인공지능 AI 비즈니스모델의 서비스모델과 수익모델은?
AI 비즈니스는 어떻게 돈을 버는가? 돈을 버는 지점을 알고 있는 네이버
챗GPT를 가능하게 한 LLM(거대언어모델, Large Language Model) 기술이 다양한 종류의 생성형 AI 서비스를 만들어내고 있습니다. 웹3, 메타버스, NFT, 블록체인처럼 금세 사라지는 이슈 아닐까 하는 의구심도 들지만, 일반 사용자들이 쉽게 경험 가능하다는 점에서 다른 기술보다는 폭발력을 갖췄다는 평가를 받습니다.
'인공지능 AI 비즈니스모델의 서비스 모델과 수익모델은?'의 내용은 <비즈니스모델 사용설명서>의 내용이 일부 인용되었습니다. 책의 주요 내용을 학습한 전용 GPTs로 비즈니스모델을 구체화하세요
초거대 AI가 불러올 비즈니스의 변화
거대언어모델(LLM)은 방대한 양의 데이터를 학습한 후 사람들의 질문에 실시간으로 답변을 해줍니다. 도서관에서 두꺼운 책을 읽지 않아도, 검색을 통해서 여러 개의 문서를 확인하지 않아도 인공지능(AI)에게 정보나 아이디어를 손쉽게 얻을 수 있다는 점에서 많은 사람들이 환호를 했습니다.
인공지능(AI) 비즈니스모델은?
물론 거대언어모델을 구축해서 확장하고 유지하는 일은 어렵고 많은 비용을 필요로 합니다. 기본적인 거대언어모델을 구축하기 위한 교육을 진행하는데만 몇 개월이 걸리고 목표한 것을 구현하는 데에는 더 많은 시간과 비용이 필요합니다. 그리고 많은 양의 학습 데이터를 필요로 하기 때문에 개발자와 기업은 충분한 양의 데이터 세트를 얻는데 어려움을 겪습니다.
또한 거대언어모델은 그 규모 때문에 딥러닝, 트랜스포머 모델, 분산 소프트웨어, 하드웨어에 대한 전문성을 필요로 합니다. 많은 사람들이 열광하는 것과는 달리 현장에서 기업의 비즈니스모델로 적용되기 위해서는 많은 시간과 전문성, 비용을 필요로 하는 것이 현실입니다.
인공지능의 역사는 1956년에 다트머스 회의에서 존 맥카시(John McCarthy)가 인공지능이란 용어를 처음 사용하면서 시작되었습니다. 이후 인공지능에 대한 많은 연구가 이루어졌고 많은 인공지능 프로그램이 만들어졌습니다. 꾸준히 발전해 오던 인공지능 기술을 대중이 접한 것은 2016년 3월에 있었던 알파고와 이세돌의 대결입니다. 그때도 지금처럼 인공지능이 인류의 역사를 바꿀 것으로 기대했지만 크게 달라진 것은 없었습니다.
트랜스포머의 내부 구조AI 인공지능의 새로운 전개, 트랜스포머
알파고에서 접했던 인공지능과 챗GPT로 경험한 인공지능의 가장 큰 차이점은 '트랜스포머(Transformer)'기술입니다.
챗GPT를 포함한 생성형 인공지능은 대규모 학습 데이터를 기반으로 대화의 맥락을 이해하고 사람처럼 응답하는 능력을 보여줍니다. 이전 대화를 기억하고 전체 흐름을 고려해 답변하기 때문에 사람과 대화하는 느낌을 받는데요. 이는 구글이 2017년에 <Attention is all you need>라는 논문을 통해 소개한 트랜스포머(Transformer)라는 기술로 가능해졌습니다.
트랜스포머는 문장 속 단어 같은 순차 데이터 내의 관계를 추적해 맥락과 의미를 학습하는 신경망입니다. <Attention is all you need>를 한글로 번역하면 ‘필요한 건 어텐션뿐’인데요. 기존의 복잡한 딥러닝 구조를 사용하는 대신 오로지 어텐션으로만 모델이 구성되어 있습니다. 그림에서 보듯 단어나 문장 같은 입력 데이터에서 중요한 정보를 추출하고 출력 데이터를 생성할 수 있도록 해줍니다.
