brunch

You can make anything
by writing

C.S.Lewis

AI(인공지능)의 미래 예측과 비즈니스 전략은?

AI, 대한상의 라이브 토크쇼 리뷰(2)

AI, 대한상의 라이브 토크쇼 리뷰(2)

지난 7월 19일 금요일, 대한상의 최태원 회장과 네이버 최수연 대표가 AI를 주제로 이야기하는 토크쇼가 유튜브를 통해 라이브 됐다. 우리나라를 대표할 수 있는 기업들의 경영자가 가진 생각을 방구석에서 들어볼 수 있다는 좋은 시대, 좋은 기회를 잡아 인상 깊었던 내용들을 기록해 본다.


이에 앞서 지난 글에서는 대한상의 라이브 토크쇼 리뷰 1탄을 통해 AI에 관한 이해를 돕는 'KAIST 김채철 AI대학원장'의 설명을 요약 및 재구성했었다.


https://brunch.co.kr/@candigka/71


이번 편에서는 대한상의 최태원 회장과 네이버 최수연 대표의 AI(인공지능)에 관한 이야기를 재구성하여 기록한다. 




토크쇼에서 언급된 AI(인공지능) 관련 용어

LLM : Large Language Models (대형 언어 모델)로 방대한 양의 언어 데이터를 처리할 수 있도록 설계된 모델이다.

AGI : Artificial General Intelligence(인공 일반 지능)로 인간과 유사한 수준으로 이해하고 처리할 수 있는 시스템을 지향하는 것을 말한다.

Sovereign AI : 'Sovereign'은 자국의 정책이나 자원의 독립을 의미하는 것으로, 기술과 데이터의 주권이 국가의 안보와 관련이 되어 있음을 시사하는 용어로 사용되고 있다.



주요 질문과 답변 내용의 요약 및 재구성


국가마다 다른 AI(인공지능) 모델의 필요성

국가마다 AI 모델을 가지는 것도 의미가 있겠다. '소버린 AI'라는 용어가 쓰이고 있는데, 이와 같이 AI가 외국어를 천연덕스럽게 잘하는 것을 넘어서 각 나라 별로 그 나라가 가진 사회적 맥락과 언어를 이해하는 것이 필요하다. 그래서 AI는 서비스되는 각 국가 별 데이터를 많이 가지고 있는 것이 유의미할 수 있다.


지금 주목해야 하는 AI(인공지능) 이슈


1) 기업들은 무엇을 고민하는가

AI의 기술이 어느 정도인가에 관한 논의는 이제 넘어서 실제로 "AI를 통해 돈을 벌 수 있는 모델이 무엇일까?"와 같이 비즈니스적인 부분을 좀 더 고민하는 단계로 넘어간 것으로 보인다.


타 회사의 모델보다 좋게 만드는 것도 중요하지만 기업이든 개인이든 돈을 지불할 만한 의지가 발생할 만큼의 어플리케이션이 만들어져야 한다.


2) 온디바이스 AI

온디바이스 AI는 클라우드에 있는 인공지능이 점점 더 우리의 옆으로 오는 것을 의미한다. 온디바이스 환경에서는 학습할 수 있는 데이터가 무궁무진하다. 스마트폰을 어떻게 시각적으로 보는지, 제스처는 어떻게 활용을 하는지와 같은 로보틱스적인 부분들까지도 학습할 수 있다. 


그러나 이건 기술적인 측면에서 가능해지는 것을 말하는 것이고 실질적으로는 온디바이스 AI가 사용자들에게 어떤 유용성을 줄 수 있는가가 성패를 가르게 될 것이다.


어떤 유용성, 서비스를 준 것에 관해 정말 내 생활을 많이 바꿀 수 있구나라는 생각이 들어야 사람들은 비용을 지불할 의지가 발생할 것이다.


