ChatGPT를 넘어, 생성형 AI(Generative AI)의 미래 – 2편

- 생성형 AI 시장 동향을 다룬 해당 아티클은 1, 2편으로 나누어 게재됩니다. -

생성형 AI, 최대 시장은 북미, 최고 성장률은 아태지역^{[10][11][12][13]}

북미 지역은 2022년 40.2%의 점유율로 시장을 주도했으며, 가상 상상력 및 의료 서비스의 증가, 은행 사기의 급증과 - 예를 들어, 2021년 첫 4개월 동안 미국의 디지털 사기 시도는 2020년 동기 대비 약 25% 이상 증가했으나, 금융 서비스 분야는 약 109% 증가했습니다. - 함께 다양한 산업에 걸친 워크플로 현대화 등의 요인들로 인해 예측기간(2023~2030년) 동안 연평균 35.6% 성장할 것으로 예상됩니다. Meta, Microsoft, Google LLC 등 미국 중심의 주요 시장 참여업체, 발전된 기술 기업들, 그리고 전문가의 존재는 북미 시장을 지원할 것이며, 대형 기술 기업들은 생성형 AI 스타트업과 기술에 투자하고 있습니다. 또한, 미디어 및 엔터테인먼트, 헬스케어 등의 산업에서 AI 생성 콘텐츠에 대한 수요 증가, 모델 훈련을 위한 대량의 데이터 가용성 및 특정 작업을 위한 미세 조정(Fine-tuning) 증가 등의 요인들도 북미 시장 성장에 영향을 미치고 있습니다.

아태지역은 예측기간(2023~2030년) 동안 연평균 36.5% 성장률로 가장 빠르게 성장할 것으로 예상됩니다. 인도, 한국, 중국 등의 신흥 경제국에서 다양한 애플리케이션에 대한 인공지능의 채택과 통합을 지원하기 위한 정부의 적극적인 이니셔티브가 증가하고 있으며, 많은 기업들이 생성형 AI 적용을 위한 개발 및 실험에 집중함에 따라 해당 시장 성장이 촉진되고 있습니다.

글로벌 생성형 AI 시장(지역별, 2023~2030년), 출처: Grand View Research^[11]

생성형 AI 구성요소, 최대 시장은 소프트웨어 부문^{[10][[11][12][13]}

소프트웨어 세그먼트는 2022년에 가장 큰 매출 점유율인 64.8%를 차지했으며, 예측기간(2023~2030년) 동안에도 시장을 주도할 것으로 예상됩니다. 소프트웨어 부문은 R&D 활동의 급증과 생성적 설계의 성장으로 건축, 공학 및 제품 개발에서 새로운 독특한 디자인을 만들기 위해 AI 활용이 확대되고 있습니다. 또한, 하드웨어 시스템에서 수신한 데이터를 통합하고, AI 시스템으로 처리하여 신속하고 지능적인 결과를 생성하는 능력으로 인해 시장 성장을 가속화할 것입니다. 강력한 기계학습 모델 기반의 생성형 AI 애플리케이션은 패션, 엔터테인먼트, 운송 등 다양한 산업과 분야에서 중요한 역할을 할 것으로 예상됩니다. 예를 들어, H&M과 Adidas와 같은 브랜드는 생성형 AI를 활용하여 의류 디자인과 맞춤형 운동화를 만들었습니다. 또한, 생성형 AI 기술은 패브릭과 인쇄물을 위한 독특한 패턴 생성에도 사용되어 디자이너들의 시간과 노력을 절약할 수 있습니다.

서비스 세그먼트는 예측기간(2023~2030년) 동안 가장 빠른 성장률인 36.5%를 기록할 것으로 예상됩니다. 이 세그먼트의 성장은 데이터 보호, 거래 예측, 위험 요소 모델링 및 사기 탐지 등과 관련된 요구가 커지기 때문일 수 있습니다. 지난 몇 년 동안 의료 및 금융을 포함한 많은 업종에서 데이터 손실 및 보안 위반과 관련된 우려가 급격히 증가했으며, 이로 인해 시장 참여자들은 문제를 해결하기 위해 더욱 발전되고 향상된 서비스를 개발하고 있습니다. 클라우드 기반 생성형 AI 서비스는 유연성, 확장성 및 비용 효율성을 제공하여 서비스 부문의 성장을 견인할 것으로 예상됩니다.

아시아 태평양 – 생성형 AI 시장(구성요소별, 2023~2030년), 출처: Grand View Research^[11]

생성형 AI 기술, 최대 시장은 트랜스포머(Transformer)^{[6][7][10][11][12]}

기술 관점의 시장은 생성적 대립 신경망(GANs, Generative Adversarial Nets), Transformers, 변분 오토인코더(VAEs, Variational autoencoder), 그리고 확산 네트워크(Diffusion Networks)로 세분화됩니다. 생성형 AI의 핵심 기술인 딥러닝 방법은 생성적 대립 신경망(GANs) 및 순환 신경망(RNN, Recurrent Neural Network)을 포함하여 최근 몇 년 동안 크게 발전했습니다. GANs 기술을 통해 기계는 피드백을 기반으로 학습하고 출력 품질을 향상할 수 있습니다. GANs은 출력을 생성하는 생성자 네트워크와 출력 품질을 평가하는 판별자 네트워크로 구성되며, 두 개의 네트워크를 함께 훈련함으로써 인간이 만든 콘텐츠와 구별하기 어려울 정도의 현실적인 콘텐츠를 생성할 수 있습니다.

