요즘 뉴스를 보면 "초거대 AI"라는 말이 자주 보입니다.
저는 AI 전문가가 아니고, 창업 아이템을 찾는 입장에서 이 흐름을 지켜보고 있는 사람이에요.
그래서 이 글은 기술 설명이 아니라, 지금 보이는 것들을 제가 이해하는 수준에서 정리하고 제 아이템 고민에 어떤 영향을 주는지 적어보는 기록입니다.
2022년 6월 시점의 이야기라는 점도 같이 기억해두려고 해요.
우선 GPT-3 같은 대규모 언어 모델을 활용한 서비스들이 눈에 띄기 시작했습니다.
글쓰기를 도와주는 도구나 마케팅 문구를 만들어주는 서비스처럼, 모델 위에 얹은 작은 서비스들이 해외를 중심으로 늘고 있다고 알려져 있어요.
문장을 이어서 써주는 수준을 넘어서, 요약하고 설명하고 분류하는 데까지 쓰이는 걸 소개하는 글도 많이 봤습니다.
그리고 얼마 전 이미지를 만들어주는 DALL-E 2가 공개되면서 분위기가 한 번 더 달라졌어요.
글로 설명하면 그림이 나오는 걸 처음 본 사람들의 반응이 인상적이었습니다.
국내에서도 대형 기업들이 한국어에 맞춘 초거대 모델을 발표하고 있다는 소식이 이어지고 있고요.
HyperCLOVA 같은 이름을 뉴스에서 자주 보게 됩니다.
다만 이 시점에서 일반 사용자가 쓰는 서비스는 아직 초기입니다.
대부분 개발자나 관심 있는 사람들이 시험해보는 단계로 보이고, 누구나 일상에서 쓰는 수준은 아직 아니에요.
그래서 저도 "이게 정말 서비스가 될까"에 대해서는 판단을 유보하고 있습니다.
가장 먼저 든 생각은 만드는 비용이 낮아질 수 있겠다는 점이었어요.
예전에는 별도의 모델을 직접 학습시켜야 했던 일이, 이미 만들어진 모델을 가져다 쓰는 방식으로 바뀔 수 있다는 이야기가 나오고 있으니까요.
그러면 기획자나 작은 팀도 시도해볼 수 있는 범위가 넓어질 수 있겠다고 생각했습니다.
가정 예시를 들어보겠습니다.
작은 가게를 운영하는 분이 손님 문의에 답할 때마다 비슷한 말을 반복한다고 해볼게요.
이런 문의 답변 초안을 만들어주는 도구를 얹는다면, 운영자의 시간을 줄여줄 수 있을지 모릅니다.
물론 이건 어디까지나 상상이고, 실제로 얼마나 정확하고 믿을 만한지는 직접 써봐야 알 수 있습니다.
또 하나는 사용자가 쓰는 방식이 달라질 수도 있다는 점입니다.
버튼과 메뉴를 찾아다니는 대신 말로 요청하는 방식이 가능해진다면, 서비스 화면 자체가 달라질 수 있어요.
기획자 입장에서는 꽤 흥미로운 변화입니다.
그런데 같은 이유로 불안한 마음도 있습니다.
만드는 비용이 낮아진다는 건 누구나 쉽게 만들 수 있다는 뜻이기도 하니까요.
제가 어떤 아이디어를 내놓더라도 비슷한 걸 만드는 사람이 많아질 수 있다는 이야기입니다.
그러면 모델을 쓴다는 것만으로는 차별점이 되지 않을 것 같아요.
결국 어떤 문제를 누구를 위해 풀고, 어떤 데이터와 운영 노하우를 가지고 있는지가 중요해질 거라는 생각이 듭니다.
이건 앞서 읽은 책들에서 말한 "기술이 아니라 문제에서 출발하라"는 이야기와도 닿아 있어요.
또 하나는 정확하지 않은 답을 자신 있게 말할 수 있다는 점이에요.
이런 모델은 그럴듯하지만 틀린 이야기를 만들어낼 수 있다는 말을 여러 번 봤습니다.
사람이 그걸 그대로 믿는 서비스를 만든다면 책임 문제가 생길 수 있겠죠.
정말 중요한 건 이 부분을 어떻게 설계하는가일 것 같습니다.
그리고 저작권이나 학습 데이터 문제처럼, 아직 정리되지 않은 논의가 많은 것으로 보입니다.
이 부분은 제가 판단할 수 있는 영역이 아니라서 지켜보고만 있어요.
아이템을 고민하는 입장에서 이 흐름이 주는 영향은 두 가지입니다.
하나는 아이디어를 평가할 때 "AI가 들어가면 더 좋아지는가"를 질문 하나로 추가하게 됐다는 점이에요.
다만 이 질문은 "AI를 쓰자"가 아니라, "이 문제는 AI 덕분에 이전보다 쉽게 풀 수 있게 되었는가"를 묻는 겁니다.
AI를 쓰기 위해 문제를 만드는 건 순서가 거꾸로니까요.
다른 하나는 제가 직접 써보고 공부해야겠다는 마음이 생겼다는 점입니다.
기사만 읽고 판단하는 것과 직접 만져보는 것은 전혀 다를 테니까요.
그래서 모델이 할 수 있는 일과 못 하는 일을 체험해보는 시간을 따로 잡아두려고 합니다.
막연히 기대하거나 걱정하는 것보다, 써보면서 확인할 질문을 미리 적어두는 편이 낫겠다 싶어서 목록을 만들었습니다.
첫째, 같은 질문을 여러 번 하면 답이 얼마나 달라지는가.
둘째, 모르는 것을 모른다고 말하는가, 아니면 그럴듯하게 지어내는가.
셋째, 한국어로 업장 운영이나 예약 문의 같은 일상적인 글을 쓰게 하면 어색하지 않은가.
넷째, 사용 비용이 대략 어느 정도 규모로 드는가. 이 부분은 서비스로 만들 때 현실적인 한계가 될 수 있으니까요.
가정 예시로, 동네 업장에서 자주 오는 문의 다섯 가지를 직접 적어서 답변 초안을 만들게 해보려고 합니다.
"주말에 예약이 되나요?", "주차는 가능한가요?" 같은 단순한 질문부터, "지난번에 예약한 걸 바꾸고 싶은데요" 같은 맥락이 필요한 질문까지 섞어서요.
결과가 어땠는지는 해보고 나서 따로 기록해둘 생각입니다.
지금은 초기 단계라서 섣불리 결론을 낼 수 없다고 느낍니다.
기회와 불안이 동시에 있는 시기에는, 한쪽으로 몰입하기보다 관찰하고 직접 써보면서 판단을 미루는 태도가 맞는 것 같아요.
몇 달 뒤에 이 글을 다시 읽었을 때, 제가 틀린 부분이 어디였는지 확인하는 것도 재미있을 것 같습니다.
앞으로도 이 분야는 꾸준히 지켜보면서 기록해두려고 합니다.
'AI > AI Trend' 카테고리의 다른 글
| AI 에이전트 시대, PM의 역할은 어떻게 바뀌나 (0) | 2026.05.04 |
|---|---|
| AI 스타트업들의 챗봇 서비스 비교 분석 (0) | 2021.05.17 |
| 2021년 상반기 가트너 트렌드 요약과 내 생각 (0) | 2021.04.22 |
| 2020 년 100 개 이상의 AI 사용 사례 및 애플리케이션 : 심층 가이드 (0) | 2020.11.11 |
| 인공지능을 통한 캐나다의 코로나19 대응 (0) | 2020.06.27 |