챗GPT가 촉발한 초거대 AI 비즈니스 혁신
2023년 혁신의 파도가 몰고 온 거대 키워드 ‘챗GPT’를 둘러싼 논의가 빠르게 진행되고 있다. 디지털 대전환 시대에서 AI(인공지능)는 가속도를 내며 진화하여 연일 새로움과 놀라움을 선사한다. 챗GPT가 일상 속으로 파고드는 가운데, ‘챗GPT로 인해 비즈니스가 어떻게 바뀌고, 어떤 새로운 사업 기회가 있을지’가 초미의 관심사이다. 챗GPT와 초거대 AI, 생성형 AI의 정의를 알아보고, 이에 따른 기업 부서별 변화 방향성을 점검해본다. 아울러 기업 C-Level이 주안점을 둬야 할 AI 관리 방안 즉, ‘AI 거버넌스 프레임워크’를 제언하며 본격적 AI 시대의 개막 준비에 기여하고자 한다.
emerging

챗GPT의 등장, 생성형 AI 및 초거대 AI 정의는?

챗GPT의 GPT는 ‘사전 훈련된 생성 변환기(Generative Pre-trained Transformer)’를 뜻한다. 미국의 인공지능 전문 기업 ‘오픈AI(OpenAI)’가 2022년 11월 말 챗GPT를 선보이면서, 전 세계적 파장을 가져왔지만 사실 GPT는 오픈AI의 전유물은 아니다.

챗GPT의 근간이 되는 GPT 모델이 무엇인지 거슬러 올라가면, 그 뿌리는 2017년 구글이 발표한 트랜스포머(Transformer)이다. 구글의 트랜스포머는 자연어 처리 모델로, 다음에 오는 단어나 문장을 예측하며 맞추는 방식이다. 문장의 생성을 위한 최적화 모델이라는 의미에서 ‘언어 생성 모델’로 부르고 있다.

챗GPT와 함께 등장하는 키워드인 생성형 AI(Generative AI)는 ‘기존 대규모 데이터의 패턴을 자기지도 학습하여 명령어(Prompt)에 따라 새로운 이미지, 영상, 음악, 텍스트, 코드 등의 콘텐츠를 생성하는 인공지능 기술’로 정의할 수 있다. 이와 함께 알아야 할 용어인 ‘초거대 AI’는 초거대라는 말처럼 ‘AI 언어모델로 방대한 양의 데이터와 작업을 처리하는 인공지능 시스템’이다.

emerging

챗GPT로 살펴보는 GPT 역사··· GPT-1부터 GPT-4 中 ‘챗GPT는 3.5 버전’

챗GPT가 비즈니스 세계의 새로운 기준을 만들고 있는 가운데, 챗GPT를 제대로 이해하기 위해서는 GPT의 발전 역사를 살펴봐야 한다. 챗GPT는 어느 날 갑자기 탄생한 것이 아니다. 버전1로 탄생하여 진화를 거듭하다가 GPT-3.5 버전에 해당하는 챗GPT가 특히 전 세계에 초강력 돌풍을 일으킨 것이다. 세상을 바꿔버린 기업으로 부상한 오픈AI는 2018년 GPT-1을 출시한 후, 순차적으로 후속 버전을 내놓았다. 오픈AI가 GPT-3을 공개한 후에는 텍스트 기반 이미지 생성 모델로 이른바 ‘AI 화가’라고 불리는 ‘달리(DALL·E)’를 출시했다.

이어 2022년 11월 30일 GPT-3.5에 해당되는 챗GPT를 출시한 후 단 5일 만에 이용자 수 100만 명을 기록하며 넷플릭스, 페이스북, 인스타그램 등이 세웠던 100만 가입자 돌파 시기를 압도적으로 단축했다.

챗GPT의 GPT-3.5 모델이 특히 주목받은 이유 중 하나는 그 무엇보다 우수한 성능이었으며, 챗GPT 출시 초기에 모든 이용자들에게 무료로 제공했다는 것, 인간이 태생적으로 편하게 느끼는 대화형으로 설계했다는 것도 큰 반향의 비결이 됐다. 챗GPT가 이용자의 질문에 대하여 자연스러운 대화와 완성도 높은 내용으로 답을 하도록, 오픈AI는 GPT-3.5에 3단계의 훈련 과정을 활용한 강화학습을 적용해 추출되는 데이터의 적합성을 높였다.

이어 오픈AI는 2023년 3월 이미지·음성 데이터를 인식하는 GPT-4를 출시하기에 이르며, 버전을 거듭할 때마다 적용 범위를 넓혀 생성형 AI의 활용성을 강화하고 있다.

emerging

초거대 AI의 주목 받는 플레이어··· 글로벌·국내 기업 개발 현황

글로벌 주요 빅테크 기업들은 AI 투자에 사활을 걸고 있다. 최근 빅테크 기업들은 대규모 투자를 기반으로 텍스트, 이미지, 음성, 영상 등 여러 분야의 생성형 AI를 앞다투어 개발·출시 중이다.

