대개 어느 정도 규모가 되는 회사는 회계, 재무, 세일즈, 인사 등.. 각 부서 별로 방대한 문서 데이터를 가지고 있죠. 그리고 그 중 많은 문서는 비즈니스나 회사 운영에 직간접적인 관련이 있습니다. 따라서 방대한 문서에 담긴 정보를 파악하고 활용할 수 있다면 금상첨화일 것입니다. 문제는 이들 문서에 담긴 내용이 워낙 많고 때로는 pdf 등 이미지 파일이나 다른 형식의 파일로 존재하는 경우도 있기에 제대로 살펴보고 활용하는 데 어려움이 있다는 입니다. 이 문제를 AI로 해결하겠다고 나선 스타트업이 있습니다. 바로 B2B 문서 기반 업무 자동화 서비스를 제공하는 올거나이즈입니다. 지식 노동자의 삶을 AI로 혁신하겠다는 이창수 올거나이즈 대표를 만나고 왔습니다. "안녕하세요, 대표님! 우선 간단히 회사 소개를 부탁드립니다" "안녕하세요. 올거나이즈 이창수 대표라고 합니다" "올거나이즈는 기업용 B2B 문서 기반 업무 자동화 서비스를 제공하는 회사예요" "문서 기반 업무 자동화라고 하니 말이 좀 어려운데요" "크게 두 축으로 설명 드릴 수 있습니다" "우선 회사 내의 방대한 문서를 토대로 질문에 대해 답변해주는 '알리앤써'라는 서비스가 있습니다" "최근에는 GPT 버전인 알리GPT를 내놓기도 했지요" "다양한 내용을 바탕으로 종합적인 답변을 내놓는 생성형AI를 활용한다는 점이 특징입니다" "그런데 사내 문서에서 필요한 정보를 찾아준다는 것이 그리 새롭게 느껴지진 않습니다"

*이 글은 외부 필자인 신필수님의 기고입니다. 지난 3월 22일, 'AI 개발속도가 너무 빠르다'며 개발 속도를 조절해야 한다는 서명운동이 있었던 것 기억하시나요? 서명에는 일론 머스크, 스티브 워즈니악 같은 IT 거물들뿐만 아니라 '사피엔스'의 저자 유발 하라리도 참여했습니다. (참조 - Pause Giant AI Experiments) 이 외에도 AI, 특히 생성형 AI가 가져올 부작용에 대한 우려가 늘어나고 있습니다. 처음에는 AI가 저작권을 무시한 채로 마구 베껴 그리는 것이 이슈였습니다. 하지만 이제는 사실적인 이미지를 뽑아낼 정도로 발전하여 '뭐가 진짜이고 가짜인지' 구별이 어려워지는 문제가 떠오르고 있습니다. 이미지 생성 AI의 대표주자인 미드저니(Midjourney)도 이런 부작용을 의식해서인지 무료로 체험할 수 있는 기능을 아예 삭제해, 오직 유료로만 사용할 수 있도록 변경됐습니다. 저는 AI의 능력이 신기하고 업무에도 활용하기 좋아 그 발전을 지켜보는 게 즐겁습니다. 하지만 AI의 발전을 우려하는 이야기도 찬찬히 들어볼 필요가 있는 것 같습니다. 뭐든지 다 해줄 수 있을 것만 같은 도구이지만, 그에 대한 대가도 분명 있을 테니까요. 친AI로 편중된 제 의견에 조금이라도 균형이 더해졌으면 하는 마음에 글을 씁니다. 1. 일자리 문제 (feat. 양극화) AI 이야기에서 일자리 언급을 하지 않을 수 없습니다. "AI가 그림을 그려준대 → 디자이너들 어떡하냐.." "AI가 코딩도 해준대 → 프로그래머들 어떡하냐." 이런 우려 섞인 대화를 한 번쯤은 들어보셨을 것입니다.

*이 글은 외부 필자인 최호섭님의 기고입니다. '구글의 위기'를 염려하는 목소리가 꽤 들립니다. 챗GPT가 인터넷의 패러다임을 바꾸고, 구글은 그동안의 레거시 때문에 인공지능 시대에 발을 맞추지 못하고 있다는 것이지요. 그리고 지난 5월11일 구글은 이 우려에 대답하기라도 하듯 개발자 컨퍼런스를 통해 인공지능 기술을 잔뜩 꺼내 놓았습니다. 하지만 뭔가 새로운 느낌보다는 바쁘게 따라간다는 인상을 주는 것도 사실입니다. 스타트업처럼 늘 새로운 것을 꺼내놓고, 가장 앞서 모바일과 클라우드, 인공지능을 꺼내놓던 구글에 무슨 일이 생기기라도 한 걸까요? 세상에서 제일 쓸모없는 일이 연예인과 구글, 애플 걱정이라는 데 어딘가 마음이 쓰이는 부분이 없는 건 아닙니다. 과연 구글은 위기로 접어드는 걸까요? 이제서야 인공지능을 꺼내놓는 구글? 챗GPT의 등장 이후 인터넷에서 정보를 얻고, 그걸 바탕으로 새로운 무엇인가를 만들어내는 방법에 변화가 생겼습니다. 인터넷을 떠돌고 헤매는 이른바 '웹 서핑'은 정보를 찾는 여정이었지만 다른 한편으로는 온라인 광고를 통해 정보의 대가를 치르는 과정이기도 합니다. 하지만 챗GPT를 비롯한 대규모 언어 모델은 사람의 의도를 확률적으로 받아들이고, 그동안 학습한 인터넷의 데이터를 바탕으로 적절한 결과물을 만들어냅니다. 검색의 과정을 줄이거나, 때로는 아예 없애기도 합니다. 아마도 언어모델에 대한 신뢰가 더 높아진다면 검색 과정은 더 줄어들 겁니다. 검색 과정이 줄어들면 곧 온라인 광고 노출 기회도 따라서 낮아질 겁니다.

*이 글은 외부 필자인 이요훈님의 기고입니다. 지난 5월 10일, 구글에서 '구글 I/O 2023'을 개최했습니다. 개발자 행사라서 개발 관련 내용이 중심이지만, 많은 사람이 기조연설을 주목합니다. 빅테크 기업 구글이 지금 어느 방향으로 나아가고 있는지 알 수 있기 때문입니다. 이번 기조연설에서 발표된 주요 내용은 다음과 같습니다. "안드로이드 13: 안드로이드 13은 구글의 새로운 모바일 운영 체제입니다. 새로운 디자인, 향상된 개인 정보 보호 및 보안 기능, 여러 가지 새로운 기능을 제공합니다" "픽셀 7 및 픽셀 7 프로: 픽셀 7과 픽셀 7 프로는 구글의 새로운 스마트폰입니다. 새로운 디자인, 향상된 성능 및 여러 가지 새로운 기능을 제공합니다" "픽셀 워치: 픽셀 워치는 구글의 새로운 스마트워치입니다. 원형 디스플레이, 다양한 기능 및 구글의 Wear OS를 실행합니다" "픽셀 버즈 프로: 픽셀 버즈 프로는 구글의 새로운 무선 이어버드입니다. 액티브 노이즈 캔슬링, 투명 모드 및 다양한 기능을 제공합니다" "구글의 새로운 AI 및 기계 학습 기능: 구글은 기계 학습을 사용하여 제품과 서비스를 개선하기 위해 노력하고 있습니다. 기조연설에서 그들은 검색, 번역 및 사진에서의 작업을 보여주었습니다" "이러한 발표 외에도 구글은 구글맵의 새로운 기능, 구글 홈의 새로운 기능 및 구글의 새로운 클라우드 컴퓨팅 플랫폼인 구글 클라우드 넥스트의 여러 가지 기능을 포함하여 제품 및 서비스에 대한 여러 가지 다른 발표를 했습니다" ..뭔가 이상하다는 생각이 드셨더라도 절 탓하지 말아 주세요. 구글의 AI 챗봇 '바드(Bard)'에게 물었더니 저렇게 답해주더라고요.

