작년 11월부터 시작된 생성 AI의 열기가 여전히 불타오르고 있는 것 같습니다.
8월 Fireside Chat에서는 <AI의 현주소와 미래>를 주제로, ‘세계 100대 AI 기업’인 트웰브랩스의 이재성 대표님과 한국 생성 AI 대표 스타트업인 뤼튼테크놀로지스의 이동재 CSO님을 패널로 모셨습니다.
두 분과 함께 ‘생성 AI가 무엇인지’부터 ‘어떻게 활용해야 할지’, ‘또 앞으로의 방향은 무엇일지’ 등 생성 AI의 A to Z를 나눠보았는데요. 어떤 이야기들이 오고 갔는지, 함께 보실까요?
2023년 8월 트웰브랩스 오피스에서 진행된 2번째 Fireside Chat
Q1. 생성 AI는 정말로 패러다임 변화를 가져올 수 있을지, 아니면 단순히 기존 제품 개선을 위한 도구로만 사용될지 궁금합니다.
동재님 
•
이 질문에 답하기 위해서는, 생성 AI가 무엇을 ‘생성’하고 있는지 알아야 합니다. 흔히들 생성 AI는 ‘텍스트’나 ‘이미지’를 만든다고 생각하지만, 그 이면을 보면 궁극적으로 ‘정보’를 생성하고 있습니다. 여기서 말하는 ‘정보’란, 단순한 사실(Fact)을 넘어 개개인의 목적에 따라 프로세싱된 데이터를 의미하는데요.
•
기존에 어떤 정보를 얻기 위해서는 개별 사용자가 직접 정보를 수집, 분류하며 자신에게 필요한 정보를 ‘프로세싱’하는 과정이 필요했죠. 자연어가 통하는 사람들끼리는 이러한 목적을 전달하는 것은 가능했으나, 그렇지 않은 컴퓨터에는 내 목적에 부합하는 맞춤형 정보를 생성하기 어려웠어요. 하지만 생성 AI의 등장으로, 누구든 쉽게 우리가 일상생활에서 쓰는 언어를 통해 기계를 작동시킬 수 있게 된 거죠. 비즈니스 관점에서 보면 ‘맞춤형 정보’를 드는 데 드는 비용, 즉 ‘Marginal Cost of Unique Information’이 0에 가까워졌습니다.
•
무엇보다 생성 AI는 인간 대 인간의 커뮤니케이션을 넘어 서비스나 어플리케이션을 작동시키는 ‘정보’까지 생성하기에 효율성 도구를 넘어 ‘패러다임 전환’이라고 볼 수 있을 것 같아요. 이전엔 기계를 동작시키기 위해서 사람이 정보를 수집, 생성 후 기계에 명령을 내려야 했다면, 생성 AI는 정보의 수집부터 생성까지 한 큐에 처리할 수 있거든요.
재성님
•
2010년 중반까지만 하더라도 시장에 적합한 AI 서비스를 찾기 어려웠습니다. 하지만 작년 11월, ChatGPT의 등장으로 생성 AI 서비스가 대중에게 확산되며, 인간과 컴퓨터의 소통 방식(HCI)에서부터 혁신이 일어나고 있습니다. 기존에 사람이 쓰는 자연어를 기계가 이해할 수 있는 형태로 변환할 때 엄청난 리소스가 들었다면, 이제는 작은 규모의 기업이나 개인도 생성 AI를 통해 데이터, 머신과 훨씬 효과적으로 소통할 수 있게 된 거죠. 이들이 *Embedding 기반의 비즈니스 문제를 해결할 경우, 스마트폰의 탄생만큼이나 큰 변화를 일으킬 수 있다고 생각합니다.
*Embedding: 사람들이 사용하는 자연어를 기계가 이해할 수 있는 벡터 형태로 전환하는 과정
Q2. 생성 AI가 가진 이점은 무엇일까요?
동재님
•
크게 3가지가 있을 것 같은데요. 우선, 생성 AI는 동시에 여러 명령을 수행할 수 있습니다. 또, Auto-GPT에서 볼 수 있다시피 개인 비서처럼 복잡한 업무 수행을 위해서 여러 번 명령하지 않아도 알아서 작업 수행의 순서를 계획한 후 최종 결과(end-result)만 딱 보여준다는 강점도 있죠.