초거대 인공지능(AI)의 비즈니스모델은?
초거대언어모델(LLM, Large Language Model)을 기반으로 하는 생성형 AI산업의 생태계는 크게 4가지의 층위로 구분할 수 있습니다.
첫 번째는 초거대 AI 모델입니다. 이를 위해서는 방대한 데이터를 축적해야 할 뿐만 아니라 이를 학습할 수 있는 컴퓨팅 인프라와 AI 전문인력이 필요한데요. 데이터, 기술, 자본이 갖추어져야 하는 영역으로 마이크로소프트, 구글, 아마존, 네이버 같은 빅테크 기업의 비즈니스모델에 해당합니다.
두 번째는 클라우드 서비스로, 초거대 AI 모델은 클라우드 서비스와 밀접하게 연결될 수밖에 없습니다. 이 모델을 개발하고 학습하려면 막대한 컴퓨팅 리소스가 필요한데, 이 또한 마이크로소프트, 구글, 아마존 등에서 볼 수 있는 역량입니다.
AI 시장과 산업구조세 번째는 컴퓨팅 하드웨어인 AI 반도체입니다. 컴퓨터의 두뇌가 CPU(중앙처리장치)라면 인공지능의 두뇌는 GPU(그래픽처리장치)인데요. 이 분야에서 가장 앞선 곳이 엔비디아(NVIDIA)이며, 구글도 데이터 분석 및 딥러닝용 하드웨어인 TPU를 만들고 있습니다.
네 번째는 AI 서비스입니다. 여기에는 자체 보유 AI 모델 없이 오픈 AI GPT-4 같은 파운데이션 모델을 API로 호출해(call) 사용하는 재스퍼(Jasper), 깃허브 코파일럿(GitHub Copilot), 듀오링고(Duolingo), 스트라이프(Stripe)와 자체 보유 모델 기반 애플리케이션을 개발 및 운영하는 미드저니(Midjourney), 런웨이(Runway) 등이 있습니다.
인공지능(AI) 비즈니스의 수익모델은?
위의 'AI시장과 산업구조' 이미지에서 보는 것과 같이 AI반도체는 엔디비아, 구글, 삼성전자와 같은 글로벌 기업의 사업영역이고, 초거대 AI 모델과 클라우드서비스는 마이크로소프트, 구글, 네이버와 같은 빅테크 기업들의 몫입니다.
대분류 중심으로 AI 생태계를 구분할 때 대부분의 기업이 특화된 AI 서비스에 집중할 수밖에 없습니다. 예를 들어, 카피몽키(CopyMonkey)는 온라인 쇼핑몰 사업자를 위한 인공지능 서비스를 제공합니다. 카피몽키를 활용하면 몇 초 만에 아마존 판매자 페이지에서 제목과 설명을 생성할 수 있고, 알고리즘을 통해 검색 가능한 키워드도 찾아줍니다. 경쟁업체의 성공요인을 분석하고 모범 사례를 제시해주기도 합니다.
돈을 버는 지점을 알고 있는 네이버
국내에서 인공지능(AI)을 실제 비즈니스에서 가장 잘 활용하고 있는 곳은 네이버입니다. 네이버는 챗GPT와 같은 하이퍼크로버(HyperCLOVA)를 출시하기도 했지만, 여러 지점에서 자사의 비즈니스에 인공지능 서비스를 적용해오고 있었습니다.
네이버의 인공지능 서비스 활용방안은 구매자에게는 더욱 스마트하고 편리한 쇼핑 경험을 제공하는 것이고, 판매자에게는 더 많은 노출 기회와 운영 효율 향상에 초점이 맞추어져 있습니다. 자사 비즈니스의 상호연관성 측면에서 인공지능을 접근하고 있는 것입니다.
