기업은 AI 을 어떻게 써야 할까?
LLM을 넓게 테스트해보는 분들은 많다.
개발 업무에 깊게 사용해 보고 싶었다.
플러터 앱을 만들어보고 있다.
전혀 모르는 상태에서 시작했다.
100일 가까이 되어 간다.
길잡이가 있었다면 1개월이면 끝냈 것 같다.
코드와 경험담은 정리해서 따로 오픈할 예정이다.
1. LLM 을 쓰면서 느낀 점
(1) 정보가 부족한 곳은 거짓말이 심하다.
자덕에다, 정비덕후다.
사진에 있는 저게 뭐냐고 물었다.
정답은 "타이어 가이드"다.
경기 중에 펑크 나면 빨리 휠을 끼우라고 만들어졌다.
저 브레이크가 많이 벌어지지 않아서 그렇다.
LLM이 거짓말을 한다.
"자동차 + 브레이크 + 패드" 라는 특징을 조합해서 그럴 듯하게 꾸며낸다.
몰랐다면 깜빡 속았을 것 같다.
아예 "타이어 가이드"를 아냐고 물어 보았다.
역시 헛소리를 한다.
아, 학습하지 못한 거다.
왜일까?
인터넷 상에 정보가 없기 때문이다.
대단한 보안 정보는 아니지만, 굳이 공개할 정보도 아니다.
그래서 정보가 없다.
ChatGPT, Cloud 다 비슷했다.
Perplexity 는 정답을 맞췄는데 추천사이트에는 그 정보가 없었다.
그냥 거짓말을 한거다.
(2) 갇혀진 인격이 있다.
코드를 물어보면, 묻는 말에만 대답한다.
어설프게 물어보면, 그 틀 안에서만 대답한다.
원하는 답을 얻기 위해 몇 번이나 고쳐 물어야 한다.
맞는 답인지 확인하기 위해 테스트를 해야 한다.
어떤 때는 너무 요약한다.
자세하게 설명하면 좋겠는데, 너무 요약한다.
정답 내놓기에 강박증이 있는 것 같다.
대화보다는 답변을 만들려고 한다.
캐릭터가 딱 "걸어다니는 백과사전" 이다.
할 말만 딱 하는 공돌이 이과생 같다.
ChatGPT, Cloude, Perplexity 똑같다.
더 깊고 다양하게 써봐도 느낌은 비슷하다.
OpenAI 가 일부러 그렇게 만든 걸까?
3. AI 의 정체성
"AI강의"로 유명한 박태웅 의장님 이야기.
AI 에 대해 아주 쉽게 설명해주신다.
- AI는 잠재된 모든 패턴을 찾아내는데 특화되어 있다.
- 세상에 잠재된 패턴이 있는 곳은 너무 많다.
- 옛날 AI와 다른 점 = 학습량이 어마어마해졌다. (특이점을 통과함)
- AI를 쓸 때 도구가 아니라, 파트너처럼 생각하라. 대화를 하면서 좁혀가야 한다.
- 그럴 듯하게 거짓말을 하기 때문에 여러가지로 교차검증을 해야 한다.
무릎을 탁 쳤다.
아리송했던 것들이 비로소 이해가 된다.
조금 더 정리해보면 이렇다.
ChatGPT란?
- GPT - G : P : Pre-trained 훈련된, T : Transformer (변형된. 인공지능 모델)
- Generative : 생성한다. 뭐든 그럴싸하게 만들어낸다. 정답을 대답하는 게 아니다. 많은 사람들이 이야기하는 걸 대답한다.
- Pre-trained : 미리 훈련한다. 훈련되어 있지 않으면 거짓말을 한다.
- Transformer : 추론 중심의 행동을 한다. 추론이 아닌 "룰기반 작업", 훈련이 어려운 "가치적 판단"은 물어보면 안된다.
즉, G,P 때문에 거짓말을 하는 거고, T 때문에 한계성향을 보여주고 있는 거다.
룰기반 작업은 AI가 못하나?
반복작업으로 항상 동일한 결과를 만들어내야 할 때가 있다.
화학처리 공정에서는 1g 이 더 들어가거나 덜 들어가면 안된다.
생각이 필요 없는 파트다. AI가 개입하면 안된다.
한번에 완벽한 답을 내놓지는 않는다.
묻는 질문에 따라 답이 달라진다.
즉, 예측가능하고 통제가 필요한 곳은 AI를 쓰면 안된다.
기업환경은 이런 부분이 많이 섞여있다.
가치판단은 AI가 못하나?
우리도 정답을 모를 때가 있다.
ATM기에서 돈을 뽑을 때...
누구는 카드를 먼저 넣고, 누구는 인출 버튼을 먼저 누른다.
둘 중 하나만 선택해야 하는 건 아니다.
이럴 때 AI는 사람에게 묻는다.
