[알아두면 쓸모있는 구글 드라이브 팁] 머신러닝 기술로 내가 앞으로 할일을 미리 예측 해 줌.

구글은 인공지능 기술에 하나인 머신 러닝에 많은 투자를 하고 있습니다.

많은 협업자들과 협업시 가장 많은 시간을 소모하는 작업중에 하나는 협업자들과 주고 받았던 각종 문서나 파일들 관리일 것입니다. 구글은 이러한 시간 소모성 작업에 머신 러닝 기술을 적용하여 업무의 효율성와 생산성을 높이고 있습니다.

Google Workspace의 구글 드라이브에는 '내 드라이브' 메뉴위에 '우선순위' 메뉴가 있습니다. 이 '우선순위' 의 역할이 정확이 무엇인지 알아보도록 하겠습니다.

Google 드라이브가 내가 드라이브 안에서 문서 작업하는 패턴을 머신 러닝 기술을 이용하여 학습을 하고, 이를 바탕으로 내가 앞으로 어떤 작업을 할 예정인지 미리 예측하여 알려주고 있다는 사실을 알고 계신가요?

Google 드라이브에 접속하면 좌측 상단에 '우선순위' 메뉴가 보일 것입니다. (개인용 무료 드라이브 사용자와 Google Workspace Business Starter 버전은 해당 사항없음) 이 '우선순위' 메뉴가 머신 러닝 기술을 적용하여내가 앞으로 작업할 확률이 높은, 즉 내가 작업할 우선 순위가 높은 문서를 우선적으로 보여주고 있다는 사실을 알고 계셨나요?

예를 들면, 저는 매주 월요일 오전에만 열어서 작업하는 문서가 있습니다. 주간 업무 회의가 월요일 오전10시에 있고, 이때 회의 할 문서입니다. 이 문서는 월요일 오전에만 열어서 10시 회의 하는 동안만 잠깐 사용을 합니다.

Google 드라이브는 머신 러닝 기술을 적용하여 내 작업 패턴을 분석합니다. 월요일 오전에 출근하여 드라이브에 접속을 하면, '우선 순위' 목록에서 오늘 내가 작업해야 할 문서중에서 가장 순위가 높은 것들을 먼저 보여 줍니다. (아래 캡쳐한 업무용 내 드라이브 이미지 참고). 다음날 화요일이 되면 이 문서는 '우선 순위' 메뉴에서 사라집니다.

이는 드라이브 안에서 해당 문서를 검색을 할 필요 없이 바로 문서를 확인 하여 작업을 할 수 있습니다.

Google 드라이브에 적용된 AI 기술이 사용자의 업무 효율을 높이는데 많은 일조를 하고 있습니다.

드라이브의 우선순위 (Priority)가 어떤 역할을 할까요?

기술을 설명하기 전에 우선순위가 무엇인지 다시 한 번 알아 보도록 하겠습니다. 드라이브에는 좌축 상단에

3개의 메뉴가 있습니다.

1). 우선순위,

2). 내 드라이브

3). 공유 드라이브.

우선순위 페이지는 머신 러닝 기술을 사용하여 사용자가 이용할 가능성이 매우 높은 파일들을 지속적으로 알려줍니다.

우선순위 페이지는 두 부분으로 구성됩니다.

우선순위 카드는 페이지 상단에 있습니다. 이 카드는 예측 머신러닝 모델을 통해서 분석된 중요한 내용을 지속적으로 표시합니다. (예 : 다가오는 회의 또는 빈번하게 협업하는 사람들) 드라이브는 작업에 관련되는 문서, 스프레드시트, 프리젠테이션 문서들을 제안합니다. 또한 관련 조치를 제안 할 수 있습니다. 이 두 가지가 어떻게 작동하는지 설명하겠습니다.
작업 영역은 페이지 하단에 있습니다. 여기에서 드라이브내에 있는 공통적인 주제(예: 견적서)나 팀 구성원과 같은 신호에 따라 주의가 필요할 수 있는 프로젝트에 대한 파일 모음 (클러스터)을 제안합니다. 시간이 지날수록 드라이브는 기존 작업 공간에 추가할 수 있는 새로운 작업 공간 제안 및/또는 플래그 파일을 제공하여 작업 공간을 새로 유지할 수 있도록 합니다.

먼저, 드라이브가 어떤 파일을 사용자에게 제공할 것인지 어떻게 알 수 있습니까?

우선순위는 각각 고유한 목적을 가진 여러 가지 다른 머신 러닝 모델을 사용하여 어떤 "카드"를 표면화 할지 결정합니다.

