WIGO는
BECUAI의
기술 브랜드입니다.
‘BECUAI’의 기술 브랜드인 ‘WIGO(What Is Going On)’는 고객의 관점에서
고객의 필요와
요구를 해결하겠다는 의지를 담고 있습니다.
WIGO는 3가지 기술을
연구합니다.
AIROOT annotation S/W Platform
Platform specialized for text annotation
Database
Ready For Generative AI, RAG
AI Builder
Prompt Engineering Platform, RPA, API STORE
국내 AI·데이터 기업은
AI 개발 시간의 80%,
비용의 75%가
데이터 확보에 필요
한국지능정보사회진흥원 (NIA), IT&FUTURE
STRATEGY (2020.12)
WIGO
Pre-Processing
Low Value의 Data를 가공하여 정확하고 신뢰할 수
있는 작업을 통해
High Value의 데이터를 생산
제공하는 기술적 기반을 제공합니다.
핵심기술
Pre-Processing의 핵심 기술들은 ‘데이터 정제 단계’에서부터, ‘작업자 투입 전 자동 준비 작업’,
‘데이터 가공 및 라벨링 작업’, ‘가공 완료된 정보에 대한 검수’ 등 전체 프로세스에 적용되어 데이터 품질을
높여 작업자의 효율은 높이고, 인건비는 절감시켜 프로젝트 수행시간을 단축시키는 효과를 제공합니다.
- Vision
- 인공지능 시각 기술
- OCR
- 광학문자 인식 기술
- NLP
- 자연어 처리 기술
뉴스데이터 Pre-Processing 과정
- McKinsey
Digital - 12 May 2023
“Generative AI의 핵심은 특정 비즈니스 상황이나 문제에 맞게 연마된 데이터에 대한 유연한 엑세스입니다. 데이터를 효과적으로 연계시키고 데이터에 즉시 엑세스할 수 있는 방법을 아직 찾지 못한 기업은 Generative AI를 파인튜닝할 수 없으며, 잠재력 큰 혁신의 기회로 연계할 수 없습니다. 기업들에게 비즈니스 가치에 기반을 둔 명확한 데이터&인프라 전략을 통한 Generative AI에 파생되는 경쟁 우위는 더욱 더 중요해 질 것 입니다.”
What every CEO should knowabout generative AI
WIGO AI+Data
BECUAI는 데이터 중심의 인공지능 도입을 적극적으로 추진하고, 패러다임 변화를 지원하는
기술 및 데이터 인터페이스 제공을 목표로 합니다.
Modern AI Stack
최신 인공지능 기술의 진보와 함께, 데이터의 유연한 액세스와 결합을 목적으로 인공지능 기술의 Stack을 연구 개발합니다.
저작권이 확보된 최신 데이터 활용
정확한 전처리와 메타 데이터 분석 탑재
명료하고 환각효과 없는 결과 도출
핵심기술 및 연구범위
최신 AI 활용을 위해서는 각 분야에 맞는 연구, 내/외부 솔루션의 적용 노하우, 그리고 LLM의
장점 활용을 위한 적합한 기반 기술과 응용력이 필요합니다. BECUAI는 최신의 인공지능 기술들을
빠르고 간편하게 연결하고, 최상의 퍼포먼스를 제공하기 위해 핵심 기술들을 연구합니다.
Data Pipeline
기업이 자체적인 생성형 AI 솔루션 구축을 위해 신뢰할 수 있는 최신 데이터를 필요로 하는 경우 API를 통해 Stream Data를 제공하는 기술과 Batch Data를 제공하는 기술을 연구합니다.
- Improved data quality형식 표준화 및 중복 제거
- Efficient data processing반복 작업 자동화
- Comprehensive data integration통합 및 검증
RAG
이미 최적화 되어 운용되고 있는 데이터를 별도의 자체 RAG 구축과정 없이 즉시 자체 서비스에 연동 적용하고 싶어하는 고객을 위해, Ranking Algorithm을 반영한 고품질 Data 리턴을 제공하기 위한 연구 개발을 진행하고 있습니다.
- Embedding model다양한 모델 활용 및 유연성 연구
- Vectordatabase활용 가능한 데이터베이스 특장점 연구
- APIs접목 가능한 API를 통한 활용성 향상 연구
Prompt Engineering
Generative AI를 직접적으로 더 활용하기 위한 일환으로써, 프롬프트와 모델을 평가하고 RAG 및 API를 사용하여 에이전트와 통합한 다음 프로덕션에 배포하고 지속적으로 개선하는 플랫폼 개발을 목표로 Prompt Engineering을 연구합니다.
