LLM을 품은 클라우드와 AGI 트렌드

2022년 11월 말 출시된 오픈AI의 챗GPT가 세상을 떠들썩하게 하고 있다.

 

모든 IT 주제들을 블랙홀 마냥 빨아들일 정도다. 역사상 단기간 내 수억 명의 사용자를 가입자로 확보할 만큼 시장의 호응이 뜨겁기도 하고, 챗GPT를 가능하게 해준 GPT-3.5와 챗GPT API를 외부 서비스 사업자들이 사용할 수 있도록 제공함으로써 다양한 Generative AI가 나올 수 있는 물꼬를 터주었기 때문이기도 하다.

 

게다가 GPT-4로 LLM이 업그레이드되면서 더 나은 성능과 기능으로 업그레이드가 이루어진 것도 챗GPT를 주목받게 한 이유다. 그렇게 챗GPT가 나비 효과처럼 다양한 산업 영역에 확산될 수 있었던 가장 큰 이유는 Microsoft가 Azure Cloud를 통해 GPT-3.5와 챗GPT API를 클라우드 기반으로 제공하면서 기업에서 쉽고 안전하게 사용할 수 있는 기술적 지원을 해주었기 때문이다.

 

앞으로 챗GPT처럼 생성형 AI를 대화형 인터페이스를 활용해 새로운 생성형 AI 서비스가 출시될 것이고 기존 인터넷 서비스에서도 이를 활용해 더 나은 품질과 사용성으로 서비스들의 한 단계 발전이 이루어질 것이다. 이를 가능하게 해주는 데 클라우드에서의 생성형 AI API가 큰 역할을 할 것이다.

 

 

LLM과 Conversational UI의 이해

 

 

 

챗GPT가 가져다줄 미래 IT 시장 전망을 제대로 이해하려면 우선 이를 가능하게 한 기술적 이해가 필요하다. 챗GPT는 생성형 AI 서비스의 일종으로 OpenAI가 만든 웹 서비스이다. 궁금한 것이나 명령문을 대화창에 입력하면 마치 전문가가 답을 해주듯이 글로 답을 해준다.

 

이게 가능한 이유는 바로 LLM이라는 AI 모델 덕분이다. 거대 언어 모델(Large Language Model)로 학습된 AI라 챗GPT와 같은 서비스 구현이 가능해졌던 것이다.

 

OpenAI의 챗GPT는 GPT-3.5라 불리는 LLM으로 구현된 대화 인터페이스 기반의 생성형 AI이다. 그렇게 구현된 생성형 AI 서비스는 그림을 만들어 주는 달리, 사진을 생성해 주는 미드저니, 새로운 검색 서비스인 바드, 동영상을 만들어 주는 런웨이 등 다양하다.

 

이렇게 다양한 생성형 AI들이 나올 수 있던 배경이 바로 LLM 덕분이다. 그런 LLM은 OpenAI 외에도 구글의 람다(LAMDA), Stabillity AI의 Stable Diffusion 그리고 메타의 람마(LLaMA)와 SAM(Segment Anything Model) 더 나아가 한국의 네이버가 개발한 하이퍼 클로바, 카카오의 KoGPT, LG의 엑사원(EXAONE) 등이 있다.

 

그런데, 이같은 LLM을 구축하고 구동하는 데는 많은 비용이 든다. 기존의 AI와 달리 GPU라는 프로세서가 필요하고 엄청난 데이터를 필요로 한다. LLM은 인간의 언어 데이터(말뭉치, corpus)를 기반으로 학습된다. 그렇다 보니 인류 문명의 역사 속에서 집적된 책, 학술자료 및 각종 공공자료와 인터넷상에 공개된 수많은 데이터를 크롤링해서 LLM 학습에 이용한다. 그 과정에 엄청난 인프라 비용이 들어가며 그렇게 수집한 데이터를 통해 각 기업만의 고유한 LLM이 만들어진다. 이때 LLM의 파라미터 수에 따라 다르지만 적게는 수백 개에서 수천 개의 GPU를 필요로 하기 때문에 그만큼 GPU 서버 구축 비용이 들어간다.