구글 드라이브에 적용하는 심층 학습 (Deep Learning) 모델 중 하나는 빠른 액세스를 통해 지속적으로 업데이트하고 재 학습하는 것입니다. 이 모델은 Google Workspace에서 신호를 수집하여 다음에 열어볼 파일들을 예측합니다. 예를 들어 Gmail 에 첨부된 파일이나 다가오는 캘린더 미팅은 모두 빠른 액세스 순위를 향상시키는 신호의 예입니다. 물론 문서, 시트 및 슬라이드를 반복적으로 편집합니다. 이 연구 논문에서는 ‘빠른 액세스’ 모델을 보다 자세히 분석하고 다층, 피드 포워드, 신경 네트워크 아키텍처에 대한 정보를 포함하고 있습니다.
협업 패턴을 학습. 드라이브의 '공유 문서 함'에서 파일을 제안하기 위해 Google은 자주 공동 작업 한 사람을 기반으로 추천 검색어를 예측하는 새로운 모델을 출시했습니다. 이 모델은 파일을 공유 한 사람, 문서, 스프레드 시트, 프레젠테이션에서 작업 한 사람, 캘린더에서 만난 사람, Gmail 및 구글 채팅에서 대화하는 사람의 그래프를 사용하여 우선순위 페이지에도 알립니다. . 빠른 액세스의 파일 제안과 달리 공동 작업자 모델은 가장 자주 발생하는 상호 작용에 대한 정보를 제공하여 더욱 강력합니다. 즉, 표시 할 댓글을 결정할 때 우선순위는 #2 대신 #1 공동 작업자의 댓글을 표시하는 것을 선호합니다.
제안 할 파일을 식별 할 수 있도록 중요한 댓글을 등록합니다. Google Workspace 에서는 문서, 시트, 슬라이드 및 Microsoft Office 파일, PDF 및 이미지까지도 댓글을 달 수 있습니다. 댓글 빈도는 중요한 파일인지를 결정하는데 훌륭한 지표가 될 수 있습니다. 가장 가까운 공동 작업자의 의견을 더 높이기 위해 머신 러닝 모델 위에 댓글 모델을 만들었습니다. 이 모델은 또한 우리가 제안한 행동을 알려주며, 좀 더 자세히 설명 할 것입니다.
가까운 미래에 어떤 파일이 중요한지 예측하기 위해 "Workspace (작업공간)"를 정의합니다. 우리는 파일이 작업 집합, 즉 일주일 동안 일을해야하는 파일 집합에 나타날 가능성을 추정하는 심층 학습 모델을 만들었습니다. 이 모델은 "작업 공간"섹션에 유용합니다. 빠른 액세스 모델과 유사하게 작동하지만 최근 편집하지 않은 파일은 걸러냅니다. 또한 드라이브를 한 번만 방문하는 대신 1 주일 동안 수집 한 데이터를 학습합니다.

이러한 여러 머신러닝 모델이 우선순위 카드와 작업공간 간에 분할되어 있으므로 우선순위는 정밀도와 호출 모두를 최적화하여 필요할 때 정확한 파일을 표면화할 수 있습니다.

다음으로, 드라이브가 제안할 작업을 어떻게 알고 있을까요?

우리는 여러분이 필요로하는 파일을 여는 것 이상으로 업무를 이해하고 있습니다. 따라서 드라이브는 관련 파일을 우선적으로 표시 할뿐만 아니라 조치를 취하기 위한 제안을 할 만큼 충분히 스마트합니다. 예를 들어 우선순위 페이지의 댓글에 응답 할 수있는 링크를 제공 할 수 있으며 (문서 자체로 전환 할 필요없이) 또는 향후 회의 전에 검토해야 할 파일을 제안 할 수도 있습니다. 이것은 우리가 위에서 작성하고 설명한 머신러닝 댓글 모델을 통해 모두 가능합니다.

문서에 댓글 내용이 너무 많아서 ML 모델을 추적하기가 어려울 것으로 예상할 수 있습니다. 드라이브용이 아닙니다. 클라우드에 있다는 이점은 이러한 찾기 어려운 신호를 집계하여 사내 또는 하이브리드 콘텐츠 관리 시스템에서는 불가능한 유용한 제안을 할 수 있다는 것입니다. 이점은 드라이브 사용자가 내부 분석에서 머신러닝의 도움 덕분에 다른 방법보다 우선순위를 통해 10~15분 더 빨리 댓글에 응답한다는 것입니다.

마지막으로 드라이브는 작업 공간을 지능적으로 어떻게 구성합니까?

위에서 요약 한 드라이브의 머신 러닝 모델을 사용하면 파일에 대한 신속한 액세스가 가능하며 파일의 단서를 바탕으로 제안 사항을 제공 할 수 있습니다.

동료와 작업 세션을 끝냈다 고 가정 해 봅시다. 세션 전체에서 두 사람은 여러 파일을 서로 공유하고 문서, 스프레드 시트, 프레젠테이션을 사용하여 실시간으로 공동 작업을 시작했습니다. 드라이브는 콘텐츠 및 "작업 세트"컴퓨터 학습 모델을 사용하여 이러한 파일을 클러스터링하여 다음과 같이 다섯 개의 파일 모음을 제안합니다.

작업 공간에서 작업을 시작하려면 "저장"을 클릭하여 수락해야합니다. 제안 된 작업 영역을 수락하면 이름과 추가 한 다른 파일을 완벽하게 제어 할 수 있습니다.

그러나 아시다시피 프로젝트가 진행되면서 파일도 늘어납니다. 작업 모음을 생성하기 위해 파일 모음을 지능적으로 클러스터링하는 것 외에도 드라이브는 작업 공간에 추가 할 추가 파일을 제안하여 최신 상태로 유지합니다.

소중한 일에 많은 시간을 할애하기.

머신 러닝을 통해 드라이브 사용자는 필요한 파일을 최대 50% 빠르게 찾을 수 있었고, 이는 대신 귀중한 작업을 수행하는 데 더 시간을 할애 할 수 있음을 의미합니다. 또한 IT 관리자는 백엔드에서 컨텐트에 태그 지정, 구성 또는 분류하는 데 소요되는 시간을 줄일 수 있습니다.

참고: 본 내용은 구글 영문 블로그 (by Mike Colagrosso, Software Engineer, Google Drive) 를 번역 및 각색을 한 것입니다.

--------

도서: 일하는 방식의 전환, 구글 워크스페이스 활용 가이드 (최흥식 저)

생성형 AI 활용 연구소

이 블로그 검색