생성형 인공지능(AI)은 은행, 금융, 의료 및 제조 등 모든 분야의 시장에서 관심을 끌고 있으며, 모든 분야에서 이러한 기술을 어떻게 활용할 수 있을지 궁금해하고 있습니다.

AI에 대한 주제에는 많은 질문과 의견이 있습니다. 생성형 도구에는 ChatGPT, GitHub, Copilot 및 다양한 음악과 예술 생성기와 같은 도구들이 있습니다. AI 가상 비서에게 식사를 준비하는 방법을 물어보거나 상사에게 이메일을 작성하는 방법을 물어볼 때 이러한 기술을 사용해 본 적이 있을 것입니다. 또한, 뉴스에서 이 문제에 대해서 토론하는 것도 들어보셨을 겁니다. 

새롭게 등장하는 생성형 AI 도구들은 '새로운' 아이디어, 창의적인 콘텐츠 및 해결책을 생성하는 것을 용이하게 합니다. 하지만 그에 따라 지적재산권, 규정 준수 및 표준, 데이터 개인정보 보호 및 보안, 업무 영향, 공정성과 윤리 등의 위험이 발생할 수 있습니다. 향후에 생성형 AI 규정 준수는 이 기술을 활용하려는 산업에서 매우 중요한 역할을 할 것입니다.

생성형 AI는 대중들의 고급 기술에 대한 접근성을 향상함으로써 디지털 전환 계획에서 가치 실현을 위한 시간을 줄이는 데 새로운 가능성을 제시합니다.

생성형 AI의 알려지지 않은 측면을 둘러싸고 많은 두려움이 존재하지만, 생성형 AI를 어떻게 사용할 수 있을까요? 더 중요하게는, 어떻게 생성형 AI 기술을 비즈니스에서 안전하게 사용할 수 있을까요?

생성형 AI란 무엇일까요?

훈련받지 않은 사람의 눈에는 생성형 AI가 마치 인간처럼 보입니다. 그러나 이는 실제로 자연어 프롬프트를 기반으로 하고 학습된 방대한 대조 데이터를 통해 정보를 받아 새로운 관련성 있는 콘텐츠를 생성할 수 있는 정교한 알고리즘입니다.

생성형 AI는 이미지, 동영상, 음악, 소프트웨어 코드, 심지어는 대화형 상호작용을 포함한 다양한 매체를 통해서 작동하는 강력한 도구입니다. 하지만 이것이 사람을 대체할 수 있는 것은 아닙니다. 생성형 AI는 해결사가 아닌 협업자로 간주해야 합니다.

“생성형 AI는 다양한 사례에서 사용될 수 있습니다. 예를 들어, 이미지 생성, 새로운 음악 작곡, 인간과 유사한 텍스트 생성, 기존 콘텐츠 개선 및 수정, 심지어는 게임이나 가상 현실(VR)과 같은 분야에서 훈련의 목적으로 현실적인 환경을 시뮬레이션하는 데 사용될 수 있습니다.

생성형 AI가 인상적인 결과를 만들어내지만, 여전히 개발중인 분야이고 생성된 콘텐츠가 항상 완벽하지 않을 수도 있다는 것을 기억해야 합니다. 그럼에도 불구하고, 생성형 AI는 계속해서 발전하고 있으며, 다양한 창의적인 분야와 문제 해결 영역에서 큰 잠재력을 보여줬습니다."

생성형 AI는 어떻게 작동하나요? 생성형 AI는 자연어 처리(NLP)와 대규모 언어 모델(LLM)을 포함한 여러 가지 발전중인 기술을 활용하는데, 이러한 기술은 인간의 언어를 모방하도록 설계되어 있습니다. 이러한 애플리케이션은 일반적으로 딥러닝을 기반으로 한 AI 시스템인 기본 모델(FM)에 구축됩니다. AI가 폭넓은 데이터세트에서 연구하고 학습하는 교육 장소라고 생각할 수 있습니다. 가장 기본적인 형태에서 AI는 예측 알고리즘을 사용하여 이미지와 같은 '새로운' 콘텐츠를 생성합니다.

생성형 AI의 사용 사례는 무엇입니까?

Gartner는 생성형 AI가 "증기 기관, 전기, 인터넷과 유사한 영향을 미치는 일반 목적 기술"이 될 수 있다고 예측하며, “생성형 AI 분야는 과학적 발견과 기술 상용화 분야에서 빠르게 진보할 것”이라고 언급했습니다.

생성형 AI 기술을 조력자 또는 협업자로 바라보는 것이 중요합니다. 생성형 AI는 아이디어 생성과 연구를 통해 인간의 작업에 기여하지만, 여전히 AI가 대체할 수 없는 인간 감정이 갖는 영역을 남겨둡니다.

