야렉 쿠틸로브스키: AI가 가져온 기회와 도전, 그 새로운 물결
DBR mini box I : 송수진 고려대 글로벌경영학과 교수와의 대담 “AI에 데이터를 많이 주면서 길게 질문하라” 쿠틸로브스키 딥엘 CEO는 온라인 발표 직후 포럼 참가자들과의 질의응답 시간을 가졌다. 송수진 고려대 글로벌경영학과 교수와의 대담으로 진행된 질의응답 세션 내용을 요약, 소개한다. 송수진 고려대 글로벌경영학과 교수 최근 업계의 톱 저널에 게재된 논문 PDF 파일을 첨부한 다음 딥엘 프로에 한국어로 번역해보라고 요청했는데 정말 놀랍게 번역이 잘됐다. 심지어 논문에 첨부된 그래프나 표까지도 형식에 맞춰 번역하는 걸 보고 깜짝 놀랐다. 이런 경험을 통해 향후 딥엘로 성경이나 해리포터 같은 명저들도 소수민족 언어로 손쉽게 번역할 수 있지 않을까 생각했다. 아제르바이잔 언어나 몽골어, 아메리칸 원주민 언어 등으로 말이다. 이런 고전들을 소수민족 언어로 번역할 계획이 있나? 새로운 언어를 추가적으로 탑재할 계획이 있는지도 궁금하다. 야렉 쿠틸로브스키 딥엘 CEO 우리 입장에서 봤을 때 번역의 품질을 보장하는 게 굉장히 중요하다. 딥엘 사용자와 고객은 최고의 AI를 통해 언어 장벽을 극복하려는 이들이다. 따라서 어떤 언어를 지원할 것인지를 두고 늘 면밀하게 판단하고 있다. 사실 소수의 몇 개 언어만 지원하는 것을 선호하지만 그렇다고 형평성을 희생시켜선 안 된다. 이런 이유로 향후 새로운 언어를 추가 탑재할 계획이다. 아시아의 더 많은 언어들을 추가할 생각이지만 소수민족 언어까지 확장할 계획은 없다. 우리는 기업이 가장 잘 활용하는 데 집중하고 있기 때문에 소수민족 언어는 그다지 큰 중요성을 갖지 않는다. 송 챗GPT와 같은 다른 생성형 AI가 경쟁자라고 생각하나? 다른 생성형 AI가 등장한 이후 딥엘의 기업 가치가 상승하고 많은 투자를 받게 돼 오히려 도움이 된 측면도 있다. 그렇다면 타 생성형 AI가 경쟁자가 아닌 딥러닝 업계의 파트너라고 생각하나? 쿠 기술적인 측면에서 봤을 때 생성형 AI와 딥엘은 굉장히 비슷한 면이 많다. 딥엘이 사용하는 기술들은 지난 수년 동안 생성형 AI와 굉장히 유사한 모습을 보여왔다. 단어 각각을 번역하는 것이 아닌 새로운 언어로 텍스트를 마치 새로 만들어내듯 번역하기 때문에 이는 챗GPT와 유사하다고 볼 수 있다. 많은 고객이 생성형 AI 기술이 발전하면서 딥엘에 많은 흥미를 갖고 또 만족해하는 걸 볼 수 있다. 지난해부터 AI 솔루션이 많이 등장했고 앞으로도 추가 경쟁사들이 많이 등장할 것이라고 본다. 좋은 일이다. 기업으로서 사업할 때 이런 경쟁자들이 많아지는 걸 기쁘게 생각한다. 일반인들이 AI에 대해 더 많이 이해할 수 있는 계기가 될 것이기 때문이다. 챗GPT뿐만 아니라 구글 번역기 등 시장에 다양한 번역 제공업체가 있다. 번역의 품질뿐만 아니라 여러 다양한 부분에서 딥엘만의 강점이 있기 때문에 어떤 경쟁사가 등장한다 해도 자신 있다. 송 AI로부터 최상의 결과물을 얻어낼 수 있도록 좋은 질문을 하는 방법에 대해 알려달라. 