챗 GPT 거대한 전환

- 일론 머스크가 떠난 뒤 오픈AI는 비영리 조직과는 다소 거리가 있는 행보를 보이고 있다. 2019년 MS는 오픈AI에 10억 달러를 투자하였고, 2020년에는 마이크로소프트 이그나이트 Mircrosoft Ignite" 2020에서 오픈AI의 라이선스 독점 파트너십 체결을 발표했다. 이 는 오픈AI가 MS의 슈퍼컴퓨팅을 활용해 기술개발을 촉진할 수 있 는 계기가 되었다. 이후, 오픈AI는 1750억개 이상의 매개 변수를 가진 GPT-3를 출시하며 개선 및 확장을 이어가고 있다. 한편 MS 는 오픈AI가 개발한 챗GPT를 다양한 자사 제품에 결합하고자 한 다. 이는 챗GPT'를 이용해 수익을 다각화하고 시장 지배력을 높이 려는 시도다.
- 2022년 12월 1일 오픈AI는 GPT를 공식 출시하였으며 현재 PC버전을 무료로 제공하고 있다. 인간과 유사한 텍스트를 생성하 도록 설계된 GPT 모델과 챗GPT의 등장은 AI 분야에서 중요한 이 정표가 되고 있다. MS는 오픈AI에 앞으로 약 100억 달러를 투자해 지분의 49퍼센트를 확보할 계획을 가지고 있다. 일론 머스크의 손 을 떠난 챗GPT 그리고 오픈AI가 앞으로 어떤 비즈니스 모델을 구 축해 나갈 것인지 기대해 본다.
- 특히 2013년 신경망 모델을 통해 방대한 텍스트 말뭉치에서 단어와 단어 사이의 패턴을 학습하는 단어 임베딩 모델 워드투벡터 Word2vec가 발표된 뒤 딥러닝 분야에서 자연어 처 리에 대한 연구가 더 활발히 이루어지고 있다. 구글의 버트BERT나 오픈AI의 GPT가 대표적인 딥러닝 기반의 언어 모델이다.
언어 모델이란 단어의 다음에 올 단어를 예측하여 문장을 완성 하는 자연어 처리 모델로, 쉽게 표현하면 마치 네이버나 구글, 혹은 스마트폰에서 제공하는 자동 완성 기능과 유사하다. “하루 종일 게 임만 했더니 역시나 시험점수가 [빈칸]"이라는 문장이 있다고 가정 하자. 인간은 빈칸에 올 단어가 '떨어졌다'라는 걸 쉽게 맞힐 수 있 다. 우리는 우리가 쌓아온 경험과 지식에 기반해서 빈칸에 올 단어 중 확률이 가장 높은 것이 '떨어졌다'라고 판단하는 것이다.
- 언어 모델이 빈칸에 올 단어를 예측하는 방식도 인간과 비슷하 다. 앞에 있는 단어들을 기반으로 빈칸에 올 수 있는 단어들의 후보 들 중 빈칸에 올 확률이 가장 높은 단어를 선택하는 것이다. 컴퓨터 는 다음 단어를 맞히기 위해 경향성을 학습하는데 그 방식이 버트 와 GPT가 다른 지점이다. 버트는 '마스크 언어 모델'이라는 방식을 활용해 문장 '중간'에 위치한 빈칸을 맞추는 방식인 반면, GPT는 '다음' 단어를 맞추는 모델을 활용한다. 버트는 양방향 모델로 빈칸 의 앞과 뒤의 문맥을 모두 고려할 수 있기 때문에 문장의 전체적인 의미를 추출하는데 강점을 갖는 반면, GPT는 앞에서부터 순차적 으로 학습하며 다음에 나올 단어의 확률을 계산하기 때문에 문장 생성에 강점을 갖는다. GPT-3.5가 적용된 GPT는 GPT 기반으 로 텍스트 분류, 텍스트 생성, 요약 등 다양한 자연어 처리 작업을 수행하는데, 그 중에서도 특히 텍스트 생성에 강점을 보이는 것도 이런 언어 모델의 특징 때문이다.
- 예를 들어 개와 고양이를 분류하는 경우를 생각해보자. 기존의 머신러닝 모델을 사용할 경우, 사람이 사진 속 동물의 귀 모양, 얼 굴 모양, 몸의 구조 등의 특징을 선정 및 추출하고, 이를 라벨링하 여 입력한다. 이후 모델은 주어진 라벨을 기준으로 제시된 사진이 각각 개와 고양이 중 어느 쪽에 속하는지 판단하도록 학습한다. 하 지만 딥러닝 알고리즘의 경우 특징을 선정하는 것까지 인공신경망 을 통해 학습하기 때문에 사람이 특징을 추출하는 과정을 생략할 수 있다. 그저 잘 분류된 개와 고양이 사진을 제공해주기만 하면 딥 러닝 알고리즘이 혼자서 사진에 포함된 특성을 계산하고 그 속에 서 패턴을 찾는다. 그리고 개 사진이 들어오면 미리 찾아둔 패턴과 비슷한 특징을 갖고 있는 것이 개라는 사실을 판단하여 답을 내리 게 된다.
- 딥러닝의 성능 차이를 결정하는 것은 파라미터의 수다. 파라미 터는 딥러닝을 통해 학습한 모델이 저장되는 곳으로, 인간의 신경 세포에서 정보를 전달하는 시냅스와 유사한 역할을 한다. 딥러닝 모델을 만드는 기업들은 더 많은 파라미터로 구성된 모델을 확보 하기 위해 고군분투하고 있다. 학습 데이터가 많을수록 그리고 파 라미터가 많을수록 실제값과 AI의 출력값 사이의 오차가 줄어들고 정답에 근접하기 때문이다.
- GPT 모델은 딥러닝을 통한 사전 학습으로 인간처럼 추론하는 능력을 가진 생성형 AI 챗봇의 엔진이 되었지만 거짓 정보를 생성 하거나 유해한 콘텐츠를 생산하는 등의 한계를 지니고 있다. AI 모 델은 일반적으로 사전 학습 후 특정 태스크에 대한 성능을 개선하기 위해 '미세 조정fine tuning'이 이루어진다. GPT-3를 기반으로 만들 어진 인스트럭트 GPT 역시 이런 한계를 극복하고 더 안전한 모델을 만들기 위해 인간 피드백 기반 강화 학습RLHF: Reinforcement Learning with Human Feedback이라는 미세 조정 방법이 적용되었다. 오픈AI는 이 과정을 통해 과격한 표현이나 윤리적 문제들이 발생할 위험을 해소해 나간다. 비슷하게 챗GPT 역시 GPT-3.5에 인간 피드백 기 반 강화 학습 기술을 적용해 만들어졌다.
- 인간 피드백 기반 강화 학습은 3단계에 걸쳐 진행된다. 첫 번째 단계에서는 특정 프롬프트에 대해서 사람이 직접 이상적인 설명을 작성한다. 예를 들어 "여섯 살 아이에게 달 착륙을 설명하라”는 프 롬프트에 대해 인간 라벨러가 정답 예시에 가까운 설명을 직접 작 성하는 것이다. 이렇게 만들어진 데이터는 지도 학습의 방법을 통 해 GPT-3와 GPT-3.5를 미세 조정하는 데 사용된다. 두 번째 단계 에서는 여러 개의 아웃풋에 대해 인간 라벨러가 어떤 아웃풋이 좋고 나쁜지 순위를 매긴다. GPT-3와 GPT-3.5의 리워드 모델은 인간이 매긴 순위 데이터를 학습한다. 마지막 단계에서는 확보 답변들 중에서 리워드 수치가 가장 높은 답변을 선택하는 방향으로 GPT 학습 정책을 업데이트한다.