3) 골드 러시와 AI 러시

과거, '골드러시'와 같이 금광을 캐러 가기 위해 많은 사람들이 청바지와 곡괭이가 먼저 찾았다. 금을 캐기 위해 필요한 것들이기 때문이다. 금을 캘 수 있어야 곡괭이를 팔 수 있다. 


AI 러시를 이 골드 러시에 비유하자면 SK, 엔비디아 모두 곡괭이의 역할을 하고 있다고 볼 수 있다. 네이버와 같은 회사가 AI를 잘 발전시켜야 SK처럼 도구를 파는 회사도 잘 될 수 있다. 기본적으로 SK는 금을 가장 적은 비용으로 더 편리하게 많이 캘 수 있도록 돕기 위한 전략을 세우고 있다고 할 수 있다. 


AI(인공지능) 생태계 미래 예측

아무도 AI의 미래를 정확하게 예측하지는 못한다. 몇 가지 변수를 토대로 시나리오를 세워 볼 수는 있다. 


첫 번째 변수는 데이터의 양

금을 계속 캐려면 데이터가 필요하다. GPT4가 5가 되려면 데이터의 사이즈가 8배가 더 커져야 한다. 그런데 그런 데이터가 있는가? 그런 데이터가 없다면 금을 캐는데 지연이 되거나 못 캘 가능성이 생긴다.


두 번째 변수는 고성능 

현재는 약 3.2조 개의 파라미터를 다룰 수 있는 칩이라고 보고 있다. 엔비디아가 발표한 것으로 보면 7조 개를 핸들 할 수 있을 것으로 본다. AGI로 가려면 10조 개 이상을 다룰 수 있는 칩이 필요하다. 다음 레벨의 칩이 계속 발전할 수 있을까? 칩을 병렬적으로 계속 붙인다고 해서 효율이 오르지 않기 때문에 기술적인 한계가 있을 수 있다. 그래서 효율적인 작은 모델을 쓸 것인지, 거대 모델을 계속 사용할 것인지가 중요한 고민이 될 것이라고 본다.


세 번째 변수는 막대한 비용

모든 기술적 한계가 없다고 하더라도 비용을 감당할 수 있느냐는 다른 문제이다. 데이터센터만 해도 AI를 위해 필요한 전기가 상당하다. 물론 탄소에 의한 환경 문제도 있다. 이에 대한 비용을 감당할 정도로 무엇을 만들어 낼 것인가가 중요하다. 


이러한 변수들에 따른 시나리오

1. 모든 게 잘 해결되면 오픈 API AGI모델

2. 완벽한 승자가 없다면 데이터가 많은 '구글'이 유리함

3. 거대모델을 만드는 것에 실패한다면 스페셜 분야에서 스페셜 데이터를 만들어 작은 모델에 올리게 된다.

4. 모두 실패한다면 온디바이스 ai로 스마트폰이 변형되고 새로운 단말기가 나타나는 형태가 될 것이다.


결국 한 기업, 한 국가에서 해결할 수 있는 문제는 아니라고 생각하며 협업이 필요하다. 전 세계적 경쟁이기 때문에 우호국이 필요할 수도 있다.



이렇게 기업의 관점에서 AI의 미래를 예측하고 그에 대응하기 위해 국내 대기업들은 무엇을 중점적으로, 전략적으로 고민하고 있는지 들어 볼 수 있는 시간이었다. 또한 AI가 비즈니스적인 차원에서 어떤 이슈를 던지고 있는가에 대해 알아볼 수 있어 유익했다.


시간이 된다면 라이브 영상 전체를 보길 추천한다. AI 생태계와 현재 당면하고 있는 이슈들에 대해 더 잘 이해할 수 있는 좋은 시간이 될 것이다.


대한상의 Live Talk Show (AI 시대, 우리 기업의 도전과 미래 비전)

매거진의 이전글 카이스트 김재철 AI 대학원장의 AI  설명 리뷰
브런치는 최신 브라우저에 최적화 되어있습니다. IE chrome safari