예를 들어 네이버는 2017년부터 AI를 활용해서 상품추천 서비스를 제공하고 있었습니다. 쇼핑에서 제공되는 ‘포유’는 이용자의 쇼핑 이력뿐 아니라 개인의 선호도나 취향까지 분석해 이용자가 실제로 관심을 가질 만한 쇼핑 테마와 정보를 뽑아 체계적으로 추천하는 개인화 큐레이션 서비스입니다. AI기반 상품 추천 기술인 ‘AiTEMS(에이아이템즈)’ 기반으로 초대규모 AI ‘하이퍼크로버’까지 더해 더욱 정교화된 상품을 추천해주고 있습니다. 포유에서는 쇼핑피드 생성 자동화 기술을 더해 매일 50만 개의 쇼핑피드를 업데이트해 다양한 쇼핑탐색을 돕는다고 합니다.
판매자를 위한 서비스도 제공됩니다 ‘클로바 엠디 상품추천’은 네이버의 방대한 구매데이터를 학습해 현재 내 스토어에 진입한 고객의 쇼핑 의도나 취향을 즉각적으로 분석하는 것이 핵심입니다. ‘비슷한 상품추천’ ‘함께 구매할 상품추천’ ‘고객 맞춤 상품추천’ 등 AI 기반 솔루션을 제공하고 있습니다.
위에 해외 사례로 제시했던 카피몽키(CopyMonkey)와 유사한 서비스도 제공되고 있습니다. 네이버는 최근 라이브쇼핑에 활용할 수 있는 대본의 초안을 작성해 주는 ‘AI 큐시트 헬퍼’ 서비스를 제공하고 있습니다. AI 큐시트 헬퍼는 상품군에 따라 장점, 고객 리뷰 등 제품 핵심 정보를 AI가 블로그나 스마트스토어로부터 추출·요약해 제공하거나 사용자가 직접 입력할 수 있습니다. 이를 기반으로 네이버 초대규모 언어모델인 ‘하이퍼크로버’ 기술이 활용되어 전문 쇼호스트나 인플루언서의 화법과 문체로 대본 초안을 생성해 제공합니다. 쇼핑라이브에서 판매자가 더 쉽게 라이브를 준비하고 진행할 수 있도록 지원해 주는 것입니다.
비즈니스모델 관점에서 미드저니와 스노우의 차이점
2015년 9월 출시된 ‘스노우’는 사진과 동영상에 다양한 필터 효과를 적용할 수 있게 해주는 앱입니다. 네이버의 자회사 SNOW Corp.이 서비스하고 있으며 최근 인공지능(AI) 기반 기능을 선보이면서 높은 매출 성장세를 보여주고 있습니다. 모바일 데이터분석업체 센서타워에 따르면 2023년 7월 기준으로 애플 앱스토어와 구글 플레이스토어에서 2천만 달러 이상의 매출을 달성했다고 합니다(누적 다운로드는 2억 4천만 건)
스노우와 유사한 서비스로 ‘미드저니(Midjourney)’가 있지만 미드저니를 유료로 사용하는 사람들은 많지 않습니다. 어떤 것이 차이를 만들어 내는 것일까요?
미드저니가 그려준 그림과 스노우로 만든 아바타미드저니 사용을 위해서는 약간의 프롬프트 명령어를 알아야 합니다. 물론 유튜브 등을 통해 형식만 익힌다면 온라인 채팅방 형태로 이루어진 디스코드 서버를 통해 원하는 이미지를 쉽게 얻을 수 있습니다. 이미지 확대와 변형도 손쉽게 할 수 있고, 다른 사람들의 작품을 통해서 아이디어를 얻을 수도 있습니다.
그런데 미드저니의 활용은 딱 여기까지입니다. 간단한 명령어인 프롬프트를 통해서 멋진 그림을 그려달라고 할 수 있지만 유료를 사용할 정도는 아닙니다. 일상생활이나 업무에서 자신이 원하는 그림을 손쉽게 그리길 원하는 사람이 몇 명이나 될까요? 결국 미드저니에서 실제 비용을 지불하는 고객(Customer)은 그림이나 그래픽 분야에 종사하는 사람들이거나 미드저니로 돈을 버는 사람들일 것입니다. 시장의 매력도 측면에서 시장규모가 작다는 한계가 있습니다.
당신이 원하는 그림을 간단한 프롬프트 명령어로 그릴 수 있다고 하지만 모든 사람들이 화가가 되고 싶어 하지는 않습니다. 이것이 비즈니스모델 관점에서 미드저니의 한계점입니다.