Transformer는 훈련 데이터의 숫자적 표현을 계산하는 일종의 심층신경망 아키텍처로, 순차적 데이터에서 관계를 추적함으로써 문맥과 의미를 학습합니다. Transformer 방법은 주변 데이터 요소가 서로 영향을 주고받는 미묘한 방법을 감지하기 위해 주목(Attention) 또는 셀프-주목(Self-attention)이라 불리는 수학적 기법들을 적용합니다. Transformer는 텍스트 및 음성과 같은 자연어를 실시간 처리하고, RNN 등의 기존 기술과 비교해 실행 속도가 빨라 대체가 가능합니다. Transformer 기술은 2022년에 가장 큰 매출 점유율인 41.5%를 차지했으며, 예측기간(2023~2030년) 동안 연평균 34.9%로 성장할 것으로 예상됩니다. 이는 자연어 처리에 대한 수요 증가와 함께 텍스트를 이미지로 변환하는 Transformer 애플리케이션의 채택이 증가하기 때문입니다. 예를 들어, DALL-E는 텍스트 데이터를 이해하고 해당 데이터를 이미지로 변환하는 Transformer를 활용했으며, GPT-3 역시 텍스트-텍스트 Transformer 기술을 활용한 모델로 사람이 작성한 것처럼 보이는 텍스트를 생성하고 시를 쓰고 이메일을 작성할 수 있습니다.

반면, 확산 네트워크(Diffusion Networks)는 예측기간(2023~2030년) 동안 가장 빠른 성장률인 38.1%를 기록할 것으로 예상됩니다. Diffusion Networks는 원본 데이터를 무작위로 만드는 과정을 역으로 추적하여 새로운 데이터를 생성하는 것입니다. 먼저, 원본 데이터에 무작위 잡음(Noise)을 추가하여 데이터를 "diffuse"시킵니다. 이 과정을 여러 단계 거쳐서 수행하면, 원본 데이터는 균일한 노이즈 분포로 변합니다. 이후, 이 과정을 거꾸로 추적하여 원본 데이터를 재구성하게 됩니다. 이 재구성 과정에서 모델은 원본 데이터와 유사한 새로운 데이터를 생성합니다. 게다가, 확산 네트워크는 생성적 대립 신경망(GANs)의 단점을 극복함으로써 노이즈를 더 잘 처리하고 훈련 시 노력을 줄이면서 비슷하거나 더 높은 품질의 다양한 이미지를 생성할 수 있습니다. 생성형 AI에 확산 네트워크를 사용함으로써 이미지 생성, 다양한 예술 스타일로의 렌더링, 애니메이션 등의 다양한 기능을 활용할 수 있습니다.

생성형 AI 모델, 최대 시장은 대형 언어 모델(LLM) 분야^[11]

모델 관점에서 대형 언어 모델(LLM, Large Language Model) 세그먼트가 2022년에 33.6%의 점유율로 시장을 주도했으며, 예측기간 동안 연평균 35.0%로 성장할 것으로 예상됩니다. 이 세그먼트의 성장은 사용자와 대화를 나눌 수 있는 챗봇부터 제품 설명이나 기사를 작성할 수 있는 콘텐츠 생성 도구 등 다양한 응용에서 비롯됩니다. 대형 언어 모델은 NLP 응용 프로그램 개발의 시간과 비용을 줄이는 데 도움이 될 수 있습니다. GPT와 같은 대형 언어 모델은 NLP 분야에서 인기를 얻고 있습니다. 이러한 모델은 인간과 유사한 언어를 이해하고 생성할 수 있어 다양한 응용 분야에서 유용하게 활용됩니다.

멀티 모달 생성 모델은 예측기간 동안 가장 빠른 성장률인 41.6%를 기록할 것으로 예상됩니다. 생성형 AI는 멀티 모달리티를 가질 수 있게 합니다. 즉, 이미지와 텍스트, 음성 등 여러 모달리티를 동시에 처리할 수 있으며, 응용 영역을 확장하고 다양성을 증가시킵니다. 멀티 모달 생성 모델은 여러 모달리티의 데이터 학습으로 더 큰 정확성과 견고성을 확보할 수 있으며, 인간과 같이 유연한 사고가 가능한 한 단계 높은 차원의 모델로서 세그먼트의 성장을 촉진합니다.

이미지 및 비디오 생성 모델은 고전적인 방법으로는 어렵거나 불가능한 높은 품질과 현실적인 이미지 및 비디오를 빠르게 생성하는 데 도움이 되어 상당한 비율로 성장할 것으로 예상됩니다. 게다가, 이미지 합성은 엔터테인먼트 및 게임 분야에서 더 현실적이고 몰입감 있는 가상세계 개발에 활용되고 있습니다.

글로벌 생성형 AI 시장(모델별, 2022년), 출처: Grand View Research^[11]

생성형 AI 애플리케이션, 최대 시장은 자연어 처리(NLP) 분야^[6][11]

응용 프로그램 관점에서 자연어 처리(NLP, Natural Language Processing) 세그먼트는 2022년에 22.5%의 점유율로 시장을 주도했으며, 예측기간(2023~2030년) 동안 연평균 성장률 35.9%로 성장할 것으로 예상됩니다. NLP는 다양한 텍스트 및 음성 생성 응용 프로그램을 갖춘 강력한 생성 AI 도구입니다. 딥 러닝의 발전으로 순환신경망(Recurrent Neural Networks, RNN)과 같은 신경 NLP 모델, 구글 AI Language 연구원이 개발한 BERT 및 OpenAI의 GPT-3와 같은 Transformer 모델 등의 개발이 이루어졌습니다. 이러한 모델들은 NLP 기반 생성형 AI 애플리케이션의 정확성과 효율성을 크게 향상시켜 해당 시장의 성장을 촉진했습니다.