인간 피드백 기반 강화 학습을 적용한 모델들은 기존보다 사용 자 의도에 더 적합한 답변을 생성했다. 안정성에 있어서도 유해한 답변을 더 적게 생성했고, 좀 더 사실에 기반한 응답을 생성하는 것 을 확인할 수 있었다. 인스트럭트GPT와 GPT-3가 생성한 응답을 비교해 보면, GPT-3는 질문에 이어질 만한 텍스트를 단순 생성하 여 반복적인 표현을 사용했지만 인스트럭트GPT는 더 사용자 질문 에 적합한 응답을 생성했다.
-  구글 검색은 인터넷에서 정보를 검색하고 색인하는 도구인 반면, 챗GPT는 학 습된 정보를 바탕으로 사람과 유사한 텍스트를 생성하는 강력한 도구이다. 정확도 측면에서는 일반적으로 방대하고 다양한 데이터 소스에 의존하며 관련된 정보들을 색인하고 순위를 매겨서 사용자 에게 제공하는 구글 검색이 더 나을 수 있다. 반면 챗GPT는 인간 과 유사한 텍스트를 생성함은 물론, 학습된 데이터를 바탕으로 자 체적으로 도출한 결론을 제공할 수 있다. 하지만 학습 데이터에 따 라 오류나 편견이 포함될 수 있고 언어를 생성하는 과정에서 거짓 된 정보를 마치 그럴싸한 사실처럼 제공할 수 있다는 단점이 존재 한다. 따라서 현재 상황에서 구글 검색은 일반적인 정보를 제공하고 정보형 질문에 답하는 데 더 적합하지만 챗GPT는 이야기나 시를 쓰거나 코드와 이메일을 작성하는 것과 같은 창의적인 과제에 더 적합하다고 볼 수 있다.
그리고 MS는 검색과 대화형 응답이라는 두 가지 도구를 통합하 였다. 챗GPT를 검색 서비스인 빙에 적용하여 대화형 검색 서비스 로 재탄생시킨 것이다. 사용자는 대화형 검색이라는 자연스럽고 직 관적인 경험을 통해 편리하게 자신이 원하는 정보를 찾을 수 있다. 뿐만 아니라 챗GPT는 학습된 대규모 데이터를 바탕으로 양질의 응답까지 생성한다.
- 궁지에 몰린 구글, 바드 공개
한편 구글은 2023년 2월 8일 프랑스 파리에서 챗봇 바드Bard를 결합한 새로운 검색 시스템을 공개했다. MS가 새로운 AI 기반 검 색 엔진을 발표한 지 하루만에 나온 구글의 반격이다. 상당히 성급 해 보이기도 하는 이 대응에서는 구글의 다급함을 느낄 수 있는데, 구글의 검색 사업이 큰 타격을 받을 수도 있다는 위기감을 느끼고 있는 것으로 보인다. 사실 구글의 검색 엔진이 위협받는다는 것은 검색 사업뿐 아니라 이로 인해 광고 등의 기타 파생 비즈니스가 전 적으로 타격을 받을 수 있다는 것을 의미한다. 구글의 창업자 래리 페이지가 구글의 최종 종착지는 AI라고 이야기했으며 늘 'AI 퍼스트'를 외쳐 왔지만, 구글은 구글이라는 이름이 갖고 있는 무게감과 책임감 때문에 AI 알고리즘과 서비스 공개에는 다소 조심스러운 태도를 보여 왔다. 하지만 이번만큼은 숨 막히는 대응전을 펼치며 필사적으로 대응하고 있다.
바드는 구글의 언어 모델 람다LaMDA를 기반으로 하는 실험적인 대화형 AI 서비스로, 대규모 언어 모델과 웹의 정보를 기반으로 구 축되었다. 2023년 2월, 새로운 검색 시스템을 공개하는 자리에서 구글은 바드가 결합된 새로운 검색 엔진이 "완전히 새로운 방식으 로” 정보를 다룰 수 있게 해줄 것이라고 자신했다. 또한 “검색은 결코 해결된 문제가 아니며", "구글이 검색 시장에 몸을 담근지 25년이 다 되어가지만 검색은 여전히 구글의 가장 크고 혁신적인 도 전"이라고 강조했다. 완벽한 검색이 어려운 이유는 "사람들이 자연 스럽고 직관적으로 정보를 접하기를 기대하는 방식"과 "기술이 어 떻게 그러한 사람들의 경험을 강화할 수 있을지가 계속 변화하기 때문이다. 이러한 복잡하고도 어려운 검색이라는 영역에서 구글은 사람들이 자연스럽게 세상을 이해하는 방식을 반영함으로써, 마치 "우리의 마음처럼 작동하는 새로운 검색 경험"을 만들고 있다고 이 야기했다.
- 구글의 모기업인 알파벳의 매출 50퍼센트 이상은 검색 광고에서 발생한다. 하지만 바드와 같은 챗봇이 검색 엔진에 붙게 될 경우, 기존의 비즈니스 모델이 흔들릴 수밖에 없다. 구글은 새로운 검색 서비스로 기존의 검색 서비스의 매출이 줄어드는 자기 시장 잠 식cannibalization을 우려하지 않을 수 없다. 카니발 효과라고도 불리 는 자기 잠식 효과는 기업이 새롭게 출시한 제품이 매출 증대를 일 으키는 것이 아니라 오히려 기존 주력 상품의 매출을 마이너스로 만드는 현상을 뜻한다. 
- 이처럼 '검색'이라는 행위에는 무수히 많은 인간의 니즈가 담겨 있으며 그 니즈를 충족하기 위한 최적의 방법은 모두 다르다. 어떤 검색에서 우리는 챗봇을 통한 직문직답을 원하지만 어떤 검색에서 는 좀 더 구체적인 정보와 출처를 원하기도 한다. 그리고 때로는 텍 스트보다 이미지가 더 효과적인 경우도 존재한다. 구글은 이미 당 신이 무엇을 원하는지 알고 있다. 그동안 쌓은 데이터와 분석 결과 를 통해 온라인에서 무언가를 검색하는 사용자의 마음을 파악하고 있으며 이를 어떻게 사용자 친화적으로 제공할 것인지에 대한 노 하우도 장착한 상태이다. MS는 데이터 측면에서 자신들의 이런 약점을 충분히 파악하고 있기 때문에 최대한 많은 사용자 데이터를 모으고자 아직 완벽하지 않은 제품을 발 빠르게 시장에 선보인 것이다.