*이 글은 외부 필자인 조하나님의 기고입니다. "인간의 단점은 존재하지 않는 것에 대해 희망을 품는 거야. 인간들은 그걸 꿈이라고 하지. (Human beings' weakness is that they hope for things that do not exist, and they call them dreams)" (지골로 조, 영화 'AI' 중) '대 인공지능의 시대'입니다. 챗GPT가 미국 의사 시험에 합격하고 (참조 - 전문직 위협하는 챗GPT … 美의사면허·로스쿨 시험도 통과) 인턴 시말서도 써주고 (참조 - 챗GPT, '인턴 시말서'도 썼다…"이젠 반성도 AI가 대신") 연애 상담에 (참조 - AI가 소설 쓰고 연애 상담해준다는데…'챗GPT' 능력은 어디까지) 종교까지 접수했습니다. (참조 - 챗GPT 설교에 대한 당신의 생각은?... 목회자 10명 중 4명 '챗GPT 사용 경험') 다 쓰려면 끝도 없는 챗GPT의 열일 행보! 이쯤 되면 AI에게 우리 인생 전체를 외주주는 게 아닌가 싶을 정도입니다.

감사보고서가 올라오는 시즌입니다. 업계의 이목은 기업들이 지난 한 해 농사를 잘했는지 못했는지, 잘했다면 어떻게 잘했고 못 했다면 무엇 때문에 못 했는지에 쏠려 있습니다. 이 국면에서 특히 눈길을 끈 스타트업이 하나 있습니다. 바로 손정의 회장이 이끄는 비전펀드로부터 거액의 투자금을 유치한 AI 에듀테크 스타트업 뤼이드입니다. 뤼이드의 말 많은 2년 치 실적 뤼이드는 사실 감사보고서가 나오기 이전부터 업계에서 적잖은 관심을 받던 회사였습니다. 회사가 처음 이름을 알리기 시작한 건 2017년 토익 학습앱인 '산타토익'을 출시하면서부터였는데요. 개인 맞춤 학습을 제공하고 모바일로도 쉽게 사용할 수 있도록 만드는 등 인기를 끌었습니다. 2018년엔 국내 유료교육앱 중 매출 1위를 달성했고, 2019년엔 누적 유저 100만명을 돌파하기도 했으니 나름대로 잠재력을 잘 보여줬다고 할 수 있겠습니다. 뤼이드가 국내 주요 에듀테크 스타트업으로 업계에 확실한 인상을 남긴 것은 2021년이었습니다. 회사는 비전펀드로부터 무려 2000억원 규모의 시리즈D 투자를 유치했는데요. 현재 환율 기준으로는 약 2300억원(1억7500만달러)에 해당하는 거액이었습니다. 당시 뤼이드는 재무제표 기준 8000억원 수준의 기업가치를 인정받으면서 명실상부 교육 분야의 예비 유니콘으로서 입지를 확실히 다졌습니다. 적어도 지난 약 2년여 동안 뤼이드는 '앞날이 창창한 교육 분야 AI 스타트업'이라는 대세감을 잘 이어왔죠. 이번에 공개된 뤼이드의 실적에 많은 사람이 고개를 갸웃했던 건 아마 이 때문이었을지도 모릅니다.

*이 글은 외부 필자인 심예지님의 기고입니다. 그동안 해오던 방식이 완전히 바뀔 때, 우리는 그걸 '혁신'이라고 부릅니다. 1990년대를 시작으로 고작 30년 남짓한 세월 동안 생활 방식은 급격히, 그리고 혁신적으로 변했습니다. 그 배경에 '정보'가 있습니다. 갈수록 세상이 연결되면서 누구나 손쉽게 많은 데이터, 즉 정보에 접근할 수 있게 됐습니다. 페이스북을 생각해 보세요. 검색만 하면 궁금했던 사람이 바로 나올 뿐만 아니라 '연결된 사람'도 알려줍니다. 이렇게 더 많은 연결을 만들어 주면서 이용자가 더 많은 데이터를 자발적으로 생성하게 했습니다. 데이터 형태 또한 텍스트에서 벗어나 이미지, 영상으로도 쌓이고 있죠. 빅데이터 시대에 접어들면서 세상과 사람들이 상호작용하는 방식과 범위가 기술과 함께 바뀌어 왔습니다. 하지만 검색 경험은 오랫동안 그대로였습니다. 1) 키워드를 입력한다 2) '검색하기' 버튼을 누른다 3) 검색 결과를 살펴본다 물론 전부 읽기 어려울 만큼 방대하지만, 그 결과를 탐색하는 게 전부죠.

*이 글은 외부 필자인 권정민님의 기고입니다. 여러 사람이 나온 사진을 저장하면, 자동으로 누가 나왔는지 찾아서 분류해 주는 기능. 비교적 최근에 나온 스마트폰을 사용하신다면, 한 번쯤 경험해 보시지 않았을까 싶은데요. 간혹 그 사진이 잘못 분류되거나 다른 사람 이름이 달린 모습도 보셨을 겁니다. 특히 주소록에 해당 사람의 프로필 사진을 연예인이나 캐릭터 이미지로 등록한 경우에 종종 발생합니다. 주소록에 넣은 사람 이름이 일종의 '라벨' 역할을 한 겁니다. 이렇게 개인 스마트폰이라는 작은 시스템에서도 데이터 라벨링 오류가 심심치 않게 발생합니다. 물론 혼자만 보는 시스템에서 생긴 일이니까 작은 해프닝이라고 넘어가도 괜찮지만요. 많은 사람이 자주 사용하는 인공지능 시스템에서 이런 오류가 발생한다면 어떨까요? 라벨링 오류는 기존에도 문제였지만, 요즘처럼 인공지능이 대두되는 시점에선 더욱 큰 문제를 야기할 수 있습니다. 앞서 살펴봤다시피 데이터 라벨링은 기계 학습 및 인공 지능 시스템의 성능에 중요한 역할을 합니다. 시스템은 데이터 라벨링을 통해 사람이 이해할 수 있는 형태의 데이터 기반으로 학습하고 판단합니다. (참조 - 인공지능 시대에 더욱 각광받을 '데이터 라벨러'의 명과 암) 데이터 라벨링은 사람(데이터 라벨러)이 직접 작업합니다.

*이 글은 외부 필자인 성원용님의 기고입니다. 챗GPT의 약점 지금 인터넷에서는 챗GPT에 대해 환호와 함께 부정적인 의견도 많습니다. 부정적인 반응을 나오는 대표적 이유 몇 가지가 있습니다. (1) 오류 가능성 첫 번째로 오류 가능성을 꼽을 수 있습니다. 챗GPT와 같은 생성형 언어모델은 단어를 꼬리에 꼬리를 무는 식으로 발생시킵니다. 따라서 단어 하나의 생성오류가 e라고 할 때, 예를 들면 100개의 단어로 된 답이 정확하게 맞을 확률은 (1-e)의 100승이 됩니다. 단어 하나의 생성오류 확률이 1%(e=0.01)라고 한다면, 이 경우 전체 문장이 맞을 확률은 불과 36.6%밖에 안됩니다. 그런데 이러한 주장은 약점만을 과장한 것입니다. 왜냐하면 지시문(prompt) 중에 중요한 내용 요약이나 암시를 주는 단어가 포함되어 있으면 트랜스포머 신경망 모델의 어텐션(attention) 구조를 이용하여 답을 쉽게 생성할 수 있기 때문입니다. 챗GPT의 능력은 긴 문장을 보고, 컨텍스트(context)를 이용하는 것입니다. 지시문에 내용이 주어져 있을 때 챗GPT가 그것을 참고 또는 주목(attention)해 내용을 요약하거나 부연설명을 하거나 번역을 하는 용도로 활용하는 게 적합합니다. 대표적인 응용으로는 대강의 내용을 주고 이메일 작성이나 연설문 요청하기, 이야기 다시 쓰기, 번역, 컴퓨터 소프트웨어 코딩 등이 해당됩니다. (2) 부정확한 내용 챗GPT의 또 다른 문제로는 암기 또는 기억하고 있는 내용이 부정확한 경우가 많다는 것입니다.

