생성 AI 시대,일하는 방식이 변한다

[김의홍]

최근 전 세계에 생성 AI 열풍이 확산되고 있다.

생성 AI는 학습된 데이터를 기반으 로 사용자의 요구에 맞춰 텍스트, 이미지, 음성, 비디오 등을

만들어내는 인공지능 을 말한다.

이 중 다양한 분야에 걸쳐 창의적인 답변이 가능한 OpenAI의 ChatGPT 는 두 달 만에 월 사용자 수가 1억 명을

돌파하는 등 대표적인 생성 AI 서비스로 각 광받고 있다. 근래 부각되긴 했지만, 생성 AI의 역사는 오래되었다.

2014년 이미지 생성 기술에서 시작하여, 2018년 OpenAI의 GPT1 (Generative Pre-trained Transformer)가 등장 하면서 텍스트 생성까지 가능해졌다. 최근에는 구글의 페나키(Phenaki)와 AudioLM 처럼 문자 입력을 받아 동영상,

오디오를 만드는 기능으로도 범위가 확대되는 추세 이다. 가트너의 2022년 AI 하이프 사이클2 에서도

생성 AI는 최정점에 위치하여 대중 의 관심이 집중된 상황이다.

이처럼 생성 AI가 사회적 신드롬을 일으키면서 관련 기업들도 분주히 움직이고 있다.

빅테크 기업들은 자사가 보유한 클라우드 컴퓨팅 및 데이터들을 활용하여 거대 언어 모델(Large Language Model)의

연구개발에 열을 올리고 있다.3 또한 중소 스타트업 들도 언어 모델의 경우 빅테크 기업들이 만든 파운데이션4 모델을 활용한 다양한 생성 AI 활용 서비스를 출시하거나, 데이터 양이 비교적 적고 소규모 인프라로 가능한 비언어 모델의

경우 생성 AI 기술을 자체 개발하는 등 활발한 움직임을 보이고 있다.

ㅁ 생성 AI와 기존 AI의 차이점

생성 AI 등장 이전의 AI는 흔히 ‘판별 AI(Discriminative AI)’라 불리운다.

판별 AI는 그림에서 개과와 고양이과 동물을 식별해 내는 것 같이 입력된 데이터를 특정 기준에 따라 분류하는

역량 이 뛰어나다. 이를 통해 미로에서 길 찾기처럼 주어진 데이터(사 물/현상)에 대해 최적의 방법을 선택하고

실행하는 것까지 나아 갈 수 있다. 한편 생성 AI는 질문에 대해 그럴듯하게 답변하거나, 이미지나 음악 같은

새로운 콘텐츠를 만들어낼 수 있는 점에서 차별적이다.

예를 들어, 개나 고양이와 같은 이미지 데이터셋이 있을 때, 판 별 AI는 특정 카테고리나 그룹을 구분해 내는 것에

초점을 맞추 지만, 생성 AI는 비슷하게 생긴 동물들을 미리 모아서 학습해 놓 고 사용자 요청에 맞게

유사한 이미지를 출력해주는 것에 초점을 맞춘다

생성 AI를 통한 비즈니스 혁신 생성 AI는 사용자의 요구에 맞춰 요약, 답변, 그림, 동영상, SW 코드를

순식간에 만 들어준다. 이러한 생성 AI가 확산되면, 사람들의 일하는 방식은 근본적인 변화를 맞 이할 수 있다.

예를 들어 SW 개발 과정에서 코드 작성 및 디버깅을 할 때는 야근이 일상일 정도로 많은 시간이 소모된다.

그렇지만 개발자가 문제만 정의해주면 생성 AI가 간단한 코드 정도는 쉽게 작성해준다.

또한 생성 AI는 코드 실행 전에 자동으로 틀린 곳을 찾아 디버깅까지 해줄 수 있어 개발 시간이 크게 단축된다.

개발자들은 남 는 시간에 고객과 긴밀하게 커뮤니케이션하거나 새로운 아키텍처를 구상하는 등

더 욱 생산적인 일을 하는 데 집중할 수 있다.