검색 시장에서의 전쟁은 미국만의 일이 아니다. 중국 최대 검색 엔진인 바이두는 AI 챗봇 '어ERNIE Bot'의 내부 테스트를 2023 년 3월까지 마무리하고 곧 공식 출시하겠다고 발표했다. 어니봇은 한자로 '문심일언'으로 표기하며, ERNIE는 지식 통합을 통 한 향상된 표현Enhanced Representation Through Knowledge Integration을 의미한다. 바이두의 챗봇은 챗GPT와 비슷한 방식으로 웹 기반 서비스로 먼저 제공된 뒤, 추후 바이두 검색 엔진에 통합될 것으로 보인다.
생성형 AI 기반 챗봇이 결합된 검색 엔진은 기존의 검색 엔진을 당장 대체하기는 힘들 것이다. 두 가지 패러다임은 당분간 공존하 는 형태로 현실의 서비스에 적용될 것이다. 하지만 이 과정에서 새 로운 실험적인 인터페이스가 탄생할 수도 있다. 더 나은 검색 경험 을 제공하는 것을 넘어 이를 어떻게 새로운 비즈니스 모델로 만들 고수익을 창출할 것인가를 지켜보는 것도 중요한 관전 포인트다.

- 시드 투자는 스타트업이 사업 아이디어를 제품 프로토타입이나 베타 서비스로 구축하는 단계에서 이루어진다. 시드 단계의 초기 투 자자들은 비록 스타트업의 비즈니스 모델이 제대로 검증된 상태가 아니더라도, 팀의 역량과 기술, 성장 가능성을 보고 초기 투자를 감 행한다.
시리즈 A는 시드 투자를 받은 스타트업이 출시한 프로토타입이 나 베타 서비스가 금액은 작지만 일관된 매출이나 실적 지표를 달 성했을 때 주로 이루어진다. 엄청난 성과는 아니더라도 성장 가능 성이 입증된 수익 모델을 기반으로 투자를 유치한다. 성장 가능성 이 확실하다면 서비스 지표만으로도 투자가 진행되지만, 대체로 수 익 모델에 대한 검증을 요구하는 것이 일반적이다.
- 시리즈 B는 본격적인 성장을 앞둔 스타트업 회사를 빌드업 하는 단계에서 받는 투자다. 즉, 정식으로 출시한 서비스가 상당한 수의 안정적 사용자 기반을 확보한 뒤, 사업을 확장하는 단계에서 이루 어진다. 투자 금액은 보통 국내 IT 스타트업을 기준으로 50~150억 사이이며, 투자 유치 이후의 기업 가치는 약 250~750억 원 사이에 서 형성된다.
생존을 위한 전쟁을 끝내고 비즈니스 모델이 검증된 기업들은 시 리즈 C 투자를 고려하게 된다. 보통 해외 시장으로 진출하거나 새로 운 연관 사업을 추진하는 단계에서 이루어지며, 기업 공개나 인수합 병이 가능한 기업들이 그 대상이다. 이 단계에서는 수백억 원 이상 의 투자가 이루어지며 투자 이후의 기업 가치도 약 750~1500억원 사이다. 대부분의 스타트업이 시리즈 C에서 외부 투자 유치를 마무 리하지만 더 큰 성장을 향해 시리즈 D, E, F까지 이어지는 경우도 있다.

- 하이퍼클로바는 이미 네이버의 다양한 서비스에 활용되고 있다. 검색어 입력 시 오탈자를 자동으로 수정하고, 네이버 쇼핑에 서 상품의 소개 문구 작성을 가이드 하거나, 클로바노트를 통해 회 의록을 요약하는 등의 기능은 하이퍼클로바의 숨은 공 덕분이다. 또한 하이퍼클로바를 손쉽게 쓸 수 있는 응용 서비스도 출시되었 다. 노코드 툴인 '클로바 스튜디오'가 그 예이다. 클로바 스튜디오 는 스타트업이나 개인이 코딩 없이도 AI 서비스나 앱을 개발할 수 있는 서비스이다. 실제로 국내 카피라이팅 서비스인 뤼튼은 클로바 스튜디오를 기반으로 제작되었다.
- 카카오브레인은 초거대 AI 모델 코GPTKoGPT를 오픈 API로 공개 했다. 코GPT는 한국어를 사전적, 문맥적으로 이해하고 사용자의 의도를 파악하여 문장을 생성하는 한국어 특화 언어 모델이다. 이 모델의 파라미터는 60억 개로 크기는 다른 모델들보다 비교적 작 은 편이다. 하지만 코GPT는 주어진 문장의 감정 분석, 질문에 대한 답변, 내용 요약 및 결론 예측, 다음 문장 작성 등 한국어와 관련된 언어 태스크에 강점을 보인다. 카카오브레인은 코GPT 모델의 크 기를 향후 100배 이상의 규모로 키울 예정이다.
또한 카카오브레인은 한국어 언어 모델 코GPT뿐 아니라 이미지 생성 모델 칼로의 API도 대중에게 무료로 공개했다. 이는 스태빌리 티AI와 비슷한 전략으로, 대중성을 경쟁력으로 삼고 있다. 이렇듯 카카오는 자체 개발한 혁신적 AI 모델을 API 형태로 지속적으로 공 개하고, 다양한 기업과의 협업 기회를 적극적으로 모색해 나가고 있다. 덕분에 개발자들은 코GPT를 활용해 앱을 개발하거나 서비 스의 성능을 높이는 데 활용할 수 있다. 가령 앱에서 키워드를 입력하면 문구를 자동 완성하거나 추천 문구를 보여주고 맞춤형 상품 추천 기능을 구현하는데도 이 모델을 사용할 수 있다. 또한 코드가 공개되어 있기 때문에 사용자가 풀고자 하는 문제에 맞게 모델을 파인 튜닝하는 것이 가능하다. 카카오브레인은 고객 서비스 플랫폼 및 광고 회사 등과 파트너십을 맺고 서비스 적용 범위를 넓혀 가고 있다.
카카오가 다른 언어 모델들과 차별되는 점 중에 하나는 코GPT 에 블록체인 기술을 적용할 로드맵을 가지고 있다는 점이다. 그렇 게 되면 코GPT의 학습을 지원하거나 고퀄리티의 참조 지식이 될 수 있는 데이터를 제공하는 사람은 모델의 지분을 가질 수 있다. 사용자가 이 모델을 사용했을 때 모델의 지분만큼 보상을 받는 구조 를 만들기 위함이다.
재미있는 전략이다. 이런 전략은 어쩌면 카카오가 무료 공개 메 신저로 시작해서 많은 사용자들을 모았고, 대중들의 커뮤니케이션 플랫폼이 되면서 혁신 비즈니스 모델들을 다양하게 만들어 본 경 험에서 비롯되는 것일지도 모른다. 만약 이 새로운 비즈니스 모델 이 만들어진다면, 특정 산업 분야에서 높은 퀄리티의 데이터를 가 지고 있는 개인이나 기업이 코GPT의 학습에 데이터를 제공하게 될 수도 있다. 개인이나 기업이 데이터를 제공할 유인을 블록체인 모델로 제공하고 있기 때문이다. 덕분에 코GPT는 비록 규모가 작 은 모델이지만 다양한 개인과 기업의 참여를 바탕으로 높은 성능 을 발휘하는 모델로 성장해 나갈 수 있을 것이다.