쿠 AI가 맥락을 알 때, 질문의 배경을 알 때 가장 좋은 답을 줄 수 있다. 그렇기 때문에 짧게 질문하기보다 충분한 정보를 제공해 주는 게 좋다. 어떻게 보면 사람과 사람 간의 대화와 비슷하다. 정보가 많을수록 더 의미 있고 유용한 답을 해줄 수 있는 것이다. 번역도 마찬가지다. 문장 하나가 아닌 전문을 번역하는 것이기 때문에 전체 맥락을 이해하는 것이 굉장히 중요하다. 따라서 많은 데이터와 정보를 주면서 길게 질문하는 것이 중요하다. 그다음에는 AI가 질문에 대해 생각하고 고민할 수 있도록 해야 한다. 질문을 하고 나면 거기서 멈추지 말고 다음 질문으로 팔로업해야 한다. 그러면 AI가 한 번 더 이 문제에 대해 생각하고, 잘못된 내용은 스스로 수정해서 다시 알려준다. 또 AI의 답변에서 미흡한 부분에 대해 설명해주거나 왜 이런 답이 나오게 됐는지에 대한 추론 과정을 물어보는 것도 큰 도움이 된다. 송 딥엘은 압도적인 기술력을 가진 회사로 사용자들에게 잘 알려져 있다. 그런데 최근 오픈AI의 GPT와 같은 대규모 언어 모델(LLM)이 등장하면서 딥엘에도 실질적인 위협을 줄 수 있을 것이라 생각한다. 이에 대해 어떻게 생각하나? 딥엘만의 차별점, 경쟁력은 무엇이며 향후 어떤 방향으로 사업을 확장할 계획인지 궁금하다. 쿠 현재 딥엘의 주된 경쟁 우위는 번역 결과물의 보안 유지다. 생성형 AI 솔루션에 비해 보안과 안정성이 굉장히 높다. 고객이 요청한 내용을 100% 정확하게 번역해야 하기에 품질도 중요하지만 보안 유지도 마찬가지로 중요하다. 향후 사업 계획에 대해 말하자면 미래에는 번역이 좀 더 상호작용적으로 이뤄질 것이라고 본다. 대화 기능을 통해 AI와 사용자가 함께 번역 작업을 하는 것이다. 번역 후에도 대화를 통해 수정해 나감으로써 번역 품질을 훨씬 높일 수 있다. 딥엘의 경우 생성형 AI처럼 사용자가 AI와 상호 협력해 함께 글쓰기 작업을 할 수 있는 딥엘 라이트 기능을 제공하고 있다. 이처럼 사용자가 AI와 상호작용하며 아이디어를 창의적인 방식으로 표현하는 등 새로운 분야를 개발하기 위해 연구하며 노력하고 있다. 송 AI 혹은 기계 번역과 관련해 어떤 새로운 미래 트렌드가 부상할지, 비즈니스에 가장 큰 영향을 줄 수 있는 미래 트렌드는 무엇인지 전망해달라. 쿠 챗GPT가 일반 소비자 사이에서 활발히 활용되고, 우리의 일상생활에서 다양한 목적으로 활용되고 있다. 하지만 여전히 큰 질문이 남아 있다. 바로 AI가 어떻게 비즈니스에 활용될 것인가다. 이는 결국 AI를 프로세스에 얼마나 잘 녹여내느냐의 문제다. 즉 매일 직원들이 어떻게 AI를 잘 활용하게 할 것이며, 어떻게 비즈니스 효율을 높일 것인지의 문제다. 어떻게 보면 기술의 발전보다도 더 중요한 질문이다. 현재 기술이 너무 빠르게 발전하고 있기 때문에 미래 트렌드가 어떻게 될지는 예측하기 어렵다. 딥엘은 물론 타사 연구팀과 대학들도 많이 연구하고 있지만 기술의 다양한 돌발 변수나 생각지도 못한 발전에 매번 깜짝 놀라는 상황이다. 현재는 미래 예측 자체가 굉장히 어려운 단계이기 때문에 새롭게 등장하는 여러 신기술에 대응할 준비가 돼 있어야 한다. |
