(Gen)AI로 비즈니스를 가속화

Gen AI를 통한 비즈니스의 패러다임 변화 수용

길을 걷는 사람을 멈춰 세우고 인공 지능(AI)이 얼마나 오랫동안 뜨거운 주제가 되어 왔는지 묻는다면, 그들은 대부분 최근 몇 년 동안 등장한 것이라고 말할 것입니다. 그러나 AI라는 용어는 1955년에 처음 만들어졌을 때부터 오랫동안 존재해 왔습니다.

그러나 생성형 AI는 다른 분야에 해당하며, AI라는 주제를 소비자에서 기업에 이르기까지 모든 사람의 혀끝으로 옮기는 데 큰 책임이 따릅니다. 2023년은 대체로 생성형 AI의 '돌파구'로 여겨지며, 2030년까지 2,070억 달러opens in a new tab의 시장 규모를 기록할 것으로 예상됩니다.

그렇다면, 생성형 AI는 어떻게 그렇게 빠르게 발전할 수 있었을까요, 그리고 기업은 어떻게 많은 기회를 통제하고 잠재적인 위험을 피할 수 있을까요?

최고 제품 책임자 Octavian Tanase와의 인터뷰 기사 읽기: 엔터프라이즈 AI에 대한 새로운 접근 방식

Gen AI의 진화

최근 ChatGPT의 기하급수적인 증가로 인해 전 세계적으로 Gen AI에 대한 대화가 폭발적으로 증가했다는 데 동의하지 않는 사람은 많지 않을 것입니다. 매우 간단하고 자연스러운 언어 인터페이스를 제공함으로써 AI의 힘은 어린이에서 조부모에 이르기까지 수많은 사용자를 흥분시키고 놀라게 한 인기 있고 사용하기 쉬운 서비스를 통해 드러났습니다. 이러한 세계적인 현상의 결과, ChatGPT의 사용자 기반은 두 달도 채 되지 않아 1억 명의 사용자로 성장했으며, 예를 들어 스트리밍 대기업 Netflix가 달성하는 데 10년이 걸렸고 ChatGPT는 가장 빠르게 성장하는 앱으로 굳건히 자리 잡았습니다.

하지만 소비자들만 주목한 것은 아니었습니다. 기업들 역시 생성형 AI의 힘에 점점 더 많은 관심을 기울이고 있으며, 얼마 지나지 않아 McKinsey와 같은 기업들은 AI 개발을 지원하기 위해 세계 경제에 수조 달러를 쏟아부을 것이라고 예측했습니다.

그러나 이러한 변화가 하룻밤 사이에 일어나지 않았다는 점에 유의하는 것이 중요합니다. 오늘날 우리가 사용할 수 있는 엄청난 양의 컴퓨팅과 ChatGPT의 기반이 되는 대규모 언어 모델(LLM)과 같은 혁신 요소에 대한 강력한 아키텍처는 고객 지원, 대화, 번역 및 요약, 콘텐츠, 코드 및 테스트 케이스 생성은 이 모든 것을 가능하게 했습니다.

그리고 이 모든 것은 데이터로 귀결됩니다. 이전에는 제한된 데이터로 인해 모델이 과도하게 공급되는 경우가 많았지만, 오늘날 사용할 수 있는 잉여 데이터 덕분에 새로운 모델을 빠르게 개발할 수 있게 되었습니다. 데이터 덕분에, 우리는 이제 AI세대의 민주화가 새로운 가능성의 끊임없는 해방을 의미하는 시대에 살고 있습니다.

기업을 위한 패러다임 전환의 힘에 대한 이해

이제 생성형 AI 여정에 대해 더 많이 이해했는데, 기업은 이를 어떻게 활용할 수 있을까요? 이는 업계의 많은 사람들이 자주 묻는 질문이며, 저는 Hitachi Vantara의 SVP 겸 엔지니어링 책임자로서 매일 이 문제를 해결하기 위해 노력하고 있습니다.