- 엑사원EXAONE은 이미지와 텍스트를 함께 학습한 멀티모달 초거대 AI 모델이다. 엑사원은 3천억 개의 파라미터를 가진 모델로 6천 억 개의 말뭉치와 2억 5천만 장의 이미지 - 텍스트 페어 데이터를 학습했기 때문에 언어와 시각정보를 통합적으로 다룰 수 있다. 텍스트를 입력하면 이미지를 생성할 수 있고, 이미지를 입력하면 텍스트로 설명하는 것이 가능하다.
엑사원은 '모두를 위한 전문가 AIExpert Al for Everyone'에서 이름을 따왔는데, 작명에서부터 느낄 수 있듯이 헬스케어, 금융, 교육, 제조 등 전 산업 분야에서 1퍼센트의 전문가와 같은 AI를 개발하는 것이 LG의 목적이다. 엑사원은 세상의 지식을 실시간으로 활용하고 현 실의 난제를 함께 해결하며, 최적의 의사 결정을 돕는 전문가 AI를 꿈꾼다. 즉, 전문가이면서도 폭넓은 AI로서 인간과 협력해 인류의 난제를 해결하고자 하는 휴머니즘적인 철학이 담겨있다.
- SKT가 제공하고 있는 에이닷은 사용자 맞춤형으로 다양한 정보 를 제공하여 사용자의 일상 관리를 돕는 서비스다. 아침에 사용자 를 깨우는 일부터 출근, 식사, 업무 일정 등 일상 루틴을 케어하고, 사용자의 관심사나 취향을 파악해 맞춤형 정보를 제안한다. 번거로 운 일들을 대신 처리해주고 사용자가 좋아할 만한 콘텐츠를 추천 해 주기도 한다. 이런 기능들은 SKT의 음성 비서 누구NUGU와 비슷 한 속성을 갖고 있다.
에이닷의 장점은 사람과 이야기하는 것처럼 자연스러운 소통이 가능하다는 점이다. 이를 위해 장기 기억 기술과 이미지 리트리벌 기술을 활용하고 있고 멀티모달 서비스를 적용 중이다. 장기 기억 은 오래된 대화 중 중요한 정보를 별도로 저장해 두었다가 대화 중 에 활용하는 기술이고 이미지 리트리벌 기술은 대화의 흐름상 가장 적합한 이미지를 찾고 소통에 활용하는 기술이다. 멀티모달은 텍스트뿐 아니라 음성, 이미지 등 다양한 데이터를 종합적으로 추 론하는 방식으로 보다 입체적인 소통을 가능케 한다. 또한 편향되 거나 부정확한 답변, 인식 오류 등에 대해서는 지속적으로 사용자 피드백을 통해 교정하면서 서비스를 고도화해 나가고 있다.
2023년 SKT는 자신들이 보유한 슈퍼컴퓨터 '타이탄'을 기존 대비 두 배의 규모로 확장했다. 컴퓨터에 설치된 엔비디아의 GPU 를 1,040개로 증설하였으며 초당 1경 7,100조 번의 연산 처리가 가능한 인프라를 구축했다. 이는 에이닷의 성능을 높여 가겠다는 적극적인 투자이다. 앞으로 에이닷에는 영어 학습, 사진 관리, 엑스 퍼트 서비스 등의 기능도 추가될 예정이며, 외부 사업자들에게도 API를 오픈해 생성형 AI 생태계를 지속적으로 넓혀 가고자 한다.

- 미국과 중국이 큰 축을 차지하고 있는 AI 전쟁에서 한국 기업은 어떻게 생존할 수 있을까?
검색 시장을 제패했던 네이버의 전략을 되짚어 보자. 구글 검색 이 정복하지 못한 3개국이 있다. 바로 중국, 러시아, 그리고 한국이 다. 나스미디어에 따르면 2022년 인터넷 이용자 조사에서 네이버 는 국내 검색 점유율 1위를 차지했다. 그 다음으로 유튜브, 구글이 뒤를 따른다. 구글 검색이 한국에 진출했을 때, 구글은 네이버보다 기술력, 한글 데이터, 자본, 관련 인재와 경험, 모든 면에서 앞서 있었다. 하지만 네이버는 이러한 격차를 극복하고 국내 검색 시장의 1위로 도약했다.
- 네이버는 국내 소비자의 감성과 니즈에 집중하고 이를 만족시키는 뾰족한 서비스를 제공했다. 네이버 실시간 검색은 지금 유행 하는 토픽을 알고 싶은 한국인들의 니즈를 저격한 서비스였다. 또 한 네이버 지식인은 기존 단순 검색에서 사용자가 스스로 필요 정 보를 모으고 종합해야만 하는 방식을 순식간에 바꿨다. 궁금한 내 용에 대해 질문을 던지면 전문가가 답변을 달아주는 새로운 검색 은 키워드 검색으로 만족할 수 없었던 소비자들의 마음을 사로잡았다. 검색 플랫폼과 연동된 네이버 카페, 블로그, 스마트스토어도 네이버 검색을 찾게 되는 이유다. 이런 사용자 니즈를 저격한 다양 한 모델들로 네이버 검색량은 급격히 증가하기 시작했다. 네이버는 이렇게 검색의 순환 구조를 만들면서 검색 시장의 지배력을 강화 해 나갔다.
AI도 마찬가지다. 네이버 검색이 특정 소비자 타깃의 니즈를 뾰 족하게 파고들었듯이, 불특정 다수의 소비자를 만족시키는 것이 아 니라 구체적인 소비자의 니즈를 노린다면 충분히 승산이 있다. 모 든 분야에 활용 가능한 AI가 아니라 미디어 AI, 엔터테인먼트 AI, 금융 AI, 교육 AI, 의학 AI와 같은 특정 분야에 특화된 AI 서비스 개 발에 집중하는 전략을 생각해 볼 필요가 있다.

- 깃허브의 코파일럿Copilot은 코드 자동 생성 서비스로 2022년 6 월 출시된 이후 많은 개발자들의 사랑을 받고 있다. 개발자의 반쪽 과도 같은 AI 프로그래머인 코파일럿은 코드 작성 에디터에서 실 시간으로 코드와 함수를 제안함은 물론, 코드 한줄 자동 완성부터 전체 코드 블록 작성까지 다양한 기능을 제공 중이다. 2022년 깃허 브의 조사에 따르면 88퍼센트의 개발자가 코파일럿이 개발자의 생 산성을 향상시켰으며, 96퍼센트가 코파일럿으로 반복적인 업무를 더 빠르게 처리할 수 있다고 응답했다.
- 깃허브의 코파일럿은 오픈AI의 코덱스Codex에 기반하고 있다. 코덱스는 자연어를 코드로 번역하는 모델로 비공개 베타 버전이 제공 중이다(2023년 2월 기준). 코덱스는 특정 작업 수행에 필요한 컴 퓨터 프로그램의 명령어인 커맨드를 자연어로 해석하고 사용자 대 신 커맨드를 실행할 수 있다. 코덱스는 GPT-3의 후손 격인 모델이 다. GPT-3 가 자연어 프롬프트에 대한 응답으로 자연어를 생성한 다면, 코덱스는 GPT-3의 자연어 이해 능력을 상당 부분 갖추고 있 지만 코드를 생성한다는 점이 다르다. 코덱스의 학습 데이터는 자연 어와 함께 공개적으로 사용 가능한 수십억 줄의 소스코드를 포함하 고 있다. 코덱스는 파이썬에 가장 탁월한 성능을 보이지만 이외에도 자바스크립트Javascript, PHP, 루비 Ruby, 타입스크립트Typescript, 쉘 Shell을 포함한 12개 이상의 프로그래밍 언어를 지원한다. 오픈AI 코덱스의 목표는 사람의 의도를 더 잘 이해하는 컴퓨터를 만들어 서 모든 사람이 프로그래밍으로 더 많은 일을 할 수 있도록 돕는 것이다.