DBR mini box II : AI·빅데이터 포럼: 생성형 AI로 가속화하는 디지털 전환 창업자 혼자 유니콘 기업 만드는 시대 곧 온다 ‘동아비즈니스포럼 2023’의 부대 행사인 AI·빅데이터 포럼이 12월 6일 ‘생성형 AI로 가속화하는 디지털 전환’을 주제로 열렸다. 알고리즘랩스의 손진호 대표가 연사로 참여해 비즈니스의 미래를 바꾸는 생성형 AI에 대해 발표했다. 손 대표는 또한 챗GPT로 코드를 작성해 고객 관리 시스템을 개발하는 방법과 오픈AI가 최근 공개한 기능인 GPTs를 활용해 개인 맞춤형 챗봇을 만드는 법 등 비즈니스 실무에 생성형 AI를 적용하는 방법을 직접 시연하기도 했다. 이날 행사 내용을 요약, 소개한다. 생성형 AI의 현재 풀리지 않는 수학 난제처럼 컴퓨터 학계에서도 그런 난제가 있었다. 컴퓨터과학자 앨런 튜링의 ‘튜링 테스트’다. 대답하는 상대방이 컴퓨터인지, 사람인지 구분을 못하면 튜링 테스트를 통과한 것으로 치는데 1950년 튜링 테스트가 발표된 이후 약 70년간 이 테스트를 통과한 AI는 없었다. 그런데 챗GPT가 튜링 테스트를 통과했다는 입소문을 타며 2022년 11월 출시 이후 단 2개월 만에 월간 활성 사용자 수(MAU) 1억 명을 기록했다. 실제로 CoT(Chain-of-Thought)i 방식의 프롬프트를 적용해 GPT-4에 우리나라 수능 국어 영역을 응시하게 한 결과 상위 5%의 점수를 기록한 것으로 나타났다. CoT 방식의 프롬프트를 적용하지 않았을 때는 GPT-3.5가 상위 90%, GPT-4가 상위 22%를 기록했던 것이 구체적인 프롬프트를 입력한 뒤 1등급에 가까운 성적이 나온 것이다. 예를 들어 “지문에서 객관식 정답의 근거를 찾아봐”라는 식으로 정답을 찾을 수 있도록 상세한 프롬프트를 입력했다. GPT-4가 풀이한 문제 해설을 보니 EBS 해설지와 유사했다. 기존에는 GPT 기술을 활용하려면 영어를 잘해야 한다는 인식이 있었지만 이제는 GPT의 언어 능력 자체가 상당히 평준화됐음을 보여주는 사례다. 실제로 GPT는 2018년부터 굉장히 빠르게 발전해왔다. 2018년 GPT-1의 매개변수(파라미터)는 1억1700개, 2019년 GPT-2가 15억 개, 2020년 GPT-3, 2022년 GPT-3.5가 1750억 개로 빠르게 늘었다.ii 사람의 뇌에는 뇌세포끼리 정보를 주고받는 시냅스라는 통로가 있다. 인공신경망에서 이 시냅스 역할을 하는 게 바로 매개변수다. 인간의 뇌는 100조∼200조 개의 시냅스를 가진 것으로 추정된다. 챗GPT는 인간 뇌의 0.1∼0.2%의 시냅스를 가진 것으로 아직 사람과 비교했을 땐 열등하다. 그러나 챗GPT의 발전 속도를 봤을 때 3년 후인 2026년이 되면 사람 간의 상호작용보다 사람과 AI의 상호작용이 더 많아질 것이라고 전망한다. 