•
무엇보다, *롱테일 유즈 케이스 (Long Tail Use Case)의 증가가 핵심인데요. 기존에는 비용상 ROI가 나오지 않아 실행되지 못했던 소수의 니즈도, 생성 AI를 통해 쉽게 해결할 수 있습니다. 대다수의 서비스가 안정적인 서비스 운영을 위해 일정 수 이상의 유저를 타깃한 비즈니스에 집중했다면, Marginal Cost of Unique Information이 0에 가까운 생성 AI를 통해서는 나만을 위한 서비스도 만들 수 있는 거죠. 단순히 비즈니스 관점에서뿐만 아니라, 개개인의 삶에서 생성 AI가 갖는 가치가 더욱 클 것으로 생각합니다.
*Long tail 법칙: 주목받지 못하는 다수가 핵심적인 소수보다 더 큰 가치를 창출하는 현상
출처: Nielsen Norman Group
Q3. 현재 일반인이 생성 AI 도구를 가장 잘 활용하는 방법은?
동재님
•
뤼튼은 앱이기도 하지만, 노코드 빌더들을 위한 툴도 제공합니다. ChatGPT와 유사하게 개발자부터 마케터까지 다양한 산업 분야에서 각자의 목적에 맞게 사용해 주고 계시는데요. 재미있었던 사례로는 선생님들이 학생들의 생활기록부를 작성하실 때 활용하시거나, 식당 사장님들이 음식점 리뷰에 대한 댓글을 남길 때 사용하는 등 큰 규모의 세그먼트는 아니지만 이렇게 자신만의 특별한 목적을 위해 사용할 때 의미 있다고 생각합니다.
재성님
•
트웰브랩스는 B2B 사용 사례가 대부분이다 보니, 개발자나 기업 단위에서 많이 활용되고 있는 것 같아요. 개인적으로는 특정 분야에 대한 전문성이 필요한 산업에서 생성 AI가 효과적으로 활용될 것이라 생각해요. 물류나 수송처럼 말이죠. 또 회사 차원에서 파운데이션 모델을 잘 받아들일 수 있는 조직 구조도 중요해지는 것 같아요.
Q4. 생성 AI로 인한 인터페이스 변화는 어떠한 형태로 이뤄질까?
재성님
•
제 생각엔 ‘seamless one platform’ 보다는 생성 AI 기술의 확산을 통해 플러그인 파트너들이 언어모델을 도입하고, 서비스에 탑재된 언어모델이 효과적으로 인터랙션 할 수 있는 인터페이스에서 혁신이 일어나지 않을까 생각합니다. 한 가지 플랫폼에서의 혁신이 아니라 서비스와 에코시스템의 모델이 하나의 언어 모델로 소통하는 것이 핵심이죠.
동재님
•
OpenAI의 플러그인이 처음 나왔을 땐 모든 인터페이스가 전부 API로만 존재하는 세상을 꿈꾸는 사람들도 있었습니다. 하지만 몇 개월이 지난 지금, 우리는 여전히 그래픽 기반의 인터랙션을 사용하고 있습니다. GUI 자체가 최적화가 잘 되어 있기 때문이죠. 자연어가 GUI를 짧은 시간 내에 뛰어넘긴 어렵겠지만, 단순히 클릭 몇 번으로 끝나는 인터랙션이 아니라, 직접 정보를 판단하고 연결해서 실행까지 대체해 주는 방식으로 진화하지 않을까 기대해봅니다.
•
아무래도 생산성 영역에서 먼저 인터페이스 변화를 지켜볼 수 있지 않을까 싶은데요. 비즈니스 미팅을 잡게 되면 일반적으로 캘린더, 미팅 위치, 미팅 자료 등을 연속성 있고 완결성 있게 끝내는 게 중요하기 때문이죠.
Q5. 생성 AI 시장에 뛰어들고 있는 스타트업이 늘고 있고 언어모델도 상향 평준화되고 있는 시장에서, 스타트업의 기회가 있을까요?
