비즈니스 기회
Gen AI의 '2막'을 맞이할 준비가 되었나요?
모든 시연과 실험에서 생성형 AI를 둘러싼 숨 막히는 흥분은 거의 전례 없는 방식으로 커지고 있습니다. 헬스케어, 금융, 운송, 제조, 미디어, 소매, 에너지 전반에 걸쳐 AI는 우리가 일하고 생각하는 방식의 규칙을 사실상 다시 쓰고 있습니다.
물론, 우리는 이전에도 인터넷, 스마트폰, 소셜 미디어, 로봇 공학, 스트리밍 미디어 및 전기 자동차와 같이 판도를 바꾸는 기술에 대한 빠른 채택 곡선을 목격했습니다. 결정적인 차이점은 이러한 기술들이 작업과 커뮤니케이션을 대부분 자동화하여 실질적인 이점, 즉 실시간으로 메시지를 보내고 받을 수 있는 능력, 더 빠른 제조 및 조립, 더 안전하고 스마트한 운송 기능을 제공한다는 것입니다.
그러나 Gen AI를 통해 인간의 분석과 인사이트를 자동화하고 있습니다. 그리고 크게 가속화하고 있습니다. 이로 인해 우리 앞에는 더 큰 요구, 제약, 도전이 놓여 있습니다.
우리는 제가 "1막"이라고 부르는 AI 세대의 이야기에 불과한 시점에 있습니다. 이전에는 상상할 수 없었던 양의 데이터와 컴퓨팅으로 인해 Gen AI가 제공할 수 있는 것이 무엇인지를 보여주는 모델이 탄생했습니다. 그러나 이러한 초기 실험은 또한 타협, 예외, 비용 문제 및 오류를 가져왔습니다. 결국, 빠르게 발전하는 기술은 본질적으로 시작부터 취약합니다.
그러나 우리는 1막의 수렁에 빠져 있지 않도록 해야 합니다. Gen AI를 운영하기 위한 실용성에 대해서는 훨씬 더 많은 작업이 남아 있습니다. 제가 "2막"라고 부르는 이 작업은 덜 화려할 수 있지만, 이 기술의 성공에 덜 필수적인 것은 아닙니다.
지난 30여 년 동안의 주요 혁신 기술은 Facebook, Tesla, Netflix 또는 심지어 제 회사인 Amazon과 같은 비즈니스에서 가장 잘 알려진 이름을 만들어 냈습니다. 이러한 성공은 분명 유용한 로드맵을 제공하지만, 가치를 입증한 비즈니스를 구축하고 인프라를 구축한 후, 애플리케이션을 비롯한 혁신을 지속 가능하고 확장 가능한 비즈니스로 전환한 인프라, 애플리케이션, 시스템 및 프로세스를 구축한 후에만 누구나 아는 이름이 되었습니다.
소매를 걷어붙일 시간
AI 세대에서는 2막으로의 전환이 이제 막 시작되고 있습니다. 아직 인생을 바꾸는 4-5개의 애플리케이션을 꼽을 수는 없습니다. 현실은 아직 과대 광고를 따라잡지 못했습니다. 왜일까요? 간단히 말해서 2막은 정말 어렵기 때문입니다. 기술 산업의 모든 부문에서 지속 가능하고 확장가능한 비즈니스를 구축하려면 수년간의 힘든 작업이 필요합니다. 그러나 더 높은 인지도와 더 높은 지분을 가진 AI 세대에서는 그 작업이 기하급수적으로 더 어려워질 것입니다. 1막에서은 우리가 해결해야 할 영역을 명확하게 보여주었습니다.
- 정확성: Gen AI의 힘과 정교함이 놀랍게 입증되는 가운데, 현재로서는 품질 문제를 해결할 때까지 더 광범위하게 사용할 수 없는 부정확성과 "환각"도 목격했습니다.
- 편향성: 초기 파일럿 프로그램에 따르면 Gen AI는 여전히 훈련 데이터에 의존하며 편향된 데이터는 편향된 결과로 이어집니다. Gen AI가 대부분의 사용자의 신뢰를 얻으려면 이 결함을 해결해야 합니다.
- 윤리성: 규제 기관, 사고 리더 및 윤리학자들은 AI 기업이 오용, 허위 정보, 사기, 허위 진술 및 심지어 폭주 이벤트를 방지하기 위해 중요한 가드레일과 보호 장치를 통합할 것을 촉구했습니다. 책임감 있는 AI를 가장 먼저 고려해야 합니다.
