The Prompt: AI의 진화, 개별 모델부터 인텔리전스 시스템까지

*본 아티클의 원문은 2023년 12월 2일 Google Cloud 블로그(영문)에 게재되었습니다.

비즈니스 리더들 사이에서 생성형 AI가 큰 관심을 모으고 있습니다. 'The Prompt'는 빠르게 변화하는 이 주제에 대한 최신 정보를 놓치지 않도록 고객 및 파트너와 계속 협업하면서 확인한 사항과 Google의 최신 AI 트렌드를 전해드립니다. 이번 호에서는 AI 워크로드에 대한 새로운 접근 방식과 구조화 방법을 살펴봅니다.

생성형 AI와 대규모 언어 모델이 빠른 속도로 발전하고 있습니다. LLM이 생성형 AI의 바탕이 되는 엔진이기는 하지만, 효과적인 엔터프라이즈 AI 전략은 다양한 모델을 관리하고, 적절한 경우 앱 백엔드에서 모델을 전환하며, 이 밖에도 민첩성, 선택권, 복원력을 유지하면서 신뢰를 구축할 여지를 확보하는 것입니다. 이를 위해서는 플랫폼 접근 방식이 필요하며 이에 대해서는 올해 들어 이미 몇 차례 살펴본 바 있습니다.

이 접근 방식에는 많은 이점이 있는데, 최근 AI 분야의 여러 이벤트를 통해 이러한 이점이 더욱 명확하게 드러났습니다. 코로나19 팬데믹 기간에 우리는 단일 공급업체 또는 단일 구성요소에만 의존할 때 조직 전체가 얼마나 위태로워질 수 있는지를 경험했습니다. 한편, 몇몇 획기적인 사용 사례에는 다양한 많은 작업을 완수할 수 있는 탁월한 최신 프론티어 모델이 필요합니다. 기타 비즈니스 니즈는 특정 작업에 최적화되어 보다 효율적이고 경제적으로 실행할 수 있는 더 간단한 LLM을 통해 충족할 수 있습니다.

모든 기술이 그렇듯이 생성형 AI도 특정 작업에 맞춰진 다양한 모델 툴킷을 적용할 때 가장 효과적으로 작동합니다. Google Cloud에서는 이 광범위한 접근 방식 중 하나가 바로 인텔리전스 시스템이라고 생각합니다.

인텔리전스 시스템은 기존 데이터 시스템 또는 기록 시스템과는 다른 방식으로 작동하도록 설계됩니다. 인텔리전스 시스템은 모든 사용자가 쉽게 이해할 수 있는 방식으로 유용한 정보를 식별하고 제공하며 이에 대해 질문할 수 있도록 설계되므로 사용자가 데이터에서 유용한 정보를 추출하는 방법을 꼭 익히지 않아도 됩니다.

이러한 새로운 시스템에 대한 표준과 관행이 속속 등장하면서 리더는 새로운 작업 패턴의 개발을 통해 배울 뿐만 아니라 개발을 이끌 수도 있는 흔치 않은 기회를 얻게 됩니다. 대부분의 조직은 필히 이러한 변화에 대응해야 합니다. AI로 인해 변하는 것은 아무것도 없다고 생각한다면, 이는 텔레비전이 처음 등장했을 때도 문화, 프로세스, 비즈니스 모델에는 딱히 영향을 주지 않을 것이고 라디오의 시대가 이 새로운 매체의 등장에도 그대로 유지되리라고 여겼던 것과 비슷합니다.

AI에 더 효과적인 시스템 구축

실제로 이 새로운 접근 방식이 매력적인 이유 중 하나는 이전의 수많은 변화와 달리 진정한 의미의 기술 발전이라는 데 있습니다. 인텔리전스 시스템을 적용하면 기존에 잘 작동하던 것을 버리지 않고 기존 기술 및 데이터를 업데이트하여 이를 기반으로 빌드할 수 있습니다. 실제로 이 시스템에서는 상당 부분 과거에 이뤄진 작업을 바탕으로 그 결과를 세부 조정하기 때문에 이전에는 상상만 할 수 있었던 새롭고 유용한 인사이트를 도출할 수 있습니다.

PC가 등장하고 네트워킹이 혁신적으로 발전하던 80년대와 90년대에는 많은 IT 부서가 조직을 거쳐 가는 모든 데이터를 정렬, 관리, 업데이트할 수 있는 기록 시스템을 개발하는 데 집중했습니다. 디지털 시대의 막이 오르고 모든 곳에서 인터넷과 데이터가 성장함에 따라 다양한 데이터 레이크와 데이터 웨어하우스를 통해 더 많은 사람들이 더 쉽게 데이터에 액세스하고 데이터를 검색할 수 있도록 기록 시스템을 기반으로 한 참조 시스템이 개발되었습니다. 두 시스템에는 참여 시스템, 즉 사용자가 데이터에 액세스하고, 변경을 제어하며, 자동화를 추진하는 데 도움이 되는 인터페이스 및 제어 기능이 공통으로 있었습니다.

이제 이 모든 것을 몇 가지 중요한 발전에 결합할 수 있습니다.