 

그러므로 LLM은 아무 기업이나 만들 수 없다. 즉, LLM으로 구현되는 생성형 AI 서비스도 아무나 만들 수 없다. 하지만, 이러한 LLM을 클라우드를 통해서 누구나 사용할 수 있도록 공개하면 LLM은 아무나 만들 수 없지만 생성형 AI는 누구나 만들 수 있다. 이미 OpenAI와 MS는 ChatGPT를 API로 제공해 기업이 외부에서 이를 활용해 서비스의 품질을 높일 수 있도록 하고 있다. 물론 이 API를 사용하기 위해서는 유료로 비용을 지불해야 한다. 이렇게 API를 가져와 새로운 서비스를 만들거나 기존에 운영 중이던 서비스에 연동해서 품질을 높일 수 있다.

 

국내에도 네이버가 하이퍼 클로바라는 LLM(Large Language Model)을 클로바 스튜디오를 통해서 API로 제공하고 있어 이를 이용한 다양한 생성형 AI(Generative AI) 서비스들이 출시되고 있다. 이처럼 ChatGPT는 그저 똑똑한 정보 제공형 서비스로서 OpenAI의 웹 사이트에서만 사용되는 것이 아니라 다양한 파생적인 서비스들을 만들어 내며 생태계를 구축해 가고 있다.

 

국내 대표적인 ChatGPT API를 가져와 차별화된 기능을 추가해서 서비스하는 것들로는 Native (https://www.native.me), AskUP 등이 있다. Native는 ChatGPT가 대답하지 못하는 최신 한국어 정보의 예를 들어 날씨와 주가, 환율 등의 정보들을 빠르게 답을 해준다. 즉, 한국어 정보에 최적화되어 있으며 속도가 빠르다.

 

ChatGPT의 학습 데이터는 90% 이상이 영어 자료를 기반으로 하고 있으며, 한글 자료는 1%가 채 되지 않는다. 그렇다보니, ChatGPT를 이용할 때 영어로 질문하면 속도가 빠르지만 한글은 답변 속도가 느리다. Native는 한글로 질문한 것을 영어로 번역해서 ChatGPT에 답을 받아 영문 답변을 다시 한글로 번역함으로써 속도를 10배 이상 높였다. 거기에 추가적으로 최신 국내 데이터를 넣어 최신 정보를 반영한 것이다.

AskUP은 ChatGPT를 카카오톡에서 채널을 추가해서 사용할 수 있도록 한 Upstage의 서비스로 국민 앱인 카카오톡에서 즉시 ChatGPT를 사용할 수 있다는 접근성이 장점이다. 게다가 스마트폰 카메라로 촬영한 문서 사진을 찍어 전송하면 OCR(광학문자 판독) 기술을 활용해 텍스트를 인식해 AskUP에 문서 내용을 요약 정리 요청할 수 있다. 특히, ChatGPT의 한계인 아무말 대잔치를 최소화할 수 있도록 검색 기능이 추가되어 최신 정보를 반영했다.

그 외에도 국내에 이미 다양한 분야에서 서비스를 하고 있는 인터넷 기업에서는 속속 ChatGPT API를 활용해 상담 기능을 기존 서비스 내에 추가하고 있다. 라이너의 '라이너AI', 마이리얼 트립의 'AI 여행플래너', 토스의 'ChatGPT에게 물어보기', 엘리스의 'AI헬피', 클라썸의 'AI 도트 2.0', 굿닥의 '건강 AI챗봇' 등이 그렇게 ChatGPT를 이용해 지식정보, 여행, 금융, 교육, 업무, 의료 등의 영역에서 전문 상담 서비스를 제공하고 있다.

이렇게 ChatGPT API를 가져다 신규 혹은 기존 서비스에 새로운 기능을 추가해 제공할 때는 Fine Tuning(미세조정)을 통해 ChatGPT를 구미에 맞게 파라미터 변수를 변경해서 서비스에 맞게 최적화해야 한다. 또한, 그 과정에서 기업 고유의 Data를 넣어 범용적인 ChatGPT로는 얻기 어려운 답변을 받을 수 있도록 해야 한다.

