top of page

Ohio State Microsoft 파트너십, 임상 AI와 5년 클라우드 계획 연결

17분 전
10분 분량
Illustrative photograph. Photo: Imad Clicks / Pexels.

Ohio State와 Microsoft는 11월 10일 병원 기술, 임상 AI, 연구 인프라, 인력 교육을 연결하는 5년 파트너십을 발표했다. Ohio State Microsoft 파트너십은 보건 시스템 내부에서 이미 운영 중인 도구와 훨씬 광범위한 개발 계획을 결합한다. 이 차이를 이해하는 것이 중요하다. 기관 차원의 협약은 방향을 설정하지만, 개별 도입 사례는 여전히 각자의 근거를 필요로 한다.

핵심적인 긴장은 조직 차원에 있다. 임상 업무, 연구, 병원 운영을 연결하면 더 유용한 기술을 제공할 수 있지만, 데이터 접근, 책임성, 측정에 관한 더 명확한 결정도 요구된다. 이러한 책임은 소프트웨어를 구매하는 팀에만 국한되지 않는다. 생성된 기록을 검토하는 임상의, 정보를 요청하는 연구자, 어떤 개선을 확대할지 결정하는 관리자에게도 영향을 미친다.

대학은 9월에 Google Cloud와의 파트너십도 발표했다. 이는 직접적인 대체 경쟁 구도를 설정하지 않으면서도 이번 협약을 이해하는 데 유용한 기준점이 된다. 중요한 질문은 서로 다른 기관 관계가 구체적인 필요를 어떻게 충족하는지, 그리고 그 결과로 나온 시스템이 일상 업무를 더 신뢰할 수 있게 만드는지다.

Ohio State Microsoft 파트너십이 실제로 바꾸는 것

양측의 5년 파트너십에 따르면, 이 프로그램은 연결된 병원, 클라우드 인프라, 공유 데이터, 임상 AI, 교육을 아우른다.

스마트 병원 플랫폼은 이미 Richard M. Ross Heart Hospital과 James Outpatient Care에서 운영되고 있다. 이 플랫폼은 Microsoft의 클라우드 플랫폼인 Azure와 물리 장비 및 센서를 연결하는 사물인터넷 기술을 사용한다. 추가 시설로의 확장도 계획되어 있다.

양측은 스토리지와 컴퓨팅의 약 70%~80%를 Azure로 이전하는 것을 목표로 하고 있다. 디지털 환자 기록인 전자 건강 기록도 백업과 비즈니스 연속성을 위해 Azure로 옮겨지고 있다.

분석 플랫폼인 Microsoft Fabric과 공유 스토리지 계층인 OneLake를 사용하는 데이터 기반은 상위 수준 설계를 완료했다. 제안된 활용 사례에는 수술 수요와 인력 배치 예측이 포함된다.

임상의들은 이미 진료 대화를 검토와 최종 확정이 필요한 초안 기록으로 전환하는 Dragon Copilot의 앰비언트 문서화를 사용하고 있다. 여러 분야의 암 사례 논의인 AI 지원 종양 보드의 경우 여전히 탐색 단계에 있다. 교육 및 인증 기회도 협약의 일부를 이룬다.

이번 발표는 개발 단계가 서로 다른 구성 요소들을 포함하는 통합 프로그램을 수립한다.

이 차이는 독자가 이후 업데이트를 평가하는 방식을 바꾼다. 운영 중인 서비스, 완료된 설계, 탐색 단계의 워크플로는 각각 진전을 의미한다. 그러나 이들은 서로 다른 질문에 답하며, 따라서 서로 다른 기대를 가져야 한다.

운영 중인 서비스는 신뢰성, 도입률, 결과에 관한 질문을 낳는다. 완료된 설계는 구현, 권한, 테스트에 관한 질문을 낳는다. 탐색 단계의 워크플로는 의도된 사용자와 배포 전 필요한 조건에 관한 질문을 낳는다.

이러한 단계를 하나의 파트너십으로 묶는 것은 전략적으로 타당하다. 동시에 정확한 보도를 필수적으로 만든다. 그렇지 않으면 독자는 협약의 폭넓은 범위를 그 안의 모든 활용 사례가 갖춘 성숙도로 오해할 수 있다.

따라서 가장 강력한 해석은 구체적이다. Ohio State와 Microsoft는 부서 경계를 넘는 업무를 연결하기 위한 틀을 마련했다. 그 가치는 이러한 연결이 무엇을 가능하게 하는지, 그리고 기관이 결과를 어떻게 평가하는지에 달려 있다.