코파일럿이 어떻게 작동하는지를 좀 더 자세히 살펴보자. 우선 개발자가 작성하고자 하는 코드의 로직을 설명하면 코파일럿이 개 발자의 의도를 구현하는 코드를 생성하고 제안한다. 그림에서는 '텍스트의 감성을 분석하는 코드를 웹 서비스를 사용해서 작성해 달라'는 개발자의 요청에 코파일럿이 곧바로 타입스크립트라는 프로그래밍 언어로 코드를 작성하는 것을 확인할 수 있다. 이런 식으 로 반복적인 코드 패턴을 만드는 일은 코파일럿에게 맡기고 개발 자는 구조를 개선하는 등 소프트웨어 개발에 있어서 더 중요한 일 에 더 많은 시간과 노력을 할애할 수 있다. 또한 개발자가 온라인에 서 코드 예제나 함수를 일일이 검색할 필요가 없으므로 많은 시간 과 노력이 절약된다. 코파일럿은 비주얼 스튜디오Visual Studio, 네오 빔Neovim, 젯브레인IDE'etBrains IDE와 같은 인기 있는 코드 편집기에 서도 지원되기 때문에 개발자가 다른 도구로 전환할 필요 없이 본 인이 선호하는 코딩 환경 내에서 사용할 수 있다는 장점도 갖고 있 다.
- 물론 코파일럿이 완벽한 코드를 작성하는 것은 아니며 코파일럿 이 생성한 코드가 100퍼센트 개발자에 의해 수용되는 것도 아니 다. 깃허브에 따르면 개발자는 코파일럿이 생성한 코드의 26퍼센 트 정도를 수락했으며, 개발자의 코드 파일 중 평균 27퍼센트 정도 가 코파일럿을 통해 생성되었다. 파이썬의 경우 코파일럿을 통한 코드 생성 비율이 40퍼센트까지 올라가기도 한다. 하지만 코파일 럿은 생성한 코드를 별도로 테스트하지 않으며 더 이상 사용되지 않는 라이브러리를 제안할 수도 있기 때문에 개발자가 직접 테스 트를 거치는 단계가 필수적이다. 그럼에도 이런 한계를 명확히 이 해하고 코파일럿을 활용한다면 더 효율적으로 코딩 작업을 수행할 수 있을 것이다.

- 유닷컴은 궁극적으로 구글의 대항마 자리를 노린다. 유닷컴의 CEO 리차드 소처는 구글이 폐쇄적이고 독점적인 검색 엔진이며, 광고 수익 극대화라는 목표 달성을 위해 사용자를 상대로 AI를 무 기화 했다고 비판한다. 또한 AI가 사용자를 조작하여 광고를 클릭 할 때까지 사이트에서 최대한 많은 시간을 보내도록 유도하는 것 은 이상적이지 않다고 지적한다. 이와 반대로 유닷컴은 개방형 검 색 플랫폼으로, 사용자에게 광고 폭격을 가하는 대신 사용자의 요 구를 충족시키는 것을 가장 중요하게 생각한다고 밝혔다. 또한 유 닷컴은 사용자들에게 검색 엔진 선택권이 있음을 강조한다. 같은 운영체제와 브라우저를 사용하더라도 다른 검색 엔진을 사용할 수 있는 기회와 권리가 있다는 것이다. 유닷컴은 아직 수익화 방법을 고민 중이지만 구글이나 빙 같은 광고 중심의 방식은 아닐 것이라 고 밝혔다. 오히려 덕덕고DuckDuckGo'와 유사한 비공개 광고를 검토 할 계획이라고 전했다. 또한 에세이와 블로그를 작성해 주는 기능에 대한 구독 모델이나, 주식 차트를 표시할 때 주식 앱을 연동하는 등 서드 파티 앱과의 연동을 통한 수익 모델을 고려 중이다.
유닷컴은 2022년 12월 생성형 AI를 도입했으며, 대화형 검색인 유챗은 유닷컴의 가장 특별한 기능이다. 사용자가 유챗을 통해 정 보를 검색하면 유챗은 온라인의 수많은 정보를 텍스트로 요약함과 동시에 출처에 대한 레퍼런스를 함께 표시한다. 사용자는 레퍼런스 의 하이퍼링크를 통해 출처에서 정보의 세부 내용을 확인할 수 있 다. 이는 생성형 AI가 갖고 있는 가장 큰 한계인 정확도와 할루시네 이션 문제를 일정 부분 극복한 것이다. 유챗은 멀티턴 대화도 지원하여, 사용자는 유챗이 제시한 정보를 바탕으로 연속적인 대화를 이어갈 수 있다. 가령 유챗이 추천한 컴퓨터 정보를 표로 정리해 달 라고 하면 표로 정리해서 보여주고, 유챗이 추천한 많은 제품 중에 서 하나만 추천해 달라고 하면 하나의 제품을 이유와 함께 추천해 준다. 이외에도 유닷컴은 에세이, 소셜 미디어 포스트, 블로그 등의 글쓰기, 코드 생성, 이미지 생성 등 생성형 AI를 활용한 기타 기능 들도 제공하고 있다.
유닷컴은 멀티모달 검색을 통해 서비스를 더욱 발전시킬 계획이 다. 계획이 실현될 경우, 사용자 질문의 성격에 따라 텍스트뿐 아니 라 이미지나 영상, 그래프, 표와 같은 다양한 접근법을 활용하여 질문에 더 적합한 응답을 생성할 수 있다. 
