[기고] 엔터프라이즈 기업을 위한 생성AI, 목적에 맞는 설계 필요
입력
수정
지면B7
데이터 신속한 확보가 중요인공지능(AI)은 모든 산업의 화두이자 시대의 과제다. 지난해 오픈AI가 공개한 생성 AI 챗봇 ‘챗GPT’는 출시 5일 만에 사용자 수 100만 명을 돌파했다. 생성형 AI는 대규모 언어모델(LLM)을 기반으로 텍스트뿐 아니라 이미지·오디오·비디오 등 형태의 새로운 창작물까지 만들어 낼 수 있어 활용 범위가 무궁무진하다.
AI모델 특화된 솔루션 통해
시간 단축 등 효율성 높여야
김경진 한국 델 테크놀로지 총괄 사장
최근 생성형 AI에 대한 관심은 호기심 많은 초기 사용자들을 넘어 기업 환경으로 옮겨 가고 있다. 미국 내 조사에 따르면 정보기술(IT) 리더의 60% 정도가 생성 AI를 사내에 도입하는 것을 고려 중이다. 생성 AI는 범용 LLM을 활용해 정보 기반을 구축한다. 이를 기업 비즈니스에 적용하려면 보안에 대한 우려를 극복하고 기술을 뒷받침할 수 있는 적절한 IT 인프라, 데이터 전략 등을 갖춰야 한다.기업의 생성 AI는 챗GPT와 같은 범용 서비스와는 다르게 사용된다. 고객 지원 자동화, 재무 예측, 부정 탐지 등 특정 목적에 맞춘 AI 모델은 대규모 범용 모델보다 훨씬 확실한 효과를 제공한다.
구체적인 목적에 맞게 구축된 생성 AI의 가장 큰 이점은 데이터 보안과 컴플라이언스 측면이다. AI는 학습을 통해 결과를 생성하는 방식인 만큼 데이터가 많을수록 유리하다. 앞으로는 이런 데이터를 안전하게 처리해야 하는 필요성이 더 커질 수밖에 없다. 고객의 구매 내역, 지원 로그, 의료 기록, 재무 기록 등 민감한 데이터를 취급하는 데 있어 기존 시스템 접근 방식과 충돌을 일으키지 않으면서 보안 전략을 확장할 수 있도록 맞춤형 AI 전략을 설계해야 한다. 특히 금융권이나 헬스케어 등 데이터 프라이버시와 보안에 만전을 기해야 하는 기업이라면 데이터를 관리하고 통제할 때 더욱 신중해야 한다.
빠르게 제품을 개발해 시장에 출시해야 하는 기업의 경우에도 목적형 AI가 유리하다. AI를 도입한 기업이라면 대부분 이 AI 모델을 정기적으로 업데이트해야 하는데, 범용 LLM을 학습시키기 위해서는 많은 시간이 소요된다. 기업에 맞춰 설계된 목적형 AI는 모델링 시간을 단축하고 데이터에서 의사결정까지 걸리는 속도를 높일 수 있다. 목적에 맞춰 생성 AI를 설계하면 인프라 성능을 최적화해 지연시간을 줄이고 데이터 규모를 줄여 비용도 낮출 수 있다.AI는 전례 없는 속도와 효율성으로 방대한 데이터 세트를 처리하고 분석할 수 있다. AI가 로켓이라면 데이터는 연료이다. 델 테크놀로지스는 AI의 거대한 흐름을 맞이하며 생태계 협력을 강화하고 있다. 지난 5월 엔비디아와 파트너십을 통해 AI 모델 처리에 특화된 서버를 출시하고 고객 서비스, 마켓 인텔리전스, 검색 등 다양한 기업 사용 사례를 위한 ‘프로젝트 헬릭스’라는 공동 솔루션을 발표했다.
잠재력을 기회로 만들기 위해서는 철저한 준비가 필요하다. 기업 내부에 존재하는 복잡한 프로세스를 자동화하고 고객 경험을 향상하는 등 AI가 생산성을 충분히 발휘할 수 있는 환경을 마련해야만 차세대 디지털 혁신의 물꼬를 틀 수 있다.