컴퓨터 비전 세그먼트는 예측기간(2023~2030년) 동안 연평균 성장률 38.1%로 성장할 것으로 예상됩니다. 운송 및 자동차 분야에서 컴퓨터 비전 시스템의 신속한 채택이 시장 성장을 견인합니다. 컴퓨터 비전 시스템의 빠른 처리와 높은 정확성, 그리고 경제적 이점이 컴퓨터 비전 시장을 주도하는 주요 요인 중 하나입니다. 게다가 보안 감시, 헬스케어 및 모니터링과 같은 비 산업용 애플리케이션에서의 사용이 증가함에 따라 컴퓨터 비전 시장에 유리한 기회가 창출되고 있습니다.

글로벌 생성형 AI 시장 (애플리케이션별, 2023년 & 2028년), 출처: Market and Markets^[6]

생성형 AI, 비즈니스 기능별 가치 창출^[5][14]

생성형 AI는 인공지능의 중요한 진화이며, 인간이 프로그래밍 언어가 아닌 자연어를 사용하여 컴퓨터와 소통하는 세계와의 연결을 향상시킵니다. 기업이 생성형 AI의 적용/구현을 서두르는 가운데, 생성형 AI가 경제/사회 전반에 가치를 제공할 수 있는 영향력은 어느 정도일까요?^[5] 생성형 AI는 자동화, 혁신, 개인화에 대한 새로운 기회를 열며, 비용을 절감하고 고객 경험을 개선하여 비즈니스를 변화시킬 잠재력을 가지고 있습니다.^[14]

맥킨지의 최신 연구에서 16개 비즈니스 기능에서 63개 사용 사례를 분석한 결과, 생성형 AI는 생산성(비용 절감 포함)에 대한 영향으로 세계 경제에 연간 2.6조 달러에서 4.4조 달러 – 비교해 보면, 2021년 영국의 GDP는 3.1조 달러 수준 - 규모의 가치를 창출할 수 있다고 추정했습니다. 이는 모든 인공지능의 영향력을 15%~40%까지 증가시키는 것이며, 사용 사례 외 다른 기능까지 생성형 AI를 적용할 경우 약 두 배로 증가할 것으로 예상했습니다. 특히, 판매/마케팅, 고객 운영, 소프트웨어 개발, 연구/개발의 네 개의 기능은 생성형 AI 사용 사례가 제공할 수 있는 총 가치의 75%를 차지하며, 해당 기능의 역할을 변화시키고 성능을 향상시킬 것으로 예측했습니다. 전통적인 인공지능(AI)인 고급 분석 및 기계학습 알고리즘은 예측 모델링과 같은 숫자 및 최적화 작업을 수행하는 데 효과적이며 다양한 산업에서 새로운 응용 분야를 발견하고 있습니다. 그러나, 생성형 AI는 발전하고 성숙해짐에 따라 창의성과 혁신 측면에서 완전히 새로운 지평을 열 수 있는 잠재력이 있으며, 이미 기존의 전통적인 AI가 달성할 수 있는 가능성을 확장시키고 있습니다. 생성형 AI의 능력은 본질적으로 자연어를 이해하고 인지적인 작업을 수행하도록 설계되었기 때문에 지식 업무에 가장 큰 영향을 미칠 것이며, 자동화 잠재력이 낮았던 의사 결정과 협업과 관련된 업무의 생산성에 큰 영향을 줄 것입니다.

생성형 AI, 비즈니스 기능별 가치 창출 규모, 출처: Mckinsey^[5]

생성형 AI가 가치를 창출할 수 있는 4개의 주요 기능별 활용 예시를 살펴보겠습니다.

1) 고객 운영: 고객 및 에이전트 경험 개선

생성형 AI는 디지털 셀프서비스를 통해 고객 경험과 에이전트의 생산성을 향상시켜 고객 업무 전체를 혁신시킬 수 있는 잠재력이 있으며, 자연어를 사용하여 고객과의 상호 작용을 자동화할 수 있는 능력으로 인해 고객 서비스 분야에서 이미 인기를 얻고 있습니다. 5,000여 명의 고객 서비스 상담원을 보유한 한 회사에서 생성형 AI의 적용으로 시간당 문제 해결률이 14% 증가하고 문제 해결 시간도 9% 감소했으며, 상담원 이탈률과 관리자와의 대화 요청이 25% 감소했습니다. 중요한 점은 경험이 없는 에이전트의 생산성과 서비스 품질이 가장 크게 향상되었는데, AI가 높은 기술을 가진 동료들과 유사한 기술을 사용하여 고객과 의사소통할 수 있도록 지원했기 때문입니다. Salesforce, Dialpad, Ada 등의 회사는 이미 고객 서비스 분야의 오퍼링을 발표했습니다.

- 고객 서비스: 생성형 AI 챗봇은 언어나 고객의 위치에 상관없이 고객 문의에 즉각적이고 개인화된 응답을 제공할 수 있으며, 높은 비중의 문의에 대한 응답을 자동화할 수 있습니다.
- 최초 대응에서 해결: 회사가 보유한 특정 고객에 대한 데이터를 즉각적으로 검색하여, 담당자가 초기 대응 중에 문제를 해결할 수 있도록 지원합니다.
- 매출 증대: 고객 및 고객의 브라우징 데이터를 신속히 처리하여 고객 선호도에 맞는 제품 제안이 가능하며, 고객 대화 기반의 통찰력을 통해 에이전트 코칭을 강화할 수 있습니다.

