Why managing AI risk presents new challenges

Aliquet morbi justo auctor cursus auctor aliquam. Neque elit blandit et quis tortor vel ut lectus morbi. Amet mus nunc rhoncus sit sagittis pellentesque eleifend lobortis commodo vestibulum hendrerit proin varius lorem ultrices quam velit sed consequat duis. Lectus condimentum maecenas adipiscing massa neque erat porttitor in adipiscing aliquam auctor aliquam eu phasellus egestas lectus hendrerit sit malesuada tincidunt quisque volutpat aliquet vitae lorem odio feugiat lectus sem purus.

Lorem ipsum dolor sit amet consectetur lobortis pellentesque sit ullamcorpe.
Mauris aliquet faucibus iaculis vitae ullamco consectetur praesent luctus.
Posuere enim mi pharetra neque proin condimentum maecenas adipiscing.
Posuere enim mi pharetra neque proin nibh dolor amet vitae feugiat.

The difficult of using AI to improve risk management

Viverra mi ut nulla eu mattis in purus. Habitant donec mauris id consectetur. Tempus consequat ornare dui tortor feugiat cursus. Pellentesque massa molestie phasellus enim lobortis pellentesque sit ullamcorper purus. Elementum ante nunc quam pulvinar. Volutpat nibh dolor amet vitae feugiat varius augue justo elit. Vitae amet curabitur in sagittis arcu montes tortor. In enim pulvinar pharetra sagittis fermentum. Ultricies non eu faucibus praesent tristique dolor tellus bibendum. Cursus bibendum nunc enim.

Id suspendisse massa mauris amet volutpat adipiscing odio eu pellentesque tristique nisi.

How to bring AI into managing risk

Mattis quisque amet pharetra nisl congue nulla orci. Nibh commodo maecenas adipiscing adipiscing. Blandit ut odio urna arcu quam eleifend donec neque. Augue nisl arcu malesuada interdum risus lectus sed. Pulvinar aliquam morbi arcu commodo. Accumsan elementum elit vitae pellentesque sit. Nibh elementum morbi feugiat amet aliquet. Ultrices duis lobortis mauris nibh pellentesque mattis est maecenas. Tellus pellentesque vivamus massa purus arcu sagittis. Viverra consectetur praesent luctus faucibus phasellus integer fermentum mattis donec.

Pros and cons of using AI to manage risks

Commodo velit viverra neque aliquet tincidunt feugiat. Amet proin cras pharetra mauris leo. In vitae mattis sit fermentum. Maecenas nullam egestas lorem tincidunt eleifend est felis tincidunt. Etiam dictum consectetur blandit tortor vitae. Eget integer tortor in mattis velit ante purus ante.

Vestibulum faucibus semper vitae imperdiet at eget sed diam ullamcorper vulputate.
Quam mi proin libero morbi viverra ultrices odio sem felis mattis etiam faucibus morbi.
Tincidunt ac eu aliquet turpis amet morbi at hendrerit donec pharetra tellus vel nec.
Sollicitudin egestas sit bibendum malesuada pulvinar sit aliquet turpis lacus ultricies.

“Lacus donec arcu amet diam vestibulum nunc nulla malesuada velit curabitur mauris tempus nunc curabitur dignig pharetra metus consequat.”

Benefits and opportunities for risk managers applying AI

‍개요

Mirelo AI는 비디오 인식 오디오 제작 및 동기화 솔루션을 전문으로 하는 떠오르는 AI 기술 회사입니다.독일 (Mirelo AI GmbH) 에 본사를 둔 이 회사는 구글 브레인, 아마존, 메타 페어, 디즈니, 네이티브 인스트루먼트와 같은 상위 조직의 AI 연구자와 제품 전문가들에 의해 설립되었습니다.

초기에 Mirelo AI는 자체 인프라를 구축하거나 AI/ML 운영을 확장하는 데 필요한 유연성, 전문성 및 비용 효율성을 제공하는 클라우드 공급자와 협력하는 등 중요한 선택에 직면했습니다.Mirelo AI는 하이퍼스케일러와 베어메탈 제공업체를 비롯한 다양한 옵션을 평가한 후 GMI Cloud를 선택했습니다.이 사례 연구에서는 GMI Cloud를 통해 Mirelo AI가 어떻게 비용 효율성과 신뢰성을 보장하면서 AI 개발을 효율적으로 확장할 수 있었는지 살펴봅니다.

과제: 구축 vs. 구매

Mirelo AI는 고품질 음악 모델이 존재하지 않던 시기에 시작되었습니다.기존 모델을 미세 조정하는 대신 기초 모델을 처음부터 학습했기 때문에 견고하고 확장 가능한 인프라가 필요했습니다.이를 위해서는 전용 GPU 클러스터가 필요했기 때문에 구매와 임대의 장단점을 저울질해야 했습니다.일반적인 “다음 기금 모금까지” 기간인 2년 동안 구매는 임대하는 것과 거의 동일한 비용으로 나타났습니다.소유권은 장기적으로 볼 때 비용 절감을 의미했지만 조달, 유지 관리 및 확장성 문제도 뒤따랐습니다.하지만 기술적 오버헤드 없이 소유할 수 있다면 어떨까요?질문을 받았을 때 GMI Cloud는 맞춤형 구매 계약을 통해 정확히 이를 제공했습니다.

솔루션: GMI 클라우드

GMI Cloud는 Mirelo AI에 다음과 같은 기능을 제공하는 맞춤형 솔루션을 제공했습니다.