 

예를 들어, 여행 서비스 내의 ChatGPT API로 구현된 기능으로 얻기를 기대하는 것은 "대만 4박5일 아이와 낮에는 놀이기구, 저녁에는 룸이 있는 맛집 중심으로 일정을 추천해 줘"라는 질문에 해당 여행 사이트 내의 여행 리뷰와 평점 등을 기준으로 해서 아이와 함께 가기에 무리하지 않은 가족 중심의 코스로 답을 주는 것이다. 물론 해당 여행 사이트에서 제공하는 여행 상품 등에 대한 정보를 기준으로 추천한다면 더할 나위 없을 것이다.

 

또, 지난 3월24일 OpenAI는 ChatGPT 플러그인을 공개했다. API는 ChatGPT를 밖에서 사용할 수 있는 것이라면, 플러그인은 ChatGPT 홈페이지 내에서 외부의 서비스를 호출해서 사용하는 것을 뜻한다. 즉, ChatGPT에게 질문, 지시(프롬프트)를 할 때 특정 서비스 사의 플러그인을 호출해서 프롬프트를 입력하면 그 서비스사의 데이터를 기준으로 답변이 출력되는 것이다.

 

OpenTable이라는 레스토랑 예약 서비스의 플러그인을 호출해서 "크리스마스 이브, 아내와 랍스터 요리를 잘 하는 로맨틱한 분위기의 예약 가능한 프랑스 레스토랑을 추천해 줘"라고 하면 12월24일에 예약 가능한 레스토랑 중에 연인과 로맨틱한 분위기의 평점 높은 레스토랑이 보여지고, 추천된 레스토랑 중 선택한 레스토랑을 바로 OpenTable에서 예약할 수 있다.

 

이 모든 과정을 ChatGPT에서 시작해 끝낼 수 있는 것이다. 심지어 특정 플러그인을 선택하지 않아도 자동으로 ChatGPT가 주어진 프롬프트에 맞게 선별해서 답변을 주기도 한다. ChatGPT가 알아서 외부 서비스를 호출해서 사용자 의도에 맞는 서비스 제공이 가능한 것이다.

 

 

이제 ChatGPT 더 나아가 GPT-4와 같은 기술은 기존의 인터넷 서비스와 SW에서 API로 가져다 사용할 수 있을 뿐 아니라 ChatGPT 안에서 외부의 서비스가 연동되어서 이용될 수 있게 되었다. 마치 아이폰의 iOS와 구글의 안드로이드 덕분에 모바일 앱스토어에 수많은 앱들이 만들어지고 유통될 수 있게 된 것처럼 ChatGPT도 IT 산업의 공기같은 존재가 되고 있다.

 

아니 오히려 모바일 앱은 사용자가 직접 실행해야 했지만, 이제 ChatGPT는 외부 서비스에서 서비스 품질을 위해 기본으로 제공되고 또 ChatGPT 내에서 외부의 서비스가 호출되어 이용될 수 있어 설치 없이 호출되어 즉시 사용될 수 있어 더 필수재가 될 것으로 전망된다. 이제 기업은 ChatGPT를 가져와 내부 서비스 품질 강화와 ChatGPT 내에 들어가 서비스 마케팅 확장을 고려해야 한다. 마치 10년 전 모바일 앱을 만들고, 20년 전 웹 홈페이지를 만드는 것을 고려했던 것처럼 말이다.

 

 

 

클라우드 기반의 LLM API

 

그렇다면, 이들 LLM은 클라우드를 통해서 어떻게 제공하고 사용할 수 있을까? GPT-n과 챗GPT는 오픈AI를 통해 혹은 Microsoft Azure를 통해서 제공받을 수 있다. Azure를 통해 제공되는 API는 오픈AI에서 직접적으로 받는 것보다 기업 보안이나 파인튜닝, 프롬프트를 통해 기업만의 특화된 데이터를 인입시키는 것이 수월하다. 게다가 Microsoft는 코파일럿을 Office 365에 제공함으로써 워드, 엑셀, 파워포인트, 아웃룩, 팀즈 등의 소프트웨어 사용 시 챗GPT를 이용해 평소 사용하지 못하던 기능을 보다 수월하게 이용할 수 있도록 해줄 계획이다.