재성님
•
트웰브랩스를 시작하게 된 이유를 먼저 말씀드리는 게 좋을 것 같아요. 단순 텍스트나 이미지를 기반으로 하는 스타트업은 이미 수많은 스타트업이 뛰어든 레드오션이지만, *멀티 모달(Multi Modal) 영역은 아직 시작 단계에 있는 것 같아요. 그래서 자본이 많은 큰 기업이나 스타트업의 기술력에도 큰 차이가 없을 거라고 생각했어요. 그렇기에 멀티 모달 영역에서 초기 기술을 빠르게 확보하고, 충분한 유저층을 확보할 수 있다면 스타트업에도 충분한 가능성이 있다고 생각합니다. 무엇보다 생성 AI 시장 자체가 측정할 수 없을 만큼 크기도 하고요.
*Multi Modal: 여러 가지 형태와 의미로 컴퓨터와 대화하는 환경
동재님
•
오픈AI가 LLM 영역에서 선두 주자라고 생각했지만, 구글의 Gemini 모델의 등장과 함께 리드 타임도 얼마 남지 않았다고 생각합니다. OpenAI, Meta와 같은 LLM 회사가 리드 타임을 쌓아서 유저 베이스를 만들어 낸다면, 뤼튼과 같은 스타트업은 반대로 Application layer에서 시작해 생태계를 만드는 방향으로 기회를 찾아가고 있습니다. 지금은 유저들에게 가치를 줄 수 있는 서비스를 만들어 내는데 집중하다가, 향후 모델이 상향 평준화 되었을때 모델 레이어도 시도해 볼 수 있다고 생각해요.
Q6. 한국에서 언어 모델을 만드는 것에 대해 어떻게 생각하시나요?
재성님
•
한국은 몇 안 되는 IT 주권이 있는 나라지만, LLM에 있어서는 미국이 앞서나가고 있는 것이 사실입니다. 특히, ChatGPT나 Bard 모델은 한국어에서조차 놀라운 성능을 보여주고 있습니다. 그래도 한국에서 한국어에 특화된 모델을 잘 만들면 좋겠다고 생각하고 또 해야 한다고 생각합니다. 적극적인 투자가 필요한 부분인 것 같아요.
동재님
•
데이터 수가 많지 않더라도, 잘 정제된 데이터를 갖고 있다면 언어 모델도 잘 만들 수 있지 않을까 생각합니다. 한국의 언어 모델이 해외 모델보다 한국어에 특화될지는 모르겠지만, 전반적인 성능이 비슷한 모델을 한국에서도 만들 수 있지 않을까 기대하고 있습니다.
Q7. 우리나라에서 경쟁력 있는 서비스를 만들려면 어떻게 해야 할까요?
재성님
•
우리나라는 B2C 서비스의 천국이라고 생각합니다. 다양한 서비스가 빠르게 탄생하고 있기에 테스팅 베드로서 역할도 잘 수행하고 있죠. 하지만 결국 AI는 데이터를 따라가고, 미국의 경쟁력이 큰 이유는 미국의 데이터가 현저히 많기 때문입니다. 우리나라만 잘할 수 있는 앱이 의미가 있을까요? 그보다는 우리나라에서 만들었으나 해외에서도 영향력을 펼칠 수 있는 서비스를 고민하는 게 좋을 것 같습니다.
동재님
•
한국 시장에서 유의미한 서비스를 만들려면 전 국민이 매일 쓰는 서비스를 만들어야 한다고 생각합니다. 그래서 뤼튼의 경우 ‘넥스트 포털’이 되어, 사람들이 저희를 통해 다른 모든 서비스를 접속하는 new first screen을 목표로 하고 있습니다.
출처: Venture Square
출처: 뤼튼테크놀로지스 공식 홈페이지
마치며
생성 AI와 관련된 깊이 있는 내용을 전문가들에게 직접 들을 수 있어서 좋았다는 후기로 가득했던 이번 Fireside Chat! 국내 생성 AI 시장 최전선에서 체득한 생성 AI에 대한 생생한 인사이트를 멤버들에게 ‘Pay-it-forward’ 해주신 재성님, 동재님께 다시 한번 감사드립니다.
Fireside Chat에 참여하고 싶다면?
Fireside에서는 매월 하나의 주제에 대해 전문가들과 함께 패널 토크 후, 네트워킹까지 이어지는 ‘Fireside Chat’을 운영하고 있습니다. 9월에는 <일본에서 찾는 사업적 실마리>를 주제로 진행된다고 하니, 관심 있으신 분들은 Fireside 링크드인과 인스타그램을 지켜봐 주세요!