경쟁력 있는 가격: 미렐로 AI는 GMI Cloud가 다음과 같다는 것을 발견했습니다. 10~ 15% 의 비용 절감 대안과 비교했을 때.
유연한 옵션: Mirelo AI는 특히 GMI Cloud가 필요에 맞게 맞춤 제작한 임대 옵션을 원했습니다.
안정적이고 안전한 인프라: 미렐로 AI 경험 22~ 50% 더 빠른 모델 학습 와 강력한 데이터 보호와 함께 GMI의 무중단 AI/ML 운영
전문성 및 파트너십: Mirelo AI의 고유한 요구 사항에 부합하는 협업 접근 방식.
대응력 및 지원: Mirelo AI의 모든 전문 지식 요구 사항을 기꺼이 책임지는 전담 팀.

미렐로 AI가 이제 작동합니다 여러 클러스터/노드 GMI Cloud로 구동되므로 AI/ML 이니셔티브를 발전시킬 수 있습니다.

주요 이점

비용 절감

미렐로 AI는 GMI 클라우드가 다음과 같다는 것을 발견했습니다. 10~ 15% 더 비용 효율적 다른 공급자보다.경쟁력 있는 가격 덕분에 기존 클라우드 공급업체에서 전환해야 하는 초기 위험을 정당화할 수 있었습니다.

전략적 유연성

맞춤형 계약을 제공할 수 있는 GMI Cloud의 능력은 판도를 바꿨습니다.GMI Cloud의 합리적인 가격 책정 및 계약 구조 조정을 보면서 상호 신뢰가 강화되었습니다.Mirelo AI의 CEO이자 공동 설립자인 CJ는 다음과 같이 말했습니다. “GMI Cloud는 우리를 매우 지원하며 우리를 파트너로 대합니다. 이는 스타트업에 큰 도움이 됩니다.우리는 서로에 대한 믿음이 있기 때문에 함께 성공합니다.”

협업 파트너십

Mirelo AI 팀은 GMI Cloud의 열린 마음과 특정 요청을 기꺼이 수용하려는 의지를 높이 평가했습니다.Tim과의 초기 계약 논의부터 유연한 계정 설정에 이르기까지 GMI Cloud는 스타트업 친화적인 접근 방식을 보여주었습니다.CJ가 추가로 언급한 바와 같이: “GMI의 유연성이 마음에 듭니다.가격 경쟁력이 매우 뛰어나지만, 기존의 틀에 얽매이지 않는 요청에 대한 개방성과 전반적으로 보여지는 유연성도 마음에 듭니다.”

인프라 및 서비스

GMI Cloud의 인프라를 활용하여 미렐로 AI는 AI 모델 트레이닝을 22% 가속화했습니다. 반복 속도를 높이고 출시 시간을 단축합니다.GMI Cloud는 운영 중단을 최소화하면서 안정적이고 안전한 환경을 제공했으며, 대응력이 뛰어난 팀이 기술 요구 사항에 대해 책임을 지기 때문에 Mirelo AI는 장기적인 AI 개발 전략에 대한 확신을 갖게 되었습니다.

대체 고려 사항

하이퍼스케일러 (예: AWS, GCP, Azure 등): Mirelo AI 설립자 모두 FAANG 회사에서 일하면서 인프라에 익숙했습니다.따라서 그들은 자연스럽게 클러스터 크레딧을 데이터 사전 처리 및 소규모 교육 실행에도 사용했습니다.이 설정은 초기 실험에는 유용했지만 확장에 필요한 유연성과 장기적 비용 효율성이 부족했습니다.
베어메탈 제공업체: Mirelo AI는 잘 알려진 다른 베어메탈 클라우드 제공업체와 계약을 거의 체결할 뻔했지만 GMI Cloud의 더 나은 가격과 뛰어난 유연성 때문에 결국 계약을 철회했습니다.

AI 개발 파트너를 찾는 스타트업을 위한 조언

Mirelo AI는 다음과 같은 이유로 스타트업에 GMI Cloud를 강력히 권장합니다.

계약 및 가격 책정의 유연성
스타트업 제약에 대한 이해
신뢰할 수 있는 인프라 및 대응력이 뛰어난 전문 지원

하이퍼스케일러를 평가하는 회사의 경우 Mirelo AI는 스타트업의 요구 사항을 이해하고 수용할 수 있는 GMI Cloud와 같은 AI 개발 파트너를 찾도록 조언합니다.

앞을 내다보며

Mirelo AI는 GMI Cloud와의 파트너십을 통해 비용 효율적이고 전략적인 방식으로 AI/ML 개발을 확장할 수 있었습니다.다음과 같은 조합이 가능했습니다. 유연성, 경쟁력 있는 가격, 협력적 접근 방식 GMI Cloud를 AI 인프라 요구 사항을 충족하는 이상적인 파트너로 만들었습니다.

비슷한 문제에 직면한 기업들에게 Mirelo AI의 경험은 그 이유를 보여주는 설득력 있는 사례로 작용합니다. GMI Cloud는 시장에서 승리하기 위해 AI 개발을 확장하려는 AI 스타트업을 위한 최고의 선택입니다.

Mirelo AI는 발표하게 되어 기쁩니다 비공개 베타 출시 2월 말.이 이정표는 프로슈머를 대상으로 초기 사용자에게 AI 모델을 출시하는 데 있어 중요한 단계입니다.비공개 베타를 통해 광범위한 공개 출시 전에 귀중한 피드백을 수집할 수 있습니다.Mirelo AI는 AI 모델을 개선하고 운영을 확장하는 과정에서 지속적인 인프라 지원을 위해 GMI Cloud를 활용할 것으로 예상합니다.

‍

미렐로 AI가 GMI 클라우드로 AI/ML을 확장한 방법