최근 주목받는 영어 학습앱으로 '스픽'을 빼놓을 수 없습니다. 스픽은 회화에 특화한 AI 영어 학습앱인데요. AI튜터가 말을 시키면 사람이 대답하고, AI가 다시 피드백을 주는 식으로 학습이 이루어집니다. 스픽의 월간활성사용자수(MAU)는 지난해를 기점으로 크게 증가하기 시작했는데요. 지난해 1월 22만4000여명의 MAU를 기록한 데 이어, 올해 1월엔 33만여명의 MAU를 기록하기도 했습니다. 지난달인 3월엔 영어 교육 서비스 중 사용량 기준, 3위를 차지하기도 했죠. 출시된지는 약 4년여밖에 되지 않았지만 이미 사용성과 성능에 대해 호평받고 있다는 것입니다. 스픽이 큰 인기를 끄는 배경은 앱의 성능과 사용성이 좋다는 것 말고도 하나가 더 있습니다. 최근 챗GPT, GPT-4 출시 등으로 화제를 몰고 다니는 무려.. 오픈AI가 투자한 AI 스타트업이라는 점이 바로 그것인데요. 특히 최근 GPT-4가 정식으로 출시되기 이전부터 이를 활용해 서비스를 만들었다는 점이 발표되면서 이목을 집중시키기도 했습니다. 스픽의 코너 즈윅 대표를 인터뷰했습니다. 스픽의 특징과 오픈AI 투자 비하인드에 대해 물었고요. 인간 튜터와 비교할 때 스픽의 AI튜터가 갖는 장단점은 뭐라고 생각하는지, 향후 목표는 무엇인지에 대해서도 물었습니다. 본 인터뷰는 코너 즈윅 대표가 미국 샌프란시스코에 있는 관계로 줌 화상 통화로 진행됐습니다.

*이 글은 외부 필자인 배윤주님의 기고입니다. 최근 업계에서 가장 큰 화두이자 트렌드는 '생성형 AI'입니다. 생성형 AI는 이용자의 요구에 따라 결과를 생성해내는 인공지능입니다. MS, 구글 등 거대 IT 기업은 물론이고, 노션이나 슬랙과 같은 서비스에서도 생성형 AI를 접목한 기능을 출시하고 있죠. 이 거대한 물결을 만든 시작점이 바로 Open AI에서 출시한 Chat GPT입니다. Chat GPT는 출시 두 달 만에 월 사용자 1억명을 돌파했습니다. 10억달러(1조3183억원)를 투자한 마이크로소프트가 아예 100억달러(13조1830억원) 투자와 함께 파트너십을 맺기도 했습니다. 놀라운 성능 덕분에 정말로 AI가 인간을 대체하는 날이 머지않았다는 시선도 늘었습니다. (참조 - "구글은 이제 끝났다".. 수능 문제 해설에 코드 리뷰까지 해주는 '챗GPT') Chat GPT 같은 기술만 AI일까요? Chat GPT가 워낙 센세이셔널하다보니 마치 이전에는 없었던 최첨단 기술을 활용한 제품이라고 생각하는 분이 생각보다 많습니다. 그리고 모든 AI가 이렇게 새로운 데이터를 생성해낸다고 생각하시기도 하더군요. 사실 AI는 굉장히 폭넓은 개념입니다. AI라는 용어 자체가 '인공 지능 (Artificial Intelligence)'의 줄임말이죠. 시스템이 인간을 대신해서 해줄 수 있는 모든 행동을 의미합니다. 따라서 대화형 AI 같은 복잡한 활동 외에도 그 범주는 굉장히 넓습니다.

*이 글은 외부 필자인 최호섭님의 기고입니다. 챗GPT 이후 인공지능, 특히 언어에 대한 변화가 사뭇 무섭습니다. '글을 쓴다'는 행위는 정보를 찾는 것부터 시작해 이를 받아들이고 새로운 가치를 만들어내는 긴 여정의 결과물인데 컴퓨터에 잘 설명하는 것으로 단숨에 글을 얻어내다 보니 콘텐츠와 관련된 일의 방법, 더 나아가 그 가치 자체가 흔들리는 듯합니다. 어떻게 보면 마이크로소프트의 코파일럿을 비롯해, 챗GPT를 통해 생각을 표현하고 담아내는 장벽이 허물어지고 누구나 더 쉽게 문서를 만들어낼 수 있게 된 것은 반가운 일입니다. 동시에 적지 않은 부작용도 일어나고 있습니다. '보고서를 직접 쓰지 않는다'를 둔 논란은 이미 낡은 주제가 되었고, 글쓰기 과정 중 스스로 생각하는 것의 중요성을 강조하는 것도 이른바 '꼰대' 인증을 하는 셈이지요. 이런 가치관의 갈등을 넘어 콘텐츠를 무분별하게 베껴 재생산하거나 거짓정보를 그럴싸하게 만드는 일, 더 나아가 개인정보와 기업의 보안을 위협할 수도 있다는 우려도 나오고 있습니다. 기업들의 고민들이 속속 전해지기도 합니다. 삼성전자가 대표적인 사례죠. 반도체 설비 관련 소프트웨어 엔지니어가 코드의 결함을 확인하기 위해 챗 GPT에 코드를 입력하기도 하고, 중요한 회의 내용을 요약하기 위해 인공지능의 힘을 빌리는 일이 일어났다고 합니다. 코드를 검증하거나 회의록을 만드는 것은 챗GPT 초기부터 주목받던 '인공지능이 잘하는 일' 중 하나였는데 실제 현장에서는 마냥 달가운 일은 아니었던 겁니다. 물론 챗GPT는 개인정보를 엄격하게 보호하고 있다고 합니다. 하지만 이용자가 입력하는 정보들은 수집되어서 다시 GPT 모델의 학습에 쓰일 수 있습니다. GPT를 개발, 운영하는 오픈AI도 이를 공지하고 있습니다. 서비스를 통해 얻은 데이터로 강화학습을 하는 건 일반적인 일이기 때문이지요. 코드를 한번 입력했다고 그 내용이 고스란히 경쟁 기업에 들어가거나 이를 통해 GPT가 단숨에 반도체 생산 라인에 대한 지식을 완벽하게 얻지는 않겠지만 이런 내용들이 광범위하게 이뤄진다면 걱정이 될 수밖에 없습니다.

실리콘밸리에서 온 상위 1%가 돈 버는 비법 많은 이들이 부업과 재테크를 고민하는 시대입니다. 무수한 미디어가 돈을 많이 벌고 싶다는 욕망을 부추기죠. 문제는 그 욕망을 이용해서 부적절하거나 비윤리적인 방식으로 돈을 버는 사람들도 많아지는 겁니다. '이렇게 하면 당신도 당장 돈 벌 수 있어요' 라는 말로 사람들의 시선을 끌어모읍니다. 와디즈 펀딩 중 하나인 '챗GPT 초고수들이 사용하는 수익화 비법'은 그 욕망을 자극했습니다. (참조 - GPT 초고수는 이렇게 씁니다 I ChatGPT 수익화 활용 비법서) '그로윙업'이라는 업체가 만든 펀딩 프로젝트였고요. 이 펀딩은 '챗GPT 수익화 방법이 담겼다'고 주장하는 전자책에 투자하라는 내용입니다. '실리콘밸리에서 사용하는 상위 1%의 수익화 비법' 부업의 시대에 눈을 번뜩이게 하는 이 문구는 큰 관심을 받을 만했습니다. "기술이 공개된 지 얼마 되지 않았는데 실리콘밸리에서는 많은 이들이 돈을 벌고 있으며, 그게 비법서처럼 전해 내려온다는 말인가요?" "게다가 그걸 알고 있는 우리나라 사람이 저 프로젝트를 만든 사람들밖에 없다고요?" "어머, 이건 꼭 투자해야 해"

"아숙업(AskUp)을 대중에게 공개한 이유는 챗GPT가 스마트폰처럼 새로운 시대를 가져올 기술이라 생각했기 때문입니다" "기술을 접한 이와 그렇지 않은 이의 격차가 크게 벌어질 거라 봤고요" "아숙업으로 전 국민이 챗GPT를 경험해 보길 바랍니다" (권순일 업스테이지 사업총괄) 아숙업은 인공지능(AI) 스타트업 업스테이지가 개발한 인공지능 챗봇 서비스입니다. 챗봇이란 인공지능이 빅데이터 분석을 바탕으로 사람과 대화를 하며 해답을 주는 대화형 메신저인데요. 아숙업은 업스테이지에서 내부 업무 툴인 슬랙에 챗GPT를 연동해 간단한 업무 처리나 궁금증을 해결한 것에서 출발했습니다. *챗GPT 미국 기업 오픈에이아이(Open AI)가 2022년 12월에 공개한 대화 전문 인공지능 챗봇. 업스테이지는 인공지능의 편리함을 더 많은 이들에게 알리기 위해 이를 카카오톡 서비스로 확장했는데요. 이게 바로, 아숙업입니다. 아숙업의 주요 특징은 업스테이지의 광학식 문자판독기(OCR) 기술과 챗GPT를 결합해 이용자가 문서의 사진을 찍거나 전송하면 이미지 내 글자를 이해하고 답변할 수 있다는 건데요. *OCR 이미지 파일 등과 같은 디지털 문서에 포함돼 있는 글자를 빛을 이용해 인식하고 사람이 읽을 수 있는 문자로 변환해 주는 기술. 일명 '눈 달린 챗GPT'로 2023년 3월 6일에 서비스 개시한 이후 25일 만에 가입자 수 50만명을 돌파했습니다. 아숙업은 OCR 기술뿐 아니라 물음표(?) 검색 기능을 제공하고 최근에는 이미지 생성 기능도 추가했는데요. 아숙업 개발사인 업스테이지의 권순일 사업총괄을 만나 아숙업 작동 원리 등에 대한 이야기를 나눠봤습니다.