반면 스노우 인공지능(AI)이 만들어주는 ‘프로필 사진’에는 기꺼이 돈을 지불하고 있습니다. 온라인상에서 보여지는 ‘나’는 조금은 포장된 또는 조금은 과장된 ‘나’ 일 수 있습니다. 스노우로 만든 프로필 사진을 카카오톡이나 페이스북 프로필 사진을 사용한다고 해서 누군가에게 피해를 주는 것이 아닙니다. 미드저니가 그려주는 그림에서는 ‘당신도 화가가 될 수 있습니다’라는 메시지가 느껴지는 반면, 스노우에서 그려주는 프로필사진은 나를 아는 사람들에게 ‘조금 더 매력적인 나’라는 메시지가 느껴집니다. 수많은 인공지능 서비스가 기약도 없이 막대한 비용을 투자하고 있는 것과 달리 스노우는 ‘돈’을 벌고 있는 이유는 사람들이 무엇을 원하는지 알고 있기 때문입니다.
골드러시에는 금맥을 찾지 말고 청바지를 팔아라
"골드러시에는 금맥을 찾지 말고 청바지를 팔아라"라는 이야기가 있습니다. 1848년에 미국 캘리포니아에서 금광이 발견되자 일확천금을 노린 수많은 사람들이 캘리포니아에 몰려들었습니다. 그런데 금을 찾아 큰돈을 벌었다는 사람들은 별로 없었습니다.
반면 송금업자와 청바지 장사는 큰돈을 벌었습니다. 송금업자들은 금을 캔 사람들에게 싼 값에 금을 사들인 다음 이들이 고향으로 돈을 송금해 주는 과정에서 수수료를 받았습니다. 청바지 장사들도 금을 캐러 가는 사람들에게 험한 작업에도 쉽게 해지지 않는 청바지를 팔아 큰돈을 벌었습니다. 웃픈 이야기이지만 이런 일들은 수없이 반복되고 있습니다. 비트코인이 정점에 달했던 때 돈을 번 곳은 가상자산거래소인 빗썸과 업비트였습니다.
지금을 골드러시 시대라고 한다면 네이버는 청바지 장사도 준비하고 있습니다. 국내의 많은 기업들이 인공지능 서비스를 도입하고 싶어 하지만 글로벌 기업들이 해결해주지 못하는 지점이 있습니다. 정치적인 이유뿐만 아니라 경쟁적인 측면에서 데이터 보호 관련 이슈들이 해결되어야 하고, 기업환경에 맞는 맞춤형 서비스가 필요합니다. 네이버는 이 지점에서 인공지능 서비스를 B2B와 B2G로도 제공하려는 것입니다. 실제 네이버는 "고객의 데이터와 하이퍼클로바X를 결합해 생성형 AI 서비스를 만들 수 있는 클로바 스튜디오가 대폭 업그레이드될 것이며 이를 하이브리드 클라우드 기반으로 제공하게 될 것"이라고 설명했습니다.
B2B(B2G) 관점에서 요소 기술을 지원하는 비즈니스에도 기회가 있습니다. 어떤 기업이나 기관(정부)이 초거대언어모델을 구축하기 위해서는 미세한 조정을 거치면서 더 잘 작동하도록 하는 파인튜닝(Fine-tuning) 과정과 수많은 형태의 GPU 그리고 GPU를 효율적으로 사용하기 위한 솔루션들이 필요합니다. 인공지능을 도입하려는 시장의 수요는 존재하지만, 기업이나 기관이 이 모든 것을 할 수는 없습니다. 이는 특화된 분야에서 요소 기술을 제공하는 기업에게 새로운 비즈니스 기회가 생긴다는 뜻입니다.
인공지능(AI) 비즈니스의 방향성은?