결과적으로 향후 기업의 경쟁력은 생성 AI 도입에 따른 일하는 방식의 변화를 어떻게 활용하는가에 따라

크게 좌우될 수 있 는 것이다.

생성 AI는 기업 활동 전반에 걸쳐 다양하게 활용될 수 있다. 특히 가치사슬 관점에서 살펴보면 R&D, 생산,

마케팅 영역에서 활용 여지가 클 것으로 판단된다.

무엇보다 R&D 영역에서 생성 AI는 단시간 내에 다양한 프로토타입과 옵션을 생성해 개발자 의 노력, 시간, 비용을

절감시켜 줄 것이다.

마케팅 분야에서 생성 AI는 다양하고 까다로운 고객의 개별 니즈에 대해 개인화된 서비스를 저비용으로

제공할 수 있게 만들 어 마케팅 효율성을 크게 진작시킬 것이다.

또한 생산 영역에서 생성 AI는 특히 콘텐 츠, 소프트웨어, 솔루션 등 디지털 창작 분야에서 전례 없는

생산성 증대와 새로운 가치 창출을 가능하게 만들 것이다.

1. R&D : 제너레이티브 디자인으로 연구개발 생산성 증대

과거 R&D 작업은 지루한 시행착오의 반복이었다. 예를 들어 제품 설계를 위해서는

시제품을 소량 제작해 문제점을 살펴보고 오랜 시간을 들여 반복 수정해야만 했다.

그러나 생성 AI 관련 기술인 제너레이티브 디자인 방식에서는 설계자들이 중량, 비 용, 소재 등

원하는 조건을 입력하면 생성 AI가 수많은 디자인 시안을 짧은 기간 안 에 생성해 준다.

이렇게 되면 설계자들은 다양한 가능성을 두루 살펴보고 세부 검토 후 원하는 결과에 근접한 시안을 선택하게 된다. 즉, 설계자들의 역할이 디자이너에 서 검토자로 대폭 바뀌게 되는 것이다.

일례로 항공기 제조업체 에어버스에서는 제너 레이티브 디자인 기술을 사용해 수천 가지 옵션을 생성하고,

이를 조합 및 비교해 프 로토타입 모형을 제작하고 있다.

피스톤 프로토타입의 경우 모형 제작 시간을 기존 3 일에서 1.5일로 절반으로 줄일 수 있었다.

한편 생성 AI는 제품 설계뿐만 아니라 신물질이나 신약의 개발에도 새로운 혁신을 가져올 수 있다.

지금까지 과학자들은 자연계에 존재할 수 있는 수십억 종의 단백질 구조 중 일부인 10만여 개 정도만 해독했다.

그렇지만 알파고로 유명한 딥마인드는 2022년 7월 단백질 구조를 예측하는 알파폴드를 활용해 2억 개에 달하는

단백질 구 조 데이터베이스를 만들어 기존 과학자들을 놀라게 했다.

연구 기간 또한 크게 단축 할 수 있다. 독일 막스플랑크 연구소의 경우 과거에

뉴클레오포린 단백질 구조 1,000 개 중 약 300여 개를 밝히는 데 10년이 걸렸다.

하지만 이들은 딥마인드의 알파폴드 소스코드를 활용하여 단 3개월 만에

이전 10년간의 연구결과보다 2배나 많은 600여 개의 단백질 구조를 예측할 수 있었다.

2. 마케팅 : BOT 커머스 시대의 개막

생성 AI는 재화 거래 및 마케팅에서 인공지능 봇이 주도적 역할을 하는 새로운 BOT 커머스 시대를 열 수도 있다.

온라인 오픈마켓 사업자들의 주 업무는 제품 홍보 글 작성, 블로그 포스팅, 마케팅 이메일 발송 등이다.

남다른 홍보 글을 작성하고 수많 은 블로그 채널이나 타겟 고객들에게 이를 조금씩 변형해 배포하려면,

다양한 아이디 어와 상당한 시간, 인력, 비용이 필요하다.

생성 AI는 이러한 고민을 쉽게 해결해줄 잠재력을 가졌다.