따라서 생성형 AI가 잘 성장하고 있는 기술이라는 방향성에 대한 공감 아래 현재 미흡한 부분은 사람의 배려, 즉 능동적 프롬프트 엔지니어링으로 극복해나가야 한다. 이때 배려란 AI에 업무를 시킬 때 배경 등의 맥락을 상세히 알려주는 것을 뜻한다. 사람에게 일을 시킬 때도 업무 배경과 상황 등 맥락을 상세히 알려줄 때 더 좋은 퍼포먼스를 내는 것처럼 AI도 마찬가지다. 챗GPT랑 소통할 때는 맥락, 반복, 분할이라는 3대 원칙을 기억해야 한다. 상상 이상으로 맥락을 자세하게 제공해야 하고, 처음부터 100점짜리 답변을 기대하기보다 피드백을 주고 소통을 반복하면서 답변의 질을 높여가야 한다. 마지막으로 분할은 반복과 비슷한 맥락이다. 챗GPT를 신뢰하게 된 계기가 있다. 6명 정도의 개발 인력이 필요한 앱 개발을 챗GPT에 시켜봤다. 코드 한 줄도 직접 짜지 않고 챗GPT에 지시만 했을 때 과연 이 서비스가 만들어질 수 있을지, 그리고 이를 구글 플레이스토어나 앱스토어에 배포해 사용자들이 실제 쓸 수 있는지를 테스트해봤다. 결과는 성공적이었다. 단순히 ‘이런 서비스를 개발해줘’라는 식으로 지시하면 챗GPT는 만들어내지 못한다. 앱 개발 시 필요한 절차를 쪼개 요청해야 한다. 일단 서비스를 기획하고, 각 페이지에 어떤 기능을 탑재할지 결정하는 등 복잡한 작업을 10개의 쉬운 작업으로 나눠 요청했다. 복잡한 작업을 한 번에 수행하진 못하지만 이렇게 쉬운 작업으로 여러 개 나눠 지시하면 챗GPT는 거의 실수 없이 해낸다. 이렇듯 맥락, 반복, 분할을 원칙으로 소통하면 챗GPT의 한계를 극복하는 데 도움이 된다. 프로그래밍의 종말 생성형 AI가 가장 큰 영향을 줄 것이라 전망되는 분야는 바로 디지털이다. 생성형 AI가 가장 잘하는 것 중 하나가 바로 코딩이다. 생성형 AI의 원리를 간단히 설명하자면 챗GPT가 작동하는 기본 원리는 ‘빈칸 맞추기’다. 예를 들어 “나는 학교를 ○○다”라는 문장에서 어떤 단어가 빈칸에 들어가는 게 가장 자연스러울지 생각해보면 “나는 학교를 간다”가 적절하다. 이렇듯 빈칸에 들어갈 적절한 문구를 맞추는 게 챗GPT의 가장 기본적인 원리다. 앞에 주어진 문맥을 보고 그다음에 올 가장 적절한 단어를 예측하는 것이다. 이처럼 AI는 논리 구조에 따라 확률적으로 예측하는 것을 잘한다. 이런 이유로 젠슨 황 엔비디아 CEO는 챗GPT 같은 기술을 통해 “모두가 프로그래머가 되는 세상이 올 것이다”라고 예측하기도 했다. 모두가 프로그래머가 되는 세상이 오면 디지털 전환(DX)이 촉발될 것이다. 그동안 DX가 어려웠던 이유는 우선 기술 자체에 대한 장벽이 있었다. 프로그래밍 자체가 고급 기술이기 때문에 전문 인력 혹은 전문 기업의 역량이 필요했다. 그러다 보니 수반되는 비용이 비쌌다. 이제는 챗GPT를 비롯한 생성형 AI가 이런 문제들을 해결해주니 디지털 전환이 촉진되며 관련 분야에서의 영향이 가장 클 것이라 보고 있다. 실제로 하버드대 컴퓨터공학 연구팀은 올해 초 “프로그래밍의 종말이 올 것이다”라고 예측하기도 했다. 