image_pdfimage_print

AI로 생성되어 말도 안 되는 오류가 담긴 콘텐츠를 본적이 있으실 겁니다. 또는 AI로 인해 내 직업이 조만간 사라지지는 않을까 위기감을 느끼고 계실 수도 있을 것입니다.

아니면, 전혀 당황하지 않고 AI를 둘러싼 과장된 논란이 가라앉을 때까지 차분히 기다렸다가 비즈니스에 AI를 최대한 활용하는 방법을 찾고자 할 수도 있을 것입니다.

차분하게 동향을 주시하고 있는 쪽이라면, 잘하고 계신 겁니다. 비즈니스에 도움이 되지 않을 AI 도입과 애플리케이션에 예산을 책정하기 전에 먼저 생각을 해봐야 하기 때문입니다. 물론, 원하든 원하지 않든 AI 혁명은 이미 일어나고 있기 때문에, 경영진이라면 외면하고 넘어갈 수는 없는 일입니다.

이미 알고 계시겠지만, 대규모 데이터로 AI를 훈련하는 생성형 AI를 위한 유망한 엔터프라이즈 애플리케이션들이 나와 있습니다. 생성형 AI는 코딩을 할 줄 모르는 직원들이 AI를 활용할 수 있는 기회를 최초로 열어주었기 때문에 도입이 거의 확실시되고 있습니다. 또한 생성형 AI는 직원 생산성을 높이고 데이터와 비즈니스 인텔리전스를 강화해줄 수 있는 힘을 갖고 있습니다. 이외에도, 사람들이 질문을 하고 기업이 보유한 데이터에서 답변을 얻을 수 있는 ChatGPT의 내부용 버전이 생겨날 것입니다.

그러나 의사 결정권자가 무엇을 구매할지 결정하기 전에, 먼저 생성형 AI로 무엇을 할 것인지, IT 인프라가 이에 대한 준비가 되어 있는지를 파악해야 합니다. 다음은 생성형 AI 프로젝트를 시작하는 데 도움이 되는 몇 가지 아이디어입니다.

  1. 새로운 사업부 생성. 생성형 AI와 언어 모델이 나오기 전에는 불가능했던 새로운 비즈니스들이 속속 생겨나고 있습니다. 물론 이미 존재했던 아이디어들도 있지만, 이제 그 아이디어를 빠르고 경제적으로 발전시킬 수 있게 된 것입니다. 기업이 이러한 관점에서 생각하는 것이 중요합니다. 그렇지 않으면 경쟁업체가 먼저 시작할 수 있기 때문입니다.
  2. 모두를 위한 데이터 분석. 데이터 분석에 자연어를 추가하는 능력을 갖는다는 것은 대단한 일입니다. 데이터를 통한 학습 역량을 데이터 과학자뿐만 아니라 조직의 모든 사람이 사용할 수 있게 되는 것입니다. “지난 3년 동안 우리 고객들이 어떻게 변화했는가?”처럼 회의에서 종종 제기되는 간단하고 직접적인 질문을 하면, 평이한 언어로 쉽게 이해할 수 있는 대답이 제공됩니다. 데이터 분석가의 해석이 필요하지 않습니다.
  3. 이미지, 인포그래픽, 비디오 생성. 서둘러 자료를 만들어야 하는 경우, 몇 가지 프롬프트만 있으면 누구나 멋진 이미지를 확보할 수 있습니다. 물론 이미지는 파생된 디자인이지만 반복이 가능합니다. 디자이너가 특정 이미지를 시작점으로 삼아 시간을 절약할 수 있다는 의미입니다. 오픈 베타 생성형 AI 툴 Midjourney는 OpenAI의 DALL-EOpenAIStable Diffusion과 유사한 방식으로 작동합니다. 엔비디아(NVIDIA)와 세일즈포스(Salesforce)는 공동으로 Runway를 지원하여 텍스트 프롬프트에서 비디오 클립을 만들 수 있도록 해줍니다. 이는 별도의 제작 시간 없이 보조 영상이 필요한 팀을 위해 중요한 역량이 될 수 있습니다.

생성형 AI 시스템에 파일을 업로드하고, 데이터를 기반으로 단 몇 분 내에 시각 자료와 차트를 읽고 생성하도록 요청할 수 있습니다. AI는 이미지와 동영상도 분석할 수 있습니다.

  1. 강력한 검색. 내부 검색은 콘텐츠 목록 그 이상을 제공할 수 있습니다. 생성형 AI로 생성된 검색 결과에는 관련 질문에 대한 답변이 포함될 수 있기 때문에, 입력한 간단한 검색어를 뛰어넘는 인사이트를 얻을 수 있습니다. 다음 질문을 생각하기도 전에 후속 질문을 할 수도 있습니다. 구글(Google)은 생성형 AI를 사용해 간단한 쇼핑 관련 검색에 설명과 리뷰를 추가하는 등 자체 검색 엔진을 더욱 풍성하게 만들고 있습니다.

퓨어스토리지의 디지털 워크플레이스 책임자인 푸 응우옌(Phu Nguyen)은 최근 열린 VentureBeat Spotlight 행사에서 생성형 AI에 대해 언급하며 “이제 기업들은 전체 내부 시스템에 대한 검색을 위해 내부용 검색 기능을 구축하고 있다”며 “이 모든 것이 매우 흥미롭다. 우리는 이를 직원 정보 센터 전략의 일부로 생각하기 때문이다. 이전에는 인트라넷과 지원 포털만 있었지만, 이제는 조직 내부의 여러 시스템에 있는 정보를 연결할 수 있는 검색(workplace search) 기능을 갖추었다”고 말했습니다.

