생성형 인공지능(AI)이 저성장 시대의 새로운 엔진으로 주목받고 있다. 증기기관이 인간에게 '동력'을 부여하며 18세기 산업 혁명을 이끌었던 것과 같이 생성형 AI는 인간의 생산성을 증폭시키며 '게임체인저'로 꼽힌다.
맥킨지는 AI 애플리케이션이 연간 2조6000억달러에서 4조4000억달러가량의 생산성 수익을 발생시킬 것으로 전망했다. 특히 고객 운영, 마케팅 및 영업, 소프트웨어(SW) 엔지니어링, 연구 개발 영역에서 높은 가치가 있을 것으로 진단했다.
실제로 생성형 AI 기술은 이미 많은 곳에서 충실한 비서로 역할을 다하고 있다. 사이버 보안, 반복되는 루틴 업무 자동화같은 영역에서 강력한 도구로 사용되는 것은 물론 실제 데이터를 시뮬레이션해 손쉽게 합성 데이터를 얻는 것도 가능하다. 지금 이 순간에도 다양한 조직에서 머신러닝을 훈련하고 테스트하기 위해 다양한 데이터 세트를 만들어 내고 대규모 언어 모델의 이점을 활용하고 있다.
하지만 정보기술(IT) 영역을 넘어 산업 환경에서 AI는 더 많은 것을 고려해야 한다. 단기적으로 빠르게 성과를 손에 넣는 대신 지속적으로 가치를 창출해야 하는 산업 환경에서는 대형언어모델 중심의 생성형 AI 자체만으로는 효과적으로 혁신하기 어렵다.
산업 환경을 위한 AI는 대형언어모델의 두뇌에 현장과 연결된 실시간 산업 데이터가 적절하게 제공돼야 새로운 가치 영역을 재정의 할 수 있다. '업무'로서 AI가 아닌 '목적' 기반의 AI를 구축하면, 간단한 설치 구성만으로 유연하게 확장이 가능해 다양한 형태로 산업 효율성과 지속 가능성 개선에 활용이 가능하다.
예를 들어, AI는 합법적이고 윤리적이며 안전한 방법을 사용해 산업 온실가스 배출을 최소화하는 임무를 담당할 수 있다. 실적이 저조한 자산을 식별하고, 유지보수 사이클을 조정하고, 운영 제어를 강화해 연료 활용을 최적화하고 유해한 대기 배출을 줄여 지속 가능 목표를 달성한다.
이러한 AI의 막대한 잠재력은 책임감 있는 사용에서 나온다. 제도와 윤리적인 과제를 비롯해 비용, 안전성, 보안 등이 주요 선결과제다. 대형언어모델은 허위정보 생성, 편향성 오류, IP 침해 등 리스크를 주의 깊게 다뤄야 한다. 특히 적절한 보안 조치가 수반돼야 한다. 산업 환경에서의 AI에 실시간 산업용 데이터 결합이 필요한 이유도 여기에 있다.
산업 영역에서의 생성형 AI 도입을 위한 몇 가지 모범사례에 '목적' 기반 AI 구현의 힌트가 담겨 있다. 먼저 양질의 지식 확보다. 업계의 연구 논문, 콘퍼런스, 포럼 등을 통해 최신 개발 동향을 파악하고 생성형 AI 커뮤니티에 지속적으로 참여하는 것이다. 다음으로는 커스터마이징이다. 조직의 요구, 과제, 부가가치 창출 기회를 조명할 수 있는 사용 사례를 정의해야 한다. 심층적인 분석을 통해 생성형 AI가 가장 큰 영향을 미칠 수 있고 비즈니스 및 지속 가능성 목표에 부합하는 영역을 파악해야 한다.
SW 공급업체에서 생성형 AI와 대형언어모델을 자사 제품에 통합하는 형태가 늘어나고 있는데, 이를 적절히 활용하면 조직에서 필요로 하는 기능에 맞춰 확장이 가능하다. 성과를 극대화하기 위해서는 대형언어모델에 신경망 및 모니터링 에이전트와 같은 기술을 결합해 데이터 종속성을 최신 상태로 유지하는 것이 중요하다.
생성형 AI는 계속해서 발전할 것이다. 한정된 협의(狹義)의 AI에서 범용적인 AI로서 인간에 더 가까운 SW로 빠르게 이동하고 있다. 도구로서 사용되는 현재의 역할을 넘어 목적 달성을 위해 모든 수단을 동원하게 될 것이다. AI는 인류의 발전을 위한 선의의 목적을 다뤄야 한다. 온실 가스 배출 감소와 같은 인류 공동의 목표를 예로 들 수 있다. 이와 함께 인류와의 공존을 위한 엄격한 규제와 가이드가 필요하다.
오재진 아비바코리아 대표 kr@aveva.com