국내에서도 네이버, 카카오 등 주요 기업과 통신사가 자체 파운데이션(기반) 모델을 구축해, 이를 기반으로 생성형 AI 서비스를 적극 개발하고 있다. 국내 다수 스타트업 또한 국내외 주요 파운데이션 모델을 기반으로 다양한 생성형 AI 애플리케이션을 다수 출시 중이다. 여러 기업에서 선보이는 AI 시스템의 유사점·차이점을 비교해보는 것이 2023년의 중요한 관전 포인트이다.

초거대 AI가 불러올 기업 부서·Funtion별 혁신

AI 도입으로 기업에 다양한 변화와 새로운 비즈니스 기회가 다가오고 있다. D&A(Data & Analytics) 시대 속 데이터가 초거대 AI와 융합되며 산업 밸류체인 전반의 혁신이 예상된다. 산업의 진화와 함께 기업의 부서별 변화 방향성을 살펴보면, 생성형 AI의 영향력이 거세게 미치는 부서로 먼저 ‘마케팅·영업’을 꼽을 수 있다. 광고 카피라이팅 문구를 예로 들면, 과거에는 인간 카피라이터가 1안부터 50안, 때로는 100안까지 수십 개의 광고 문구 가안을 고심하며 직접 만든 후 최종 선택을 했다. 반면 생성형 AI 시대에서는 다채로운 가안을 챗GPT와 같은 툴이 만들어준 후 그 안에서 인간이 최종 결정을 내려 시간과 비용을 단축하게 된다. 소비자 맞춤형 마케팅 콘텐츠를 생성할 때와, 시장 소비자 데이터를 분석해 제품 추천·가격 설정 등 세일즈 전략을 세울 때에도 AI 기술을 적극 활용할 수 있다.

그 밖에 기업의 인사(HR) 부서는 생성형 AI 기술 도입을 통해 채용 프로세스를 자동화하고 인적 자원의 역량 분석·개발을 고도화할 수 있다. 법률·컴플라이언스 부서는 AI를 통한 법적 문서 작성, 규제 준수 모니터링의 신속성 및 정확성을 높이게 된다. R&D(연구·개발) 부서는 생성형 AI 기술 발달로 개발 부담이 줄어드는 노코드(No code), 로코드(Low code) 트렌드에 힘입어 개발 생산성을 증진할 수 있다. 물류·유통 부문에서는 AI 기술을 활용하여 재고 관리 및 발주·유통 프로세스를 자동화하고, 최적화된 경로 설정 및 관리가 용이해질 것으로 예상된다.

emerging

C-Level 어젠다 ··· AI 생태계 발전을 위한 ‘AI 거버넌스’ 구축

AI의 급격한 확산이 장점만 있는 것은 아니다. 기업 C-Level은 AI 도입에 따른 부작용을 예측하며, 이를 선제적으로 관리해야 한다. AI의 잠재적 리스크로는, 편향된 데이터로 인해 부정확한 결과가 도출되는 경우를 꼽을 수 있다.

또한 학습 데이터 기준의 부재로 인해 윤리적 문제가 발생할 우려도 있다. ‘AI 모델이 도출한 결과값을 신뢰할 수 있는가?’부터 ‘AI 관련 사고 발생 시, 대응 프로세스가 존재하는가?’, ‘AI 판단 결과를 어떻게 고객이나 규제 당국에 이해시킬 수 있는가?’에 이르기까지 AI 도입에 따른 주요 질문(Key Questions)을 만들 필요가 있다. 질문을 만드는 것을 넘어 기업의 고유한 상황을 고려하여 조직과 R&R(역할·책임), 프로세스와 모형 검증 측면에서 AI를 관리하는 ‘AI 거버넌스’ 방안 수립이 필수적인 시점이다. AI 거버넌스원칙에 기반하여 신뢰할 수 있는 AI 운영을 위한 프레임워크 또한 설계해야 한다. 

AI 관련 법·제도와 회사 내부 규정의 검토와 함께 AI 규정·지침 수립에 필요한 항목을 도출하며 AI 거버넌스 가이드라인을 작성해야 한다. 아울러 AI 생애주기를 관리하기 위해 AI 위원회, 전담 조직 등 신규 조직 구성을 추진해야 하며, 기업의 현실적인 상황을 감안하여 점진적 확대 가능한 조직 구성도 염두에 둘 수 있다.

손자병법에 나오는 ‘병형상수(兵形象水)’라는 말이 주효한 2023년, 흐르는 물처럼 주변 형세에 따라 기업 또한 시시각각 변화해야 선제적 기회를 선점할 수 있다.

CONTACT US

디지털본부장 • 조재박 부대표 (jaeparkjo@kr.kpmg.com)
경제연구원 • 이효정 상무 (hyojunglee@kr.kpmg.com)