생성형 AI 모델은 무엇입니까? 일반적으로, 생성형 AI는 딥러닝 모델을 통해 훈련을 하고 학습한 내용을 새로운 콘텐츠에 적용하여 훈련 데이터에서 학습한 것을 모방합니다. 생성형 모델은 훈련 데이터의 기본적인 특성과 분포를 학습하여 원본과 유사한 새로운 데이터 샘플을 생성합니다.

생성형 AI를 사용하는 목적은 무엇입니까?

생성형 AI는 단순히 예술, 텍스트, 음악을 만드는 것이 목적이 아닙니다. 생성형 AI는 업무 흐름을 최적화하고 의사 결정 과정을 지원하여 일상적인 프론트 오피스와 백오피스 작업을 변화할 수 있는 잠재력이 있습니다.

McKinsey 보고서에 따르면, “은행, 하이테크, 생명과학과 같은 산업에서는 수익을 창출하는 부분에서 생성형 AI의 영향이 가장 클 것으로 예상되고 있습니다.” 해당 산업 분야에서 직원들이 소모하는 시간의 60~70%를 차지하는 작업을 자동화할 수 있다는 잠재력에 주목했습니다.

생성형 AI는 다양한 분야에 적용될 수 있습니다. 높은 수준의 생성형 AI 애플리케이션은 다음과 같습니다.

• 글로 작성된 콘텐츠에 대한 텍스트 초안과 개요 작성
• 텍스트 분석을 통해 신속하게 답변 찾기
• 아이디어와 디자인 탐색을 위한 AI 생성 이미지 개발
• 의도/쿼리 이해 및 언어 처리 능력을 갖춘 챗봇을 통한 고객 서비스 지원 향상
• 주요 정보 추출을 통한 데이터가 많은 정보 요약
• 복잡한 문서 간소화
• 소프트웨어 코드 생성, 테스트 및 실행
• 형식과 맥락에 따른 작품의 톤 변경
• 지정된 매개변수를 기준으로 정보 분류 및 조직화
• 작업 워크플로 최적화를 통한 생산성 및 수익 증가
• 제품 라인 및 재고를 위한 자동 카탈로그 관리 구현

의료 분야에서 생성형 AI 사용 사례

의료 산업은 AI와지능형 자동화(IA)로부터 가장 큰 혜택을 받을 수 있는 산업 중 하나입니다. 생성형 AI는 의료진이 환자를 조기 진단할 때 도움이 되는 잠재력을 보유하고 있습니다. 예를 들어, 의료 이미지를 분석하여 보다 정확하고 신속한 진단을 가능하게 함으로써 의사들이 암의 원인을 진단하는 데 도움을 줍니다.

자연어 처리(NLP)와 같은 기술은 전자 의료 기록(EHR)에서 발견되는 대규모의 구조화되지 않은 의료 데이터세트를 읽을 수 있습니다. 이로 인해 생성형 AI가 엑스레이, CT 스캔 및 MRI를 더 현실적인 이미지로 변환하여 잠재적인 이상 현상의 식별이 용이해집니다.

이 기술이 의사 결정 능력을 개발함에 따라 의료 데이터세트를 사용하여 환자의 의료 기록, 생활 양식, 유전자 정보를 입력함으로써 맞춤형 치료 계획을 작성하는 데 도움을 줄 수 있습니다. 의료 분야에서 환자 서비스가 향상됨에 따라 임상 직원들이 환자 치료에 집중할 수 있는 시간이 많아집니다.

생명 과학 분야에서 생성형 AI 사용 사례

제약 회사는 생성형 AI를 사용하여 부작용, 임상 연구 결과 및 효능에 대한 대규모 데이터세트를 분석할 수 있습니다. 이 기술이 개발됨에 따라 대상 인구 내의 환자와 개인들로부터 실시간으로 수집된 통찰력을 대규모의 데이터세트와 결합하여 데이터 내에서 연결점을 찾고 이전 임상 시험을 기반으로 가능한 해결책을 제시할 수 있게 됩니다.

Gartner는 “2025년까지 생성형 AI 기술을 사용하여 현재 0% 수준인 신약과 물질을 30% 이상 발견할 것”이라고 예측합니다. 이는 이미 수집된 임상 정보를 기반으로 합성 데이터를 생성하여 신약 개발 시간을 단축하고 출시까지 소요되는 시간을 줄일 수 있어 제약 산업에 큰 영향을 미칠 것으로 전망됩니다.

Deloitte의 지능형 약물 발견에 대한 연구에 따르면, AI는 “질병 메커니즘에 대한 높은 수준의 지식이 확대됨에 따라 가능한 치료의 개수를 늘리고, 많은 경우에는 의료 분야에서 이전에 효과적인 치료 방법이 없었던 질병을 치료할 수 있는 새로운 미래를 개척할 것”으로 기대하고 있습니다.

