The Prompt: AI를 쉽고, 관리 가능하며, 개인에게 맞게 설정하기

* 본 아티클의 원문은 2023년 5월 20일 Google Cloud 블로그(영문)에 게재되었습니다.

비즈니스 리더들 사이에서 생성형 AI가 큰 관심을 모으고 있습니다. 매주 'The Prompt'는 빠르게 변화하는 이 주제에 대한 최신 정보를 놓치지 않도록 고객 및 파트너와의 협업을 통해 얻은 시각과 Google의 최신 AI 트렌드를 전해드립니다. 이번 호에서는 Google Cloud의 AI 및 비즈니스 솔루션 부문 글로벌 부사장인 필립 모이어가 생성형 AI를 도입하는 조직을 위해 빠른 속도, 관리 편의성, 개인화라는 세 가지 테마를 소개합니다.

Google I/O 2023에서 발표된 AI 관련된 여러 공지사항을 자세히 설명하기 위해 이번 주 'The Prompt'에 새로운 공동작업 도구인 'Google Workspace의 생성형 AI'를 추가했습니다.

이 시리즈의 기사는 제가 편집팀과 자유롭게 폭넓은 대화를 나누면서 시작되는 경우가 많습니다. 시리즈 초반부터 Google Meet의 AI 기반 스크립트 작성 기능을 사용하여 이러한 토론 내용을 기록해 왔지만 지금은 Workspace의 새로운 생성형 AI 기능 덕분에 두서 없는 스크립트를 몇 분 만에 일목요연한 글로 바꿀 수 있게 되었습니다. 대화가 주제를 벗어나거나 산만하게 진행되더라도 Workspace의 요약 기능이 중심을 잡아주고 대화에서 반복되는 주제를 파악하는 데 도움을 줍니다. 이 블로그의 최종 원고에 AI가 작성한 글이 포함되지는 않았지만 초고를 작성하고 편집하는 과정에 드는 시간이 크게 절약되었습니다. 이 워크플로를 도입한 이상 이전 방식으로는 돌아가지 않을 계획입니다.

그러면 이번 주의 주제인 '생성형 AI 도입'에 대해 이야기해 보겠습니다.

점점 많은 임원진이 조직에 훌륭한 기반 모델을 갖춘다고 무조건 생성형 AI를 도입할 수 있는 건 아니란 사실을 깨닫고 있습니다. 도입도 쉬워야 할 뿐더러 확실한 관리 및 보안 기능을 갖춰야 하고 개인화된 경험을 구현하기 위한 분명하고 빠른 방법까지 제공해야 합니다. 이 칼럼에서는 Google Cloud에서 개발을 거쳐 I/O에서 공개한 전략과 연계하여 이러한 특성을 하나씩 살펴보고자 합니다. 

생성형 AI는 쉽게 도입할 수 있어야 합니다 

이전 글에서 쓴 것처럼 '모든 모델을 지배할 수 있는 하나의 모델'이란 존재하지 않는다고 생각합니다. 기반 모델은 추가 학습 없이 일련의 다운스트림 태스크를 처리할 수 있다는 점에서 여러 시나리오에 즉시 유용하게 쓰일 수 있습니다. 하지만 전문 분야에 맞춰 세심하게 조정된 모델, 추가 맞춤설정을 위한 도구, 비용 및 지연 시간 관련 여러 요구사항에 맞는 다양한 모델이 필요한 사용 사례가 많습니다. 모든 과정이 간편하게 이루어져야 하는 건 물론입니다.

Google의 I/O에서 공개된 제품은 이러한 니즈를 반영한 것입니다. 가장 최근에 개발되었고 가장 강력한 성능을 자랑하는 프로덕션 단계의 PaLM 2 모델은 다양한 규모의 모델 제품군을 포괄할 뿐 아니라 특수한 요구가 있는 특정 작업에 맞춤설정된 여러 제품과 서비스를 지원합니다. 코드 생성을 위한 Codey 모델, 의료 및 생명과학에 특화된 Med-PaLM 2, 보안을 위한 Sec-PaLM 등이 여기에 포함됩니다. 또한 Google의 여러 기반 모델뿐 아니라 서드 파티 옵션에 대한 액세스까지 제공하는 Vertex AI의 Model Garden 덕분에 생성형 AI 전략을 전개하는 과정에서 프로덕션 단계의 다양한 모델을 사용하는 조직이 생기고 있습니다.

액세스는 솔루션의 일부일 뿐이므로 구현 역시 간편해야 합니다.

Google은 AI 경험이 없다시피한 조직부터 수준 높은 데이터 과학팀을 갖춘 조직에 이르기까지 광범위한 고객 니즈를 반영하는 제품을 통해 이 목표를 달성하기 위한 노력을 지속해 왔습니다.

예를 들어 생성형 앱 빌더를 사용하는 개발자는 기반 모델을 활용해 몇 분 만에 생성형 채팅 및 검색 앱을 구축할 수 있고, 시작하기 위해 데이터 과학 경험을 갖추거나 집중적인 코딩 작업을 거칠 필요도 없습니다. 한편 보다 심층적인 모델 맞춤설정과 데이터 과학 작업을 수행해야 하는 경우 Vertex AI가 제공하는 개발자 친화적인 API와 인터페이스를 활용하면 모델 조정, 프롬프트 엔지니어링 외에도 기존에 조직에 상당한 데이터 과학 전문성이 필요했던 다른 태스크에서 복잡성을 크게 완화할 수 있습니다.