지난달 14일 GPT-4가 드디어 모습을 드러냈습니다. 아직 챗GPT가 준 충격이 채 가시기도 전이었죠. GPT-4는 진일보한 성능으로 세간의 이목을 집중시키면서 본격적인 AI 시대의 개막을 알리고 있습니다. GPT-4가 출시되자 업계에선 다양한 관측이 나오고 있습니다. 주로는 이전과는 비교할 수 없는 혁신이 이루어질 거라는 관측이 많습니다. 그렇다면 구체적으로 챗GPT와 GPT-4가 시장에 미칠 영향은 무엇일까요. 카이스트에서 서민준 교수를 인터뷰했습니다. 서 교수는 오랜 기간 AI를 연구해왔으며 네이버와 오라클, 메타, 구글 등 유수의 IT기업에서 일하며 비즈니스 세계에 대한 경험도 쌓아왔는데요. 얼마 전엔 IT 서적인 '챗GPT 위기인가 기회인가'를 공동 집필하는 등 활발한 활동을 이어가고 있습니다. "교수님 반갑습니다" "우선 간단히 그동안 밟아온 커리어를 소개해주십시오" "안녕하세요, 저는 현재 카이스트에서 AI 분야를 연구하고 있는 서민준이라고 합니다" "대학 졸업 이후엔 1년 정도 오라클에서 일을 했고요" "이후 시애틀에서 AI 쪽으로 박사를 했습니다" "박사 5년차 때엔 한국에 들어와 네이버에서도 3년 정도 있었는데요"

*이 글은 외부 필자인 성원용님의 기고입니다. 챗GPT를 사용해 본 사람들은 긍정과 부정 두 부류로 극단적으로 나뉘는데, 부정적인 반응의 가장 큰 이유는 답이 연도나 이름 등 세부적인 면에서 부정확한 경우가 많기 때문입니다. 예를 들어 튀르키예는 한국전쟁 초기부터 한국에 군대를 파견하였고, 한국전쟁이 한창인 1952년 NATO에 가입했지만, 챗GPT는 튀르키예가 나토의 일원으로 (처음부터) 한국전쟁에 참전하였다고 좀 틀린 정보를 줍니다. 그리고 챗GPT에 놀라서 구글이 바드(Bard) AI를 대항마로 발표하였는데, 시연 장소에서 제임스 웹 우주 망원경이 한 일을 바드 AI에 물었을 때 잘못된 사실을 답하여 망신을 당했습니다. 이렇게 챗GPT나 바드 AI나 둘 다 잘못된 정보를 알려줄 위험이 다분히 있습니다. 암기에 약한 챗GPT 암기능력 테스트를 위해 챗GPT에 애국가를 외우도록 시켜보았습니다. Wonyong Sung : 한국의 애국가 가사를 알고 있니? 한번 외워봐. 챗GPT : 애국가의 가사는 다음과 같습니다. 동해물과 백두산이 마르고 닳도록, 하느님이 보우하사 우리나라 만세. 무궁화 삼천리 화려강산, 대한 사람, 대한으로 길이 보전하세. 가장 아름다운 것은 내 조국이요, 그리고 우리 여러분이 있소서, 이것이 우리가 사랑하는 국가입니다, 그것을 지키기 위해 우리가 살아왔으니, 이것을 지켜내야 할 것입니다. 애국가 1절은 잘 외웠는데, 2절은 완전히 엉터리입니다. 앞의 글에서 챗GPT는 생성형 언어 모델이고, 글을 꼬리에 꼬리를 무는 식으로 발생시킨다고 하였습니다. (참조 - 챗GPT에서 G와 T는 무엇인가) 도중에 한 번 틀리면 다시 돌아오기가 어렵습니다. 물론 이 문제를 완화하기 위한 훈련법도 고안이 되고는 있습니다. 더 심각한 문제가 있습니다. 챗GPT는 자기의 답이 틀렸다는 인식이 없습니다. 만약 사람이라면 "글쎄요. 좀 자신이 없는데요" 하면서 답을 냈을 것입니다. 그래도 신기한 것은 2절은 전혀 못 보던 가사입니다만, 애국의 뜻을 충분히 담고 있다는 점입니다.

최근 AI 번역이 주목받고 있습니다. 물론 이전에도 구글 번역이나 네이버 파파고 등 AI 번역기는 존재했습니다. 그러나 챗GPT, 딥엘 등 새로운 번역기가 등장하면서 그 성능에 이목이 쏠리고 있죠. 일각에서는 챗GPT와 딥엘 등 최신 AI번역기의 성능이 진일보했다는 이야기가 나옵니다. 물론 기존 강자인 구글 번역과 파파고도 만만치는 않습니다. 이에 현존하는 주요 AI번역기 네 개를 비교, 평가했습니다. 평가자로는 해커스어학원에서 비즈니스 영어를 전문적으로 가르치는 연태흠 강사가 나섰습니다. 연 강사는 2년 전 구글 번역과 파파고를 비교하는 기획 기사에도 평가자로 나선 바 있죠. (참조 - 구글 vs. 파파고.. 번역대결 붙여봄 (feat.해커스어학원)) 본 실험의 방식과 기준을 공유하자면 다음과 같습니다. (1) 영->한 번역 8개, 한->영 번역 8개. 도합 16개의 문장을 번역했습니다.

*이 글은 외부 필자인 최호섭님의 기고입니다. 컴퓨터와 관련된 기술을 꽤 오래 봐 왔다고 생각했지만 요즘처럼 그 변화의 방향과 속도가 예측할 수 없다는 생각을 한 적이 없는 것 같습니다. 그 중심에는 인공지능 기술이 있습니다. 지난해 11월, 챗GPT가 등장한 이후로 컴퓨터가 사람의 말을 알아듣고, 적절한 행동을 하는 과정에는 큰 변화가 일어나고 있습니다. 마이크로소프트의 빙챗과 구글의 바드가 검색 엔진과 결합하고, 아예 그 결과를 적절한 문장으로 만들어내기도 합니다. 더 나아가 우리가 늘 다루는 오피스, 구글 워크스페이스 등 문서 도구들이 이 대규모 언어 모델과 결합해 문서를 만들어 줍니다. 인터넷 검색 엔진으로 정보를 찾아 이를 문장으로 잘 풀어내고, 다시 더 잘 전달할 수 있도록 시각화하는 것은 PC가 우리 곁에 온 이후 가장 돋보이는 일이었습니다. '컴퓨터를 배운다', 지금은 많이 사라진 것 같지만 PC를 쓰는 방법을 배우는 것이 당연하게 여겨지던 때가 있었습니다. 윈도우를 다루는 방법을 익히고, 워드 프로세서로 문서를 만드는 과정을 배웠습니다. 인터넷이 대중화된 이후로는 원하는 정보를 찾는 일도 할 수 있어야 했습니다. '컴퓨터 활용 능력 평가' 같은 시험으로 이를 검증하기도 했지요. 이렇게 컴퓨터를 배우는 가장 큰 목적은 컴퓨터에게 내 생각과 의도를 전달하는 데 있습니다. 그게 바로 컴퓨터를 작동시키는 일이었지요. 컴퓨터를 통해 정보를 얻고 창의적인 아이디어들을 표현하는 것은 중요한 스킬이었습니다. 결국 기기와 서비스의 경험이 달라지는 것은 소통에 있습니다.

