cert-bank

가이드

Read this guide in English

GCP-GAIL 학습 가이드: 제품을 올바른 계층에 놓고, 문제에 맞는 해결책을 짝짓기

Generative AI Leader 시험은 두 종류의 문제를 거듭 냅니다. 첫째는 "이 비즈니스에 맞는 제품은 무엇인가?"입니다. 그럴듯한 Google 제품이 여러 개 있고, 답은 회사가 얼마나 직접 만들고 싶어 하는지에 달려 있습니다. 둘째는 "출력이 이런 식으로 잘못됐는데 무엇으로 고치는가?"입니다. 해결책들이 비슷하게 들리지만 고치는 대상이 다릅니다. 이 가이드는 각각에 지도를 하나씩 드립니다. 첫 번째에는 생성형 AI 지형의 다섯 계층을, 두 번째에는 문제와 해결책을 짝지은 표를 드립니다.

학습 가이드 · Google Cloud Certified Generative AI Leader (GCP-GAIL)

GCP-GAIL 학습 가이드: 제품을 올바른 계층에 놓고, 문제에 맞는 해결책을 짝짓기

시험 개요

90분 동안 객관식 문제 50~60개를 풉니다. Google은 합격 점수를 공개하지 않으니, 최신 정보는 공식 시험 페이지에서 확인하십시오. 섹션은 네 개이고, 시험 가이드에 나온 대략적인 비중은 Fundamentals of gen AI(~30%), Google Cloud's gen AI offerings(~35%), Techniques to improve gen AI model output(~20%), Business strategies for a successful gen AI solution(~15%)입니다. 비즈니스 수준의 시험이라 코드도 콘솔 조작 단계도 나오지 않습니다.

이 문제은행을 위해 만든 GCP-GAIL 문제 274개에서 나온 숫자 두 개를 소개합니다. 그라운딩(grounding), RAG, 검색(retrieval)은 네 섹션 전체에 걸쳐 51문제(19%)의 지문이나 보기에 등장하고, 파인 튜닝(fine-tuning)은 15문제에 등장합니다. 이 문제은행에서 사실 관련 문제의 해결책은 대개 그라운딩이고, 튜닝은 좁은 경우에만 답이 됩니다.

지도 1: 다섯 계층

시험 가이드는 생성형 AI 지형의 다섯 계층을 꼽습니다. 각 계층이 아래 계층 위에 쌓이는 구조로 보면 됩니다. 위 계층일수록 가치를 빨리 얻지만 동작을 바꿀 방법이 적습니다. 아래 계층일수록 통제권이 커지지만 더 많은 역량이 필요합니다.

계층Google Cloud 예시지문이 이렇게 말하면 선택
애플리케이션Gemini for Google Workspace, Gemini Enterprise"직원들이 지금 바로 도움이 필요하다", "데이터 과학 팀이 없다", "요약과 이메일"
에이전트사전 구축 및 맞춤형 에이전트, Conversational Agents, Agent Assist"작업을 완료한다", "예약, 변경 또는 조회", "도구를 통해 행동한다"
플랫폼Gemini Enterprise Agent Platform(이전 Vertex AI): Model Garden, Agent Studio, RAG Engine, Agent Runtime"우리 개발자가 만든다", "거버넌스 적용", "모델을 고르고 튜닝한다"
모델Gemini(멀티모달), Gemma(오픈), Imagen(이미지), Veo(동영상)"어떤 모델", "오픈 가중치", "동영상 생성"
인프라GPU, TPU, AI Hypercomputer"매우 큰 규모로 학습하거나 서빙한다"

제품 섹션(35%)은 대부분 요구를 이 표의 어디에 놓을지에 관한 것입니다. 답을 고를 때는 위에서 시작하는 것이 안전한 기본값입니다. 관리형 서비스와 사전 학습된 모델을 먼저 쓰고, 이미 그 일을 해내는 모델이 있는지 Model Garden에서 찾아보고, 평가에서 부족한 점이 드러날 때만 아래 계층에서 만드십시오.

Google 생성형 AI 지형의 다섯 계층
애플리케이션
Gemini for Google Workspace · Gemini Enterprise
에이전트
사전 구축 및 맞춤형 에이전트 · Conversational Agents · Agent Assist
플랫폼
Gemini Enterprise Agent Platform · Model Garden, Agent Studio · RAG Engine, Agent Runtime
모델
Gemini · Gemma · Imagen · Veo
인프라
GPU, TPU · AI Hypercomputer
위 계층은 가치를 빨리 주고, 아래 계층은 통제권을 더 줍니다. 위에서 시작하고, 평가에서 부족한 점이 드러날 때만 내려가십시오.

헷갈리는 제품, 한 줄씩 정리

  • Gemini for Google Workspace는 Gmail, Docs, Sheets, Slides 등 Workspace 앱 안에서 사용자 한 명을 돕습니다. Gemini Enterprise는 권한을 지키면서 회사의 연결된 데이터 전체에 걸쳐 검색, 어시스턴트, 에이전트를 제공합니다. 시험 가이드에는 아직 Gems(Gemini 앱의 맞춤 Gemini)가 나오지만, Gemini 앱에서는 Gems가 재사용 가능한 맞춤 바로가기인 "skills"로 바뀌고 있습니다(gemini.google/overview/gems 페이지가 이제 skills를 설명합니다). 두 이름을 모두 알아 두십시오.
  • Agent Search는 승인된 콘텐츠에서 찾아 답합니다. Conversational Agents는 일을 처리하려고 대화를 이어 가고, 필요하면 사람에게 넘깁니다.
  • Agent Assist는 이미 통화나 채팅 중인 상담원을 돕습니다. Conversational Insights(현재 문서에서는 Customer Experience Insights)는 이미 끝난 대화를 분석합니다.
  • Model Garden은 모델을 찾고 배포하는 카탈로그입니다. Agent Platform의 AutoML은 여러분의 라벨링된 데이터로 예측 모델을 학습시킵니다.
  • Google AI Studio는 브라우저에서 빠르게 프로토타입을 만드는 도구입니다. Agent Studio는 거버넌스가 적용된 Google Cloud 프로젝트 안에서 엔터프라이즈 에이전트를 설계하는 도구입니다.