엔터프라이즈 구매자에게 이 협약은 의료 분야를 넘어 의미를 갖는다. 광범위한 기술 관계는 팀이 제공 업무를 조율하고, 정보를 관리하며, 실패에 책임지는 방식에 변화를 가져올 때 중요한 의미를 지닌다.

파트너십 발표만으로는 이러한 질문에 답할 수 없다. 이는 두 조직이 시간이 지나며 그 문제들을 다룰 수 있는 구조를 만든다.

병원 팀은 통합 뒤에 남은 업무를 떠안는다

즉각적인 부담은 공유 인프라를 신뢰할 수 있는 일상 워크플로로 전환해야 하는 사람들에게 돌아간다.

기술 리더에게 과제는 순서 설정이다. 정보 이전, 애플리케이션 변경, AI 도입은 서로 다른 프로젝트를 통해 같은 직원들에게 영향을 줄 수 있다. 더 큰 프로그램이 같은 목적지를 공유하더라도, 각 프로젝트에는 실행 가능한 전환 과정이 필요하다.

예를 들어 임상 부서는 생성된 텍스트의 품질만으로 문서화 도구를 평가할 수 없다. 그 유용성은 초안이 언제 나타나는지, 어디서 수정이 이루어지는지, 최종 기록이 기존 업무에 어떻게 들어가는지에도 달려 있다.

같은 원칙은 병원 운영에도 적용된다. 자원 사용에 대한 더 명확한 이해는 누군가가 행동할 수 있을 때 가치가 생긴다. 권한, 인력 배치 또는 정의된 대응 절차 없는 더 나은 가시성은 근본적인 프로세스를 바꾸지 못할 수 있다.

이는 Ohio State에서 보고된 구현 문제가 아니라 협약에서 도출되는 분석적 시사점이다. 파트너십의 폭이 왜 조율의 중요성을 높이는지 설명한다.

일정 예측을 생각해 보자. 유용한 예측은 인력 배치 결정을 내리는 사람에게 그 결정을 바꾸기 어렵기 전에 전달되어야 한다. 또한 그 사람이 예측의 한계를 이해할 수 있도록 충분한 맥락을 제공해야 한다.

예측이 추가 수요를 시사한다면, 운영상 질문은 조직이 무엇을 조정할 수 있는지가 된다. 가용 병실, 전문의 지원, 보조 서비스는 예측 자체가 정확하더라도 대응을 제약할 수 있다.

이 사례는 기술 성과 지표 하나가 전체 평가를 감당할 수 없는 이유를 보여 준다. 모델은 타당한 추정을 내놓을 수 있지만, 주변 워크플로가 의미 있는 개선을 막을 수 있다.

임상 팀은 생성형 문서화에서 관련된 문제에 직면한다. 초안을 검토하려면 주의가 필요하며, 그 검토 자체도 업무량 평가에 포함되어야 한다. 검증은 세지 않고 생성된 텍스트만 세는 것은 불완전한 그림을 제공할 것이다.

연구 팀은 같은 문제의 또 다른 형태에 직면한다. 정보 접근이 쉬워지는 것은 연구자가 그 정보가 무엇을 나타내는지 확인할 수 있을 때에만 유용하다. 정의, 수집 관행, 누락된 관측치는 데이터세트가 답할 수 있는 질문에 영향을 미친다.

지식 노동자에게 이 연결고리는 익숙하다. 검색 가능한 지식 기반은 사람들이 적절한 자료를 식별하고 관련성을 판단할 수 있을 때 도움이 된다. 임상 정보에는 추가적인 기관 통제가 필요하지만, 근본적인 정보 문제는 여전히 알아볼 수 있다.

따라서 Ohio State의 임상 AI 계획은 여러 그룹에 걸쳐 실행 책임을 부여한다. 기술 직원은 시스템을 관리하고, 임상 리더는 허용 가능한 워크플로를 정의하며, 운영 관리자는 정보가 의사결정을 바꾸는지 판단한다.

공유 프로그램은 이러한 그룹이 양립 가능한 목표를 향해 협력하도록 도울 수 있다. 하지만 기술적 산출물이 사람의 행동으로 전환되는 지점에서는 여전히 명시적인 책임 소재가 필요하다.

공유 인프라는 조율과 의존성을 함께 가져온다

시스템을 연결하면 분절된 업무를 줄일 수 있지만, 공통 규칙과 신뢰할 수 있는 복구의 중요성은 커진다.