2) 마케팅 및 영업: 맞춤화, 콘텐츠 생성 및 영업 생산성 향상

생성형 AI는 텍스트 기반의 의사소통과 대규모 맞춤화가 필요한 마케팅/영업 기능에서 빠르게 확산되고 있습니다. 개별 고객의 관심사, 선호도, 행동에 맞춘 개인화된 메시지를 만들어낼 수 있으며, 브랜드 광고, 헤드라인, 슬로건, 소셜 미디어 게시물 및 제품 설명 등의 초안 등을 작성할 수도 있습니다. 또한, 생성형 AI는 B2B, B2C 기업의 영업 방식을 변화시킬 수 있습니다. 다만, 마케팅 기능에 생성형 AI를 도입하는 것은 신중한 고려가 필요합니다. 저작권 침해 및 위반, 브랜드 인식 위험 등에 대한 충분한 보호장치 없이 공개된 데이터로 훈련된 모델은 지적 재산권을 침해할 수 있으며, 기업의 필요에 맞는 개념적인 전략적 사고를 적용해야 합니다.

[마케팅]

- 효율적인 콘텐츠 생성: 아이디어 발전과 콘텐츠 초안 작성 시간을 단축할 수 있고, 다양한 고객 세그먼트/지역/인구 특성에 맞춤화된 마케팅 메시지를 도출할 수 있습니다. 또한, 이메일 캠페인 경우, 대상 그룹에 따른 다른 이미지와 메시지 적용 및 다국어로 번역할 수 있으며, 이를 통해, 고객의 가치, 유인, 전환 및 유지를 확대할 수 있습니다.
- 데이터 활용 강화: 영역별 성과, 고객 피드백/행동, 소셜 미디어 등의 비정형 데이터를 잘 활용하여 트렌드와 시장 기회를 식별/종합하고, 데이터 기반의 전략/캠페인 생성을 지원합니다.
- SEO 최적화: 마케팅 및 판매 기술 요소인 페이지 제목, 이미지 태그, URL 등의 검색 엔진 최적화를 통해 낮은 비용으로 더 높은 전환율을 달성할 수 있습니다.
- 제품 발견 및 검색 맞춤화: 텍스트, 이미지 및 음성의 멀티 모달 입력과 고객에 대한 이해를 통해 검색 맞춤화가 가능합니다. 개인 선호도, 구매 이력 등을 활용하여 고객 맞춤의 제품 발견 및 설명 생성을 지원하고, 여행 및 소매업체 등은 웹사이트 전환율을 높여 전자상거래 매출을 향상시킬 수 있습니다.

[영업]

- 판매 확률 향상: 정형/비정형 데이터를 활용하여 종합적인 고객 프로필을 작성하고, 고객 선호도에 대한 더 나은 정보 제공으로 판매를 확대할 수 있습니다.
- 리드 개발 개선: 제품 판매 정보와 고객 프로필을 종합하고, 고객과의 대화에 유리한 스크립트를 생성하여 고객과의 관계 개선 및 업/크로스 셀링을 가능하게 합니다. 또한, 영업 후속 조치를 자동화하고, 선제적인 리드 육성을 지원할 수 있습니다.

3) 소프트웨어 엔지니어링: 코딩 어시스턴트로 개발자 작업 속도 향상

컴퓨터 언어를 다른 언어와 동일하게 생각하면 소프트웨어 엔지니어링에 대한 새로운 가능성이 열립니다. 소프트웨어 엔지니어는 생성형 AI를 사용하여 페어 프로그래밍하고, 코딩을 보강하고, LLM을 훈련시켜 코드 동작을 설명하는 프롬프트가 입력될 때 코드를 생성하는 애플리케이션을 개발할 수 있습니다. 소프트웨어 엔지니어링은 대부분의 회사에서 중요한 기능으로, 기술 기업뿐만 아니라 모든 대규모 회사가 다양한 제품/서비스에 소프트웨어를 포함하면서 성장하고 있습니다. 예를 들어, 새로운 차량에서 기치를 제공하는 많은 부분은 적응형 크루즈 컨트롤, 주차 보조 및 IoT 연결과 같은 디지털 기능에서 비롯됩니다.

생성형 AI는 코드 초안 생성, 코드 수정 및 리팩토링, 근본 원인 분석, 새로운 시스템 설계 생성 등의 활동을 지원하여 코딩 프로세스를 가속화하기 때문에, 소프트웨어 엔지니어링에서 필요한 기술과 능력은 코드 및 아키텍처 설계에 적용할 수 있습니다. Microsoft의 GitHub Copilot을 사용한 소프트웨어 개발자들은 사용하지 않은 사람들에 비해 작업을 56% 빨리 완료했다는 연구 결과도 있습니다.

4) 제품 연구/개발: 연구 및 설계 시간 단축, 시뮬레이션 및 테스트 개선

생명 과학 및 화학 산업에서는 생성형 AI의 파운데이션 모델을 제너레이티브 디자인(설계)으로 알려진 R&D에 적용하기 시작했습니다. 파운데이션 모델은 후보 분자를 생성하여 새로운 약물과 재료를 개발하는 프로세스를 가속화할 수 있습니다. Entos라는 생명공학 제약회사는 생성형 AI와 자동 합성 개발 도구를 결합하여 소분자 치료제를 설계하고 있습니다. 이러한 기술 원리는 대형 물리 제품 및 전기회로 등의 제품 설계에도 적용될 수 있습니다. 제너레이티브 디자인(설계) 기술은 이미 R&D에 AI를 적용할 수 있는 잠재력을 일부 열어놓았지만 "전통적인" 머신러닝 사용과 같이 비용 및 데이터 요구사항으로 인해 적용이 제한될 수 있습니다. 생성형 AI를 뒷받침하는 사전 훈련된 파운데이션 모델이나 미세 조정으로 향상된 모델은 단일 작업에 최적화된 기존 모델보다 훨씬 더 광범위한 응용 분야를 가지고 있습니다. 따라서, 시장 출시 시간을 단축하고 제너레이티브 디자인을 적용할 수 있는 제품 대상을 확장할 수 있으며, 후보 디자인의 신속한 생성 외에도 제너레이티브 디자인은 설계 자체도 개선할 수 있습니다. 그러나, 현재 파운데이션 모델은 모든 산업 분야의 제품 설계를 지원하기에는 부족한 상황입니다.

