글로벌 칼럼 | LLM이 아니라 애플리케이션이 필요한 이유

AI의 발전이 아직 초기 단계에 머물러 있다는 신호 중 하나는 사용자가 알아내야 할 일이 여전히 많다는 점이다. 커뮤니티 리더십 코어(Community Leadership Core)의 설립자 조노 베이컨은 쿼리를 실행하기 위해 “LLM 모델 중에서 선택해야 하는” 행위 자체가 “대부분 사람에게는 복잡하고 혼란스럽다”고 한탄한다. 그리고 “적합한” 모델을 선택한 후에는 (그것이 무엇을 의미하든) 모델이 관련성 있는 결과를 반환하도록 하기 위해 온갖 종류의 작업을 수행해야 한다. 일관된 결과를 얻는 것은 잊어버리자. 현재 LLM에는 없는 기능이다.
 

그렇긴 하지만, 레드몽크의 공동 설립자 제임스 거버너에게 AI/생성형 AI가 빛을 잃었는지 묻자 단호하게 “아니오”라고 대답했다. 필자의 생각에 우리는 현재 환멸의 늪에 빠져 있을지도 모르지만, 이는 모든 중요한 신기술이 무관심에서 숭배, 조롱, 일반적 채택으로 이어지는 것과 동일한 타임라인을 따르고 있기 때문일 뿐이다. 일부 소프트웨어 개발자는 이미 마지막 단계로 뛰어들고 있지만, 다른 개발자에게는 시간이 더 걸릴 것이다.
 

결국 중요한 것은 일관성

AI가 제대로 자리를 잡으려면 시간이 걸릴 것이라는 사실은 오래전부터 분명했다. 거버너가 말한 것처럼 “대부분 AI 예술은 키치한 경향이 있다”는 것을 알아차리기 전에 미드저니 같은 것을 조금만 만지작거리면 이미지를 만들어 보면 알 수 있다. 컴퓨터가 좋은 예술이 무엇인지 모르기 때문일까? 열렬한 AI 불평론자인 그레이디 부치가 지적했듯이, 우리는 때때로 AI가 추론하고 생각할 수 있다고 생각하지만 사실이 아니다. “인간의 사고와 인간의 이해는 LLM처럼 단순한 통계적 과정이 아니며, 그렇게 주장하는 것은 인간 인지의 정교한 고유성에 대한 심각한 오해일 뿐이다.”

사람은 LLM이나 기계와는 다르다. 인공지능은 반 고흐처럼 그림을 그릴 수 없다. 울프처럼 글을 쓸 수도 없다. 모방은 가능하지만, 항상 인간의 인지능력에는 미치지 못한다.

그렇다고 유용하지 않다는 말은 아니다. 예를 들어, 필자는 최근에 까다로운 비즈니스 문제에 대해 어떻게 해야 할지 친구들에게 의견을 물어본 적이 있다. 그리고 친구들의 다양한 비정형 답변을 챗GPT에 입력하고 요약을 요청했다. 결과는 놀랍도록 좋았다. 인간 응답자 중 한 명이 말했던 내용을 단순히 되풀이하지 않았는지 다시 한번 확인했다. 아니었다. 요약은 기계가 꽤 잘할 수 있는 일인 것 같다.

생성형 AI는 소프트웨어 개발자에게도 업무의 핵심을 전혀 위협하지 않으면서도 상당히 유용하다. 코딩은 소프트웨어 개발자가 하는 일 중 가장 흥미롭지 않은 일이라는 허니콤 CTO 채리티 메이저스의 훌륭한 생각에 따라 필자가 제안한 것이다. 켈시 하이타워는 “코드 작성은 개발자가 마지막으로 하는 일이 되어야 한다”고 주장한다. 대신 생성형 AI는 개발자가 장애물을 피하고, 상용구 코드를 채우고, 대체 언어에서 어떻게 나타날 수 있는지 살펴보는 등의 작업을 도와줄 수 있다.

이렇게 오늘날 생성형 AI와 AI는 매우 유용하게 사용되고 있다. 하지만 여전히 사용하는 방법이 너무 어렵다.
 

AI를 애플리케이션으로 전환하기

조노 베이컨의 이야기로 돌아가 보자. 베이컨은 “내가 모델을 선택하게 하지 말라. 내 요청에 따라 나를 위해 하나를 골라달라”고 요청한다. 정말 번거롭고 복잡한 AI 인프라를 애플리케이션으로 전환해 달라고 요청하는 것이다. 애플 인텔리전스, 구글 검색 등에서 이런 현상이 나타나기 시작했다. 기업은 사용자가 인프라를 선택하고 프롬프트를 생성하는 차별화되지 않은 무거운 작업을 수행하지 않도록 애플리케이션에 AI를 탑재하고 있다.

이는 생성형 AI가 실행 가능한 결과물을 제공하기 위해 여전히 많은 수작업이 필요하다는 점을 고려할 때 필수적이다. 댄 프라이스는 “모델이 질문에 답하는 데 필요한 모든 컨텍스트를 제공해야 한다”라고 지적한다. 어떤 컨텍스트가 어느 정도 일관된 결과를 얻는 데 가장 도움이 되는지 알 수 있는 유일한 방법은 “모델을 가지고 놀아보는 것”이다. 이제 애플리케이션 업체가 그 작업을 대신해 줄 것이다.

이어서 프라이스는 “복잡한 작업을 한 번의 복잡한 초기 명령으로 한 번에 끝내려고 하는 것보다 여러 번의 대화를 통해 완료하는 작은 하위 작업으로 나누는 것이 더 좋다”고 말한다. 다시 말하지만, 애플리케이션 업체는 사용자를 위해 이 작업을 수행해야 한다. 크리스티아노 지아르디나는 “모든 인류의 중첩과 상호작용하는 것이므로 작업에 도움이 될 만한 특정 페르소나를 정의하는 것이 더 나은 결과를 낳는다”라고 말한다. 사용자가 왜 이런 일을 해야 하는가? 애플리케이션 업체가 알아서 하도록 하자.

조금 더 나아갈 수도 있다. 요점은 AI 초기에는 주류 사용자가 아직은 엉성한 LLM을 이해하고 조작하는 모든 작업을 수행할 수 있기를 계속 기대한다는 것이다. 서버용 리눅스를 컴파일하는 것이 주류 기업의 '일'이 아니었던 것처럼, 이런 작업은 주류 사용자의 일이 아니다. 레드햇 같은 업체는 대중 시장에서 사용할 수 있도록 리눅스 배포판을 패키지화하기 위해 등장했다. 우리도 곧 생성형 AI를 위해 같은 작업이 필요하다. 그렇게 되면 도입률과 생산성이 급증할 것이다.
editor@itworld.co.kr