블로그 | 클라우드 기반 생성형 AI를 위한 3가지 킬러 앱

필자는 1980년대부터 인공지능 시스템을 개발하는 일을 했다. 당시만 해도 AI는 컴퓨터 시스템을 활용해 들어본 적도 없는 기능을 구현하는 혁명으로 여겨졌다. 오늘날의 생성형 AI도 마찬가지다. 그러나 1세대 AI 시스템에서 저지른 실수를 피하려면 기업은 AI가 유효한 부분과 그렇지 않은 부분을 파악해야 한다.
 

 

다시 1988년으로 돌아가기

리스프(Lisp)와 M1을 포함한 1980년대 빈티지 AI를 오늘날의 머신러닝 및 생성형 AI 기능과 비교하는 것은 다소 불공평하다. 당시에는 AI 시스템의 가격이 수백만 달러에 달했고 기능도 훨씬 적었다. 그러나 많은 실수로 인해 AI는 사라졌고, 더 직접적인 솔루션이 비즈니스에 활용됐다. 당시의 가장 큰 실수는 AI가 거의 가치를 제공하지 않는 사용례에 AI를 잘못 적용한 것이었다.

심지어 필자의 짧은 생각에도 판매 주문 입력과 같은 트랜잭션 시스템이 AI에 적합하지 않다는 것은 알 수 있었다. 그럼에도 불구하고 개미 한 마리를 망치로 죽이는 일이라는 것을 잘 알면서도 그런 시스템을 구축하라는 지시를 받았다. 그것도 아주 비싼 망치였다.

이것이 바로 대부분 기업에서 AI가 외면당한 이유이다. 수십 년이 지난 지금, AI는 딥러닝, 머신러닝, 그리고 생성형 AI로 다시 돌아왔다.

이제 AI 기술은 크게 발전하고 비용도 훨씬 저렴해졌지만, 지금도 어리석은 실수는 여전히 일어나고 있다. 비싼 인력을 투입해 구축한 값비싼 생성형 AI 시스템이 기대만큼의 가치를 제공하지 못하면 몇 년 안에 역풍을 맞을 수 있다.

이런 자해 행위는 기업이 AI 기술을 전략적으로 사용하기 위해 조금만 더 고민한다면 충분히 피할 수 있다. 생성형 AI를 위한 킬러 비즈니스 앱은 무엇일까? 좋은 사용례와 나쁜 사용례는 무엇일까? 기업은 어떻게 올바른 길을 선택할 수 있을까? 30년 전과 같은 실수를 되풀이하지 않으려면 어떻게 해야 할까?

생성형 AI로 하지 말아야 할 일을 파악하려면, 생성형 AI가 잘하는 것을 살펴보고 이런 기능과 일치하는 사용례를 찾는 것이 좋다. 의외로 간단하다.

여기서는 가장 좋은 사용례 3가지를 살펴보겠다. 물론, 다른 좋은 사용례도 헤아릴 수 없이 많지만, 이 글은 백서가 아니라 블로그이니 양해 바란다.
 

자연어 생성

첫 번째는 자연어 생성(Natural Language Generation)이다. 챗GPT로 작성한 보고서, 편지, 이메일 또는 기타 서면 콘텐츠를 전달하려고 시도해 본 적이 있다면 이미 이 기능을 잘 알고 있을 것이다. 기업은 이 기능을 사용해 서면 또는 챗봇을 통한 개인화된 커뮤니케이션을 통해 더 나은 고객 경험을 제공하는 등 엄청난 가치를 창출할 수 있다.

예를 들어, 많은 고객 서비스 직종이 자연어 생성 기반의 자동화 시스템으로 대체되어 일자리를 잃게 될 것이다. 하지만 기업은 더 적은 인력으로 더 많은 일을 할 수 있다는 이점을 누릴 수 있다. AI는 문제를 훨씬 더 빠르게 해결해 더 나은 고객 경험을 제공할 수 있다.