실제로 미국의 한 카피라이터 회사는 생성 AI 서비스인 자스퍼를 활용해

과거 2시간 가량이 소요되었던 1,000자의 광고 문구 작성 시간을 3분의 1에 불과한 40분으로

단축할 수 있었다고 밝혔다.

또한 미국의 한 중소 소매 기업에서는 새 웹사이트에 들어갈 카피를 만드는데,

2주 동안 별 진척이 없어 고민이 많았지만, 자스퍼의 도움을 받아 2일 만에 작성을 완료했다고 밝혔다.

마케터들은 타겟 마케팅의 효율화에도 생성 AI를 활용할 수 있다.

타겟 고객들의 과 거 상세 구매 이력 데이터들과 메일 본문에 포함될 마케팅 내용과 어조 등을

생성 AI 에 설정해주면, 생성 AI는 개별 고객의 과거 행동과 선호도를 분석하여 개인화된

추 천과 이메일 시안 등을 작성해 준다. 마케터는 생성 AI가 작성한 메일 내용을

검토 및 수정하여 발송하기만 하면 된다.

미국의 이메일 생성 AI 스타트업 셀스케일 (SellScale)은 자사 AI를 DM 마케팅에 이용한 기업들의

고객 유료 전환율이 기존보 다 70% 정도 더 높아졌다고 발표했다.

3. 생산 : cre“AI”tion, 디지털 콘텐츠 창작 혁명의 시작

생산 영역에서는 이미 수년 전부터 기존 판별 AI가 디지털 트윈 내 시뮬레이션, 생산 프로세스 최적화,

예측 유지보수, 품질 관리 및 검사 등에 사용되었다.

이러한 측면 에서 실물 제조 분야에서는 기존의 판별 AI를 주로 활용하고,

생성 AI를 보조적으로 결합할 것으로 예상된다.

다만 문학, 일 러스트, 웹툰, 음악, 게임, 영화 등 디지 털 콘텐츠의 생산 영역에서는

생성 AI 가 산업혁명에 준하는 엄청난 변화를 가져올 수 있다.

생성 AI 자체가 디지털 콘텐츠의 쉽고 빠른 생성에 특화되어 있기 때문이다.

과거의 콘텐츠 산업은 겉으로 보면 화 려해도 실상은 디지털 가내 수공업과 크게 다를 바 없었다.

웹툰, 일러스트, 음악 등 창작물을 만들려면 수없이 많 은 사람이 전문 제작 툴을 활용해

오랜 시간 수작업을 거치고 스트레스 심한 협업 조정 과정을 거쳐야 비로소 완성 도 높은 결과물이 나올 수 있었다.

그러 나 생성 AI는 단순 명령어(Prompt) 입 력만으로도 훌륭한 이미지나 음악을 만들어낸다.

창작자들은 구도 잡기, 펜 터치, 색감 조정 등 손 그림 실력이 부족해도 상 황에 대한 묘사를 잘하면

원하는 그림을 그릴 수 있게 되었다.

일례로 이미지 생성 AI 서비스인 미드저니는 웹툰 시장에 큰 파장을 일으키고 있다.

보통 웹툰 제작에 10컷 기준으로 7일 정도 소요되지만, 미국의 한 유튜버인 엘비스딘 은 미드저니를 활용해

이를 몇 시간으로 단축했다. 전문 웹툰 작가가 아님에도, 작품 퀄리티는 기존 다른 웹툰 구독자들이 찬사를 보낼 정도로 높았다. 완성품 출품까지 시간이 크게 단축될 뿐만 아니라 창작 영역에의 진입 장벽까지 낮아지게 된 것이다.

생성 AI는 게임, 메타버스 제작자에게도 지대한 영향을 미칠 것으로 예상한다.

대다 수 게임과 가상세계에서는 게임 지형, 배경 및 게임 아이템을 개발할 때,

수많은 디 자이너가 수작업으로 긴 시간 작업해야만 했다.

이 때문에 유저들에게 제공되는 선택 지는 제한적일 수밖에 없었다.