이것이 Ohio State Azure 마이그레이션의 핵심적인 상충 관계다. 더 집중된 기술 환경은 애플리케이션과 정보를 조율할 장소를 제공한다. 동시에 접근, 복구, 기관 통제에 관한 결정을 더 중대하게 만든다.

이는 해당 아키텍처가 안전하지 않거나 통합이 바람직하지 않다는 뜻이 아니다. 인프라 선택은 이전된 워크로드 수를 넘어 평가되어야 한다는 의미다.

마이그레이션 이정표는 애플리케이션이 성공적으로 이전되었음을 보여 줄 수 있다. 하지만 중단 이후 사용자가 업무를 복구할 수 있음을 자동으로 보여 주지는 않는다. 이들은 관련 있지만 별개의 운영상 주장이다.

같은 차이는 백업에도 적용된다. 복구 가능한 사본을 저장하는 것은 연속성 계획의 일부다. 기관은 또한 중단 상황에서 직원이 수행해야 하는 업무에 복원이 어떻게 들어맞는지 이해해야 한다.

향후 발표를 평가하는 독자에게는 복원력에 대한 일반적인 보장보다 복구 훈련이 더 유용한 근거를 제공할 것이다. 이러한 훈련은 일상 운영 중에는 보이지 않는 의존성을 드러낼 수 있다.

데이터 통합은 다른 과제를 제시한다. 정보를 공통 환경으로 가져온다고 해서 모든 필드가 일관되지는 않는다. 부서는 서로 다른 개념에 유사한 용어를 사용하거나, 밀접하게 관련된 개념에 서로 다른 용어를 사용할 수 있다.

따라서 공유 플랫폼에는 공유된 해석이 필요하다. 어떤 정의가 적용되는지, 누가 이를 변경할 수 있는지, 하위 사용자가 이러한 변경을 어떻게 알게 되는지 누군가 결정해야 한다.

이 지점에서 인프라는 기관 정책이 된다. 접근 설정은 누가 정보를 봐야 하는지에 대한 결정을 표현한다. 보존 설정은 정보가 얼마나 오래 이용 가능해야 하는지에 대한 결정을 표현한다. 기술 구성에는 조직적 판단이 담긴다.

연방 헬스케어 클라우드 지침은 관련 맥락을 제공한다. HHS는 적절한 협약과 위험 분석을 포함해 보호된 정보를 처리하는 의료 기관과 클라우드 제공업체의 책임을 설명한다. 클라우드 서비스를 사용한다고 해서 이러한 책임이 사라지지는 않는다.

이 지침은 이번 파트너십을 평가하거나 구현을 인증하지 않는다. 의료 컴퓨팅에 관한 진지한 논의에서 거버넌스가 아키텍처와 함께 다뤄져야 하는 이유를 제시한다.

엔터프라이즈 구매자에게 더 넓은 교훈은 의존성에 관한 것이다. 통합 결정은 애플리케이션 변경, 계약 변화, 서비스 중단 상황에서도 정보에 어떻게 접근할 수 있는지를 고려해야 한다.

여러 워크플로가 동일한 기반 서비스를 공유할 때 이러한 질문은 특히 중요하다. 공통 기반은 조율을 단순화할 수 있지만, 동시에 중단의 결과를 더 명확히 이해하도록 요구한다.

따라서 Ohio State Azure 마이그레이션은 배포 진척도와 함께 운영 준비 상태를 통해 평가되어야 한다. 유용한 근거는 무엇이 이전되었는지, 무엇이 다른 시스템에 계속 의존하는지, 팀이 지속적인 접근을 어떻게 검증했는지를 설명할 것이다.

관련된 상충 관계는 관리 가능하지만, 클라우드 도입이 곧 현대화라는 일반적 주장 속에 사라질 수는 없다. 현대화는 기관이 무엇이 개선되었고 이를 어떻게 아는지 설명할 수 있을 때 의미를 갖는다.

임상 AI에는 생성된 기록 이상의 근거가 필요하다

사용 가능한 초안을 만드는 것과 임상의의 근무일을 개선하는 것은 서로 다른 결과다.

이 차이는 Ohio State의 임상 AI 업무에 구체적인 평가 과제를 부여한다. 문서화 시스템은 진료의 일부를 도울 수 있지만, 다른 행정적 요구는 그대로 남길 수 있다.