- 향상된 디자인: 생성형 AI는 재료를 더 효율적으로 선택하여 비용을 절감하는 데 도움이 됩니다. 또한, 제조를 위한 디자인을 최적화하여 물류 및 생산 비용을 줄일 수 있습니다. 예를 들어, 생성형 AI는 강화 학습을 통해 반도체 칩 디자인의 부품 배치(floorplanning)을 최적화하고, 제품 개발 주기를 몇 주에서 몇 시간으로 단축할 수 있습니다.^[14]
- 제품 테스트 및 품질 개선: 생성형 AI를 제너레이티브 디자인에 활용함으로써 더 높은 품질의 제품을 생산하고 시장 매력도를 높일 수 있습니다. 또한, 복잡한 시스템 테스트 시간을 줄이고, 시나리오 초안 작성 및 테스트 후보의 프로파일링 기능을 통해 고객 테스트와 관련된 Trial 단계를 효율화할 수 있습니다.

생성형 AI, 다양한 산업에 적용^{[5][6][7][11][12][13]}

생성형 AI는 의료에서 금융에 이르기까지 수많은 산업에 영향을 미치고 있으며, 광범위한 잠재적 사용 사례를 만들고 있습니다. 생성형 AI는 의료 영상분석 및 진단을 보조하고, 신약 및 치료법을 개발하며, 환자 데이터를 기반으로 개인화된 치료 계획을 세울 수도 있습니다. 또한, 금융 데이터 분석 및 시장에 대한 예측을 통해 새로운 금융 상품/서비스를 만드는 데 활용되거나, 청중 데이터를 분석하고 개인화된 콘텐츠를 생성할 수 있습니다. 교육에서는 대화형 학습 경험과 개인화된 커리큘럼 및 맞춤형 학습 자료를 생성할 수 있으며, 로봇 공학에서는 학습 및 환경 적응을 통해 복잡한 작업을 수행하고 인간과 자연스럽게 상호 작용할 수 있는 로봇을 만들 수 있습니다.

미디어 및 엔터테인먼트 업종은 2022년 매출 23억 달러로 가장 큰 매출 점유율인 22.7%를 차지했으며, 예측기간(2023~2030년) 동안 연평균 34.7%로 성장할 것으로 예상됩니다. 더 나은 광고 캠페인을 만들기 위해 생성형 AI의 채택이 증가할 것이며, 마케팅 측면에서는 특정 청중에 공감하는 개인화된 콘텐츠를 만들 수 있습니다. 미국의 인터넷 미디어 및 엔터테인먼트 기업인 BuzzFeed, Inc.는 2023년 1월에 Open AI의 ChatGPT를 활용하여 퀴즈 응시자에게 맞춤형 결과를 제공하는 AI 기반 퀴즈를 만들 것이라고 밝혔습니다. 또한, 가상 창조의 인기가 증가하고 고화질 그래픽 및 실시간 가상세계에 대한 수요가 확대됨에 따라, 생성형 AI를 통한 비디오 게임 및 가상현실 체험과 같은 새로운 형태의 양방향 미디어를 만들 수 있습니다.

BFSI(금융) 업종은 예측기간(2023~2030년) 동안 연평균 성장률 38.1%로 가장 빠른 성장이 예상됩니다. 시장의 성장은 금융 서비스 분야에서 부정행위 방지, 데이터 보호, 다양한 이해관계자의 동적인 요구를 충족하기 위해 AI 및 기계학습(ML)의 도입이 증가하고 핀테크 부문에 대한 투자 및 고객 관계 관리가 확대되고 있기 때문입니다. 생성형 AI를 활용함으로써 은행은 위험 관리에 필수적인 보고서 작성, 규제 동향 모니터링, 데이터 수집 등의 작업을 자동화하여 운영 효율성을 향상시킬 수 있으며, 대량의 데이터를 분석하고 패턴과 이상을 식별함으로써 사기 행위를 더 효과적으로 감지하고 예방하는 데 도움을 줄 수 있습니다. 또한, 생성형 AI는 “프론트라인 가상 전문가” 개발을 지원합니다. Morgan Stanley는 GPT-4를 사용하여 수천 명의 자산 관리자들이 내부 지식에서 빠르게 답을 찾고 종합할 수 있도록 돕는 "AI 어시스턴트"를 개발하고 있습니다. 이는 검색과 콘텐츠 생성을 결합하여 자산 관리자가 어떤 고객, 어떤 순간에도 정보를 찾고 맞춤화할 수 있도록 합니다. 유럽의 한 은행은 생성형 AI를 활용하여 비정형 정보를 가진 문서에서 데이터를 합성 및 추출하는 "ESG 가상 전문가"를 개발했습니다. 이 모델은 프롬프트를 기반으로 복잡한 질문에 답하며, 각 답변의 출처를 식별하고 사진과 표에서 정보를 추출합니다.

