생성형 AI란 무엇이며 비즈니스에 어떤 영향을 미칠까요?

비즈니스 전반에 생성형 AI가 빠르게 도입되고 있습니다. 기업은 생성형 AI의 가치와 잠재력을 파악하고 비즈니스에 활용할 수 있는 최적의 전략을 구축해야 합니다.

In brief

• 인공지능(AI)은 1950년 대부터 수십 년간에 걸쳐 연구와 개발을 통해 진화했으며, 최근 다양한 형태의 콘텐츠를 만들 수 있는 생성형 AI의 등장으로 전환점을 맞이하고 있습니다.
• 글로벌 주요 기업들은 비즈니스 효율성과 생산성을 개선하기 위해 생성형 AI를 적극적으로 도입하고 있습니다.

최근 생성형 인공지능(Generative Artificial Intelligence, 생성형 AI)의 등장으로 전 세계 비즈니스 지형이 바뀌고 있습니다.  주요 글로벌 기업들은 생성형 AI를 활용해 팬데믹과 공급망 위기, 지정학적 분쟁, 전 세계적인 인플레이션 등 수년간 이어지는 불확실성에 맞서 생존과 성장의 해법을 찾고 있습니다. 생성형 AI는 PC와 인터넷, 스마트폰의 등장에 이어 산업 전반에 걸쳐 영향력을 미치는 혁신 요소로 평가하고 있습니다.

생성형 AI는 향후 몇 년간 기업의 고객 지원, 마케팅과 판매, 비즈니스 운영과 소프트웨어 프로그래밍 등 광범위하게 확산할 것으로 전망됩니다. 특히 생성형 AI는 직접적인 노동 효율성 향상뿐만 아니라 조직과 비즈니스 프로세스 개선을 이끌 것으로 예상돼 산업에 미치는 파급력이 클 것으로 보입니다. 그렇기 때문에 기업은 생성형 AI의 가치와 중요성을 제대로 인식하고 이를 미래 전략에 반영하는 것이 중요합니다.

1950년 대 등장해 오랜 시간 연구와 발전을 거쳐온 AI

AI는 갑자기 등장한 기술이 아닙니다. AI의 기원은 1950년 영국 수학자 앨런 튜링(Alan Mathison Turing)이 기계가 생각할 수 있는지 평가하기 위해 진행한 튜링 테스트(Turing Test)부터 시작됩니다. AI라는 단어가 처음으로 등장한 것은 1956년 미국 다트머스 대학(Dartmouth University)에 있던 존 매카시(John McCarthy) 교수가 개최한 다트머스 회의입니다. 매카시 교수는 특정한 문제를 해결하기 위해 인간처럼 생각할 수 있는 지능형 기계를 만드는 과학과 공학을 AI로 지칭했습니다. 이후 AI는 1970년까지 활발하게 연구가 지속되다가 기술의 한계로 정체됩니다. 당시 AI는 특정 조건의 간단한 문제는 해결할 수 있었지만 사람과 같이 생각하거나 복잡한 문제를 해결하지는 못했습니다. 오랜 기간 AI 연구는 기술의 발전에 따라 중흥기와 빙하기를 반복했습니다. 1980년대 사람의 두뇌를 모방한 ‘인공 신경망(Neural Network)’에 대한 AI 연구가 진행됐으며, 1997년에는 AI가 세계 체스 챔피언을 이겼고, 2011년에는 TV 퀴즈쇼의 우승자가 됐습니다. 이후 데이터를 기반으로 학습과 결과를 반복하는 GAN(Generative Adversarial Networks) 기술이 도입되면서 기술 수준이 급격히 높아졌으며 2020년에는 콘텐츠를 만들 수 있는 생성형 AI가 등장하면서 다양한 분야에서 활용되고 있습니다.

콘텐츠를 만들 수 있는 생성형 AI의 특징과 비즈니스 활용

AI는 인간의 학습 능력, 추론 능력, 지각 능력을 구현한 기술이며 생성형 AI는 콘텐츠 생성에 특화된 AI를 지칭합니다. 생성형 AI는 데이터를 학습해 문장, 이미지, 오디오, 동영상 등 다양한 형태의 콘텐츠를 만들 수 있습니다. 그리고 데이터의 종류와 양에 따라 사용자의 요청이나 질문을 더 자세히 파악할 수 있고 관련성이 높은 결과물을 생성합니다. 생성형 AI의 주요 기능은 텍스트 생성, 이미지 생성, 비디오와 오디오 생성, 기존 데이터의 품질을 개선하는 데이터 증강 등이 있습니다.

기업이 생성형 AI에 주목하는 이유는 비즈니스에 도입해 성과를 향상할 수 있기 때문입니다. 생성형 AI는 자동화된 콘텐츠 생성, 데이터 분석, 예측 모델 등을 통해 업무 프로세스를 효율적으로 개선하고, 기술과 혁신을 촉진함으로써 신제품이나 새로운 서비스, 경험을 개발합니다. 기업은 생성형 AI로 조직 내 반복적이고 단순한 직무를 줄이고 한정된 자원을 보다 부가가치가 높은 부문에 집중할 수 있습니다.

실제로 한 글로벌 화학 기업은 생성형 AI로 원자재 가격 동향을 예측해 구매 비용을 평균 8.8%p 낮출 수 있었습니다. 그리고 한 글로벌 철강 기업은 원자재 운반에 필요한 철로 수동 검사에 GPS와 생성형 AI를 활용해 사전 예방적 유지 보수 기능을 구축했습니다.

‘왜곡과 편향성’ 생성형 AI 도입에 대한 우려

그러나 생성형 AI에 대한 장밋빛 전망만 있는 것은 아닙니다. 생성형 AI에 대한 신뢰도나 부작용에 대한 우려도 있습니다. 생성형 AI는 데이터에 기반해 작동하기 때문에 데이터가 왜곡되거나 편향이 있다면 결과물에도 반영될 수 있습니다. 또한 사용자의 요구 사항을 충분히 학습하지 못하거나 데이터가 부족할 경우 생성된 콘텐츠의 품질이 낮고, 일관성이 없을 수 있습니다. 무엇보다 기존에 존재하는 데이터에서 학습한 패턴을 따르기 때문에 사람의 상상력이나 창의성을 완전히 대체하지는 못합니다. 또한 기업에서 생성형 AI를 활용할 때 관련 거버넌스가 확립되지 않은 상태라면 개인 정보 보호 문제를 야기할 수 있습니다. 생성형 AI는 데이터 분석과 콘텐츠 생성에 대규모 리소스가 필요하기 때문에 친환경적이지 않다는 주장도 있습니다. 이런 문제들은 생성형 AI 기술 발전과 함께 해결해야 하는 부분입니다.

생성형 AI 향후 10년간 최대 100% 생산성 증가 효과 추정