 

코파일럿을 이용하면 워드로 문서 작성 시에 메일로 논의한 사항과 기존에 작성된 회의록 파일을 참고로 해서 새로운 회의 이후 추진해야 할 프로젝트 보고서 초안 작성을 할 수 있다. 또한, 워드로 작성된 문서를 기초로 파워포인트 포맷으로 발표 파일을 자동 생성할 수도 있다. 엑셀에서 사용하지 않던 함수나 복잡한 표 정리, 그래프 생성 또한 사람에게 말하듯이 요청하면 찰떡같이 알아듣고 수행해 준다. 굳이 메뉴를 직접 선택해 가며 사용하지 않아도 글로 쓰면 자동으로 결과가 생성되는 것이다.

 

이런 코파일럿도 Microsoft Graph를 도입해서 사내의 모든 데이터들을 통합해야 사용 가능하다. 사내의 수많은 이메일, 문서 파일과 캘린더 일정, 주소록, 게시물 등이 Azure OpenAI Service에 사용자의 프롬프트와 함께 전달됨으로써 우리가 필요로 하는 서비스가 오피스를 통해 구현될 수 있는 것이다. 결국 LLM API와 Microsoft의 백엔드 데이터 시스템 그리고 오피스 소프트웨어 3가지가 유기적으로 연계됨으로써 이같은 서비스의 구현이 이루어지는 것이다.

 

 

 

Microsoft에 이어 아마존과 구글도 클라우드를 통해 LLM을 서비스하고 있다. 아마존은 AWS에 '타이탄'이라는 LLM을 '베드록'이라는 서비스로 제공 중인데, 여기에는 아마존이 만든 LLM 외에 앤트로픽의 클로드와 스태빌리티 AI의 Stable Diffusion에 이르기까지 다양한 LLM을 취사선택할 수 있도록 서비스하고 있다. 구글 역시 람다와 팜 2라는 LLM을 구글 내부 서비스들과 Workspace의 편의성, 생산성을 강화하는 데 이용하고 있다. 앞으로 구글 클라우드 서비스를 통해 이같은 LLM이 공개되면 더 많은 종류의 생성형 AI 서비스와 기존 서비스에서의 LLM 활용을 통한 서비스 개선이 본격화될 것이다.

 

 

 

기업이 LLM을 사용하는 과정에 기공개된 챗GPT 같은 생성형 AI를 이용할 경우 보안 문제가 발생될 수 있다. ChatGPT와 같은 생성형 AI 서비스를 이용하면 네이버 검색어 입력창에 넣는 키워드보다 더 많은 정보를 입력하기 마련이다. 일례로, Chatpdf(www.chatpdf.com)와 같은 ChatGPT API를 이용하는 서비스에서는 PDF 문서를 업로드해서 내용을 요약하고 분석 정리해 주는데, 이때는 PDF 문서 파일을 프롬프트에 함께 넣어 업로드해야 한다. 이렇게 프롬프트에 입력해 넣는 정보와 질문, 문서에 회사의 기밀, 개인정보 등의 보안 문제에서 자유로울 수 없다.

 

 

범죄 의심을 받는 피의자 압수 수색에서 중요한 내역 중 하나가 네이버 검색어 입력창에 넣은 검색어이다. 검색어를 보면 그 사람의 관심사와 욕망을 읽을 수 있기 때문이다. 그런데, ChatGPT에는 검색어보다 더 긴 문장이 기입된다. 즉, 프롬프트 창에 질문과 장문의 내용 때로는 ChatGPT API를 활용해 만들어진 AI 코디네이터 서비스에서는 PDF 문서 파일이 업로드될 수 있다. 그런 내용은 개인정보를 넘어 기업의 기밀 정보일 수 있다.

독자적인 LLM(Large Language Model로 ChatGPT와 같은 서비스를 개발하는 데 사용된 AI 모델을 총칭)을 아무나 만들 수는 없으니 대부분의 전통 기업은 API로 제공되는 SOTA(State of The Art라는 뜻으로 현재 최고 수준의 AI 모델) LLM을 사용할 수밖에 없다. 그런 LLM을 사용하다 보면 프롬프트를 통해 사내 문서나 중요한 정보가 LLM에 입력되어야 필요로 하는 양질의 결과물을 얻을 수 있기 때문에 사내 정보가 유출될 수 있다.