- 우리가 눈으로 보는 것을 컴퓨터가 알아듣는 언어로 표현하기 위해서는 기계와 대화할 수 있는 기술이 필요하다. 이런 기술을 구 매하기 위한 시장이 바로 프롬프트베이스이다. 프롬프트를 사고 판 다는 아이디어가 다소 생소할 수도 있다. 하지만 이 논리는 회사의 온라인 콘텐츠가 구글 검색 결과에서 더 높은 순위를 차지하도록 돈과 인력을 투입하는 검색 엔진 최적화와 큰 흐름에서 유사하다. 그럼에도 여전히 프롬프트를 돈을 주고 구매한다는 발상이 황당 한 이야기처럼 들릴 수 있지만 홈페이지에서 판매되는 상품들의 퀄 리티와 가격을 생각해 보면 생각보다 합리적이다. 현재 6.99달러에 판매 중인 레트로 푸드 스티커 이미지 파일은 기업용 판촉물을 만 드는데 사용할 수 있고, 1.99달러짜리 일러스트레이션 책 표지도 독립 출판을 준비하는 사람에게 유용하게 활용될 수 있다. 이처럼 상품들의 질이 유지될 수 있는 것은 프롬프트베이스가 프롬프트의 신 빙성을 위해 내부 검토 프로세스를 거치고 있기 때문이다. 마켓플레 이스에 등록된 모든 프롬프트는 사람이 직접 검토하며, 일관된 결과 를 안정적으로 생산하지 못하는 프롬프트는 이 단계에서 탈락한다. 게다가 다양한 스틸 사진을 생성할 수 있는 프롬프트는 저작권 걱 정 없이 마음 놓고 이미지를 사용할 수 있다는 점에서 아주 매력적이 다. 틱톡 비디오 스크립트, 비즈니스 모델 생성기, 책 작성, 유튜브 생 성기 등은 챗GPT의 인기 프롬프트로, 콘텐츠를 만드는 사람이라면 솔깃할 만하다. 물론 앞으로 풀어야 할 과제들도 남아 있다. 현재 프 롬프트베이스는 20퍼센트의 수수료를 받고 프롬프트 판매자는 수 익의 80퍼센트를 가져가는 구조로 되어 있다. 하지만 AI 작품이나 프롬프트의 저작권에 대한 문제는 합의가 되지 않은 영역이다.

- 혁신 기술은 새롭게 소비자 효용을 창출하면서 비즈니스 방식을 변화시키고 때로는 새로운 시장을 만들어 산업의 지형을 바꾼다. 하지만 무엇보다 중요한 사실은 혁신 기술이 등장하는 초기에는 이러한 변화의 상당 부분을 예측하기 어렵다는 것이다. 기술 혁신 이 일어나면 이전에는 전혀 상상하지 못했던 사회·경제적 양상, 시 장 그리고 심지어 문화의 변화까지 나타난다. 이렇게 혁신 기술로 인해 모든 것이 다시 시작되는 것 같은 순간이 찾아오는데 이를 '리셋 모먼트'라 부른다.
- 전략 기술 트렌드 예측으로 유명한 가트너는 생성형 AI가 적용 될 산업 분야를 어떻게 전망할까? 2023년 가트너는 생성형 AI가 활발하게 적용되고 있는 산업으로 다음의 다섯 가지를 꼽았다. 신약 설계, 재료 과학, 반도체 설계, 데이터 합성, 부품 설계가 그것이다. 신약은 보통 개발부터 시장에 선보이기까지 약 18억 달러의 비 용이 필요하다. 이 가운데 1/3은 신약 설계에 소요되는 비용이며, 이 단계에만 무려 3년에서 6년 정도의 시간이 필요하다. 생성형 AI 는 신약을 설계하는 이 기간을 수개월 단위까지 단축하며 비용을 획기적으로 줄일 수 있을 것이라 예측된다.
- 재료 과학과 관련성이 높은 자동차, 항공 우주, 방위, 에너지 등 의 산업 분야에서는 '인버스 디자인'을 통해 완전히 새로운 소재를 찾는 작업에 AI가 활용될 수 있다. 인버스 디자인이란 제품이 필요 로 하는 물성을 정의하고, 이로부터 역으로 해당 물성을 가질 가능 성이 높은 소재를 찾거나 만들어 내는 방법이다. 이 역시 데이터 분 석이 중요한 과정이므로 생성형 AI가 중요한 역할을 수행할 수 있 다.
반도체 또한 설계 단계에서 테스트를 거쳐 양산에 이르기까지 오랜 시간의 투자가 요구되는 분야이다. 생성형 AI는 이 과정에서 반도체의 설계를 최적화할 수 있는 디자인을 빠르게 만들어 냄으로써 몇 주씩 소요되었던 전문가의 제품 개발 라이프사이클을 단 몇 시간까지도 줄일 수 있을 것으로 기대된다.
지금까지는 개인 정보 보호 이슈 때문에 데이터 분석을 진행하 기 어려운 분야가 있었다. 하지만 생성형 AI를 활용하면 실제 데이 터의 통계적 특성을 파악하여 만들어 낸 가상 데이터 혹은 합성 데 이터를 토대로 데이터 분석을 진행해 이런 문제를 해결할 수 있다. 예컨대, 의료 데이터에서 개인 정보를 제외하고 실제와 유사한 가 상 데이터를 생성하여 연구 분석을 진행할 수 있는 것이다.
- 마지막으로 생성형 AI를 이용하여 성능, 재료, 제조 방법 등 특정 목표와 제약 조건을 충족하는 최적화된 부품을 설계할 수도 있다. 예를 들어, 자동차 제조 업체에서는 생성형 AI로 최적화된 부품을 설계함으로써 최종 제품인 자동차의 연비 향상을 이룰 수도 있다. 또한, 가트너는 2022년 기준 아직까지는 마케팅 메시지의 2퍼 센트만이 생성형 AI를 통해 만들어지고 있지만 2025년에는 대형 기업의 아웃바운드 마케팅 메시지 중 30퍼센트가 생성형 AI의 도 움을 받을 것이라고 예측한다. 그뿐만 아니라 영화 산업에서는 2030년 주요 블록버스터 영화의 90퍼센트가 생성형 AI로 만들어 질 것이라 예견하기도 했다. 

- 쉽고 빠른 카피라이팅 전문가: 카피스미스
카피스미스Copysmith가 사용자들에게 어필하는 포인트 중 하나 는 '빈 페이지 앞에서 멍하니 시간을 보내고 있지 말라'는 메세지이 다. 카피스미스에 당장 떠오르는 키워드를 넣는 것만으로도 카피라 이터, 블로거, 마케터는 빠르게 창의적인 아이디어를 얻고 점점 더 풍성하게 콘텐츠를 만들어 갈 수 있다고 강조한다. 카피스미스는 창의력이 풍부하든 그렇지 않든 누구나 쉽고 빠르게 광고 콘텐츠 작성을 시작할 수 있게 도와준다고 홍보한다.
카피스미스는 GPT-3를 기반으로 카피라이터와 AI 전문가가 함께 설계한 카피라이팅 서비스이다. 이 서비스는 사용 케이스에 따라 분류한 50개 이상의 템플릿을 제공한다. 또한 원하는 템플릿이 없는 경우 맞춤형 콘텐츠를 생성하는 것도 가능하다. 사용자가 해 야 하는 일은 단지 몇 개의 키워드를 입력하는 것뿐이다. 브레인스 토밍, 리서치, 초안 작성, 편집, 교정 등의 과정에 필요한, 지루하고 시간이 많이 걸리는 노력을 획기적으로 줄여준 것이다. 이렇게 AI 의 도움을 받아 매력적인 카피를 순식간에 생성한 사용자는 추가 적으로 콘텐츠의 완성도를 높일 수 있다. 이를 위해 카피스미스는 광고, 소셜 미디어부터 블로그 게시물까지 단어 수 및 가독성까지 체크해 준다. 또한 표절 검사기가 내장되어 있어서 작성한 카피를 검증하는 데도 활용할 수 있다.
카피스미스의 또 다른 특징은 팀원들과 함께 공동 작업을 할 수 있다는 점이다. 서비스의 UI에서 콘텐츠 작업에 팀원을 할당하고 작업 상태를 설정하기만 하면 쉽게 작업을 공동으로 진행할 수 있 다. 카피스미스는 크롬 브라우저의 확장 프로그램도 제공하고 있 고, API로도 활용이 가능하다.