맥킨지 조사에 따른 산업별 시장 전망 역시 유사합니다. 모든 산업 부문에 큰 영향을 미칠 것이나, 단기적으로는 일부 산업에서 더 효과적으로 활용할 것으로 예측합니다. 미디어 및 엔터테인먼트 산업은 생성형 AI를 활용하여 고유한 콘텐츠를 생성하고, 비디오 게임, 음악, 영화 스토리라인 및 뉴스 기사를 위한 새로운 콘텐츠 및 시각 효과 아이디어를 신속하게 개발함으로써 더욱 효율적일 수 있습니다. 하이테크 분야에서는 생성형 AI를 통해 소프트웨어 개발의 속도와 효율성을 매우 높일 것입니다. 또한, 제약 및 의료 산업에서는 약물 개발의 리드 식별 단계에서 파운데이션 모델을 통해 약물 대상에 특정 효과를 나타내는 화학 물질(분자)에 대한 초기 선별을 자동화하고, 시험 약물에 대한 새로운 표적(질병, 증상)의 식별과 우선순위 설정을 지원하는 등 연구 개발의 속도와 품질을 개선할 수 있습니다. 소매 및 소비재 산업에서는 고객 맞춤형 경험을 혁신할 수 있으며, 스티치 픽스(Stitch Fix) 경우 DALL·E를 적용하여 고객의 색상, 원단 및 스타일에 대한 선호도를 기반으로 의류를 시각화하고, 재고 중에서 유사한 제품을 찾아 매핑하여 고객의 쇼핑 경험을 개선했습니다.

생성형 AI, 산업/기능별 영향도, 출처: Mckinsey^[5]

주요 플레이어, AI 시대를 맞이하기 위한 총력전^{[2][11]~[13][15]~[19][22]}

전 세계 생성형 AI 시장은 Microsoft Corporation, Amazon Web Services, Google LLC, Adobe, Meta, D-ID, Genie AI Ltd., Synthesia, MOSTLY AI, Rephrase.ai, Samsung Electronics, IBM Corporation, Intel Corporation, Siemens, Salesforce, NVIDIA, SAP SE 및 SAS Institute와 같은 주요 플레이어들에 의해 주도되고 있습니다. ^[12] 주요 기업들은 시장 침투력을 높이고 산업 내에서의 위치를 강화하기 위해 다양한 전략 채택 및 새로운 제품 개발과 협력에 주력하고 있습니다. 예를 들어, 2023년 4월 Microsoft는 미국의 의료 소프트웨어 기업인 Epic Systems와 협력하여 대형 언어 모델(LLM) 도구와 인공지능을 Epic의 전자 건강기록 소프트웨어에 통합하고, 의료 기업의 생산성 향상 및 행정적 부담을 지원하고 있습니다.^[11]

클라우드가 'AI 지원 플랫폼'으로 진화하면서 생성형 AI를 둘러싼 경쟁이 클라우드 등 글로벌 빅테크 기업으로 확대되고 있습니다. 마이크로소프트는 2023년 초 OpenAI에 100억 달러를 투자하고, 자체 검색 플랫폼인 빙(bing)에 ChatGPT(GPT-3.5 적용)를 접목해 챗봇형 검색을 유도하면서 구글 독주 체제인 글로벌 검색 시장에 도전장을 내밀었습니다. 또한, GPT-4 출시에 맞춰 'Azure OpenAI Service'에 ChatGPT 프리뷰를 추가하고, 여세를 몰아 Microsoft 365 Copilot을 공개했습니다. 대형 언어 모델(LLM)과 비즈니스 데이터, Microsoft 365 앱을 결합한다는데 의의가 있으며, 업무 생산성의 핵심인 오피스 365가 새롭게 진화하는 것입니다. 마이크로소프트는 Azure 기반으로 기업용 프라이빗 ChatGPT 구축을 위해 OpenAI와 협력하면서 점차 클라우드 시장의 점유율을 높일 것으로 예상됩니다.

구글 역시, 2023년 2월에 자체 초거대 언어 AI 모델인 ‘람다(LaMDA)’를 기반으로 대화형 AI인 '바드(Bard)'를 선보였습니다. 바드의 매개변수는 1,370억 개로 상당한 규모를 자랑했으나, 오답을 내놓으면서 당시 구글의 모회사인 알파벳의 주가는 7% 넘게 하락하기도 했습니다. 이후, '팜2(PaLM2)' LLM 모델을 기반으로 고도화한 바드를 일반에 공개하며 GPT처럼 학습을 통해 AI 인프라를 키우는 전략을 내세우고 있습니다. 또한, 구글은 AI 챗봇 서비스인 '클로드 2(Claude)'를 출시한 엔스로픽(Anthropic)에 4억 달러를 투자하며, OpenAI의 창립 멤버들이 설립한 스타트업이라는 점에서 기회 요소를 찾고 있습니다.^[2]

아마존웹서비스는 2023년 6월, 고객의 생성형 AI 솔루션 구축을 지원하는 ‘AWS 생성 AI 혁신 센터' 출시 및 1억 달러 투자를 통해 AI 관련 서비스 및 프로그램을 확대한다고 발표했습니다.

메타는 자체 언어 모델인 '라마(LLaMa)'를 블로그를 통해 오픈 소스로 공개했으며, 매개변수를 70억 개, 130억 개, 330억 개, 650억 개로 세분화하고, 상대적으로 작은 규모이지만 보다 전문적인 영역으로 서비스를 확대할 수 있다는 점을 강조하고 있습니다. 또한, 인스타그램과 모바일 메신저 왓츠앱, 페이스북 메신저에도 사람처럼 답하는 AI 챗봇을 탐재할 계획입니다.^[2][22]

메타버스 기술을 주도했던 엔비디아(Nvidia)는 기술 인프라를 바탕으로 생성형 AI에 드라이브를 걸고 있습니다. 엔비디아는 '엔비디아 AI 파운데이션'을 통해 GPU를 비롯한 컴퓨팅 자원과 여러 LLM, 파운데이션 모델을 활용할 수 있는 플랫폼을 클라우드 서비스 형태로 제공한다는 계획이며, 엔비디아가 제공하는 파운데이션 모델을 미세 조정하여 독자적인 LLM을 개발하거나 이 기술을 활용한 다양한 애플리케이션을 만들 수 있습니다. 즉, 자체 파운데이션 모델을 개발할 기술력과 시간이 부족한 기업들에게 인프라를 제공할 수 있습니다. 현재 사용 가능한 주요 파운데이션 모델은 엔비디아의 대화형 AI 모델 ‘네모(NeMo)’, 이미지 생성 모델 ‘피카소(Picasso)’, 바이오 분야에 특화된 ‘바이오네모(BioNeMo)’ 세 가지입니다.