 

특히 금융업이나 반도체, 배터리 등 정보 유출에 만전을 기하는 산업군의 기업 입장에서는 만의 하나 프롬프트를 타고 흘러간 기업 정보 유출이 우려될 수 밖에 없다. 또, 반대로 LLM을 기반으로 ChatGPT와 유사한 대화형 방식으로 고객들에게 서비스를 제공하는 서비스업체 입장에서도 보안의 우려점은 있다. 마치 이루다에게 젠더 이슈 등 사회적으로 문제가 될 만한 질문을 던져 의도적으로 논란을 불러일으킬 수 있는 답변을 유도하는 것처럼, 프롬프트를 교묘하게 던지며 노출해서는 안 되는 내부 정보가 유출될 수 있다.

일례로, 스탠퍼드대학의 캐빈 리우는 Microsoft의 빙 챗 내부규정으로 공개되어서는 안 되는 내용을 집요하고 교묘한 질문을 던져 빙 챗의 내부 코드명 '시드니'가 내부 운영 규정을 파악하는 데 성공했다. 이러한 공격을 프롬프트 인젝션이라고 부른다. 물론 이렇게 유출된 정보가 실제 Microsoft의 내부기밀정보인지, 빙 챗이 지어낸 내용인지는 Microsoft가 공식 확인을 해주지 않아서 알 수 없다. 하지만, 이렇게 LLM 사용 과정에 서비스 제공업체가 의도적으로 공개되지 않도록 하거나 규정을 마련해 답하지 못하도록 한 내용을 집요하게 파고들어 정보를 탈취하는 이슈는 LLM 기반으로 서비스를 제공하는 기업이 경계해야 하는 사항이다.

특히 일반 사용자 대상으로 이같은 서비스를 제공할 경우 사회적으로 이슈가 될 만한 내용으로 논란이 될 수도 있다. 그렇다 보니 ChatGPT 서비스에도 인종차별이나 아동학대, 폭탄 제조 등 민감한 주제에 대해서는 답을 거부한다. 그것을 Safety라고 부르며, 프롬프트 인젝션에는 그런 Safety 이슈를 건드려 문제 되는 답을 유도하는 것도 문제가 될 수 있다.

 

이같은 Safety 이슈로 인해 서비스가 중단된 사례도 있다. 2016년 Microsoft는 AI 챗봇 테이를 선보인 이후 16시간 만에 운영을 중단했다. 이 챗봇은 10대 청소년 대상의 대화형 서비스였는데 혐오와 차별적 발언으로 비난을 받아 서비스 중단에 이르렀던 것이다. 국내에도 2020년 12월 20대 여성 페르소나를 표방한 AI 챗봇 서비스 이루다가 서비스 시작 20일 만에 성 착취, 젠더 이슈, 장애인과 성소수자 차별 논란에 휩싸이며 서비스를 멈추었다.

 

대화형 서비스로 구현되는 ChatGPT와 같은 서비스는 늘 이같은 이슈에서 자유로울 수 없다. 특히 이런 기술을 활용해 일반 고객 대상으로 상담 등의 서비스를 운영할 때에는 이같은 공격에 어떻게 방어하고 대처해야 할지가 중요하다.

앞으로 ChatGPT API를 활용해 기업 내부의 업무 생산성 향상 혹은 외부 고객을 위한 상담, 추천 등의 서비스 개선에 이용되는 경우가 확대될 것이다. 또한, Microsoft 365에 적용될 Copilot이라는 문서 작성과 포장에 도움을 주는 AI 기능도 대부분의 Office 프로그램을 사용하는 기업이라면 능률 향상을 위해 적극 도입할 것이다.

 

즉, AGI(Artificial General Intelligence)라는 초거대 AI 시장은 기업과 우리 일상에 빠르고 깊숙하게 침투될 것으로 예상된다. 이때 이런 기업 내 AGI 기능을 사용할 때 마지막 보안상 이슈는 인가받지 않은 사용자가 권한을 탈취해 악용할 수 있다는 점이다. AGI가 적용된 회사 내부에 프롬프트에 따라 사용 권한을 다르게 설정해야 하는데 이 과정에서 자칫 인가받지 않은 권한을 탈취해 회사의 주요 정보를 열람할 수 있다.