카피스미스는 2020년 설립된 미국 스타트업으로, 쉽게 배포할 수 있는 AI 서비스를 통해 고객의 성장을 촉진하겠다는 목표로 설 립되었다. 2021년에 자신들의 서비스를 구글 애즈Google Ads에 통합 하는 기능을 출시했고, 현재는 생성형 AI 기반 카피라이팅 플랫폼 을 구축하기 위해 새로운 기능과 콘텐츠 템플릿을 지속적으로 만 들어 나가고 있다.

- 생성형 AI의 사용자는 자신이 원하는 방향으로 콘텐츠가 만들어 지게끔 프롬프트를 통해 AI를 잘 이끌어야 한다. 프롬프트가 구체 적이고 창의적일수록 더 고퀄리티의 결과물이 나온다. 아마존에는 이미 달리, 미드저니, 스테이블 디퓨전 관련 이미지 프롬프트 책이 다수 출간되었고, 앞 장에서 살펴본 프롬프트베이스처럼 프롬프트 를 돈 주고 거래할 수 있는 마켓플레이스도 등장했다. 따라서 '프롬 프트 엔지니어링'은 지금보다 똑똑한 차세대 AI가 등장할 때까지는 특히 창작 영역에서 가장 중요한 기술이자 직무로 자리 잡을 가능 성이 높다.
- 또한 프롬프트는 한두 번의 입력으로 끝나지 않는다. 모델이 이미지나 텍스트와 같은 콘텐츠를 생성하면 다시 사람이 이를 평가 하고 편집하는 파인 튜닝 작업이 이루어져야 하는데, 특히 이미지 생성 모델은 상당히 긴 과정의 프롬프트 엔지니어링을 거쳐야 한 다. 미술전에서 1등을 차지한 제이슨 앨런과 미드저니의 합작품은 무려 80시간 이상, 900개 이상의 습작으로부터 탄생한 결과이다. 제이슨은 원하는 그림을 얻을 때까지 프롬프트를 계속해서 미세 조정한 뒤, 어느 정도 원하는 결과물이 나왔을 때 어도비 포토샵과 AI툴을 활용해 이미지의 품질과 해상도를 높였다. 그렇게 완성된 세 개의 작품이 캔버스에 인쇄되어 세상에 드러난 것이다.
이처럼 창작의 영역은 AI가 가장 빠르게 발전하고 있는 부분이 지만 동시에 여전히 인간의 개입이 필수적인 분야이다. 이런 흐름 에 맞게 창작과 콘텐츠 분야의 생성형 AI는 사용자와 AI 사이의 협 업을 증진하고, 사용자가 AI를 활용해서 더 좋은 결과물을 만들 수 있도록 지원하는 방향으로 흘러가고 있다.
- 생성형 AI는 아직 전문가가 만든 콘텐츠 만큼 고퀄리티의 영상 을 생성하지는 못하고 있다. 하지만 기술력이 성숙하는 단계에 이 르면 멀티미디어 영역에서도 고도화된 모델을 기반으로 다양한 서 비스가 나올 것으로 기대된다. 다만 구글과 메타는 텍스트를 영상 으로 바꾸는 AI의 소스코드는 공개하지 않았다. 유명인이나 지인을 합성하는 악용 사례를 우려한 결정이다.
대표적인 미디어 매체인 뉴스의 경우에도 생성형 AI 서비스의 혜택을 누릴 것으로 보인다. 데이터 수집과 같은 저널리즘의 단순 업무는 생성형 AI를 활용해 자동화하고, 기자와 편집자는 스토리라 인 등에 집중하는 것이다. 이제 미디어 업계에서 AI는 일종의 필수 도구가 되었다. 이 새로운 도구를 얼마나 잘 활용하는지가 경쟁력 이 되는 시대가 온 것이다.
- 지금까지 디자인은 인간의 창의성이 표현되는 대표적인 영역이 었다. 디자인을 포함해 예술 분야에서는 도구에 대한 논란이 끊임 없이 등장해 왔다. 사진 기술이 처음 등장했을 때 과거의 예술가들 은 사진을 예술로 인정하지 않았다. 하지만 현대의 사진은 엄연한 예술의 영역으로 인정받고 있다. 디지털 도구로 사진을 편집하는 포토샵이 처음 등장했을 때도 이런 도구는 예술가의 영역을 침범 하고 과도한 경쟁을 유발한다는 논란이 있었다.
이런 역사를 통해 우리가 잊지 말아야 하는 점은, 언제나 새로운 도구가 도입되었을 때는 이를 거부하는 사람들이 있었고, 반대로 이를 적극적으로 채택하여 본인의 경쟁력을 강화해 온 사람들 또 한 있었다는 것이다. 생성형 AI 서비스는 디자이너가 반복적인 작 업을 간편하게 처리해 효율적으로 작품과 디자인에 대한 아이디어 를 빠르게 떠올리도록 도울 수 있다. 예를 들어, 챗GPT에 "[무언 가]에 적합한 색 구성표를 찾아줘"와 같은 요청을 할 수 있다. 이러 한 사용자의 요청에 대해 챗GPT는 몇 가지 권장 사항을 제공하는 데 이를 참고하여 디자인 가이드로 활용할 수 있다. 디자인 AI는 과 거의 사진 기술처럼 논란의 대상일 수도 있지만, 생성형 AI가 디자 이너에게 유용한 도구라는 사실은 분명하다. 디자인 분야가 생성형 AI를 활용해 더 풍부한 영역으로 나아갈 수 있을지는 디자이너들 의 선택에 달렸다.

- 키퍼와 타뷸레이트 서비스는 모두 GPT-3 모델을 기반으로 하 고 있다. 이들은 언어 모델의 텍스트 처리 능력을 기반으로 데이터 를 분류하고 편리한 세금, 회계 관리를 지원한다. 재밌는 것은 둘다 명확한 고객층을 타깃으로 서비스를 시작했다는 점이다. 키퍼는 긱 워커와 크리에이터, 타뷸레이트는 푸드트럭이나 중소규모의 식당 을 운영하는 사람 등을 주요 고객으로 삼고 서비스를 개발했다. 세 무사나 회계사를 고용하기에는 비용이 부담되고 또 기존의 소프트 웨어가 잘 지원하지 못하는 고객을 시작으로 점차 비즈니스 영역 을 확장해 나가고 있는 것이다.
- 현재 금융 분야에서 생성형 AI는 금융 서비스의 단순 자동화와 비용 절감에 주로 활용되고 있다. 하지만 점차 초개인화된 금융 자 문 서비스로 발전해 나갈 것이다. 예컨대 계좌 잔액 확인, 결제, 투 자 추적과 같은 고객 응대 서비스에 주로 활용되기 시작하여, 이후에 는 은행 직원의 도움 없이 생성형 AI와의 대화를 통해 금융 거래를 빠르고 효율적으로 완료할 수 있게 될 것이다. 기업 입장에서는 콜센터 및 오프라인 지점 운영 비용을 절감할 수 있다.