*이 글은 외부 필자인 성원용님의 기고입니다. 이전 글에서 챗GPT는 트랜스포머 구조의 인공신경망을 이용하고, 그 모델에 이용되는 파라미터(인공시냅스)의 개수가 1750억개라 하였습니다. (참조 - 챗GPT에서 G와 T는 무엇인가) 그런데 "구슬이 서 말이라도 꿰어야 보배"라는 속담처럼 인공신경망은 훈련을 제대로 시켜야만 쓸모가 있습니다. 그리고 모델의 사이즈가 크면 그것에 비례해서 훈련데이터의 크기도 커야 합니다. 오늘은 챗GPT의 훈련법을 관련 논문을 바탕으로 설명해 보겠습니다. 3단계 학습 가장 기본적인 인공신경망 훈련 방법은 감독학습 (supervised learning)인데, 이것은 인공신경망의 입력에 문제를 주고 출력에는 답을 준 후에 인공신경망이 그 답을 잘 맞히도록 훈련하는 방법입니다. 일례로 영한 번역기를 훈련한다면, 입력에 "I am going to school now"라는 텍스트를 주면서 출력에 "나는 지금 학교에 가고 있어"라는 답이 나오게 하는 것입니다. 이때 훈련 초기에는 답이 이렇게 안 나오니까, 정확한 답과 틀린 답의 차이 또는 오차를 이용하여 내부의 파라미터 값을 조금씩 바꿉니다. 즉 정확한 답이 안 나오면 내부 시냅스의 연결강도를 조금씩 바꾸는데, 당연히 이 오차가 줄어드는 방법으로 값을 바꾸어야 합니다. 이때 사용하는 알고리즘이 역전파(back propagation) 방법입니다. 내부의 1750억개 파라미터를 전부 다 제대로 바꾸려면 당연히 이 과정을 엄청 많이 수행해야 합니다. 모델의 크기가 매우 크지 않은 대부분의 인공신경망은 이렇게 문제와 정답을 쌍으로 주는 감독학습을 이용하여 훈련을 합니다. 이미지 인식, 글자 인식, 음성 인식, 번역 등 많은 응용은 현재 주로 감독학습을 이용하여 훈련이 되었습니다.

"초기에 주방 로봇을 청소하는 데 2시간 30분이 걸리더라고요" "알바생이 있었는데, 그만 두겠다면서 불만을 쏟아내셨습니다" "그때 받은 120개의 불만이 큰 도움이 됐습니다" (김범진, 웨이브라이프스타일테크 대표) 외식업계에서는 임금 인상과 인력 부족으로 사람이 하던 일을 로봇으로 대체하려는 움직임이 활발한데요. 이런 추세에 맞춰서 조리 로봇을 만들어 주방의 인력을 돕는 스타트업이 늘어나고 있습니다. 그중 '웨이브라이프스타일테크'의 성장이 눈에 띄는데요. 2018년 설립된 웨이브는 로봇과 AI 기술을 기반으로 '로봇 키친 플랫폼'을 서비스하는 푸드테크 스타트업입니다. 스테이크 팬프라잉 로봇, 디스펜싱 로봇, 튀김 로봇 등 주방에서 사용할 수 있는 다양한 로봇을 만들어 왔습니다. 35개 이상의 브랜드의 매장에 로봇을 도입시켰는데요. 대표적인 브랜드는 샤이바나, 오븐마루, 순수덮밥, ASAP피자 등입니다. 2022년 50억원을 투자 받았고요. 매출은 2021년 2.5억원에서 2022년 30억원으로, 10배 이상 성장했습니다. 이러한 성과 뒤에는 어떤 이야기가 숨겨져 있는지, 웨이브라이프스타일테크 김범진 대표를 직접 만나고 왔습니다. (참조 - 웨이브 라이프스타일테크, 50억원 규모 프리A 투자 유치) 버펄로윙을 보다가 로봇을 만들었어요? "왜 주방 로봇을 만들기 시작하셨죠?" "제가 가장 좋아하는 음식이 버펄로윙인데요" "밖에 나가서 2만원 주면 10~12조각 정도 먹을 수 있는데요" "마트에서 2만원어치 버펄로윙을 30조각 살 수 있더라고요"

*이 글은 외부 필자인 성원용님의 기고입니다. 챗GPT의 GPT는 생성형 사전학습 트랜스포머 즉 Generative Pretrained Transformer의 약자입니다. 학계에서는 챗GPT를 거대 언어모델(large language model)의 한 종류라 분류합니다. 이번 글에서는 언어모델과 생성형(Generative)의 뜻, 그리고 Transformer 구조의 인공신경망에 대해 설명을 하겠습니다. 언어모델이란 무엇인가? 언어모델은 텍스트 처리나 음성인식에 많이 사용하는데, 글이나 말의 다음 단어를 예측하는 역할을 합니다. 말이 느린 사람의 이야기를 들을 때 그 사람의 다음 말을 짐작하고 내가 먼저 말을 한 경험도 있을 것입니다. 머릿속에서 언어모델이 작동하기 때문입니다. 물론 다음에 나올 단어는 꼭 정해진 것이 아니기 때문에 언어모델은 다음에 나올 단어를 확률값으로 알려줍니다. 예를 들면, "I go to church on __"라는 문장이 있다면, 아마 여기에 Sunday가 나올 확률이 매우 클 것입니다. 물론 교회를 다른 요일에 갈 수도 있습니다. "I go to church on Wednesday and Sunday"라는 문장도 있을 것입니다. 언어모델은 이 경우에 예를 들면 Sunday 확률 80%, Wednesday 10%, Friday 7%라는 식으로 예측을 합니다. 이 확률값의 합은 100%가 됩니다. 음성인식의 경우 다음에 나올 단어가 잘 예측하는 게 중요합니다. 우리가 구사하는 단어가 수만 개가 되지만, 좋은 언어모델을 이용하면 다음에 나올 단어의 범위를 수십 개 이내로 좁힐 수 있습니다. 수만 개 중에서 찾는 것과 수십 개 중에서 찾는 것은 인식률의 차이가 크겠지요.

*이 글은 외부 필자인 권정민님의 기고입니다. 요즘 데이터 관련 기사에서 '데이터 라벨러'라는 단어를 어렵지 않게 볼 수 있습니다. 자율주행차, 안면 인식, 챗GPT 같은 각종 인공지능 서비스가 급부상하면서 이 직업도 빠른 속도로 친숙해졌습니다. 하지만 갑자기 떠올랐다보니 정작 직업 자체에 대해서는 피상적으로 알려진 감이 있지 않나 싶습니다. 먼저 '데이터 라벨링'이 무엇인지 살펴보겠습니다. '데이터 라벨링'이란 작업은 일종의 문서 분류나 자료의 수를 세는 것과 유사한 맥락입니다. 즉, 갑자기 새롭게 만들어진 일은 아닙니다. 다만 '사람이 필요한 이유'가 달라졌습니다. 예전에는 많은 자료를 집계하고 정리하기 위해 필요했다면, 이제는 기계가 데이터를 학습하기 위해 필요해졌다고 정리할 수 있습니다. 인공지능은 기계학습(머신러닝) 알고리즘으로 만듭니다. 말 그대로 '기계'가 '데이터'를 '대량으로 학습'하는 알고리즘입니다. (참조 - AI, 머신러닝 그리고 딥러닝의 변천사) 그런데 기계가 동시다발적으로 학습하는 엄청난 분량의 데이터를 사람이 하나하나 관리하긴 힘듭니다.