 

즉, 사내 ChatGPT에 중요한 의사결정을 위한 정보 파악을 하는데 필요로 하는 프롬프트는 아무나 사용해서 정보를 열람하게 해서는 안 된다. 일례로, "회의록과 사내 게시판의 게시물, 사내 이메일 메시지와 보고서를 기반으로 최근 1년간 진행한 회사 프로젝트 중 가장 치열한 논쟁이 있었던 주제와 해당 주제에 대해 가장 비판적 의견을 냈던 직원 명단을 정리해라"라는 등의 프롬프트는 아무나 접근해서는 안 될 것이다. 이때 클라우드 사업자가 제공하는 보안 서비스와 클라우드 기반의 LLM은 AGI 시대를 준비하는 기업들에게 보다 안전하고 편리한 서비스 개발을 하는데 도움이 될 것이다.

 

 

 

초거대 AI의 활용과 기업 혁신

 

앞으로 크고 작은 스타트업과 전통 기업들은 클라우드를 통해 제공되는 LLM을 활용해 더 나은 서비스 품질을 높이는 데 이용하게 될 것이다. 이때, LLM을 서비스 개선에 사용할 때 고려해야 하는 것은 2가지다.

 

첫째는 우리 기업만의 차별화된 데이터를 LLM에 반영해서 다른 기업과 경쟁 차별화하는 것이다. 똑같은 LLM의 API를 가져다 서비스를 구현하면 누구나 모두 비슷한 수준의 AI 서비스를 제공할 수밖에 없을 것이다. 그러므로 다른 기업이 가지고 있지 않은 우리 기업만의 데이터를 이용해 AI 서비스를 구현해야 한다. 그 과정에서 LLM을 우리 기업 서비스의 입맛에 맞게 조정(Fine Tuning)하는 것도 필요하다. 같은 재료로 음식을 해도 맛이 다르고 어떤 접시에 올려서 음식을 데코레이션하느냐에 따라 분위기가 달라지는 것과 같다.

두번째는 독자적인 우리 기업의 LLM 구축에 대한 고려이다. 빅테크 기업들이 제공하는 LLM(이를 SOTA LLM이라 부름)은 범용적인 LLM으로 모든 기업에 비용을 내고 사용할 수 있다. 우리 기업의 비즈니스, 서비스 특성에 맞춘 고유한 LLM(Vertical LLM)을 갖추면 범용 LLM과 다른 성능, 기능의 고유한 AI 서비스 구현이 가능해진다.

 

최근에는 LLM 오픈 커뮤니티에서 여러 AI 모델에 대한 오픈소스들이 늘어가고 있으며 Meta에서도 적은 비용 투자와 인프라로 구현할 수 있는 LLaMA라는 LLM을 공개했다. 기업에서 기술 역량이 있거나 SOTA LLM 대비 우리 기업만의 독자적인 LLM 구축의 필요성이 있다면 Vertical LLM 개발을 고려해야 한다. 단, 그런 판단 과정 전에 SOTA LLM을 활용한 기업 내 필요로 하는 비즈니스 문제를 해결하고 서비스, 사업 효율화를 추진하면서 경험을 해야 한다. 이후 우리 기업의 비즈니스 문제를 해결하고 서비스, 사업 효율화를 꾀하는 과정에 범용 LLM으로는 해결할 수 없어 독자적인 Vertical LLM의 필요성이 절실할 때 추진해야 한다.

 

 

물론 모든 기업이 LLM API를 가져다 서비스 개발해 적용해야 하는 것은 아니다. 대부분의 경우 기업 내 구성원들이 네이버, 구글 검색을 업무에 활용하는 것처럼 ChatGPT와 같은 AGI 서비스들을 적극적으로 업무에 활용할 수 있도록 장려하는 것이다. 게다가 점차 우리가 사용하는 MS오피스, 슬랙, 노션, 팀즈 그리고 포토샵, 아웃룩, MS 디자이너 등의 업무 소프트웨어에 AGI 기능이 탑재되고 있어 자연스럽게 기존에 사용해 오던 SW에서 AGI를 활용해 업무 생산성을 향상시킬 수 있다.

 

계산기, 컴퓨터, 노트북 그리고 수많은 업무 SW들이 기업 현장에 도입되어 온 것처럼 그렇게 AGI도 기존에 우리가 사용하던 SW나 새로운 업무 생산 서비스에 적용되어 갈 것이다. 그것을 적극 수용해서 더 잘 활용할 수 있도록 하는 것이 기업의 역할이다.

