🏆45분
도전 과제: 나의 제조 분야에 LLM 적용 계획 세우기
Day 1: LLM 개요 & 제조 AI 비전
도전 과제: 나의 제조 분야에 LLM 적용 계획 세우기
LLM 기초 > Day 1: LLM 개요 & 제조 AI 비전
도전 과제: LLM 활용 계획서
작성 양식
# 제조 AI 활용 계획서
## 1. 분야 선택
- 분야: (예: CNC 가공, 사출 성형, 반도체, 자동차 조립 등)
- 선택 이유:
## 2. 해결할 문제 (3가지)
### 문제 1: _______________
- 현재 상황: (예: 매뉴얼 검색에 1시간 소요)
- LLM 활용 패턴: (Q&A / 보고서 / 트러블슈팅 / 최적화 / 교육)
- 기대 효과: (예: 검색 시간 90% 단축)
### 문제 2: _______________
- 현재 상황:
- LLM 활용 패턴:
- 기대 효과:
### 문제 3: _______________
- 현재 상황:
- LLM 활용 패턴:
- 기대 효과:
## 3. 비용 추정
| 문제 | 일일 사용량 | 평균 토큰 | 모델 | 일 비용 | 월 비용 |
|------|-----------|----------|------|---------|---------|
| 문제1 | ?건 | ?토큰 | ? | $? | $? |
| 문제2 | ?건 | ?토큰 | ? | $? | $? |
| 문제3 | ?건 | ?토큰 | ? | $? | $? |
## 4. 프로토타입 코드
(하나의 문제에 대한 Python 코드)제출
- 계획서: markdown 파일
- 코드: .py 파일
- 실행 결과 스크린샷
요구사항
자신의 제조 분야(또는 관심 분야) 1개를 선택한다
해당 분야에서 LLM으로 해결할 수 있는 문제 3가지를 정의한다
각 문제에 대해 활용 패턴(Q&A, 보고서, 트러블슈팅 등)을 매칭한다
예상 비용을 토큰 단위로 계산한다
Python 코드로 간단한 프로토타입(1개 문제)을 만든다
평가 기준
- • 제조 도메인 이해도: 현실적인 문제를 선정했는가
- • LLM 활용 패턴의 적절성: 올바른 패턴을 매칭했는가
- • 비용 계산의 정확성: 토큰과 비용을 합리적으로 추정했는가
- • 코드 동작: 프로토타입이 정상 작동하는가
보너스
- • Anthropic Claude API도 연동해서 GPT와 응답 비교
- • 비용 최적화 전략(모델 분류 사용)을 코드로 구현
- • 환각 방지를 위한 검증 로직 추가
AI로 학습하기 — 꿀팁
제조 LLM 적용 계획 타당성 검토AI 학습 팁
작성한 제조 분야 LLM 적용 계획의 실현 가능성과 리스크를 AI에게 검토받으세요.
내가 수립한 제조 분야 LLM 적용 계획: [적용 영역: 품질 검사 보고서 자동 요약 / 목표: 일일 200건 보고서를 30초 내 핵심 이상 추출 / 데이터: 3년치 불량 보고서 텍스트 / 모델: GPT-4o API 활용 / 기대 효과: 품질팀 2시간/일 절감]. 이 계획을 다음 관점에서 검토해주세요: 1) 제조 데이터 보안 및 기밀유지 리스크(API로 외부 전송 시), 2) 보고서 형식이 비정형일 때 발생하는 파싱 실패 시나리오, 3) 현실적인 성능 목표(30초) 달성 가능성, 4) 비용 추정(GPT-4o API 기준 월간 예상 비용). 각 항목에 대한 대안도 제시해주세요.
이 팁이 도움이 됐나요?