하지만 이는 정말 기초적인 수준에 불과하다. 앞으로 생성형 AI 가 금융에 미칠 영향은 고객 서비스 이상이 될 것이다. 챗GPT가 대중에게 충격을 주었던 것은 단순히 기존 데이터를 잘 요약해 주 었기 때문이 아니다. 이는 기존 데이터를 기반으로 새로운 내용을 '생성하는 일이 가능했기 때문이었다. 따라서 생성형 AI는 방대한 양의 금융 데이터를 학습해 기존 분석가들이 볼 수 없었던 트렌드와 패턴을 포착하고 미래를 예측하는데 활용될 수 있다. 예를 들어 뉴스 기사, 수익 보고서, 애널리스트 보고서와 같은 대량의 금융 관 련 데이터를 처리하고 분석해서 주식 또는 전체 시장 예측에 대한 새로운 의견을 생성할 수도 있다.
또한 생성형 AI는 개인에게 맞춤화된 금융 조언과 상품 추천 등 을 제공하게 될 것이다. 이를 통해 더 많은 소비자가 더욱 개인화된 금융 경험을 누릴 수 있다. 자산가들이 주로 이용하는 자산관리 서 비스는 AI를 통해 대중화될 것이며, 재정 자문 및 계획, 투자 추천, 포 트폴리오 관리 등의 서비스를 일반인도 사용할 수 있게 될 것이다.
- 2016년 설립된 노션랩스Notion Labs는 미국 샌프란시스코에 본사 를 두고 있는 유니콘 스타트업으로, 현재 시리즈 C까지 총 3억 4000만 달러가량의 투자를 받았다. 이 기업은 메모, 문서, 프로젝 트 관리, 웹 사이트 등 모든 업무 관련 애플리케이션을 통합한 올인 원 업무 서비스 노션을 제공하고 있다. 노션이 갖는 장점은 업무를 위해 여러 가지 앱을 사용했던 기존 서비스와 달리 하나의 서비스 에 모든 기능을 통합했을 뿐만 아니라 직관적인 인터페이스까지 갖추고 있다는 점이다. 이런 특징이 유효하게 작용해, 출시 후 사용자들의 폭발적인 호응을 얻으며 현재 50개국 이상의 고객들이 사용하고 있다.
노션랩스는 2023년 2월 노션AI 서비스를 출시했다. 오픈AI의 GPT-3 모델을 기반으로 문서 작성을 지원하는 서비스이다. 현재 영어를 비롯해서 한국어, 일본어, 프랑스어, 독일어 총 다섯 개 언 어로 서비스를 지원하고 있다. 하지만 GPT-3가 영어 텍스트를 주 로 학습한 모델인 만큼 영어 버전의 성능이 가장 높다.
노션 AI는 총 14개 기능을 제공한다. 주요한 기능으로 사용자가 참신한 아이디어를 떠올릴 수 있게 도와주는 브레인스토밍, 더 빠 른 업무를 위한 단순 작업 자동화, 맞춤법 오류, 문법 오류 수정 및 번역 등을 제공 중이다. 게다가 작성된 글의 콘셉트도 클릭 한 번으로 바꿀 수 있다. 캐주얼한 글인지, 전문가 스타일의 글인지만 선택 하면 노션AI가 전체 글을 다듬어 준다. 전문 글쓰기를 하는 사람들 이 글쓰기를 빠르게 시작하고 편하게 마무리할 수 있도록 돕는 기 능이다.
노션AI는 메모 요약, 할 일 목록 정리, 콘텐츠 커스텀이 가능한 AI 블록을 제공한다. 이 기능들을 활용하면 이제 회의록을 작성할 사람을 따로 지정할 필요가 없어진다. 회의를 녹음해서 업로드하기 만 하면 회의 내용 요약에서 해야 할 일 정리까지 순식간에 처리되 기 때문이다.

- 그 목적에 따라 검색 양상은 크게 네 가지 정도로 분류해볼 수 있다. 첫 번째 검색 양상은 룩업형 검색 Exploitative, lookup search이다. 가장 기본적인 검색 방식으로 사용자가 찾고자 하는 목표가 명확 한 경우이다. 사용자는 자신이 뭘 원하는지를 분명히 알고 있고 비 교적 객관적인 정답이 존재한다. 날씨나 제품의 가격을 묻거나 유 명인의 생일을 확인하는 것이 이에 해당한다.
두 번째 검색 양상은 탐사형 검색 Exploratory search 으로 탐사형 검색을 하는 사용자는 자신이 무엇을 원하는지에 대한 목표도 불분 명하고 해당 영역에 익숙하지 않다. 사용자는 부정확한 검색 쿼리 를 이리저리 수정하고, 초기 결과를 바탕으로 쿼리를 반복적으로 재구성하는 등 매우 역동적인 행동을 보인다. 예를 들어 뉴스를 통 해챗GPT를 처음 접한 사용자가 챗GPT를 통해서 무언가 해보고 싶다는 생각이 들어서 인터넷을 찾는 경우가 탐사형 검색에 속한다. 세 번째로 룩업형 검색과 탐사형 검색의 양상이 결합된 유형인 하이브리드 검색 Hybrid search이 존재한다. 사용자가 자신이 뭘 원하는지는 알고 있지만 더 많은 정보와 추가 탐색이 필요한 케이스다. 이때 사용자는 한 번의 쿼리로 검색을 끝내는 것이 아니라 다수의 문서와 항목들에 걸쳐 반복적으로 검색하고 정보들을 종합해야 한다. 제한된 예산 내에서 컴퓨터 구매를 위한 결정을 내리는 경우가 여기에 해당한다.
마지막 검색 양상은 대규모 언어 모델 그리고 생성형 AI의 탄생 과 함께 등장한 생성형 검색 Generative search이다. 챗GPT에게 소설 이나 이메일을 써 달라고 하거나, 코드 작성을 요청하는 경우가 여 기에 해당한다. 이는 기존 검색 엔진에서는 찾아볼 수 없었던 검색 양상이다.

- GPT-3.5를 기반으로 한 챗GPT는 입출력이 텍스트에 제한되어 있었다. 그리고 2023년 3월 14일 오픈AI는 GPT-4를 공개하면서 자신들의 모델이 대규모 멀티모달 모델large multimodal model로 진화 하였음을 발표했다. GPT-4는 이전보다 매개변수가 더 커지고 성 능도 향상되었으며, 특히 창의력과 추론 능력이 발전하였다. 이제 막 출시된 GPT-4는 듀오링고Duolingo, 칸 아카데미, 모건스탠리 Morgan Stanley와 스트라이프Stripe 등 교육에서 금융에 이르기까지 다양한 분야에서 서비스 고도화를 위해 도입하고 있다.
- GPT-4의 가장 인상 깊은 변화는 텍스트와 이미지를 모두 입력 으로 받아 이해하고 처리할 수 있는 멀티모달 모델이 되었다는 점이다. 예를 들어, 냉장고 내용물 사진을 제시하고 어떤 요리를 만들 수 있는지 물어보면 GPT-4는 사진 속 재료로 만들 수 있는 음식 을 제안한다. 또한 이미지의 유머 코드를 이해하는 것까지도 가능 하다.
멀티모달 모델이 적용된 GPT-4는 실제 서비스에 적용될 수 있도록 테스트 과정을 거치고 있다