그렇지만 생성 AI를 이용하면 캐릭터, 지형, 배경, 아 이템 등을 더 많이, 더 다양하게,

때로는 생각하지 못한 콘텐츠까지 만들 수 있다. 현 재 프러미시안 AI(Promethean AI), MLXAR, 빌더봇(BuilderBot) 등 생성 AI를 기 반으로 한 게임 엔진 개발이 한참이며 로블록스나 메타 등도 메타버스에 생성 AI 결 합을 추진하고 있다.

4. 기획 및 일반 업무 : 누구나 My Personal Copilot(부조종사)과 함께

이외에도 생성 AI는 기획이나 일반 업무 분야에서도 다양하게 활용될 수 있다.

생성 AI는 사내 행사, 프로젝트 진행을 위한 체크리스트, 간단한 예산 설정, 보고서 아웃 라인 등

여러 기초 기획 업무에 활용될 수 있다. 또한 생성 AI를 브레인스토밍에도 활용할 수 있다.

1인 작업이나 팀원 수가 적을 때 아이디어를 짜내기는 쉽지 않다.

이 때 생성 AI를 활용하면 빠르게 많은 기초 아이디어를 얻을 수 있다.

예를 들어 ChatGPT에 “50대 이상 시니어 계층을 위한 노트북을 개발하려 해.

기존 제품과 어 떤 점에서 차별화할 수 있을까?”라는 질문을 던져 보았다.

ChatGPT는 30초 만에 “사용이 쉽고 직관적인 UI 디자인, 더 큰 화면, 긴 배터리 수명과 짧은 충전 시간,

보 안 기능, 강화된 내구성, 의료 정보 연동, 친환경 제품”이라는 7가지 아이디어와 관 련 설명을 제시했다.

자료 조사, 정보 탐색 및 자료 요약에도 생성 AI를 적용할 수 있다.

예를 들어 Bing Chat은 문장 구현에 최신 자료 검색 기능까지 결합되어, 최신 트렌드나 이슈의 정보 탐 색과

기초 조사의 출발점으로 활용될 수 있다.

예를 들어 Bing Chat에 “지난 1주일간 러시아 우크라이나 전쟁의 진행 상황 중 중요한 사건을 5개 정도 뽑아서

설명해줘”라고 질문을 던졌다.

그 결과 미국의 무인기와 러시아 전투기 충돌을 포함해 놓치기 쉬운 5개 사건을 날짜별로 그 의미를 함께 알려 주었다. 이처럼 생성 AI는 잘 활용한다면 업무 수행상 개인 부조종사(Copilot)로서 시간과 노력을 크게 절감시켜줄 잠재력을

갖는다.

다만, 정보 접근력, 신뢰성이나 정보 편향 등 내재적인 한계가 있어 사용하는 과정에서 사람의 추가 검증이 필요하다.

예를 들어 Bing Chat에게 “2022년 한국의 30대에게 인기있던 자 동차 5개 제품과 각각의 판매량 데이터,

인기 이유를 제시해 줘”라고 물어보면 ‘현대 그랜저(6.7만 대), 현대 아반떼(5.8만 대), 기아 쏘렌토(4.9만 대),

기아 카니발(4.7만 대), 쌍용 티 볼리(4.5만 대)’라는 결과와 차종별 인기 이유를 알려준다.

검 증을 해보면 차종별 인기 이유는 어느 정도 타당하나, 판매량 데이터는 모두 잘못된 정보6 이다.

데이터 소스가 뉴스, 블로그 등 공개 인터넷으로만 제한된 탓에 데이터 정확도는 아직 완벽하지 않은 것이다.

생성 AI 도입 및 활용의 4가지 포인트 ChatGPT를 선두로 생성 AI의 사회적 영향력은 점점 더 커지고 있다.

수많은 사람이 이를 시험해보고 사용 방법을 공유하며, 프롬프트를 생성 AI에 전문적으로 활용하는 ‘Prompt Engineer’라는 직업도 등장했다.

이와 함께 생성 AI를 업무 효율화와 생산 성 증대, 새로운 가치 창출을 위해 기존 업무에 활용해 보려는

기업들의 관심도 높아 지고 있다.