독립 연구는 유용한 주의를 제시한다. 한 임상 문서화 연구는 Atrium Health에서 이전 DAX Copilot 구현을 평가했다. 주요 분석에서는 전자의무기록 사용이나 재무 지표에서 통계적으로 유의미한 개선이 나타나지 않았다.

탐색적 분석은 일부 임상의 그룹과 사용 패턴에서 이점이 있을 수 있음을 시사했다. 이 연구는 관찰 연구였으며, 저자들은 한계를 명시했다. 이는 현재 Ohio State 배포의 성과를 입증하지는 않는다.

이 연구의 관련성은 측정의 문제에 있다. 시간을 절약할 수 있는 그럴듯한 메커니즘이 전체 임상 워크플로 전반에서 측정 가능한 개선을 보장하지는 않는다.

임상의는 메모를 작성하는 시간은 줄일 수 있지만, 구조를 확인하거나 세부 정보를 수정하는 데 더 많은 시간을 쓸 수도 있다. 또 다른 임상의는 기록된 업무 시간이 거의 변하지 않더라도 정신적 부담을 줄여 준다는 이유로 초안을 유용하게 여길 수 있다.

이러한 가능성에는 서로 다른 측정 기준이 필요하다. 문서화 시간, 근무 외 시간, 수정 부담, 임상의 경험은 각각 서로 다른 측면을 보여 준다. 이를 부주의하게 결합하면 누가 어떤 조건에서 혜택을 얻는지 가려질 수 있다.

환자 경험도 별도로 주목할 가치가 있다. 도구에 대한 임상의의 만족도가 환자가 그 사용을 어떻게 경험하는지를 입증하지는 않는다. 환자의 이해도, 편안함, 질문할 수 있는 능력은 평가에 포함되어야 한다.

이러한 고려 사항 중 어느 것도 Ohio State에서 특정 문제가 발생했다고 입증하지는 않는다. 다만 파트너십이 의도한 이점을 공정하게 평가하는 데 필요한 증거를 제시한다.

생성된 텍스트가 지속적으로 보관되는 기록에 들어갈 때는 사람의 검토가 특히 중요하다. 초안은 매끄러워 보일 수 있지만, 단서를 빠뜨리거나 정보를 잘못된 사람에게 귀속시킬 수 있다. 검토는 가독성만이 아니라 의미를 다뤄야 한다.

따라서 교육에는 결과물을 수정하거나 거부해야 할 시점을 인식하는 내용이 포함되어야 한다. 인터페이스에 익숙해지는 것은 유용하지만, 전문적 판단을 대체할 수는 없다.

탐색적 암 사례 작업은 또 다른 구분을 제기한다. 전문의를 위해 정보를 정리하는 일은 치료를 권고하는 일과 다르다. 향후 설명에서는 이러한 경계를 흐리지 않으면서 시스템의 역할을 밝혀야 한다.

독자는 워크플로 증거와 환자 결과 증거도 구분해야 한다. 논의 준비가 빨라졌다는 사실은 운영상의 질문에 답할 수 있다. 더 나은 임상 결과를 입증하려면 그와는 다른 주장을 뒷받침하도록 설계된 평가가 필요하다.

이번 발표는 암 치료 결과의 개선, 성공적인 치료 결정 또는 새로운 임상시험 이점을 입증하지 않는다. 이러한 결론은 파트너십의 범위만으로 추론해서는 안 된다.

신뢰할 수 있는 평가는 엇갈린 결과가 나올 여지도 남겨야 한다. 일부 전문 분야에서는 워크플로가 유용할 수 있지만, 다른 분야에서는 변경이 필요할 수 있다. 일부 이점은 속도보다 경험과 관련될 수 있다.

그렇더라도 이는 가치 있는 정보를 제공한다. 구체적인 결과는 사용자와 작업 간 차이를 감추는 광범위한 성공 주장보다 도입을 더 효과적으로 이끌 수 있다.

Google이 Ohio State의 더 폭넓은 AI 전략에 맥락을 제공하다

Ohio State의 공급업체 관계는 하나의 계약이 다른 계약을 대체한다고 가정하지 않고, 명시된 목적과 검증된 결과에 따라 평가해야 한다.

9월 29일, 이 대학은 연구, 캠퍼스 기술 접근성 및 AI 활용 역량에 초점을 맞춘 Google Cloud 파트너십을 발표했다. 발표에는 캠퍼스 내 AI 공간, Google DeepMind 협력, 학생 연구 기회가 포함됐다.