- 확장성: 세대 AI 애플리케이션을 대규모로 구축하고 운영하는 데 필요한 컴퓨팅 리소스의 규모는 거의 전례가 없습니다. 2010년 이후 기계 학습(ML) 모델에 대한 훈련 컴퓨팅의 양은 100억 배 증가하여 무어의 법칙의 순진한 추정을 크게 초과했습니다. ML 모델을 훈련하는 데 사용되는 데이터의 양이 100배 증가했습니다. 그리고 모델의 크기는 1,000배 이상 성장했습니다. 우리는 아직 1막에 불과하며 이 궤적이 계속되지 않을 것이라고 기대할 이유가 없습니다.
- 비용: Gen AI의 인상적인 업적은 컴퓨팅 집약적인 특성으로 인해 높은 대가를 치릅니다. 이러한 예비 개념 증명 시연은 경제적 실현 가능성에 대한 우려로 인한 부담을 덜어줍니다. 그러나 대중 시장 세대 AI 애플리케이션은 가장 광범위한 사용을 장려하고 가능하게 하는 수용 가능한 비용으로 이점을 제공해야 합니다. Gen AI는 너무 비싸서 드문 사용 사례의 하위 집합으로만 제한되어서는 안 됩니다.
AI 세대의 1막 또는 2막에 있습니까?
수십 년 전, 세계는 제트 엔진이 운송 수단의 기하급수적인 개선을 의미하며, 거리와 시간을 단축하고 여행 세계를 민주화하는 능력을 통해 세상을 영원히 변화시킬 것임을 즉시 인식했습니다.
그러나 제트 엔진만으로는 완벽한 해결책이 될 수 없었습니다. 우리는 공기역학적 날개와 공간 효율적인 캐빈, 최적화된 연료, 유지 보수 절차 및 안전 프로토콜을 갖춘 견고한 차량에 이를 통합해야 했습니다. 우리는 이러한 차량과 더 많은 승객을 수용하기 위해 활주로와 공항을 재설계해야 했습니다. 항공 교통 관제 시스템을 업그레이드해야 했습니다. 그리고 우리는 안전을 최우선 지침으로 삼아야 했습니다. 엔진만으로는 이러한 모든 지원 혁신과 리소스 없이는 큰 가치가 없었습니다.
여기서 얻을 수 있는 교훈은 분명합니다. 삶을 변화시키는 애플리케이션에는 인프라가 필요합니다. 1막에서의 AI 시연이 기업에서 사용할 수 있을 것이라고 가정하는 것은 잘못입니다. 2막에서는 눈부신 AI 기술을 우리 삶의 거의 모든 영역과 통합될 강력하고 신뢰할 수 있는 인프라가 뒷받침되는 성숙한 유비쿼터스 시스템으로 개발해야 합니다. 2막으로 진입하는 기업의 경우, 어떻게 하면 광범위하게 배포된 Gen AI로의 여정을 가속화하고 그 이점을 누릴 수 있는지에 대한 논리적인 질문이 생깁니다.
제 생각에는 1막에 갇히지 않고 다가오는 2막에서 성공하기 위한 5가지 열쇠가 있습니다.
1. 데이터로 차별화
AI의 1막에서도 데이터의 중요성이 빠르게 드러납니다. Gen AI의 품질은 교육 데이터의 품질에 크게 좌우됩니다. 데이터는 부가가치인 자산이므로 데이터 정리 루틴에 적절한 리소스를 투입하십시오. 여러 소스를 사용하든, 보안 및 액세스 권한을 적용하든, 건전하고 사려 깊은 데이터 전략은 큰 차이를 만듭니다.
2. 올바른 하이브리드 모델 혼합 선택
하나의 큰 모델을 중심으로 AI 사용을 설계하는 것은 논리적이면서도 유혹적입니다. 1막 이니셔티브에서 거대한 대규모 언어 모델(LLM)을 가져와서 그냥 시작할 수 있다고 생각할 수 있습니다. 그러나 더 나은 접근 방식은 여러 모델의 혼합물을 조합하고 통합하는 것입니다. 인간의 전두엽 피질이 논리와 추론을 처리하는 반면 변연계는 빠르고 자발적인 반응을 처리하는 것처럼, 좋은 AI 시스템은 이기종 아키텍처에서 여러 모델을 결합합니다. 어떤 LLM도 똑같지 않으며, 어떤 단일 모델도 "모든 것을 할 수 없다"고 할 수 없습니다. 또한 비용 고려 사항도 있습니다. 가장 정확한 모델은 더 비싸고 느릴 수 있습니다.