지금은 프로그래밍에 전문 지식이 필요하지만 시간이 지나면 코딩을 몰라도 프로그래밍할 수 있는 시대가 올 것이란 주장이다. 자연어로 지시하며 프로그래밍할 수 있는 시대가 오면 업무 형태도 많이 바뀔 수 있다. 특히 과거에는 데이터 분석이 전문가의 영역이었다면 지금은 챗GPT가 가장 잘하는 분야 중 하나다. 데이터 기반 의사결정의 중요성을 체감하지만 기술 장벽 때문에 못했던 기업들이 많았다면 이제는 생성형 AI의 도움을 받아 누구나 데이터 기반의 의사결정을 내릴 수 있는 시대가 도래하고 있다. 이 밖에도 논리 구조에 따라 이뤄지는 업무, 업무 패턴이 특정되는 직무 등은 챗GPT를 필수적으로 사용할 수밖에 없는 시기로 진입하고 있다. IT, 미디어, 법률, 마켓 리서치 분야 등이 대표적이다. 향후 챗GPT를 포함한 생성형 AI가 이 같은 직종에 더 많은 영향을 줄 것이며 이 분야에 전문성을 가진 이들은 기술을 활용해 개인의 퍼포먼스를 더욱 극대화할 수 있을 것이다. 실제로 AI만으로 서비스를 개발하는 연구도 성공리에 진행되고 있다. 난징대, 펜실베이니아대, UC버클리대 등 8개 기관은 소프트웨어 회사에 필요한 프로덕트 매니저, 프로젝트 매니저, 엔지니어, QA(Quality Assurance), 아키텍트 등 각각의 역할을 맡을 GPT 에이전트, 즉 메타GPT를 개발해 서비스를 개선하도록 요청했다. 사용자는 요구 사항만 던지고 각각의 GPT 에이전트가 서로 대화해 협업하면서 서비스를 개발하는 것이다. 이 메타GPT는 아직 한계가 있지만 특정 서비스에 대해서는 한 개 서비스를 만들 때 수억 원이 들던 비용을 2달러로 줄여주는 등 가능성을 보이고 있다. 이처럼 앞으로 기술이 정교화되면 기업의 IT, DX 업무는 상당 부분 자동화될 가능성이 높다. 이런 맥락에서 최근 ‘1인 유니콘 기업의 시대’라는 말도 나오고 있다. 보통 유니콘 기업을 만들려면 적게는 수십 명에서 수백 명까지 필요했다면 챗GPT 같은 생성형 AI가 개인의 퍼포먼스를 극대화하면서 창업자 1인이 유니콘 기업을 만들 수 있는 가능성이 제시되고 있다. 국내 환경에서는 선택이 아닌 필수 우리나라의 거시 환경과 구조상 생성형 AI 도입은 선택이 아닌 필수가 되고 있다. 우리나라의 생산가능인구는 급격히 줄고 있다. UN 인구 자료에 따르면 2050년이 되면 우리나라의 생산가능인구는 2022년 대비 약 34.75% 감소할 전망이다. 또한 생산가능인구가 1% 감소할 때마다 국내총생산(GDP)이 0.59% 감소한다는 한국경제연구원의 연구 결과도 발표된 바 있다. 우리나라의 생산성을 보존하기 위해서라도 생성형 AI를 반드시 도입할 수밖에 없는 상황인 셈이다. 생성형 AI는 일당백을 가능케 하는 기술이다. 이 기술을 숙련한 1명은 100명분의 업무를 충분히 수행할 수 있다. 생성형 AI 기술에 친화적이고 능숙하게 활용하는 집단과 이 기술의 한계에 집중하고 도입하기엔 시기상조라고 바라보는 두 집단의 업무 생산성 차이는 어마어마하게 벌어질 것이다. 이런 차이는 결국 기업의 재무적인 가치에도 영향을 줄 수 있다. |