이전 계약은 Microsoft의 11월 발표에 유의미한 경쟁 맥락을 제공한다. 두 기업 모두 개별 소프트웨어 구매를 넘어서는 기관 관계를 추구한다. 이들이 밝힌 프로그램은 교육과 연구에서 겹치지만, 강조점은 다르다.

공개 발표는 정면 경쟁의 조달 결과를 입증하지 않는다. 또한 대학이 모든 워크로드를 단일 공급업체에 배정했다는 점도 보여 주지 않는다.

독자에게 유용한 비교는 조직적 역할에 관한 것이다. 한 관계는 캠퍼스 연구 환경을 강조할 수 있고, 다른 관계는 의료 시스템 운영에 집중할 수 있다. 전반적인 승자를 선언하는 것보다 이러한 역할을 이해하는 편이 더 중요하다.

이 맥락은 파트너십을 상업적으로 해석하는 방식도 바꾼다. 대규모 기관 계약은 한 공급업체가 프로그램에서 차지하는 위치를 보여 준다. 그러나 기관의 더 폭넓은 기술 전략에 대한 독점적 통제권을 입증하지는 않는다.

그럼에도 Ohio State와 Microsoft의 파트너십은 Microsoft에 공통된 관계 안에서 인프라, 애플리케이션, 인력 개발을 연결할 기회를 제공한다. 도입은 사람들이 도구가 자신의 업무에 어떻게 맞는지 이해하는 데 달려 있으므로, 이러한 결합은 중요하다.

교육은 이용 가능성과 능숙한 활용 사이의 간극을 줄이는 데 도움이 될 수 있다. 그러나 과정 참여와 실무 역량은 별개의 결과다. 교육을 이수했다고 해서 직원이 모호한 결과를 안전하게 처리할 수 있음을 입증하는 것은 아니다.

임상의에게 유용한 역량에는 생성된 문서화 결과에 의문을 제기해야 할 시점을 아는 일이 포함된다. 연구자에게는 이용 가능한 정보의 한계를 이해하는 일이 포함된다. 관리자에게는 예측이 의사결정을 이끌어서는 안 될 때를 인식하는 일이 포함된다.

이는 공개된 교육과정에 대한 주장이 아니라, 더 폭넓은 프로그램이 지원해야 할 역량의 예시다. 이러한 사례는 인력 개발이 분석에 포함되어야 하는 이유를 보여 준다.

여러 공급업체와의 관계는 조정 문제도 제기한다. 기관에는 승인된 사용 방식, 정보 처리 및 지원에 관한 명확한 규칙이 필요하다. 그렇지 않으면 각 개별 서비스가 의도대로 작동하더라도 직원들은 불확실성에 직면할 수 있다.

이는 일반적인 기관 차원의 과제이지, Ohio State에 혼선이 있다는 증거는 아니다. 발표 내용은 서로 다른 공동체와 전문 직무 전반으로 야심을 확장하고 있으므로, 이 문제를 관련 있게 만든다.

다른 대학과 기업 구매자에게 이 사례는 기관 관계를 중심으로 AI 도입을 조직하는 사례로서 지켜볼 가치가 있다. 궁극적으로 얻을 교훈은 실행의 세부 사항에 달려 있다.

경쟁 분석도 마찬가지로 구체적으로 유지해야 한다. 중요한 질문은 각 공급업체가 어떤 워크플로를 지원하는지, 기관이 이를 어떻게 평가하는지, 사용자가 의도된 개선을 경험하는지에 관한 것이다.

공급업체의 폭넓은 역량은 조정을 지원할 수 있다. 그러나 특정 워크플로에서 나온 증거는 그러한 폭넓은 역량이 유용한 기관 차원의 결과로 이어지는지를 여전히 입증해야 한다.

제공 이정표, 임상 업무량 및 실무 역량을 지켜보라

다음으로 유용한 업데이트는 프로그램의 개별 요소를 더 쉽게 평가할 수 있게 해야 한다.

향후 몇 달 동안 독자는 먼저 제공 이정표를, 다음으로 임상 워크플로 증거를, 세 번째로 실무 교육 결과를 지켜봐야 한다. 이는 발표된 마감일이 아니라 관찰 우선순위다.

첫 번째 신호는 구현 진행 상황에 대한 더 명확한 설명이다. 유용한 업데이트라면 어떤 시스템이 서비스를 시작했는지, 어떤 시스템이 아직 개발 중인지, 전환 과정에 어떤 검증이 수반됐는지를 밝혀야 한다.

