli 내부 생성형 AI 플랫폼의 자사 사례
지식 활용·검증·학습의 연결
McKinsey는 지식 탐색과 업무 보조를 위해 여러 전문 역할이 함께 플랫폼을 개발한 경험을 소개한다.
업무 중심 설계
사용 사례와 자료의 관련성을 먼저 검토했다.
반복적인 시험
사용자 피드백과 품질 검증을 개발에 연결했다.
학습과 정착
예제 질문·교육·지원 인력을 지속 제공했다.
원문에 명시된 범위와 사례 유형을 구분한 요약
확인할 근거와 맥락
사용과 효과의 차이
별도 내부보고: 활성 사용72%, 탐색·종합 시간 최대30% 절감. 절감은 자기보고이며 현재 값은 미확인이다.
실무에 연결되는 원문 관점
변경의 검증
실패에서 학습
자료 분할 방식 변경 후 환각이 발생해 배포를 멈추고 품질 검증을 강화했다고 설명한다.
도입의 단계
접근과 사용
2023년7월부터 단계적으로 배포해10월 전체 직원 접근을 제공했다고 설명한다.
전문가 참여·자료 선택·시험·교육이 함께 필요하다는 내부 경험이다.
APPLICATION PROPOSAL
별도의 적용 제안
R&D 지식 보조의 자료 선택·변경 시험·학습 연결
가상 기술문서 질의의 검증·학습 카드
제안 범위 · 공개·합성 문서와 검토 질문
기존 Teamcenter/PDM/ERP·M-BOM 정합성을 전제
자료 선택
질문의 목적·자료 판본·허용 범위를 정한다.
예제 작성
전문가 관점의 질문과 확인할 근거를 구성한다.
변경 시험
분할·검색·모델 조건 변화가 답변에 미치는 영향을 확인한다.
학습 연결
오류 예제·질문 방법·추가 검토 경로를 안내한다.
효과와 품질을 함께 확인
근거 대응
답변과 원문 위치·판본이 일치하는지 확인
변경 안정성
같은 질문의 변경 전후 오류·누락 비교
검증 부담
찾기·읽기·수정 시간을 각각 기록
근거·권한·승인 경계
기준 유지
기존 시스템과 정합적 M-BOM의 기준·승인 유지
권한 제한
자료 요약은 보조이며 설계·생산 판단은 담당자 승인
보호 확인
실제 기밀 전송이나 제품 보안을 사례만으로 승인하지 않음
- 자료
- 예제
- 시험
- 학습