제69회 산기협 조찬세미나가 지난 9월 14일 엘타워 그랜드홀에서 진행되었다. 이번 세미나는 오순영 KB국민은행 금융AI센터장이 <생성형AI 기술의 비즈니스 접목과 실현가능성>을 주제로 챗GPT로부터 촉발한 생성형AI에 대한 기대와 현황을 공유했다.
챗GPT 열풍, 지금은 생성형AI 시대
지난 9월 13일, 청와대 영빈관에서 ‘대한민국 초거대AI 도약’ 출정식이 열렸다. 이와 관련해 정부 차원의 강력한 지원이 예상된다. 요즘은 산업 분야를 가리지 않고 DT(Digital Transformation), DX(Digital eXperience)에 대한 이야기를 한다. 이를 최근 가장 주목받는 기술인 생성형AI와 접목해서 이야기해 보자.
DT, DX에 대한 정의는 다양하다. 그러나 데이터 기반의 의사 결정 혹은 데이터에서 인사이트를 얻어 가치 창출에 이르는 흐름은 공통적이다. 결국 핵심은 ‘데이터’에 있다. 실제로 각 기업에는 매우 다양한 데이터가 존재한다. 2023년을 시작하며 촉발한 챗GPT 열풍으로 생성형AI에 대한 또 다른 차원의 접근이 이루어지는 추세다. 이 시점에서 생각해 볼 점이 있다. ‘우리 회사에는 비즈니스에서 충분하게 활용할 수 있는 양질의 데이터를 가지고 있는가?’에 대한 것이다.
올해 초 챗GPT의 강력한 등장으로 각 업계에서는 화제와 함께 이런저런 해프닝도 있었다. 챗GPT 사용 초기에는 대다수 사람이 환호하는 반응을 보였다가, 이후에는 검증하기 힘든 거짓 답변을 정답처럼 말한다는 일명 ‘할루시네이션(hallucination)’이 챗GPT로 대표되는 생성형AI의 한계로 꼽혔다. 챗GPT가 등장하면서 이를 업무 현장에 적극적으로 도입해야 한다는 의견과 신뢰성이나 정확성이 미흡하므로 업무에 적용하기는 시기상조라는 의견이 상존하고 있다. 지금은 챗GPT의 장단점을 파악하고, 챗GPT 등장이 시사하는 바를 고려할 때다.
AI의 특이점이 오고 있다
AI 분야 석학들은 ‘AI에 대한 특이점이 오고 있다’ 는 데 목소리를 모으고 있다. 다만 AI가 실제 사람처럼 완결성을 확보할 시기에 대한 의견이 다를 뿐이다. 과거의 AI는 문제를 넣으면 그중에서 답을 찾고, 얼굴을 인식하는 등 일종의 ‘분류’ 작업을 했다. 반면 생성형AI는 ‘만든다’는 점이 다르다. 작사, 작곡은 물론 텍스트 기반의 책을 쓰거나 코딩 및 이미지, 영상 등도 만들어낸다. 그 밖에도 다양한 영역에서 생성형AI를 도입하고 있다.
이와 관련해서 합성데이터도 주목받고 있다. 예를 들어 과거 자율주행 학습은 자동차가 실제 주행을 하면서 학습을 했다면, 지금은 다양한 조건을 세팅한 시뮬레이션 환경에서 주행하며 데이터를 만든다. 미국의 IT 리서치 기업 가트너(Gartner. Inc)는 2030년을 기점으로 합성데이터가 실제 데이터를 완전히 넘어설 것으로 예상했다.
챗GPT가 처음 등장했을 때만 해도 LLM(Large Language Model, 대형언어모델)의 모델 사이즈가 무척 컸다. 당연히 기본적인 모델 사이즈는 클수록 좋지만, 최근에는 학습 비용 문제로 경량화가 진행 중이다. 예를 들어 일인가구라면 대형 평수의 주거지가 필요 없듯이, 고가의 범용 모델을 쓰기보다 특정분야에 특화된 모델을 사용하는 것이다. 각 기업에서 생성형AI 도입을 검토하고 있다면, 이러한 부분을 참고하길 바란다.
생성형AI의 금융 활용 사례와 시사점
KB국민은행이 속해 있는 금융업계는 정확성과 안정성 확보 측면에서 도입이 더 까다로운 측면이 있지만, AI 적용을 준비해야 한다는 공감대가 크다. 이미 전 세계 투자금이 생성형AI에 몰리고 있고, 여러 방면에서 투자가 이루어지는 상황이다. 금융 분야가 아닌 산업에서도 각 기업만의 전략과 데이터 확보 및 기술의 빠른 적용을 통한 차별적인 서비스 개발을 고민해야 하는 시점이다.
국제적으로 저명한 금융 서비스 기업들은 이미 상당한 비용을 투자해 초거대 언어모델 원천 기술을 내재화하는 한편, 업무 적용을 실행에 옮기고 있다. 블룸버그는 40년 동안의 금융 자료로 자체 모델 내재화를 통한 자연어 기반 블룸버그 콘솔 전용 질의문 작성 등 다양한 내/외부 금융 업무 수행 기술을 확보했으며, 모건스탠리에서는 GPT4를 통해 내부에 구축된 자산관리 콘텐츠에 자산관리 상담사들이 언제든지 접근해 지적 재산을 활용할 수 있게 했다. 300명을 테스트한 결과, 상담사들의 전문성 향상과 함께 고객 만족도를 높이는 효과가 있었다. 골드만삭스 은행 역시 생성형AI 도구를 사용해 내부 프로덕트를 개발해 코드 생산성을 40% 증대시켰다.
똑같은 자원과 자금, 인재와 환경이 있다고 하더라도 AI 로드맵 유무가 향후 성과에 큰 영향을 미친다. 기술 파트와 사업 파트의 원활한 소통, 나아가 임직원들의 AI 문해력도 필요하다. KB국민은행에서도 사내 강연을 10회 이상 진행한 후에 비로소 공감대가 형성되었다.
제조업 역시 생성형AI 도입과 관련한 맥락은 다르지 않다. 오히려 도입은 천천히 해도 괜찮다. 여러 사업자의 확인과 검증을 거쳐 업계 흐름을 파악하면서, 생성형AI를 도입하면 된다. 각 기업에 적합한 도구가 있는지 기술적으로 접근해 보라. 커뮤니케이션과 관련해서도 다양한 도구가 있으므로 비교 검토해도 좋다. 중요한 것은 각 기업이 생성형AI를 통해 ‘무엇을 하고 싶은지’를 정의하는 데 있다. 의사결정권자와 현업부서의 AI 이해도가 비슷해야 가능하지만, AI 도입과 관련한 의사 결정은 직원부터 시작하는 상향식으로 이루어져야 한다는 점을 기억하자.
