엔터프라이즈 표현 단순화(ERS): 엔터프라이즈 AI를 위한 표현 복잡도 축소
Enterprise Representation Simplification (ERS): Reducing Representational Complexity for Enterprise AI
엔터프라이즈 정보는 애플리케이션, 프로젝트, 기술, 조직 경계 및 로컬 요구사항에 의해 형성된 아티팩트를 통해 표현됩니다. 이러한 구조는 시간이 지남에 따라 축적되어 엔터프라이즈가 유지관리해야 하고 정보 소비자 및 AI 시스템이 해석해야 하는 표현 복잡도(representational complexity)를 유발합니다. 본 논문은 정의된 범위 내에서 필요한 정보를 보존하면서 불필요한 표현 복잡도를 줄이는 엔터프라이즈 표현 단순화(ERS)와, 여러 표현 상태 간의 복잡도를 비교하기 위한 표현 중립적 모델인 엔터프라이즈 표현 복잡도(ERC)를 소개합니다. ERC는 표현 객체(Representation Objects), 상호작용(Interactions), 동작(Behaviors), 지원 소스(Supporting Sources)의 네 가지 차원을 통해 표현 범위를 특성화합니다. 객체, 상호작용, 동작은 상호 의존적 범주를 형성하며, 지원 소스는 표현 노출을 특성화합니다. ERC는 표현 및 태스크 수준에서 정의되어 비교를 가능하게 하고 아키텍처 단순화와 검색 최적화를 구별합니다. 본 논문은 ERS의 두 가지 파급효과를 전개합니다. 첫째, 표현 구조는 유지보수, 거버넌스, 의존성, 변경, 기능 개선 및 운영에 대한 수명주기 책무를 발생시킵니다. 경제 모델은 반복적인 글로벌 표현 비용, 반복적인 태스크 수준 비용, 일회성 변환 비용을 구분하여 정의된 기간 동안의 평가를 가능하게 합니다. 둘째, 태스크 수준 ERC의 감소는 AI 시스템이 식별, 연결 및 해석해야 하는 표현 범위를 줄여줍니다. Text-to-SQL 연구는 스키마 및 추론 복잡도의 감소가 추론 정확도를 향상시킬 수 있다는 증거를 제공합니다. ERC는 보편적인 복잡도, 성능 또는 비용 메트릭이 아닙니다. 이는 대안적 표현, 변환 효과, 경제적 결과 및 AI 추론 성능을 비교하기 위한 측정 가능한 아키텍처 변수를 제공합니다.