우선 생성형 AI의 자연어 기능 덕분에 이제 거의 모든 사람이 기술 시스템과 상호작용하고 복잡한 주제를 다룰 수 있게 되었습니다. 거의 모든 작업자가 '데이터와 대화'하면서 회사 성과, 브랜드에 적합한 애셋, 법률 정보를 입력하면 이에 대해 자세한 답변을 얻을 수 있습니다. 개인의 전문 기술에 크게 의존하지 않아도 더 쉽게 제품을 만들고 공동작업을 통해 아이디어를 실현할 수 있습니다.

이 새로운 접근 방식의 또 다른 흥미로운 측면은 기존에 투자한 다른 시스템 위에 중첩이 가능하다는 것입니다. 조직에서는 새 프로그램을 기존 프로그램과 통합하기 위해 기존 프로그램을 교체하거나 재작업해야 하는 경우가 너무 많습니다. 인텔리전스 시스템에서는 기록 및 참여 시스템 내의 기존 정보를 활용하여 오래된 데이터에 새 생명을 불어넣고, 이 과정에서 전에는 명확하지 않았던 연결 고리를 만들 수 있습니다.

이는 현재의 CRM, 데이터베이스, 분석, 머신러닝을 기반으로 빌드하면서 그 위에 강력한 새 AI 역량을 추가함으로써 조직 전체를 더 스마트하게 만드는 아주 효과적인 방법입니다.

시스템을 뜯어내고 교체하는 대신 통합하고 조정합니다. 이는 전문가의 기여도를 높여 더 큰 영향력을 발휘하도록 하는 상승 효과를 일으킵니다. 이것이 인간 중심 AI의 핵심입니다.

더 스마트하고 더 우수하고 더 빠르게

새로운 인텔리전스 시스템에는 성숙한 언어 모델, 관련 정보를 찾고 연결하기 위한 검색 엔진, 조정, 분석 도구에 대한 인터페이스가 핵심 구성요소로 포함됩니다. 조직은 프로젝트 간의 연결 고리를 확대함으로써 업무 전반의 투명성을 높이고, 더욱 유용하고 의미 있는 정보를 확보하며, 더 신속하고 명확한 조치를 취할 수 있습니다.

저장용량과 관리에 중점을 두면서 과거에 머무는 경향이 있고 많은 작업과 자동화를 거쳐야만 새로운 결과를 끌어낼 수 있었던 이전의 시스템과 달리, 인텔리전스 시스템은 학습 기능을 통해 보다 미래 지향적인 아이디어 구상과 통합을 가능하게 해줍니다. 생성형 AI의 바탕이 되는 대규모 언어 모델은 외부 기술 자료 및 현재 이벤트에 대해 더 강력한 연결을 제공하여 실시간 결과를 얻을 수 있도록 합니다.

이를 통해 다양한 팀에서 훨씬 더 빠르고 강력한 작업 결과물을 만들어낼 수 있습니다. 시간이 흐르면서 시스템에 대한 신뢰가 계속 높아짐에 따라 더욱 자율적인 작동 가능성도 커지고 있습니다. 물론 이는 견고한 제어 기능이 갖춰진 제한된 환경 내에서 이루어집니다.

AI를 인텔리전스 시스템으로 접근하면 과장된 정보나 두려움이 아닌 AI의 이점에 집중할 수 있습니다. 핵심은 인간의 역량을 강화하여 실질적인 방식으로 조직을 더 스마트하게 만드는 것입니다. 이 새로운 패러다임은 AI가 앞으로 더 많은 가치를 제공할 수 있는 기반이 됩니다.

AI에 대한 인간 중심의 접근 방식

이 새로운 지능형 시대로의 전환을 위해서는 기술 전문가와 비즈니스 리더 모두에게 마인드셋의 전환이 필요합니다. AI를 격리된 도구 또는 모델로 생각하는 것으로는 더 이상 충분하지 않습니다. 인간 참여형(Human In The Loop)의 인텔리전스 시스템으로 관점을 확장해야 합니다. 이렇게 하면 사람과 기술의 강점을 모두 취할 수 있습니다.

AI에 대한 이 인간 중심의 접근 방식을 수용하여 공감과 윤리를 강력한 기술과 결합하는 기업은 향후 엄청난 잠재력을 발휘할 수 있습니다. 이 방향으로 시스템을 발전시키기 위해서는 비전과 신중한 리더십이 필요합니다.

이와 동시에 조직은 적절한 작업에 적절한 모델을 사용해야 하며, 모든 모델이 모든 일을 할 수는 없다는 사실을 인식해야 합니다. 중요한 것은 모델만이 아닙니다. 특정 모델에 대한 의존성을 줄이고 그 대신 견고한 시스템을 구축하는 데 도움이 되는 주변 구성요소도 모두 마찬가지로 중요합니다.

인텔리전스 시스템의 등장은 AI가 성숙하는 과정에서 나아가야 할 다음 단계를 보여줍니다. 이 시스템은 비즈니스 및 기술 리더에게 빠르게 진행되는 이러한 혁신을 적용하기 위한 전략적 틀을 제공합니다. 무엇이 가능한지를 새롭게 상상할 의지가 있는 조직은 큰 발전을 이룰 수 있습니다.