어도비(Adobe) 역시 엔비디아와의 협력을 바탕으로 출사표를 던졌습니다. 창작자를 위한 생성형 AI 애플리케이션 ‘파이어플라이(Firefly)’가 대표적이며 엔비디아의 피카소를 통해 출시된다는 설명입니다. 파이어플라이를 사용하면, 어도비의 이미지 편집 도구 안에서 텍스트로 이미지를 쉽게 만들어 내거나, 동영상 편집 도구 프리미어 프로에서 간편하게 생성 이미지를 활용한 영상을 만들어 낼 수 있습니다.^[15]

국내 ICT 기업 역시 생성형 AI 시장의 경쟁에 뛰어들었습니다.^{[16][17][18][19]} 먼저 네이버는 자체 개발한 대형 언어 모델인 '하이퍼클로바(HyperCLOVA)'를 통해 한국 시장에서의 자신감을 내비쳤으며, OpenAI의 ChatGPT보다 많은 한국어 데이터를 기반으로 특화 서비스가 가능한 만큼 국내 기업과의 협력 계획도 발표했습니다. GPT-4 대항마로 작은 양의 데이터 결합에도 목적에 맞춰 생산성을 높일 수 있는 모델인 '하이퍼클로바X'를 2023년 8월에 공개할 예정이며, 검색·쇼핑·로컬·광고 등 네이버가 제공하는 모든 버티컬 서비스와 결합해 시너지를 낼 전망입니다.

카카오는 GPT-3에 접목된 기술을 참고해 자체 개발한 언어 모델인 'Ko-GPT'와 이미지 생성 모델인 'Karlo' 보유하고 있습니다. 최근 학습량을 기존 대비 2배 이상 늘린 'Karlo'2.0'을 공개했는데, 사용자 명령을 보다 잘 이해하고 높은 해상도의 그림을 3초 만에 생성할 수 있습니다. 카카오는 연구개발 자회사인 카카오브레인을 통해 언어 모델을 고도화하고 한국어에 특화된 ‘Ko-GPT 2.0’의 연내 출시를 계획하고 있습니다.^[16][19]

LG는 2023년 7월에 AI 연구원 중심으로 개발된 생성형 AI 모델인 '엑사원(EXAONE) 2.0'을 공개했으며, 이는 전문가가 사용할 수 있는 멀티 모달 AI로 범용적인 서비스 제공보다는 연구원·개발자를 돕기 위한 기능을 갖췄다고 밝혔습니다. 2021년 출시한 엑사원의 학습 데이터를 4배 높여 성능을 끌어올리고, 파트너십을 통해 확보한 특허·논문 등 약 4,500만 건의 전문 문헌과 3억 5,000만 장의 이미지를 학습했습니다. 엑사원 2.0 모델은 파라미터 크기를 세분화하여, 고객사의 요청에 따라 적합한 모델을 적용, 최적화할 예정이며, 전문가를 위한 대화형 AI 플랫폼 '유니버스(Universe)', 소재·신물질·신약 관련 탐색에 적합한 AI 플랫폼 '디스커버리(Discovery'), 이미지를 언어로 표현하고, 언어를 이미지로 시각화할 수 있는 멀티 모달 AI 플랫폼 '아틀리에(Atelier)' 플랫폼을 소개했습니다.^[18]

KT는 이르면 2023년 3분기 내 생성형 AI 모델 ‘믿음(MIDEUM)’을 출시할 계획이며, 인프라 구축부터 응용 서비스까지를 모두 지원하는 AI 풀 스택을 강조하고 있습니다.

삼성SDS는 삼성전자의 자체 생성형 AI를 함께 개발하고 있으며, 기업에 특화된 고객 가치 기반의 생성형 AI 플랫폼 서비스를 연내 출시할 예정입니다. 삼성SDS는 빅데이터 분석 및 업무 자동화 도구 등 AI 플랫폼을 통해 내부 자산의 외부 유출 없이 업무에 활용하는 기술을 이미 보유하고, MSP 경험으로 축적된 업종 전문 지식과 삼성 클라우드 플랫폼(SCP)을 기반으로 높은 보안성을 보장할 수 있는 생성형 AI 서비스를 준비하고 있습니다.

LG CNS는 지난 4월, 한국 마이크로소프트와 ‘Azure OpenAI Service’ 사업을 위한 새로운 협력 방안에 합의하고, ChatGPT 기반 신규 서비스 개발에 나설 예정이며,

SK C&C는 2023년 3월 네이버클라우드와 ‘초거대 AI 기반 B2B 사업 확장 협력 MOU’ 체결 이후 금융을 시작으로 공공 및 엔터프라이즈 전반에 걸쳐 초거대 AI 서비스 개발∙확산에 나서고 있습니다.