예를 들어, 지금 기술 지원 부서에 전화해 보면, 심지어 IVR 시스템을 갖춘 곳이라고 해도 문제 해결이 전적으로 상대방의 지식과 커뮤니케이션 능력에 달려 있다는 것을 금방 알 수 있다. 만약 그 상대방이 전문가 1만 명 수준의 이해와 추론 능력을 갖추고 있어 고객에게 훨씬 더 빠르고 유용한 답변을 제공할 수 있다면 어떨까? 또한 이런 인터랙션에 드는 비용이 20달러가 아니라 20센트라면?

앞으로 어떤 변화가 일어날지 쉽게 예측할 수 있다. 자연어 생성을 제대로 활용하면 더 낮은 비용으로 더 나은 가치와 향상된 고객 경험을 제공할 수 있다. 물론, 인력을 대체하는 기술이므로 윤리적인 측면도 고려해야 한다. 하지만 기업은 이런 방향으로 빠르게 움직이고 있다.
 

추천 시스템

추천 시스템은 전자상거래, 스트리밍, 콘텐츠 플랫폼에서 개인화된 추천을 제공하는 생성형 AI 기반 시스템의 기능이다. 생성형 AI가 등장하기 훨씬 전부터 추천 시스템은 있었지만, 이제 새로운 차원의 효과를 발휘할 수 있다. 물건을 판매하는 모든 비즈니스에 가장 높은 ROI를 제공하는 기능이기도 하다.

쇼핑몰 사이트가 사용자가 정보를 제공하기도 전에 제품을 추천하는 방법은 무엇일까? 과거에는 사이트를 이용하는 사람의 성별, 나이, 인종, 취미, 직업을 파악한 다음 그 사람에게 가장 필요할 것 같은 특정 제품과 서비스를 추천하는 것만으로도 매출을 20%에서 40%까지 늘릴 수 있었다.

하지만 생성형 AI의 등장으로 매우 세밀하게 생성된 동적 인터랙션을 통해 고객과 소통함으로써 놀라운 수준의 효과를 달성할 수 있게 됐다. 예를 들어 사용자가 사이클에 관심이 있다는 것을 시스템이 파악하면 고유한 글꼴, 잠재의식 메시지, 색 구성표, 맞춤형 이미지, 심지어 특정 가격대의 제품까지 모든 것이 엔도르핀을 솟구치도록 맞춰져 구매를 유도할 수 있는 적절한 분위기를 조성할 수 있다. 물론, 여기서 다시 한번 윤리적 문제가 발생한다.
 

이상 징후 탐지

이상 징후 탐지는 사기 탐지나 시스템 모니터링과 같은 애플리케이션을 위해 데이터에서 불규칙한 패턴이나 이상값을 식별하는 것을 말한다. 생성형 AI는 추세를 보여주는 데이터 패턴을 발견하고, 이런 추세가 무엇을 의미하는지 설명하고, 비즈니스 가치를 극대화할 수 있도록 프로세스를 조정하는 데 도움을 준다.

이는 과거 데이터 패턴을 사용해 은행 사기 가능성을 찾거나 어떤 시스템이 중단될지 예측하는 등 기존 이상 징후 탐지를 넘어 확장한다. 마치 마이너리티 리포트에서 톰 크루즈만 빠진 것과 같은 상황을 만들 수 있다. 대출 신청이 "사전 범죄"로 인해 거부될 수 있는 것이다. 이 사용례 또한 숙고해야 할 많은 윤리적 질문으로 이어진다.

물론 생성형 AI의 다른 확실한 활용례는 수십 가지가 있다. 문제는 많은 기업이 이를 고려하지 않고 비용과 위험을 초래하고 가치가 거의 또는 전혀 창출되지 않는 상황으로 뛰어든다는 것이다. 기업이 자해적 상처를 입어 스스로 AI의 목을 조르기 전에 현명하게 대처해야 한다.
editor@itworld.co.kr