당신이 잠든 사이, AI는 진화했다
2024 우리의 AI는 어디까지 왔나?
2024년을 마무리해 가며 전반적인 AI의 성장세와 현재 어떻게 AI가 현업에 접목 및 활용되고 있는지에 대한 인사이트를 들을 수 있는 시간이 있어서 짧게 공유해보려고 한다.
( 마이크로소프트 최윤석 기술 테크 PM )
자료출처: 마이크로소프트# 반복적이고 단순화되는 업무부터 AI 적용
2024년 생성형 AI를 도입하는 기업의 최우선 과제는 [ 비용의 효율화 ]였다. 특히, 그 비용에는 개발자에 대한 인건비 부담의 완화의 목적이 강하게 적용되었다. 코로나 팬데믹 시기 많은 개발자를 통해 아웃풋을 만들어야 했던 구조에서 빠르게 탈피하여 생성형 AI를 기업 내 내재화하여 소수의 인원으로도 최대의 효율을 만들기 위한 투자가 산업 곳곳에서 일어나기 시작하였다는 것이다. 심지어, 개발의 비전공자 또한 생성형 AI 기반 업무 구조 개편을 통해 단순 일처리를 하는 실무자를 넘어 새로운 프로세스나 프로그램을 직접 개발할 수 있는 [ 메이커 ]로 전환되는 작업환경을 구축하는 시도가 발 빠르게 진행되었던 2024년이었다.
[ 대표적 기업 사례 ]
웨이브온은 AI 기반 노코드 플랫폼으로, 복잡한 코딩 과정 없이 웹 및 앱 개발을 가능하게 한다. 사용자는 블록 쌓기 방식의 직관적인 인터페이스를 통해 원하는 기능을 선택하고 조합하여 앱을 만들 수 있다.
✅ 웨이브온, 어떤 점이 특별할까?
� AI 기반 자동화: AI가 사용자의 요구사항을 분석하고 최적의 코드를 자동으로 생성해 준다. 개발 시간을 단축하고 효율성을 높일 수 있다.
� 디자인 자유도: 다양한 템플릿과 UI 요소를 제공하여 사용자가 원하는 대로 앱 디자인을 구성할 수 있다.
� 외부 서비스 연동: 다른 플랫폼이나 서비스와 쉽게 연동하여 앱의 기능을 확장할 수 있다.
� 빠른 배포: 개발된 앱을 클릭 한 번으로 배포하고 바로 사용할 수 있다.
자료출처: 마이크로소프트 # 2024년 개발자의 대부분은 GPT를 활용하여 '코드'를 만들거나 수정하였다
엄청난 실력과 경험을 가진 탑티어급의 개발자가 아닌 일반 개발자나 신입 개발자의 다수가 생성형 AI 기반의 엔진을 활용하여 대부분 [ 코드 생성 ]에 압도적으로 많이 활용하였다는 서베이 데이터를 추출할 수 있었다.
과거 필요한 코드 구조나 프로세스를 이해하기 위해 [ 구글링 ]을 하였던 행동이 패턴이 이제는 [ GPT엔진 기반의 프롬프터 검색 ]으로 옮겨간 것이다.
초기에 생성형 AI의 코드 생성 정확도와 적합성은 무척 떨어지거나 실제 서비스 코드에 부합하지 않는 어설픈 코드를 제안해 주었다면 2024년 하반기에는 코드 리뷰까지 가능한 수준으로 개발의 영역 특히, 기본적 코드 구성에 대해서는 빠르게 장악해나가고 있음을 알 수 있었다. 그리고 오히려 그 정확도의 수준은 웬만한 시니어 개발자 수준과 맞먹거나 더 압도적으로 뛰어난 수치를 만들어 나가고 있는 중이다.
자료출처: 마이크로소프트 # 언어 영역의 부분을 빠르게 답습하고 장악해 나간 2024년 한 해
올 한 해 GPT 엔진 기반 생성형 AI가 독점적으로 무너트렸던 부분이 바로 '언어'영역이었다.
듀오링고는 GPT-4 엔진을 탑재하여 빠르게 소비자들에게 서비스를 전달하기 시작하였다.
[ 언어 ]라는 매개체는 다양한 형태로 기존의 데이터 베이스에 저장되고 활용되며 접근성 또한 용이한 섹션임으로 스타트업에서도 손쉽게 획득 및 생성화 할 수 있는 섹션이라는 점도 큰 작용을 하였다.
국내에서는 아직 GPT-4를 탑재한 듀오링고를 만날 수는 없지만 유사한 사례로는 영어스피킹 '스픽' 또한 GPT엔진을 활용 및 접목하여 서비스를 잘 전달한 사례라고 볼 수 있다.