초보자 팁: 두 제품이 모두 맞아 보이면 무엇보다 먼저 한 가지를 물으십시오. 사용자가 고객인가, 직원인가, 개발자인가? 고객이라면 Agent Search, Conversational Agents, 고객 참여 제품입니다. 직원이라면 Gemini for Google Workspace나 Gemini Enterprise입니다. 개발자라면 Agent Platform입니다. 틀린 연습 문제마다 연습지 여백에 그 답을 적어 보십시오. 사용자가 누군지 정해지는 순간 혼동 대부분이 사라지는 것을 볼 수 있습니다.

지도 2: 문제와 해결책

기법 섹션(20%)은 짝짓기 연습입니다. 해결책마다 고치는 한계가 정해져 있고, 오답 보기도 각각 다른 한계에 대한 실제 해결책입니다.

문제해결책
사실이 오래됨(지식 기준 시점) 또는 회사 문서에서 나와야 함그라운딩 또는 RAG
지어낸 사실, 가짜 인용(환각)그라운딩, "모르겠다"를 허용하는 더 명확한 프롬프트, 오류가 중요한 곳에서는 사람의 검토
내용은 맞지만 형태나 형식이 틀림프롬프트 안의 퓨샷(few-shot) 예시
프롬프트로는 담을 수 없는 일관된 회사 문체나 도메인 언어좋은 라벨링 예시를 이용한 파인 튜닝
정책 문서인데 답이 너무 들쭉날쭉함temperature 또는 top-p 낮추기
답이 문장 중간에 끊김최대 출력 토큰 늘리기
여러 단계의 추론이 틀림Chain-of-thought, 도구가 필요하면 ReAct, 단계가 분리되어 있으면 프롬프트 체이닝
출시 몇 달 뒤 품질이 떨어짐드리프트 모니터링, 재평가와 업데이트
더 깊이: 바뀌는 사실에 파인 튜닝이 잘못된 해결책인 이유

파인 튜닝은 여러분의 예시로 모델의 가중치를 조정합니다. 모델이 배운 내용은 학습이 끝나는 순간 고정됩니다. 원래의 지식 기준 시점과 똑같습니다. 그래서 월요일에 모델에 튜닝해 넣은 가격표는 화요일에 가격이 바뀌면 낡은 정보가 되고, 새로 고칠 방법은 다시 학습하는 것뿐입니다. 답이 어디서 왔는지 기록도 남지 않습니다. RAG는 반대로 동작합니다. 가중치는 전혀 바뀌지 않습니다. 질문 시점에 검색 단계가 인덱스에서 관련 문단을 찾아 프롬프트에 더하고, 모델은 그 주어진 텍스트를 바탕으로 답을 씁니다. 지식을 업데이트한다는 것은 인덱스를 업데이트한다는 뜻이고, 새 문서는 인덱싱되자마자 쓸 수 있으며, 답은 출처를 인용할 수 있습니다. 그래서 시험은 "바뀌는 사실"과 "출처를 인용해야 함"을 그라운딩과, "일관된 문체나 형식"을 튜닝과 짝짓습니다.

비즈니스 전략: 문제에서 시작하기

가장 작은 섹션(15%)은 한 가지 습관에 점수를 줍니다. 기술을 고르기 전에 비즈니스 문제와 측정 가능한 KPI를 정의하는 것입니다. 그다음 요구를 패턴에 맞춥니다(인용이 필요한 문서: 그라운딩, 콘텐츠 제작: 생성형 모델, 많은 고객 대화: 대화형 에이전트, 일상적인 사무 업무: 기성 어시스턴트). 보안 도구는 역할별로 알아 두십시오. 접근에는 IAM, 프롬프트와 응답 검사에는 Model Armor, AI 자산 파악과 위협·위험 탐지에는 Security Command Center AI Protection, 데이터 비식별화에는 Sensitive Data Protection입니다. 그리고 개인정보 관련 짝을 정확히 구분하십시오. 익명화(anonymisation)는 되돌릴 수 없도록 하는 것이고, 가명화(pseudonymisation)는 값을 토큰으로 바꾸는 것이며, 양방향 토큰은 키로 되돌릴 수 있습니다.

학습 순서

  1. 기초: AI, ML, 생성형 AI의 차이, 모델 유형, ML 수명 주기, 데이터 품질.
  2. 다섯 계층과 각 계층의 Google 제품, 헷갈리는 제품 짝.
  3. 기법: 프롬프트 스타일, 그라운딩과 RAG, 샘플링 설정, 한계와 해결책.
  4. 비즈니스 전략, 보안, 책임감 있는 AI, 그다음 90분 시간 제한을 두고 혼합 문제 세트.

연습하기

문제은행에서 연습하십시오. 모든 문제에 정답과 오답 보기마다 해설이 있습니다. 방금 공부한 도메인부터 시작하고, 그다음 시간 제한이 있는 모의고사를 보십시오.

섹션 비중은 Google의 Generative AI Leader 시험 가이드에 나온 기준입니다. Google은 생성형 AI 제품 이름을 자주 바꾸므로, 시험에서 쓰는 제품 이름은 시험 가이드에서 확인하십시오.