LLM이 발렌타인 데이 시를 쓰거나 숙제를 위한 에세이의 기초가 되는 데 사용되는 것과 엔터프라이즈 환경, 종종 미션 크리티컬 애플리케이션에 Gen AI를 사용하는 것은 완전히 다른 것입니다. 여기에는 환각(AI 모델에 의해 생성된 부정확하거나 오해의 소지가 있는 결과)의 여지가 없습니다. Gen AI를 활용하는 비즈니스는 100% 정확성을 필요로 합니다. 성공적인 채택을 위한 다른 핵심 요구 사항으로는 설명 가능성, 추적 가능성, 관찰 가능성 등을 들 수 있으며, 이 모든 것은 비용 효율적이고 사회적으로 책임 있는 방식으로 구현되어야 합니다.

어디서든 데이터, 어디서든 AI 생성

기업이 차세대 AI 여정에서 직면하는 구체적인 고려 사항에 대해 알아보겠습니다.

데이터가 어디에나 상주할 수 있기 때문에 관련 위험은 필연적으로 더 커질 수밖에 없습니다. 이는 대부분의 기업이 안전한 방식으로 데이터에 액세스하기 위한 지원이 필요하다는 것을 의미합니다. 많은 기업이 점점 더 하이브리드 클라우드로 전환하고 있지만, 클라우드의 사용 편의성과 온프레미스의 저렴한 비용이라는 두 가지 데이터 스토리지 환경의 장점을 모두 활용할 수 있는 경험을 찾고 있습니다.

또한 데이터는 사후 대응이 아닌 사전 예방적으로 액세스할 수 있어야 합니다. 사이버 공격과 데이터 보호 문제가 증가하는 세상에서 문제가 발생할 때까지 기다리는 것만으로는 충분하지 않으며, 기업은 잠재적인 문제가 발생하기 전에 조치를 취할 수 있도록 시스템을 지속적으로 모니터링할 수 있어야 합니다.

이 여정에서 기업은 모든 것을 포괄하는 하나의 큰 모델을 활용할지 아니면 수많은 더 작은 모델을 구현할지 고민할 수 있습니다. 여기에서 최상의 해결책은 특정 테스트를 위해 큰 모델을 미세 조정하여 환각을 생성하도록 강요받는 대신 더 작은 모델에 위임 할 수 있도록 하는 것입니다. 이를 통해 보다 정확하고 비용 효율적인 결과를 얻을 수 있지만, 이 모든 것의 근간에는 활용도를 높이기 위해 GPU에 빠른 속도로 공급할 수 있는 고성능 데이터 플랫폼이 필요합니다.

여기에는 자체 생성형 AI 애플리케이션을 구축할 수 있는 즉시 사용 가능한 솔루션 또는 플랫폼 사용을 포함하여 세대 AI 코파일럿 또는 동반자를 개발하는 등 몇 가지 옵션이 있습니다. 제안되는 접근 방식은 많지만 아키텍처가 대규모로 성능과 복원력을 가능하게 하도록 하는 것이 항상 우선 순위가 되어야 합니다.

Gen AI를 위한 데이터 액세스 및 인텔리전스 지원

AI는 기술적으로 새로운 것이 아니지만 생성형 AI는 전혀 다릅니다. 이는 훨씬 새로운 분야이며, 우리가 진정으로 이해하는 초기 단계에 있는 분야입니다. 따라서 알려지지 않은 것이 많으며 미션 크리티컬 애플리케이션에 Gen AI를 사용하는 것은 높은 위험 요소를 수반합니다. 그러나 다른 한편으로 Gen AI 여정에 뛰어들지 않는 기업은 뒤처지게 될 것입니다.

이는 가야 할 협소한 길이며, 기업이 해야 할 첫 번째 단계는 비즈니스에 AI를 성공적으로 활용하는 것은 시간이 걸리는 과정이며 협업이 비즈니스에 적합한 결과를 달성하는 데 핵심적인 여정이라는 점을 인식하는 것입니다.

AI 솔루션 페이지를 방문하여 AI를 통해 비즈니스 운영과 그 이상을 혁신하는 방법을 알아보십시오.

추가 자료:

솔루션 페이지: AI를 통한 비즈니스 운영 및 그 이상의 혁신

보도 자료: Hitachi Vantara, 새로운 산업용 AI 솔루션 포트폴리오 구축을 위한 NVIDIA와의 협력 발표