생성형 AI는 관리가 간편하고 보호 장치를 포함해야 합니다

사용 편의성은 조직이 기반 모델뿐 아니라 플랫폼에도 투자해야 한다고 설명했던 지난주 주제와도 연관이 있습니다. 안전하게 생성형 AI를 도입하는 것도 마찬가지입니다.

안전을 보장하기 위해서는 우선 기업에 필요한 기본 제공 거버넌스, 감사, 규정 준수, 보안, 개인 정보 보호 기능을 모두 갖춰야 합니다. Google Cloud에서 AI 원칙을 토대로 개발하는 모든 자체 제품에 우선적으로 고려하는 필수 요소이기도 합니다. 그러나 이러한 기능이 작동하는 방식도 고려해야 합니다.

예를 들어 기반 모델을 맞춤설정하면 안전하고 효과적인 결과를 얻는 데 도움이 될 수 있습니다. 하지만 모든 형식의 맞춤설정이 모든 사용 사례에 동일하게 효과적인 것은 아니며, 모든 메서드가 MLOps 워크플로에 통합될 때 동일한 확장성과 간편성을 보이는 것도 아닙니다.

이러한 이유로 Google에서는 Vertex AI에 MLOps 도구와 다양한 미세 조정 메커니즘을 모두 탑재하면서, 초대형 클라우드 제공업체로서는 처음으로 조직이 모델 미세 조정에 사람의 입력을 쉽게 통합할 수 있는 Reinforcement Learning from Human Feedback(RLHF)을 제공합니다. 마찬가지로 생성형 앱 빌더에서는 생성형 AI의 출력을 특정 데이터 소스로 제한하는 것도 간단하므로 규모에 따라 모델의 목표와 정확성을 유지하는 데 도움이 됩니다.

거버넌스, 학습, 업데이트가 가능한 모델을 사용해 안전하게 구현하는 것은 사용 편의성만큼이나 중요하고 필수적입니다. 

최고의 생성형 AI 사용 사례는 개인화된 경우가 많습니다  

최근 기업 리더들과 대화를 나누면서 점점 많은 리더가 생성형 AI 구현이 개인화되었을 때 효과적인 경우가 많다는 주장을 수용하고 있음을 확인했습니다.

Google은 I/O에서 이러한 이상을 염두에 둔 다양한 제품을 발표했습니다. Duet for Google Cloud 및 Duet for Workspace에 포함되어 사용자가 시도하는 작업에 대해 상황에 맞는 AI 공동작업을 제공하는 상시 사용 가능 AI 공동작업 도구도 그중 하나입니다. 또한 Magic Editor는 의미 있는 디지털 상호작용의 중요성을 부각시킨 도구로, AI를 사용해 중요한 추억을 더 잘 포착할 수 있도록 사진을 편집할 수 있습니다. 아울러 조직이 자체 사용자를 위한 맞춤형 애플리케이션을 쉽게 제작할 수 있도록 지원하는 Vertex AI와 생성형 앱 빌더 같은 제품도 있습니다.

아래의 동영상을 확인하여 Google Cloud를 위한 Duet이 어떻게 Google Cloud 사용자에게 고도로 개인화된 AI 경험을 지원하는지 알아보세요. Google Workspace를 위한 Duet에 대해 자세히 살펴보려면 I/O 기조연설에 활용된 데모를 참고하세요.

이제 막 첫발을 뗀 생성형 AI 

고객과 협력하면서 이 기술의 놀라운 잠재력을 활용하고 싶어하는 조직은 많지만 사용 사례나 기술 관점에서 어디서부터 시작해야 할지 확신이 없는 경영진도 많다는 사실을 다시금 깨닫게 되었습니다. 고객의 니즈는 단순하고 빠른 생성형 AI 도입부터 복잡한 훈련, 미세 조정, 맞춤설정, MLOps에 이르기까지 매우 다양한 것으로 나타납니다. 이 기술은 비즈니스의 현재 니즈를 충족하는 데 그치지 않고 더 발전할 수 있는 선택권과 유연성을 제공해야 합니다. 고객 현장에서 본격적으로 생성형 AI 제품이 활용되면서 많은 정보를 새롭게 알게 되었습니다. I/O가 큰 행사이긴 했지만 머지 않아 더 많은 정보를 공유할 예정입니다. 

이번 주 Google의 AI

• Google Cloud는 생성형 AI를 위한 새로운 교육 과정을 선보이고 있습니다. 이 블로그에서 자세한 내용과 시작 방법을 확인하세요.
• Google Cloud는 생명과학 연구진이 보다 효과적으로 아미노산의 기능을 식별하고 단백질 구조를 예측할 수 있도록 돕는 AI 도구인 Target and Lead Identification Suite와 더불어 유전체학 데이터를 탐색 및 해석하고 개인별 유전체학 치료를 설계하는 용도의 Multiomics Suite를 발표했습니다. 자세한 내용은 이 블로그를 참고하고 이 발표에 관한 CNBC 보도 자료도 놓치지 말고 확인해 보세요.
• Google 연구팀은 계속해서 새롭고 유용한 정보, 기술, 접근 방식을 발빠르게 발표하고 있습니다. 이번 주에 발표된 주요 내용으로는 Google의 책임감 있는 AI 및 인간 중심 기술팀 산하의 People + AI Research 그룹, 다양한 피부색을 더 효과적으로 처리할 수 있도록 컴퓨터 비전 모델의 평등성을 높이기 위한 새로운 연구, AI 어시스턴트가 의도에 맞게 멀티턴(multi-turn) 대화를 계획하고 대화 흐름에 맞춰 적응하도록 돕는 강화 학습 개선사항 등이 있습니다.