기업에서는 구성원들이 AGI를 업무에 더 효율적으로 사용할 수 있도록 안내하고 지원을 해줘야 한다. 즉, 지난 10년간 기업 내부의 보고서, 각종 회의록 및 회사의 주요 사업 관련 데이터들을 기반으로 AGI의 업무에 필요로 하는 것을 물어 힌트를 구하는 것이다. 기본적으로 공개된 ChatGPT는 우리 기업 내부의 데이터를 모르니 이렇게 활용이 불가능하다. ChatGPT API를 가져와 기업 내부 구성원들이 회사 내에서 사용할 수 있도록 기업 내부 데이터를 연계해서 AGI 서비스를 구현하면 보다 최적화된 우리 기업만의 AGI 서비스를 구현할 수 있을 것이다.

 

• 지난 10년간 우리 회사의 마케팅 프로모션 진행 내역 중 가장 성과가 높았던 것들은 어떤 특징을 가지고 있는지 분석해 줘.
• 최근 1년 동안 회사 회의록 내용과 프로젝트 업무 관련 보고서 등을 연계해서 볼 때, 어떤 프로젝트와 관련된 회의가 가장 많이 했고 이들 회의록의 핵심 내용을 요약해 줘.
• 지난 1개월간 회의록 중에서 서로 반대되는 의견이 많고 가장 토론과 이견이 많은 회의가 무엇인지 찾아줘.
• 지난 1개월간 사내에서 주고받은 메일 내용을 볼 때 중간에서 가장 많은 중재자 역할을 하는 사람이 누구인지 찾아줘.

 

 

이렇게 우리 기업 내부의 문제에 최적화된 ChatGPT를 운영할 수 있다. 단, 보다 우리 기업만의 최적화된 LLM을 운영하기 위해서는 클라우드 기반에서 이런 LLM이 어떻게 운영되어 우리 기업이 가진 데이터 기반으로 경쟁 차별화를 꾀할 수 있을 것인지를 고려해야 한다. 그렇게 보다 안전하고 편리하게 Cloud LLM을 사용할 수 있는 기회가 많아지면서 향후 인터넷 서비스도 한 단계 도약하게 될 것이다.

 

특히 게임과 엔터테인먼트, 메타버스, 로봇 등의 산업 분야와 유튜브, 인스타그램, 틱톡 등과 같은 서비스에서는 Generative AI가 사업 혁신의 마중물이 될 것으로 보인다. 게임 속 NPC(None Player Character)를 AGI를 통해 실제 사람처럼 다양한 대화를 하며 게임를 더 재미있게 하는 활력소가 될 수도 있고, 로블록스 등의 게임 플랫폼 내에서 새로운 게임과 아이템, 오브젝트를 만들 때 더 빠르고 근사하게 만들 수 있도록 도와줄 수 있다.

 

영화, 음악, 유튜브 영상, 만화, 그림을 제작하고 사진 편집 등을 할 때도 Generative AI가 훌륭한 조수 역할을 해줄 수 있다. 메타버스에서는 AGI를 불러 원하는 장소로 이동하고, 필요로 하는 앱을 실행하고, 컴퓨터나 태블릿에서 작업 중이던 문서를 불러들이고, 문서나 이미지 등을 생성하고, 인터넷 검색과 서비스를 사용할 때에 말로 지시하면 즉각 원하는 작업을 수행할 수 있을 것이다. 그런 AGI가 로봇과 결합되면 우리가 사는 현실 세계에 물리적 장치가 인간의 언어를 찰떡같이 알아듣고 컨텍스트, 상황에 맞게 움직이고 작동될 수 있을 것이다. 그렇게 ChatGPT가 쏘아 올린 공은 더 많은 공들의 출현을 알리는 시작일 뿐이고, 그 공은 다양한 형태로 다양한 영역에서 스마트폰이 보여준 것보다, 인터넷이 만들어 준 가능성보다 더 큰 변화와 혁신의 기회를 쏘아 올릴 것이다.

 

 

출처: 삼성SDS, 테크라이터 김지현

 

뜨리스땅