다만, 생성 AI도 장단점을 함께 가진 신기술인 만큼 기업 내부에 적용하 는 데 있어

경영진들의 다각적인 고민이 필요하다. 첫째, 생성 AI의 활용 가능성과 기술적 한계를 명확히 인식해야 한다.

생성 AI는 어 떤 데이터를 학습했느냐에 따라 그 결과 값이 달라질 수 있다.

또한 잘못되거나 부정 확한 정보들을 생성해 낼 수 있다.

2022년 11월에 메타는 논문 생성 AI인 갤럭티카 (Galactica)를 출시 3일 만에 부정확한 과학 논문을 작성했다는

이유로 폐쇄했다. 또 한 생성 AI는 창의성을 갖추긴 했어도 인간의 경험과 지식은 없다.

따라서 문제에 대 한 답변은 여러가지 제시할 수 있으나, 문제 자체를 정의하거나 발견하는 능력은

인 간보다 한참 떨어질 수 있다.

둘째, 우리 사업에서 생성 AI의 활용 효과가 클 영역이 어디인지 면밀히 살펴야 한 다.

그리고 영역에 적합한 생성 AI의 종류와 특성, 사용자의 목적과 요구사항 등도 고려하여

생성 AI 도입방식을 결정해야 한다.

이때 데이터의 보안 문제에 따라 외부 상용 AI 서비스를 활용할 것인지,

자체적으로 내부 개발할 것인지에 대해서도 고민 이 필요하다.

마케팅 문구 생성은 손쉽게 외부 상용 서비스를 도입할 수 있겠지만,

첨단 기술 개발 영역에는 보안 이슈상 자체 개발이 필요할 수도 있다.

셋째, 도입 프로세스를 단계적으로 밟으며 적절한 도입 전략을 구사해야 한다.

앞서 본 것처럼 생성 AI의 도입은 일하는 방식의 큰 변화를 가져올 수 있으므로 내부 직원 들이 혼란스러워 할 수 있다. 따라서 활용가치가 큰 부서부터 파일럿 테스트를 시작 해 장단점과 활용상 난점을 파악하고

이를 경험 삼아 단계적으로 전사에 확산시켜 나 가는 방식이 바람직할 수도 있다.

이 과정에서 적절한 시기에 AI 학습에 필요한 사내 데이터의 품질 평가, 기존 IT 인프라와 생성 AI의 호환성 확인 등의 조치를 취해갈 필요가 있다.

넷째, 신기술 도입에 대한 거부감을 줄이려는 조직 문화적 활동도 추진해야 한다.

여 러 DX 사례와 마찬가지로, 새로운 업무 방식이 자신의 기존 노하우와 일자리를 위협 한다는

불안 심리와 새로운 업무 방식을 익히는 일은 번거롭고 귀찮다는 인식은 생성 AI의 도입에 큰 걸림돌이 될 것이다.

이를 해결하려면, CEO 및 주요 임원진부터 먼 저 사용해보고 경험담을 사내에 전파하거나, ‘이미지, 소설,

시 생성 AI 체험전’처럼 흥미로운 이벤트를 진행해 관심도를 진작시키거나,

생성 AI로 인한 업무 생산성 제 고 사례를 사내 매체로 공유하는 등 다양한 조직 문화적 활동이 필요하다.

이러한 활 동이 체계적인 도입 전략과 함께 수행될 때, 비로소 직원들의 생성 AI에 대한 인식은

‘나와 경쟁하는 AI’가 아니라 ‘나를 돕는 AI’로 변하게 될 것이다.

생성 AI를 활용하지 않는다고 해서 기업이 없어지지는 않을 것이다.

그러나 생성 AI 의 무한한 가치 제고 및 생산성 증대 잠재력을 감안할 때,

향후 생성 AI를 잘 활용하 는 기업과 그렇지 못한 기업 간의 격차는 더욱 커지게 될 것이다.

이미 시작된 미래 인만큼, 생성 AI라는 새롭고 거대한 변화를 먼저 활용하여 앞서나가려는 지혜가 필 요한 시점이다.

출처 : lg경영연구원 ( 첨부 파일 )

LGBR_Report_20230530_20233801083843026 (1).pdf

1.04MB

[비누]