*이 글은 외부 필자인 성원용님의 기고입니다. OpenAI가 발표한 챗GPT의 성능에 감탄하는 분들이 많습니다. 반면 챗GPT의 답에 틀린 것이 많고 또 황당한 소리도 자주 나온다고 불평하는 목소리도 있습니다. 이미 국내외의 여러 매체에서 챗GPT를 많이 다루었기 때문에 좀 더 전문적인 관점에서 그렇지만 일반인의 눈높이로 몇 차례에 걸쳐 챗GPT의 특징을 분석 소개하겠습니다. 작년 11월에 OpenAI가 챗GPT를 서비스하기 시작한 후 전 세계적으로 과히 광풍이라 할 정도로 챗GPT가 화제입니다. 이 글을 읽으시는 독자들은 이미 챗GPT를 써 보셨을 것으로 생각하고 글을 쓰겠습니다. 챗GPT가 잘하는 것은 엄청 많은데 반면 대답에 엉터리 정보가 섞여 있다고 불평하시는 분들도 많습니다. 그러면 엉터리 정보가 섞여 있는 것은 그냥 운으로 생각하고 써야 할까요? 이 첫 번째 글에서는 챗GPT의 응용을 소개하면서 비교적 안심하고 써도 되는 응용, 엉터리 정보를 주의하며 써야 하는 응용, 그리고 피해야 하는 응용에 대해 설명하겠습니다. 챗GPT가 잘하는 것 챗GPT의 가장 훌륭한 능력은 어떤 글을 주었을 때, 그것을 이해한 후 다시 길게 또는 짧게, 또는 요청하는 분위기에 맞게 다시 써주는 기능입니다. 이러한 일을 가장 잘하는 까닭은 챗GPT는 원래가 생성형 언어모델이기 때문입니다. 생성형 언어모델은 말을 이해하고 떠드는 데 또는 스토리텔링(storytelling)에 능숙합니다. 그리고 챗GPT는 인터넷과 책 등 많은 문서로 공부를 했기 때문에 상당히 해박한 배경지식이 있습니다. 그렇지만 특정 분야의 전문가는 아니라 생각해야 합니다.

*이 글은 외부 필자인 김란경님의 기고입니다. 창업은 언제나 도전입니다. 특히 창업 아이템이 속한 시장을 전혀 모르는 상태로 뛰어든 창업가는 더 도전적이고 힘들 수밖에 없습니다. 위안 삼을만한 사실은 모든 창업가가 자신이 익숙한 분야에서 사업을 시작하진 않는다는 겁니다. 해결해야 하는 문제와 해법을 발견했다면, 낯선 시장이더라도 기꺼이 뛰어드는 게 바로 창업가 정신이기도 하죠. 게다가 요즘은 낯선 시장에 들어가더라도 시행착오를 겪지 않도록 도와주는 도구들이 많이 존재합니다. 인공지능, 머신러닝, 딥러닝 같은 키워드가 지속적으로 주목받는 가운데, 연말부터 ChatGPT로 세간이 아주 떠들썩합니다. 정말 다양한 chatGPT 활용 사례가 연일 쏟아지고 있죠. (참조 - "구글은 이제 끝났다".. 수능 문제 해설에 코드 리뷰까지 해주는 '챗GPT') chatGPT는 단순한 질문으로도 양질의 답변을 얻어낼 수 있어서 활용도가 굉장히 높습니다. 특히 아이디어 디벨롭, 시장 조사, 피드백 등 비즈니스를 성장시키는 과정에 적극 활용하면 시간을 많이 아낄 수 있다고 생각합니다. 하지만 처음 활용해보려는 분들은 구체적으로 어떤 상황에서 어떻게 사용할지 감이 잘 안 올 수도 있겠네요. 이번 글에선 극초기 창업가에게 chatGPT 활용을 적극 추천하는 이유, 그리고 어떤 상황에서 사용하면 좋을지 살펴보도록 하겠습니다. chatGPT가 마법 같은 이유

*이 글은 외부 필자인 남궁민님의 기고입니다. "왜 물가가 오르지 않을까?" 겨우 수년 전만 해도 전 세계의 고민은 저물가였습니다. 지금은 믿기지 않는 일이죠. 2000년 이후 미국에선 통화량(M2)이 4배나 늘었는데 왜 이렇게 물가는 별로 오르지 않을까 의아했습니다. 지금 생각하면 돈을 찍어내면서, 저물가까지 누린 행복한 고민이었습니다. 팬데믹 이후 유례없이 빠른 속도로 돈을 찍어낼 때도 논쟁이 붙었습니다. 이렇게 돈을 풀면 물가가 오른다는 전망과 지금까지의 경험을 볼 때 오를 리 없다는 전망이 부딪혔죠. 팽팽하게 부딪혔던 논쟁의 결과를 지금은 모두 알고 있습니다. 다시는 오지 않을 것 같았던 무서운 수치의 물가상승이 찾아왔죠. 인플레를 예언한 경제학자 대다수가 한 세대 이상 이어져온 저물가가 계속될 거라 생각했던 2020년, 고물가가 찾아올 것이고, 이게 뉴노멀이 될 거라고 전망한 학자가 있습니다. 영국의 대표적인 거시경제학자 찰스 굿하트입니다. 2020년 8월 출간된 그의 책 '인구대역전'에서 그는 인류가 오랫동안 누린 저물가의 이유를 90년대 이후 쏟아진 중국과 동구권의 노동력 공급에서 찾습니다.

포화 상태인 패션 시장에 새로이 출사표를 던진 서비스가 있습니다. 바로 퍼스널 컬러 진단을 통해 나에게 맞는 스타일을 찾아주는 서비스, '코콘'인데요. 앱을 다운받아 셀카를 찍으면 '퍼스널 컬러'와 '페이스 이미지'를 분석해 줍니다. 퍼스널 컬러 분석에서는 개인의 피부, 모발, 눈동자 등과 가장 조화로운 컬러 타입을 알려주고요. 페이스 이미지 분석에서는 개인의 얼굴 이미지를 키워드로 설명해 줍니다. 이렇게 분석한 데이터를 토대로 각 개인에게 어울리는 옷을 추천해 주는 서비스인데요. 즉, 퍼스널 컬러 테스트로 사용자들을 유입시켜 패션 커머스로 연결하는 전략의 플랫폼인 셈입니다. 코콘의 운영사 '블랙탠저린'은 2022년 스타트업 업계에서 화제가 되었던 '유니콘 하우스'에 출연한 8개 팀 중 하나이고요. 창업 초기부터 유명 투자사인 매쉬업엔젤스로부터 시드 투자를 받은 회사이기도 합니다. 또한 런칭 1년 반만에 누적 사용자 22만을 달성하며 성장세를 보여주고 있기도 하죠. 하지만 서두에서 언급했듯 패션 시장에는 이미 무신사를 시작으로 에이블리, 카카오스타일(지그재그), 브랜디 등 쟁쟁한 플레이어가 가득한데요. (참조 - 패션 커머스 MAU 1년 결산.. 성장한 곳과 폭삭 주저앉은 곳) 이 치열한 시장에 뛰어든 블랙탠저린은 과연 어떤 사람이 창업했는지 궁금해져서 미팅을 청했습니다. 실제로 만나본 김상이 대표는 스타트업과 대기업을 넘나들며 밀도 높은 커리어를 쌓아 온 에너지 넘치는 인물이었는데요. 무엇보다 블랙탠저린을 창업하기까지의 이야기가 매우 흥미진진했습니다. 그래서 오늘의 인터뷰 기사는 김상이 대표가 창업을 꿈꿨던 순간부터 시작해 보려고 합니다. 스타트업 '이방인'으로서 살아남기 "대표님께서는 어떻게 창업을 꿈꾸게 되셨나요?"

요즘 IT벤처업계에서 가장 큰 기술적 화두는 오픈에이아이(OpenAI)가 내놓은 챗지피티(Chat GPT)인 것 같습니다. 저도 깊은 관심을 가지고 있는데요. 아웃스탠딩 동료들과 이야기를 나누던 중에 개발자로서 Chat GPT 현상에 대해 어떻게 생각하는지에 대한 질문이 나왔습니다. 사실 제가 AI 전문가는 아닙니다. 커리어 대부분을 서비스 개발자로 보냈기에 기술적인 평가를 내리긴 어렵습니다. 다만 프론트, 백엔드, 서버, 어플 등 다양한 서비스 개발 경험을 토대로 상용화 및 잠재력에 대해선 의견을 제시할 수 있을 것 같은데요. 몇 가지 화두를 정리해서 개인적 생각을 공유드리고자 합니다. 먼저 개발자가 보기에 Chat GPT는 기존 AI서비스와 차별화 포인트가 분명 존재합니다. 기존 AI서비스는 특수목적용 도구에 가까웠습니다. 분석을 보다 잘하기 위해 분석AI를 만들고 보고를 보다 잘하기 위해 보고AI를 만드는 식이었죠. 그런데 Chat GPT는 범용성을 갖췄습니다. 단순히 다양하게 쓸 수 있다는 것을 넘어 어떤 분야의 문제도 해결할 수 있다는 것을 의미합니다. 현재 인터넷과 개발자 커뮤니티에선 Chat GPT를 활용하는 아이디어가 계속해서 나오고 있습니다. 저는 이중 AI스피커와 Chat GPT를 연결한 사례가 흥미로웠습니다. 통상적으로 AI스피커를 만들기 위해선 전용 AI엔진을 개발해야 하는데요. 이젠 그럴 필요가 없어졌습니다.