예를 들어, 더 빠른 모델은 1초 안에 간결한 답변을 생성할 수 있으며, 이는 챗봇에 이상적입니다. 그러나 다르지만 유사한 모델을 사용하면 동일한 질문에 대해 15초 이내에 더 포괄적인 답변을 생성할 수 있으며, 이는 고객 서비스 에이전트에 더 적합할 수 있습니다. 그렇기 때문에 많은 기업이 다양한 AI 이니셔티브를 지원하기 위해 혼합 모델 포트폴리오를 식별, 평가 및 배포하고 있습니다. 옵션을 완전히 분석하고 올바른 혼합물을 선택하는 데 시간을 투자하십시오.
3. 책임감 있는 AI 통합
초기 단계에도 Gen AI는 윤리와 책임 있는 사용을 강조하는 표준 및 관행의 중요성을 강조하는 시나리오와 데모를 빠르게 제시했습니다. Gen AI는 사용자 입력과 모델 출력 모두에서 유해하거나 부적절한 콘텐츠를 감지하고 방지하여 교육과 무결성을 우선시하는 사람 중심의 접근 방식을 취해야 합니다. 예를 들어, 보이지 않는 워터마크는 허위 정보의 확산을 줄이는 데 도움이 될 수 있습니다.
4. 비용, 성능 및 규모에 집중
Gen AI의 성공은 신속한 훈련을 제공하는 저비용의 고성능 ML 인프라에 달려 있습니다. 여기에는 특별히 제작된 하드웨어와 확장성, 내결함성 등에 최적화된 복원력 있는 소프트웨어가 모두 포함되므로 비용 대비 실현 가능한 방식으로 모델을 구축, 교육, 조정 및 배포할 수 있습니다. 또한 애플리케이션을 확장하면 필연적으로 생성형 AI 확장을 방해할 수 있는 예상치 못한 시나리오가 노출된다는 점을 인식하는 것이 중요합니다. 그리고 규모가 훨씬 더 높기 때문에 모든 실패는 매우 높은 프로필을 갖게 됩니다. 기업은 이러한 시나리오를 고려하고 이러한 배포를 수용할 수 있는 계획과 인프라를 구축해야 합니다.
5. 유용성 및 접근성 향상
성공하려면 Gen AI는 보안 매개변수 내에서 광범위하게 액세스할 수 있어야 하고 기존 워크플로우 내에서 직관적으로 사용할 수 있어야 합니다. 비전문가 및 비코더에게 노력을 기울이고 비즈니스 분석가, 재무 전문가, 시민 데이터 분석가 및 브랜드 관리자가 AI의 모든 기능을 활용할 수 있도록 합니다. 예를 들어, 환자와 의사의 만남을 재구상하여 대부분의 수동 작업 및 문서화 작업을 없애고, 대화를 분석하고, 임상 요약을 작성하는 등의 작업을 수행할 수 있습니다. 이를 통해 정확도가 높아지고 결과가 개선되며 의사가 더 많은 환자를 도울 수 있습니다.
결론
물론 1막에서 2막으로 가는 길은 평탄하지 않을 것이다. 그것은 우리가 전에 경험하지 못했던 노력을 요구할 것입니다. 어떤 면에서, 우리는 정확히 동일한 도전을 보았습니다. 과대광고와 약속이 있는 흥미진진한 기술 시연에서 성숙도 곡선을 따라 광범위하게 채택될 수 있는 성숙하고 신뢰할 수 있으며 입증되고 비용 효율적인 솔루션으로 이동하는 것입니다. Gen AI의 과대 광고가 이전의 거의 모든 다른 혁신을 능가할 수 있다는 사실은 이 기술을 2막에 도입하기 위한 작업의 중요성과 어려움, 그리고 소매를 걷어붙이고 과대 광고를 따라잡아야 할 필요성을 강조할 뿐입니다.
이상의 기사는 2024년 8월 3일 VentureBeat에 게재된 “Are we prepared for ‘Act 2’ of gen AI?”제목의 기사 내용을 편집하여 작성하였습니다.
그림 크레딧 : VentureBeat/Ideogram
* 원문정보 출처 : Are we prepared for 'Act 2' of gen AI? | VentureBeat