특정 데이터 세트에 대한 권한으로 맞춤화하면, 이러한 기능은 전체 부서(세일즈 코파일럿 또는 마케팅 코파일럿) 또는 역할(CEO 및 CFO 코파일럿)에 관계없이 데이터 마이닝을 위한 보조적 역할을 수행할 수 있습니다.

  1. 소프트웨어 개발 가속화. 새로운 앱을 멋있게 구축할 수 있다는 것은 소프트웨어 개발에 생성형 AI를 결합함으로써 얻을 수 있는 중요한 이점 중 하나이지만, 반복적인 작업을 자동화하고, 보안 허점을 감지하며, 코드 기능을 문서화하는 등의 다른 이점도 얻을 수 있습니다. 맥킨지(McKinsey)의 보고서에 따르면, 생성형 AI는 통합 개발 환경(IDE, Integrated Development Environment)에 소프트웨어 생성에 필요한 프롬프트를 입력해줌으로써 개발자가 새로운 코드의 초안 작업을 신속하게 시작하는 데 도움을 줄 수 있습니다.
  2. 더 스마트한 SEO. 생성형 AI 툴에게 최고의 성과를 내는 키워드가 무엇인지 물어봄으로써 SEO를 개선할 수 있습니다. 이는 포괄적인 키워드 검색을 시작하고, 검색 볼륨에 대한 추정치를 얻고, 경쟁업체의 상황을 파악하는 좋은 방법입니다.
  3. 더 많은 마케팅 아이디어. 생성형 AI를 사용해 아이디어 생성하면 창작 과정을 가속화할 수 있습니다. 팀이 아이디어를 도출할 수 있도록 개념이 필요하다면, AI가 생성해주는 50개의 아이디어에서 시작해 추려 나갈 수 있습니다. 마케팅 캠페인을 지원하는 데 필요한 이미지를 스톡 이미지 사이트에서 찾을 수 없다면, 생성형 AI에게 카피와 일치되는 이미지 몇 개를 생성해달라고 요청하면 됩니다.
  4. 더 손쉬운 학습 및 훈련. 생성형 AI는 교육을 맞춤화하거나 학습자가 방대한 교육 콘텐츠에서 필요한 자료를 더 쉽게 찾을 수 있게 해주는 엄청난 잠재력을 갖고 있습니다. 예를 들어, 퓨어스토리지 법무팀은 정책 및 규제의 변화를 요약하여 준수해야 할 법률에 대한 최신 정보를 얻는 데 생성형 AI를 테스트하고 있습니다. 미국 인재개발협회(Association for Talent Development)는 아이디어 생성 같은 일반적인 용도 외에도 많은 사례를 소개하고 있으며, 이는 시작에 불과합니다. HR 담당자와 개발 담당자는 AI를 활용해 학습자들의 피드백을 분석하고, 수업 자료를 요약하거나, 역할극 시나리오를 작성해 학습자의 연습에 도움을 줄 수 있습니다.
  5. 사무실 공간 간소화. 출퇴근하는 사람이 줄어들면서 사무실 공간을 새롭게 정의할 필요가 생겼습니다. 공간을 검토하고 레이아웃을 반복하는 데 사용되는 설계 툴은 오랫동안 존재해 왔지만, 이제 생성형 AI는 이 과정을 가속할 수 있습니다. 생성형 AI 툴은 사무실 공간을 사용하는 사람 수, 온도 변화, 일광 노출 등에 대한 데이터를 수집하여 직원들의 업무 방식에 적합한 설계를 제안할 수 있습니다. 글로벌 건축 회사인 자하 하디드 아키텍츠(Zaha Hadid Architects)에는 AI를 활용해 사무실 공간을 설계하는 전담 부서가 있습니다.
  6. 모든 데이터 합성. 생성형 AI의 힘은 우리가 무엇이 필요한지 완전하게 알지 못해도 답을 얻을 수 있다는 데 있습니다. 최근 열린 벤처비트 스포트라이트 행사에서 글린(Glean)의 창립 엔지니어인 에디 조우(Eddie Zhou)는 “생성 기술을 단일 검색이 아닌 전체 검색과 결합하면 ‘나는 XX로 출장을 갈 예정인데 알아야 할 모든 것을 알려줘’라고 질문할 수 있게 된다”며 “LLM 에이전트는 나에게 필요할 수 있는 모든 정보를 파악하고 반복적으로 다양한 검색을 수행해 해당 정보를 수집하고 합성해 제공할 수 있다”고 설명했습니다.

데이터 스토리지가 생성형 AI에 중요한 이유가 무엇일까요? 

조직이 “생성형 AI가 우리 비즈니스에서 어떤 역할을 해줄 것인가?”를 묻기 전에, 다음과 같은 질문을 해야 합니다.

  • 기존 데이터 인프라가 생성형 AI를 지원할 준비가 되어 있는가? 자체 모델을 구축하는지에 관계없이 모든 AI 프로젝트에는 복잡성이 따릅니다.
  • 필요한 성능, 규모, 속도 및 확장성을 확보할 수 있는가?
  • 이러한 플랫폼의 데이터 보안과 거버넌스는 어떠한가?

중요한 것은 컴퓨팅 성능에 맞게 데이터를 가져오는 것이 아니라, 데이터에 맞는 컴퓨팅 성능을 확보하는 것입니다.

도입이 증가함에 따라 생성형 AI가 데이터 인프라와 스토리지에 어떤 영향을 미칠 수 있는지 더 자세히 알아보세요.