Ohio State의 Azure 마이그레이션에서는 이전된 워크로드와 더 폭넓은 목표를 구분해야 한다는 뜻이다. 배포 설명은 독자가 무엇이 바뀌었는지 이해할 수 있을 만큼 범위를 명확히 설명해야 한다.

동일한 기준은 연결된 병원 운영에도 적용된다. 추가 배포의 명시는 확장을 입증할 수 있다. 명확히 정의된 운영 지표의 보고는 그 확장이 의도한 가치를 제공했는지 입증하는 데 도움이 된다.

이러한 신호가 신뢰할 수 있는 제공과 측정 가능한 운영 개선을 보여 준다면, 조정된 인프라의 근거는 강화될 것이다. 진행 상황에 관한 일반적인 발언만으로는 핵심 질문이 여전히 남는다.

두 번째 신호는 임상 업무량에 관한 증거다. 유용한 보고는 누가 도구를 사용했는지, 어떤 업무를 지원했는지, 기관이 그 경험을 어떻게 평가했는지를 설명해야 한다.

평가에서는 문서 작성에 소요된 시간과 함께 검토 및 수정도 고려해야 한다. 또한 지속적으로 사용한 사람과 시스템을 잠시 사용해 본 사람을 구분해야 한다.

문서화 품질이 수용 가능한 수준으로 유지되면서 업무량이 줄고 지속적인 사용이 나타난 결과는 확장의 근거를 강화할 것이다. 일부 작업에만 국한된 결과는 더 제한적인 결론을 뒷받침할 것이다.

엇갈린 결과도 중요하다. 워크플로 변경이 필요한 곳이나, 다른 사용자보다 특정 사용자에게 도구가 더 적합한 곳을 확인할 수 있기 때문이다.

탐색적 임상 애플리케이션에서는 명확히 정의된 역할 자체가 유용한 진전이 될 수 있다. 독자는 시스템이 무엇을 지원하는지, 무엇을 전문의에게 남기는지, 성능을 어떻게 평가하는지에 관한 설명을 찾아야 한다.

세 번째 신호는 교육이 실무 역량을 만들어 내는지 여부다. 참여자 수는 도달 범위를 설명한다. 참여자가 적절한 판단을 적용할 수 있다는 증거는 준비 상태를 더 잘 보여 준다.

의미 있는 업데이트는 학습이 실제 책임과 어떻게 연결되는지 설명할 수 있다. 그러면 교육 요소는 인증 기회에 대한 일반적인 설명보다 더 쉽게 평가할 수 있다.

이러한 신호는 침묵을 해석하는 합리적인 방식도 제공한다. 5년 프로그램에서 단기 성과 데이터가 없다고 해서 실패가 입증되는 것은 아니다. 이는 이점에 관한 결론을 내리기에는 아직 이르다는 뜻이다.

Ohio State와 Microsoft의 파트너십은 기관들이 흔히 별도로 평가하는 의사결정을 연결한다는 점에서 주목할 만하다. 컴퓨팅, 문서화, 연구 접근성, 인력 역량은 구현 일정이 다르더라도 서로 영향을 미친다.

전반적인 계약만큼이나 개별 배포를 면밀히 살펴보라. 각 업데이트가 이용 가능성, 도입, 운영 개선 또는 임상 증거 중 무엇을 설명하는지 물어봐야 한다. 이러한 주장은 서로 다른 근거를 필요로 하기 때문이다. 명시된 목표와 실제로 보고된 지표를 비교하고, 팀 간 차이에 대한 설명을 찾아라. 유사한 방식을 고려하는 기관이라면 이 파트너십을 복제할 완성된 모델이 아니라 지켜볼 사례로 활용하라. 가장 강력한 결론은 가장 강력한 증거에 연결하고, 구현이 진전됨에 따라 다시 검토하라. 프로그램의 어느 부분이 연결된 인프라가 일상 업무를 어떻게 바꾸는지 보여 줄 만큼 충분한 세부 정보를 가장 먼저 공개할까?

 
 

무료로 시작하세요

개인 지식 관리 기능을 갖춘 로컬 우선 AI 어시스턴트

더 나은 AI 경험을 위해

현재 remio는 Windows 10+ (x64) 및 M-Chip Macs만 지원합니다.

업무를 위한 AI 파트너
remio와 더 많은 일을 해내세요

계획하고, 만들고, 완성하세요
모든 일을 한곳에서

bottom of page