이렇게 국내 IT 서비스 3사는 기업이 ChatGPT와 같은 생성형 AI를 사용할 경우 학습을 위해 기업 데이터를 활용할 가능성이 높기 때문에, 데이터 유출 걱정 없는 "기업용 생성형 AI 서비스" 개발에 공을 들이고 있습니다.^[17]

글을 마치며…

수년간의 팬데믹과 공급망 쇼크, 국가 간의 분쟁, 전 세계 인플레이션과 같은 글로벌 위기가 해마다 이어지고 있지만, 기업들은 인공지능과 자동화 이니셔티브를 통해 비즈니스 생존력을 확보하고 앞으로의 위기에 대처하려고 하고 있습니다. 이러한 측면에서, 생성형 AI(Generative AI) 시장은 새로운 모델과 애플리케이션 개발을 위한 투자가 증가하면서 급속한 성장을 경험하고 있으며, 벤처 자본가들은 생성형 AI 관련 신생 기업에 투자를 서두르고 있습니다. 글로벌 AI 투자는 2021년 935억 달러로 급증했으며, 2028년까지 4,223억 7천만 달러에 이를 것으로 예상하고 있습니다. 파이낸셜 타임즈에 따르면, 생성형 AI 분야에 2020년 이후 425% 증가하여 2022년에 이미 20억 달러 이상이 투자되었습니다.^[20]

생성형 AI에 대한 벤처 캐피탈 투자('22.12월 기준), 출처: Financial Times/원소스- PitchBook^[20]

그러나, 생성형 AI는 여전히 초기 시장입니다. 앞으로 수많은 애플리케이션이 등장하고, 앞서 설명한 생성형 AI 가치사슬의 레이어별로 세분화되어 발전할 것입니다. 많은 해외 투자자들과 매체들이 생성형 AI가 인터넷과 모바일에 이어 14년 주기로 찾아오는 새로운 인터페이스 혁명이라고 이야기하고 있듯이, 인간과 AI의 인터렉션 수준을 새로운 방식으로 향상시키고, 지식 업무나 창작 업무에 있어 획기적인 생산성 향상을 가져다줄 것입니다. 이러한 이점을 바탕으로 생성형 AI 시대가 본격적으로 열린다면 어떻게 될까요? 딜로이트가 공개한 ‘테크 트렌드 2023’에 따르면, AI 전략을 수립한 기업은 전략이 없는 기업보다 목표를 달성할 확률이 1.7배나 높다고 합니다.^[21] 이렇게 AI가 일상화되는 상황에서 AI에 대한 올바른 활용법을 찾는 것은 중요합니다. 가장 중요한 포인트는 "AI 모델을 얼마나 잘 만드는가"가 아니라, "AI를 얼마나 효율적으로 활용하는가"로 볼 수 있습니다.

생성형 AI 기술과 이를 지원하는 생태계는 아직 발전 중이지만, 이미 모델을 활용하는 애플리케이션이 가장 중요한 가치 창출을 제공한다는 것은 명백합니다. 한국에서는 네이버, LG, KT 등 대기업 위주로 생성형 AI 모델의 개발 경쟁이 이루어지고 있으나, 모든 기업과 연구소가 OpenAI 수준의 리소스를 투입해 모델을 개발할 필요는 없습니다. 또한, 앞으로 ChatGPT와 같이 범용적인 AI 모델 개발사에서 만들어낸 애플리케이션은 아이폰의 메신저나 노트, 건강 앱 등 기본 앱처럼 제공될 것으로 예상되지만 단기간에 특화되는 것은 아닙니다. 이러한 상황에서 기업들은 무엇을 준비해야 할까요? 기업은 각 영역에서 다양한 파운데이션 모델들을 종합적으로 활용하여 자신의 애플리케이션을 잘 구축하고, 이를 활용하면서 고객 데이터와 같은 기업 고유의 독점적인 데이터를 모아 파운데이션 모델을 파인 튜닝(Fine-tunning)하여 기업 특화된 모델(Hyper-Local AI Models)을 만들어 나가면서 경쟁력을 갖춰나가야 합니다. 이러한 기업만이 AI 시대에 가장 큰 차별화와 경쟁 우위를 기대할 수 있을 것입니다.



References
[1] https://iot-analytics.com/what-ceos-talked-about-in-q1-2023/
[2] https://www.newspim.com/news/view/20230308000372
[3] https://www.dailysecu.com/news/articleView.html?idxno=145796
[4] hhttps://www.gartner.com/en/newsroom/press-releases/2023-05-03-gartner-poll-finds-45-percent-of-executives-say-ChatGPT-has-prompted-an-increase-in-ai-investment
[5] https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier#introduction
[6] www.marketsandmarkets.com/Market-Reports/generative-ai-market-142870584.html
[7] https://www.mckinsey.com/capabilities/quantumblack/our-insights/exploring-opportunities-in-the-generative-ai-value-chain
[8] http://www.fortunekorea.co.kr/news/articleView.html?idxno=27272
[9] http://www.fortunekorea.co.kr/news/articleView.html?idxno=27418
[10] https://www.grandviewresearch.com/press-release/global-generative-ai-market
[11] https://www.grandviewresearch.com/industry-analysis/generative-ai-market-report
[12] https://www.polarismarketresearch.com/industry-analysis/generative-ai-market
[13] https://www.alliedmarketresearch.com/generative-ai-market-A47396
[14] https://www.gartner.com/en/articles/beyond-ChatGPT-the-future-of-generative-ai-for-enterprises
[15] https://shindonga.donga.com/3/all/13/4128406/1
[16] https://www.newspim.com/news/view/20230317000856
[17] http://www.m-i.kr/news/articleView.html?idxno=1036740
[18] https://economist.co.kr/article/view/ecn202307190035
[19] https://economist.co.kr/article/view/ecn202307250048
[20] https://www.news2day.co.kr/article/20230102500247
[21] https://www.econovill.com/news/articleView.html?idxno=606110
[22] https://www.econovill.com/news/articleView.html?idxno=606109


▶   해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 기고자에게 저작권이 있습니다.
▶   해당 콘텐츠는 사전 동의 없이 2차 가공 및 영리적인 이용을 금하고 있습니다.