AI 기반 비즈니스를 계획하고 계신다면, 특히 생성형 인공지능을 이해하는 것이 중요합니다. AI 기술에는 새로운 용어들이 계속 등장하여 혼란스러울 수 있지만, 이를 완벽히 이해할 필요는 없습니다. 다만, 리더로서 비즈니스를 발전시키는 데 필요한 아홉 가지 주요 용어를 소개해 드립니다. 이는 관련 개발자나 내부 파트너들과의 소통을 원활하게 하고, 새로운 정보를 효과적으로 이해하는 데 도움이 됩니다.

이 용어들은 몇 년 전만 해도 대중적이지 않았지만, AI 비즈니스가 빠르게 성장하면서 중요한 개념으로 자리잡았습니다. 비즈니스 리더는 이러한 용어들을 숙지할 필요가 있습니다. 최근 인공지능 기반 비즈니스는 주로 생성형 인공지능에 초점을 맞추고 있습니다. 생성형 인공지능은 텍스트뿐만 아니라 이미지, 비디오, 오디오, 챗봇 등 다양한 형태의 콘텐츠와 아이디어를 생성할 수 있는 기술입니다. 앞서 언급한 멀티모달(Multimodal)은 이러한 다양한 데이터 형식의 입출력 방식을 의미합니다. 과거에는 텍스트만을 다루었지만, 이제는 오디오, 비디오, 이미지 등 여러 형태로 확장되고 있습니다. 소개해 드린 9가지 이외의 다른 AI 용어로 관심을 넓혀 보실 수 있습니다.

세 번째 단계는 타겟 시장을 정확하게 분석하는 것입니다. 타겟 시장은 구독자 분들이 속한 비즈니스 도메인을 의미합니다. 이를 위해 다음 세 가지 단계를 거쳐야 합니다.

첫째, 거시적인 산업 분석입니다. 빅테크와 대형 플랫폼 사업자들이 대부분의 인공지능 기술을 선도하고 있기 때문에, 산업 전체에 대한 이해가 필요합니다.

둘째, 우리 기업이 인공지능을 어떻게 도입할지, 사업성이 있는지, 그리고 유사한 사업자들이 어떻게 활동하고 있는지를 분석합니다. 이를 통해 비즈니스 도메인에서의 위치와 도입 가능성을 파악할 수 있습니다.

셋째, 타겟 산업 도메인의 경쟁자를 분석하고, 이를 기반으로 인사이트를 도출할 수 있는 역량을 키웁니다. 경쟁자의 활동과 전략을 분석함으로써 우리는 더욱 효과적인 접근 방안을 마련할 수 있습니다.

아래 그림은 매킨지가 2023년 6월에 발표한 AI 비즈니스의 영향력과 소요되는 비용에 대한 보고서입니다. Y축은 산업의 영역을, X축은 영향도를 나타내며, 파란색이 진할수록 영향력이 큽니다. 보고서에 따르면, 세일즈, 마케팅, 커스터머 오퍼레이션, 소프트웨어 엔지니어링 같은 영역이 큰 영향력을 발휘하고 있으며, 서플라이 체인, 파이낸스, HR, 프라이싱 등은 상대적으로 영향력이 적습니다.

생성형 인공지능을 효과적으로 활용하기 위해서는 기업 내부의 데이터가 필수적입니다. 이 데이터를 활용해 현재 업무에 인공지능을 적용할 수 있습니다. 그러나 기업들이 생성형 인공지능을 도입하면서 가장 우려하는 가장 큰 2가지는 결과값의 부정확성과 보안 문제입니다. 

*파인튜닝 (Fine Tuning)은 인공지능의 부정확성을 보완하기 위한 미세 조정 방법입니다. 이는 인공지능 모델의 파라미터를 계속 변경하며 최적의 성능을 발휘하도록 검증하는 과정입니다. 예를 들어, SLM(Small Language Model)을 미세 조정하여 카카오톡의 메신저 서비스에 적용한 사례가 있습니다. 이 서비스에서는 대화 내용을 요약하거나, 문체를 다양한 스타일로 바꾸는 기능을 제공하여 사용자에게 더욱 맞춤화된 경험을 제공합니다. 이러한 SLM은 명확한 목표를 가진 미션을 수행하는 데 매우 효과적입니다.

또한, RAG (Retrieval-Augmented Generation)**는 기업 내 데이터를 활용하여 생성형 인공지능의 결과 정확도를 높이는 방법입니다. RAG는 대규모 언어 모델이 응답을 생성하기 전에 외부의 신뢰할 수 있는 지식 베이스를 참조하도록 하는 프로세스입니다. 이는 인공지능이 단순히 학습 데이터에 의존하지 않고, 기업 내부의 전문 자료를 활용하여 더 신뢰성 높은 답변을 제공하게 합니다.

예를 들어, 사용자가 생성형 인공지능에게 질문을 하면, 인공지능은 먼저 기업 내부의 데이터를 검색하여 신뢰할 수 있는 정보를 바탕으로 답변을 제공합니다. 이 과정에서 RAG는 인공지능의 신뢰성을 높이는 데 중요한 역할을 합니다. 물론, 이러한 방법에도 문제점이 있을 수 있으며, 지속적인 검증과 튜닝 작업이 필요합니다. 이를 통해 기업은 최적화된 인공지능 솔루션을 도입할 수 있습니다.

이처럼, 생성형 인공지능을 성공적으로 활용하려면 내부 데이터의 정확성을 높이고, 파인 튜닝과 RAG 같은 기술을 통해 신뢰성을 확보하는 것이 중요합니다. 기업은 이러한 과정을 통해 인공지능을 효과적으로 활용하고, 비즈니스 성과를 극대화할 수 있습니다.

7. 비즈니스 팬덤을 만들어라

현재는 기술 변화 주기상 새로운 패러다임이 시작되는 시기입니다. 따라서 AI 기반 비즈니스 모델을 탐색하고 도입 방안을 고민하기에 최적의 시기입니다. 최근 소프트웨어 개발자 채용이 줄어드는 반면, 2023년부터는 생성형 AI와 관련된 인재 채용이 급증하고 있것도 이를 증명해 줍니다. 따라서 AI 기술을 잘 이해해야 하지만, 더 중요한 것은 이 기술을 어떻게 효과적으로 활용할지 아는 것입니다. AI 기반 비즈니스 모델도 결국 비즈니스 모델이라는 점입니다. 왜 이 모델이 필요한지, 인공지능 기술을 어떻게 활용하면 좋을지에 대한 명확한 목적과 방향을 설정하는 것이 중요합니다.

이를 평가하고 조정할 수 있는 능력이 이 글을 읽는 리더분들에게 필요할 것입니다. 오늘 소개해 드린 ‘AI기반 비즈니스 모델 7단계’를 참고하여 AI 시대의 새로운 도전에 대비하고, 성공적인 비즈니스 모델을 구축하시길 바랍니다.