*이 글은 외부 필자인 민동규님의 기고입니다. "인터넷 이래 최대의 혁신" 범용 인공지능 '챗GPT'에 대한 세간의 평가입니다. 챗GPT는 세계 최대 AI 연구소인 '오픈AI'가 출시한 대화형 챗봇입니다. 간단한 정보 검색은 물론 프로그래밍이나 소설, 과제 등 다양한 분야에서 활약할 수 있습니다. 최근에는 미국 변호사 시험과 의사 자격시험을 모두 통과했다는 소식이 전해졌고요. (참조 - 헌법 에세이까지 '척척'…챗GPT, 美 로스쿨 시험 합격) 과제를 챗GPT로 작성해 제출하는 학생도 늘었습니다. 미국 프린스턴 대학교에 재학중인 학생이 '과제를 AI로 썼는지 검사해주는 AI'를 발표하기도 했습니다. (참조 - '챗GPT 활용' 적발기술도 잇따라…변형 사용 땐 무용지물) 그런데 말입니다. 이 챗봇의 뛰어난 성능에 감탄만 하기엔 찝찝한 대목이 하나 있습니다. 챗GPT를 훈련시킨 데이터가 무엇인지 베일에 싸여 있다는 겁니다. 오픈AI는 최근 '챗 GTP 플러스'라는 유료 구독 서비스를 출시하면서도 훈련 데이터 출처를 밝히지 않았습니다.

지난 한 해 AI에 대한 세간의 관심이 부쩍 올라갔습니다. ChatGPT 열풍이 불면서 다양한 사용 사례가 보고됐고요. 미드저니나 뤼튼, 재스퍼 같은 다양한 이미지-언어 생성 AI가 상업적으로도 설득력 있는 퀄리티로 출시된 바 있습니다. (참조 - 요즘 핫한 제너레이티브AI.. 시장을 뒤흔든 글로벌 서비스 10개) 현재 글로벌 시장에서 AI 기술 개발과 비즈니스를 주도하는 곳은 오픈AI나 구글 같은 빅테크 기업인데요. 이에 국내 대형 IT 기업인 카카오나 네이버 등도 AI 기술 연구와 비즈니스에 속도를 내고 있습니다. 오늘은 카카오의 AI 기술 기업인 카카오브레인 이야기를 들고 왔습니다. 백운혁 리서치 디렉터를 만나 카카오브레인이 쌓아온 기술의 현황과 향후 로드맵에 관해 물어봤습니다. 아울러 거대 자본을 바탕으로 공격적인 행보를 보이고 있는 글로벌 AI 기업들과 어떻게 경쟁할 것인지에 대한 이야기도 들어봤습니다. "안녕하세요, 반갑습니다" "우선 카카오브레인과 디렉터님 소개를 간단히 부탁드립니다!" "안녕하세요, 카카오브레인은 카카오 공동체에 속한 AI 기술 기업입니다" "'모두가 더 나은 삶을 살 수 있도록 혁신을 불러일으키고, 생각하지 못한 물음에 도전하자'는 모토를 가지고 있는 회사죠"

*이 글은 외부 필자인 김마야님의 기고입니다. 바이두의 '어니-ViLG 2.0' vs 오픈AI의 'DALL·E 2' 전 중국 뉴스 매체를 모니터링하다가 요즘 한창 열풍인 '챗GPT'를 처음 접했습니다. 오픈AI에서 발표하자마자 중국 언론에서 이를 크게 보도했고, 각종 리뷰 글이 쏟아졌기 때문입니다. 아직 한국에선 관련 내용이 많이 나오지 않았던 시점이라 개발자들만 아는 프로그램인가보다 하고 넘어갔는데요. 중국이 그 어느 나라보다 빠르고 크게 반응한 이유는 인공지능(AI) 기술력을 대미 패권 경쟁의 핵심 키(Key)라고 보기 때문입니다. 중국 정부는 14억 인구 데이터를 바탕으로 AI에 천문학적인 투자를 하고 있습니다. 2021년, 미국 스탠퍼드 대학교에선 AI 관련 연구의 양과 질에서 중국이 이미 미국을 추월했다고 밝혔습니다. 미국 정부가 중국의 핵심 AI 기업 5곳을 제재 리스트에 올리기도 했죠. 과거 미국과 구소련의 우주 경쟁이 떠오르네요. 이렇게 미국과 엎치락뒤치락하던 중국 입장에선 챗GPT의 출시가 위기감으로 다가왔을 겁니다. 그래서 중국 최대 검색 엔진이자 최고 AI 기술력을 가졌다는 '바이두'에서 유사 서비스를 서둘러 출시하겠다는 생각이 들었는데요. 아니나 다를까요? 지난 1월 30일, 블룸버그와 월스트리트저널은 바이두가 오는 3월에 챗GPT에 대응할 모델을 출시할 예정이라고 보도했습니다. 소식이 전해진 당일, 바이두 주가는 작년 9월 이후로 최고점을 찍었습니다. (참조 - "中 바이두, 챗GPT 유사한 AI 챗봇 출시 계획")

*이 글은 외부 필자인 최호섭님의 기고입니다. 챗GPT의 가능성 어떻게 보고 계신가요? 정확도는 조금 떨어질지 모르지만 원하는 대답을 척척 해주고, 제법 그럴싸한 문장들로 온전한 글을 하나씩 지어냅니다. 소설이나 편지, 시도 쓰고 프로그램 코드도 만듭니다. 뉴스뿐 아니라 주변에서도 ChatGPT를 잘 활용하는 팁과 사례들이 매일 입에 오르내립니다. ChatGPT는 분명히 지금 가장 뜨거운 주제입니다. 한편으로 글을 다루는 입장에서는 기대만큼 걱정도 큽니다. 단순히 '나보다 글을 잘 쓰면 어쩌지?' 따위의 걱정은 아닙니다. 어떻게 보면 ChatGPT 역시 글을 쓰는 하나의 중요한 도구가 될 테고, 이를 잘 이용하면 더 빠르게 좋은 글을 만들어낼 수 있을 것이라는 기대도 있습니다. 반면 걱정은 무분별한 콘텐츠들이 부정적인 목적과 방법으로 만들어지면서 인터넷의 골칫거리를 더 확대시킬 수 있을 것 같다는 데 있습니다. 정보의 오류는 오히려 큰 걱정이 없습니다. 정확성에 대한 문제는 곧 해결될 걸로 보입니다. 애초 챗GPT는 높은 정확도를 바탕으로 하는 상업 서비스와는 거리가 있습니다. 인터넷에 있는 정보들을 학습해서 GPT 거대 모델의 문장력으로 대화를 풀어내는 것을 우선적인 목표로 만든, 아직은 실험적인 모델입니다. 정확성에 대한 부분 역시 머신러닝을 통해서 풀어낼 수 있을 것이라고 봅니다. 그리고 ChatGPT를 만든 오픈AI도 올해 안에 정확도에 대해 인상적인 업데이트를 예고하기도 했습니다.