4. AI 에게 없는 것
사람은 감성 + 인성 + 이성 + 지적능력 + 변덕 + 가치관 + 생활경험 등이 섞여 있는 복합적 인격체다.
감성, 변덕 같은 건 아직 우리들도 메커니즘을 모른다.
AI 는 "지적능력"에 특화되어 있을 뿐, 다른 능력을 대처하진 못한다.
지적능력만으로도 많은 변화가 일어난다.
제품을 만드는 제작, 생산 파트는 변화가 크다.
"연구개발"이 "지적능력"에 기반하고 있기 때문이다.
AI의 도움을 받으면 된다.
반면 소비 쪽의 변화는 작다.
구매는 이성과 감성이 뒤섞인 의사결정이다.
AI가 예측하기 힘들다.
사람들은 힘드니까 사고, 사고 싶으니까 사고, 질투나니까 산다.
패턴이 있지만, 꼭 그대로 되리란 보장은 없다.
마케팅에 진화하겠지만 한계가 있다.
소프트웨어 개발은 "연구개발" 활동과 비슷한다.
AI 가 아주 잘할 수 있는 파트이다.
방대한 데이터를 기반으로, 탐색을 아주 효과적, 효율적으로 한다.
코딩, 연구, 탐구, 원인분석 등에 아주 효과적이다.
기업이 AI를 도입해야 한다면, 이런 부분에 먼저 돈을 써야 한다.
5. 어떻게 AI를 도입해야 할까?
가장 먼저 우리 회사에 그런 부분이 있는지 알아야 한다.
그러려면 우리 회사 데이터를 넣어볼 수 있어야 한다.
Private Cloud 가 필요하다.
보안이 검증된 우리 회사만의 공간 말이다.
그 스텝을 정리해보면 이렇다.
(1) 찾아내기
어떤 곳에 AI를 도입하면 좋을지 회사 전반적으로 살펴봐야 한다.
회사 업무나 기능, 경쟁시장 등을 폭넓게 보고 분석해야 한다.
그리고, 앞으로 어떻게 하면 좋을지 고민해봐야 한다.
이건 전략 수립의 영역이다.
ISP가 먼저 필요할 것 같다.
(2) 준비하기
기업이라면, 기업 내 AI 센터를 구축해야 한다.
그러면 일단 AI가 학습할 수 있는 데이터가 있어야 한다.
각자의 PC에 엑셀 데이터가 흩어져 있자면 일단 이를 모아보자.
너무 중구난방이라면 정제가 필요하다.
정보에 대한 접근통제 등, 보안 정책을 새로 수립하자.
AI가 정보를 잘못 공개하지 않도록, 제어를 하자.
(3) AI 센터 만들기
이제 AI를 학습시킬 수 있는 하드웨어가 있어야 한다.
하이닉스 정도면, 강력하게 보안화된 Private Cloud 가 필요하다.
초기 학습량, 일일 학습량을 산정하자.
거기에 맞게 GPU 자원을 확보해야 한다.
스토리지 공간도 확보하자.
질문할 때마다 사용되는 비용을 통제할 수 있어야 한다.
ERP 와 통합하기 위해 AI 응용프로그램을 만든다면,
잘 학습하고, 잘 대답할 수 있는 기본 기능 뿐 아니라,
적절하게 진화하고, 통제받을 수 있도록 개발할 필요도 있다.
쉽고 어렵고의 문제가 아니다.
회사의 활용계획에 따라 면밀히 정리해야 한다.
(4) AI 활용하고 통제하기
회사는 비용을 통제하는 곳이다.
어떻게 활용되고 있고, 어디까지 자원을 확보할 것인지 결정해야 한다.
AI 활용 현황판 정도는 확인할 수 있어야 한다.
...
(5) 기타 등등.
기업AI는 직원들의 잠재력을 일깨우는게 목표가 아니다.
그냥 돈을 잘 벌기 위한 도구다.
회사의 지속가능성을 늘리고, 매출을 올리고, 미래를 밝힐 수 있으면 어느 곳에서나 이용되어야 한다.
돈 있는 기업들은 AI 인프라를 먼저 구축할 것 같다.
계속 AI 기능을 업그레이드 시킬 것 같다.
그런데, 돈 없는 기업들은 언감생심 꿈도 꾸기 어렵겠다.
데이터를 모으는 것도 어렵고,
데이터를 정제하는 것도 어렵다.
내부 프로세스를 정리하기도 어렵다.
기술격차가 더 벌어질 것 같다.
다양한 기업들이 찌그러들 것 같다.
음, 머리가 복잡하다.
잘 되는 기업은 알아서 잘 할 거다.
내가 말을 보탤 필요가 없다.
못 되는 기업 도와줄 생각을 해야겠다.
거기에 비즈니스 기회가 있겠다.
생각이 많았는데 나중에 정리해야겠다.
끝.