매출을 극대화하거나 비용을 줄이거나
뒤돌아보면 기술은 기술 자체의 혁신성보다 사람들에게 얼마나 쉽게 활용되는가에 따라 기술의 미래가 판가름 났음을 알 수 있습니다. 생성형 AI는 AI 기술의 한 분야로 텍스트, 이미지, 음악 등 새로운 콘텐츠를 생성하는 데 중점을 둔 AI 모델 혹은 AI 애플리케이션(응용프로그램)을 의미합니다. 글로벌 벤처투자회사 ‘앤틀러(Antler)’는 생성형 AI 생태계를 텍스트, 이미지, 오디오, 코드(프로그래밍), 챗봇, 비디오, 머신러닝(ML) 플랫폼, 검색, 게임, 데이터 카테고리로 분류했는데요. 이 같은 제너레이티브 AI의 주요 수익모델은 기술 사용료를 받는 라이선싱, AI가 만들어낸 결과물을 판매하는 방법, AI 시스템에 접속 권한을 제공하고 구독료를 받는 방법 등입니다. 기업들은 이를 활용해 제품의 효율을 개선하거나, 비용을 줄이거나, 매출을 극대화하는 일이 가능하죠.
LLM 기반 생성형 AI가 기존의 산업을 순식간에 대체하기는 어렵습니다. 다만, 스마트폰으로 인해 컴퓨터 사용시간이 감소했듯, 페이스북이나 인스타그램으로 블로그와 카페 활동 시간이 감소했듯 기존의 방식은 새로운 방식으로 조금씩 대체될 것입니다. 물론, 생성형 AI에 대한 지나친 낙관은 금물입니다. AI 모델을 만들고 운영하는 데는 많은 컴퓨팅 자원과 자본이 필요할 뿐만 아니라 AI를 통해 만들어낸 콘텐츠의 저작권 문제와 기업의 중요 기밀정보 유출 문제가 해결되어야 하기 때문입니다.
초거대 AI로 메타버스의 문이 열리다
아직은 시기상조라고 평가받던 메타버스가 초거대 AI를 만나면서 시장의 문이 열릴 가능성이 커지고 있습니다. 지금까지는 사람이 하나하나 메타버스 세상을 구현했지만, 앞으로는 초거대언어모델 기반의 AGI 앱 에이전트를 소환해서 명령을 내리면 됩니다. AGI(Artificial General Intelligence)는 스스로 생각할 수 있는 AI를 말하는데요. 이를 활용하면 메타버스 세상에 필요한 화면을 만들 수도 있고, 아바타를 생성하거나 배경음악을 만들 수도 있습니다.
인공지능을 포함한 IT 기술은 하드웨어, 소프트웨어, 네트워크, 플랫폼이 함께 성장해야 하나의 산업으로 만들어지므로 아직은 섣부른 예측일지도 모릅니다. 하지만 기술은 우상향 형태로 발전한다는 사실을 전제하면 시간의 문제일 뿐 머지않아 우리의 일상을 바꿔놓을 것은 분명합니다.
인간의 뇌처럼 스스로 학습하는 생성형 인공지능이 무서운 이유는 확장성 때문으로, 챗GPT가 보여주는 텍스트뿐만 아니라 사람의 목소리를 학습하거나, 거장의 미술작품을 학습해 이미지를 만들어주기도 하는데요. 아직은 그럴듯하게 카피한 수준이지만 학습량이 늘어나고, 이를 활용하려는 기업과 사람들이 많아지면 더 창의적인 콘텐츠도 만들어내기 시작할 게 불 보듯 뻔합니다. 무한대로 커지는 거죠.
챗GPT 같은 인공지능은 평균 수준의 업무는 대체할 수 있으리라 생각합니다. 주민센터에서 해주던 각종 서류발급이 기계로 대체되었듯 사무실에서 해야 하는 여러 가지 업무는 인공지능이 더 잘할 수 있는 영역이니까요. 반면, 기획하고 질문하고 가치를 판단하는 일은 사람의 영역입니다. 따라서 챗GPT 같은 인공지능을 잘 활용해 자신만의 시각으로 창의성을 발휘하는 영역은 쉽게 대체되기 어려울 것입니다.
비즈니스모델을 혁신하는 5가지 길
도서 비즈니스모델을 혁신하는 5가지 길은 비즈니스모델에 대한 방향성을 5가지로 설명하고 있습니다. 도서는 교보문고, 예스24, 알라딘 등에서 구매하실 수 있으며, 이러닝 서비스 인터뷰어에서 저자의 강의와 함께 도서를 받아보실 수도 있습니다.