*이 글은 외부 필자인 심예지님의 기고입니다. '오픈AI'에서 공개한 AI 서비스 '달리(DALL-E)와 '챗GPT(ChatGPT)'가 뜨거운 관심을 받고 있습니다. 특히 12월에 공개된 대화형 인공지능 챗봇 챗GPT는 언론, 기업, 일반 유저의 관심 속에 1억명에 달하는 이용자를 모았습니다. 챗GPT의 퀄리티에 대한 다양한 분석과 활용 방안을 다룬 글도 쏟아지고 있습니다. (참조 - '그림 그려주는 AI', 과연 업무적으로도 쓸만할까요?) (참조 - GPT-4는 ChatGPT의 한계를 넘어설 수 있을까?) (참조 - 대화형 인공지능 시대.. 데이터 과학자는 살아남을 수 있을까요?) 돌이켜보면 챗GPT 이전에도 인공지능은 조용하지만 빠르게, 때로는 예상치 못한 곳에서 우리의 삶 속으로 들어오곤 했습니다. 인공지능을 처음부터 탑재한 새로운 서비스와 함께 다가오기도 하고, 이미 제공되는 서비스가 인공지능을 도입해 보다 고도화하기도 합니다. 날이 갈수록 발전해가는 AI 세상에서 사용자경험(UX)은 어떻게 변화하고 있을까요? 이번 글에선 AI 기능과 연관된 사용자경험을 잘 설계했거나 주력 셀링 포인트로 삼은 서비스를 살펴보도록 하겠습니다. 1. 이용자 피드백으로 추천 알고리즘을 더 완벽하게 유튜브, 넷플릭스 같은 서비스 덕분에 '추천 알고리즘'은 이미 익숙해진 기능이죠. 추천은 확률을 기반으로 제공하기에 100% 이용자의 마음에 들 수는 없습니다. 각 서비스는 이런 한계를 극복하고자 알고리즘을 더 강화하려고 하는데요.

*이 글은 외부 필자인 권정민님의 기고입니다. 최근 오픈AI의 대화형 인공지능 'chatGPT(챗GPT)'가 화제입니다. 대화형 인공지능의 필요성이야 예전부터 많았지만, 이전까지 우리가 본 대화형 인공지능은 한계가 적지 않았습니다. 그래서 주로 서비스 안에서 고객 상담을 응대하는 '챗봇' 형태였죠. 대화도 아주 자연스럽다기보단 일부 맥락에서만 진행된 수준이었습니다. (참조 - 채팅하는 로봇, 챗봇의 모든 것) chatGPT는 어떤 주제를 요구하든 인간의 언어 형태를 모사해서 자연스러운 대답을 내놓습니다. 내용 자체가 굉장히 그럴 듯하고, 심지어 피드백을 통해 매우 빠르게 개선하고 있기까지 합니다. 아직 연구 검증 단계여서 무료 베타 버전에 머물러있지만, 사람들은 열광적으로 반응하며 다양한 방식으로 활용하고 있습니다. (참조 - "구글은 이제 끝났다".. 수능 문제 해설에 코드 리뷰까지 해주는 '챗GPT') (참조 - OpenAI를 둘러싼 몇 가지 사실들) chatGPT로 무엇을 할 수 있을까요? 무언가에 대해서 물어보면 답해주는 건 기본이요, 개발자 대신 코드를 작성하거나 고칠 수 있고, 학생 대신 수학 문제를 풀 수 있습니다.

최근 몇 년 사이 변호사들 사이에서 선풍적인 인기를 끌고 있는 서비스가 있습니다. 바로 '엘박스'인데요. 유료 구독 서비스임에도 무려 1만1000여명의 국내 변호사들이 사용하고 있습니다. 현재 국내 변호사 수는 3만명이 조금 넘고요, 다시 말해 변호사 세 명 중 한 명은 엘박스를 쓰고 있다고 볼 수 있죠. 현장의 목소리를 듣고자 평소에 알고 지내는 한 변호사 지인에게 물어보니 "엘박스 없이는 일 못한다"고 말하더군요. 그렇다면 엘박스는 무엇을, 어떻게 제공하는 회사이길래 이처럼 큰 인기를 끄는 것일까요. 얼마 전 180억원의 시리즈B 투자를 유치한 리걸 테크 스타트업, 엘박스의 이진 대표를 만나고 왔습니다. (참조 - 리걸테크 스타트업 '엘박스', 180억 원 시리즈 B 투자 유치) 엘박스가 변호사들의 선택을 받는 이유 "안녕하세요 대표님" "엘박스가 국내 변호사들에게 커다란 인기를 끌고 있다는 소식을 듣고 달려왔습니다" "우선 간단히 회사와 대표님 소개를 부탁드립니다" "반갑습니다, 엘박스의 이진 대표입니다" "엘박스는 2019년 5월 설립된 리걸 테크 스타트업이에요" "약 189만개의 판결문을 자체적으로 보유하고 있고요" (2023년1월26일 기준)

OpenAI가 ChatGPT를 출시한지도 두 달이 다 돼갑니다. 그동안 ChatGPT의 성능과 활용 가능성에 대한 다양한 의견들이 나왔는데요. 간단한 문서 작업부터 코딩까지 생각 보다 많은 분야에서 활용될 수 있다는 점이 연일 증명되면서 많은 이들의 감탄을 자아내고 있습니다. 반면에 예상되는 해악이 만만치 않다는 의견도 나옵니다. 아직은 구체적인 오남용 사례가 충분히 보고되지 않았지만, ChatGPT의 성능이나 활용 가능성을 고려하면 우려할 점이 한두 가지가 아니라는 건데요. 과연 ChatGPT 등 AI 서비스를 둘러싼 어떤 우려와 논쟁이 있는지 알아보겠습니다. CheatGPT 되면 어쩌나.. 염려하는 교육계 교육계는 학생들이 수업을 듣거나 과제를 할 때 스스로 학습하는 대신 ChatGPT 활용한다면 학습 효과가 크게 저하될 거라고 우려합니다. 일부 미국 학교들은 선제적인 조치를 취하고 있는데요. 뉴욕시 교육부는 학교 기기와 네트워크에서 OpenAI가 출시한 ChatGPT 사용을 금지한다고 지난 6일(현지 시간) 발표했습니다. (참조 - ChatGPT banned from New York City public schools' devices and networks) ChatGPT가 학습에 부정적인 영향을 미칠 수 있다는 것이 금지 이유였는데요. ChatGPT를 통해 빠르고 쉽게 정답을 얻을 수 있는 건 사실이지만, 장기적으로는 비판적인 사고와 문제 해결 능력 배양에 방해가 될 수 있다는 거죠. 그렇다면 ChatGPT는 정말 우리네 교육 현장에 위협이 될 수 있을까요? 이와 관련해 월스트리트저널(WSJ)의 IT 칼럼니스트인 조안나 스턴은 흥미로운 실험을 진행했습니다. https://www.youtube.com/watch?v=l01biyMZjEo&t=333s

최근 ChatGPT가 화제를 모으면서 주목받는 회사가 있죠. 바로 ChatGPT를 만든 OpenAI입니다. 그간 OpenAI는 다양한 이유로 세간의 이목을 끌어왔습니다. 테슬라 CEO이자 헤비 트위터리안으로서 늘 이슈를 몰고 다니는 일론 머스크가 가담한 프로젝트였고요. GPT 시리즈를 내놓을 때마다 빠르게 진보하는 기술력으로 테크 업계 관계자들을 놀라게 하기도 했습니다. 지난해 ChatGPT로 성장 가능성을 증명한 후엔 35조9540억원(290억달러) 규모의 기업가치로 투자 유치 협상에 나서며 다시 한번 주목받기도 했죠. 이 시점에서 OpenAI라는 회사를 한 번 짚고 넘어가면 좋겠다는 생각이 드는데요. OpenAI에 관한 이모저모를 공개된 정보를 토대로 정리해봤습니다. 1. OpenAI는 무엇을 위해 만들어졌나? OpenAI는 2015년 12월11일 설립된 AI연구소이자 회사입니다. 한 가지 독특한 점은 OpenAI가 금전적인 수익 창출을 목표로 하지 않는 비영리집단을 표방했다는 겁니다. 그렇다면 OpenAI가 비영리집단을 표방했던 이유는 무엇이었을까요? OpenAI는 금전적인 의무로부터 자유롭게 인류 전체에 도움을 주는 방식으로 AI를 발전시키고자 했습니다. OpenAI의 두 설립자인 와이콤비네이터의 전 CEO 샘 알트만과 일론 머스크는 OpenAI 설립 전부터 AI에 대해 오랜 기간 의견을 나눴습니다. 두 사람은 AI가 향후 인류에 커다란 영향을 미친다는 것에 공감하며 AI를 인류에 유익한 방식으로 사용할 수 있는 방법에 대해 고민했고요. 논의의 끝에서 수익성을 극대화할 의무가 없는 비영리 단체의 형태로 회사를 출범시키기는 것에 의견을 같이 하게된 것입니다.