� 스픽의 핵심 기능
AI 튜터와의 자유로운 대화: GPT 엔진을 통해 사용자는 AI 튜터와 다양한 주제에 대해 자유롭게 대화하며 영어 말하기를 연습할 수 있다.
실시간 피드백: AI 튜터는 사용자의 발음, 문법, 어휘 등을 실시간으로 분석하고 피드백을 제공하여 오류를 수정하고 개선할 수 있도록 돕는다.
개인 맞춤형 학습: 사용자의 수준과 학습 목표에 맞춰 학습 내용과 난이도를 조절하여 최적화된 학습 경험을 제공한다.
다양한 학습 콘텐츠: 일상 대화, 비즈니스 영어, 여행 영어 등 다양한 주제의 학습 콘텐츠를 제공하여 실제 상황에 맞는 말하기 연습을 할 수 있도록 지원한다.
게임화된 학습: 퀴즈, 롤플레잉 등 게임 요소를 도입하여 학습의 재미를 높이고 몰입도를 향상한다.
자료출처: 마이크로소프트# 생성형 AI가 더 똑똑해지는 비법, RAG
자료출처: 마이크로소프트초기 생성형 AI의 프롬프터에 [ 입력값 ]을 넣으면, 간혹 이상하거나 엉뚱한 대답을 하는 것을 종종 본 적이 있을 것이다. 이런 현상을 애초에 막기 위해 최근 들어 많은 GPT기반 생성형 AI에서는 [RAG(Retrieval Augmented Generation) 기술이 주목받고 있다 ]
RAG란 무엇일까? 쉽게 말해, 생성형 AI가 답변을 생성할 때 필요한 정보를 외부에서 찾아서 활용하도록 돕는 기술이다. 마치 사람이 인터넷 검색을 통해 정보를 찾아 답변하는 것과 비슷하다고 생각하면 된다.
더 쉽게 이해하기 위해 아래와 같이 정리를 해본다.
( 그리고 현재 많은 기업은 오픈 웨이트에서 제공되는 다양한 생성형 AI 소스를 활용하여 이 RAG의 정확도에 투자하거나 개발을 빠르게 착수하여 진행하는 2024를 보내고 있다 )
RAG는 어떻게 작동할까요?
질문 분석: 먼저 사용자의 질문 의도를 파악한다.
정보 검색: 관련 정보를 찾기 위해 외부 데이터베이스 또는 웹을 검색한다.
정보 추출: 검색 결과에서 질문과 관련된 핵심 정보를 추출한다.
답변 생성: 추출한 정보를 바탕으로 생성형 AI가 답변을 생성한다.
RAG의 장점은 무엇일까요?
정확성 향상: 외부 정보를 활용하여 더욱 정확하고 신뢰도 높은 답변을 생성할 수 있다.
최신 정보 반영: 실시간으로 업데이트되는 외부 정보를 활용하여 최신 정보를 반영한 답변을 제공할 수 있다.
개인 맞춤형 답변: 사용자의 상황에 맞는 정보를 검색하여 개인에게 최적화된 답변을 제공할 수 있다.
RAG는 어디에 활용될까요?
챗봇: 더욱 자연스럽고 정확한 답변을 제공하는 챗봇을 개발할 수 있다.
고객 서비스: 고객 문의에 대해 정확하고 신속하게 응답하여 고객 만족도를 향상할 수 있다.
지식 검색: 방대한 문서에서 원하는 정보를 빠르게 찾아 제공할 수 있다.
교육: 학생들의 질문에 대해 개인 맞춤형 답변을 제공하여 학습 효과를 높일 수 있다.
단순히, 어시스턴트를 넘어 또 다른 휴머노이드를 바라보고 있다는 사실...
자료출처: 마이크로소프트2024년의 생성형 AI는 다방면으로 [ 시도 ]해보는 한 해였다고 볼 수 있다. 사실 인간과 흡사한 하드웨어에 탑재만 되지 않았지 소프트웨어적인 부분은 대중이 알게 모르게 계속 업그레이드를 진행해 왔으며, 심지어 인간의 보통 아이큐를 넘어가는 생성형 AI가 만들어지고 있는 상황이다.
결국, 우리가 친근히 만날 수 있었던 모바일 기반의 생성형 AI는 곧 로봇에 전격적으로 이식되어 휴머노이드 OS체계가 굳혀져 갈 것이라고 본다.
지금도 인간이 웹상에 남겨 놓은 수많은 [ 데이터 ]라는 흔적을 흡수하고 학습하고 응용하며 인간을 데이터적으로 탐구하고 있는 친구들이 바로 [ AI ]이다.