Deloitte는 생성형 AI 역량이 확대됨에 따라 디지털 지식을 갖춘 리더들이 새로운 전략을 연구 부문에 적용해야 할 것이라고 제안합니다. 현재까지 미국이 AI 약물 개발 분야를 선도하고 있으며, 스타트업의 60%가 해당 기술을 활용하고 있습니다. 한편, 영국과 유럽 연합에서 사용 수준은 각각 10.8%와 10.3% 증가했습니다.

은행 및 금융 분야에서 생성형 AI 사용 사례

적절한 거버넌스 모델이 마련되어 있는 경우, 생성형 AI는 리스크 관리와 사기 탐지에 유용할 수 있습니다.

금융 서비스 및 은행은 엄격한 규제가 적용되는 산업으로, 규정 준수는 최우선으로 고려해야 하는 사항입니다. 생성형 AI는 은행의 모든 측면에 적용되기에는 개인 문서 보호에 대한 규제와 같이 개발이 필요한 부분이 있지만, 신용 평가, 포트폴리오 관리, 거래, 가격 최적화, 시장 예측 등 데이터 분석에 대한 잠재력을 보유하고 있습니다. 생성형 AI의 역할은 아래와 같습니다.

• 사기 탐지
• 돈 세탁 방지(AML)
• 금융 서비스 제품 추천
• 리스크 평가 및 리스크 관리
• 챗봇 및 자동화 일정 예약을 통한 고객 서비스
• 금융 시장 예측

IT 분야에서 생성형 AI 사용 사례

AI 지원 소프트웨어 개발은 프로그래밍 분야에서 큰 발전을 이루고 있습니다. Copilot과 같은 기술을 통해 생성형 AI는 프로그래밍 기술의 방대한 데이터베이스를 활용하여 코드 생성을 지원할 수 있습니다.

생성형 AI의 데이터 합성 능력으로 시스템 내에서 테스트를 수행하여 오류나 비효율성을 확인하고, 개발자들이 코드를 최적화하는 데 도움을 줍니다. 코드가 검사를 통과하면 AI가 해당 코드를 자동으로 워크플로에 배포하고 작동하는 동안 지속적으로 모니터링할 수 있습니다.

생성형 AI 솔루션은 다음과 같이 소프트웨어 개발에 활용될 수 있습니다.

• 다음 코드 라인 제안
• 코드 관련 질문 답변
• 텍스트 프롬프트를 기반으로 새로운 코드 라인 생성
• 소프트웨어 기능 테스트
• 코드에서 버그 식별 및 수정
• 기존 모델을 기반으로 소프트웨어에 새로운 모델 실행

사실, 생성형 AI는 미래에 자동차, 항공 우주 시험, 마케팅 메시지 및 맞춤형 서비스에 이르기까지 모든 분야에 영향을 미칠 가능성이 높습니다. 많은 잠재력을 지닌 혁신적인 기술입니다. 하지만, 빠른 속도로 움직이는 기계처럼 위험도 존재합니다.

프롬프트 엔지니어링이란 무엇인가요? 생성형 AI 모델과 원하는 출력에 대해서 잘 이해하고 있는 개발자는 프롬프트 엔지니어링 기술을 활용하여 다양한 프롬프트를 실험하고 세밀하게 조정함으로써 모델의 성능을 최적화하여 의도한 작업 또는 목표와 일치시킬 수 있습니다.

생성형 AI의 리스크는 무엇입니까?

생성형 AI의 리스크에 대해 들어본 적이 있을 수도 있습니다. 리스크에는 딥페이크, 저작권 침해, 개인 문서 유출, 부정확한 데이터 게시 등이 있습니다. AI는 누락 없이 잘못된 정보를 제공할 수 있으며, 딥페이크는 비디오를 통해 정치인이나 유명인이 실제로 말한 적도 없는 내용을 실제로 말한 것처럼 보이게 할 수 있습니다.

ChatGPT 및 다른 생성형 도구와 같은 기술은 저작권법이나 일반 데이터 보호 규정(GDPR)을 준수하지 않는 공공 데이터를 기반으로 훈련되었습니다. 다시 말해, 기업에서 생성형 AI를 사용하는 경우, 생성형 AI에 접근하는 방식과 '본인' 것이라고 주장하는 방식에서 신중하게 고려하는 것이 좋습니다.

하지만, 적절한 모델과 지침 및 감독이 있는 경우, 생성형 AI는 의료, 생명과학, 제조, 은행 및 금융, 에너지, IT 등 다양한 산업에서 작업을 완전히 변화시킬 수 있는 잠재력을 보유하고 있습니다.

생성형 AI에 거버넌스 도입하기

생성형 AI는 멈출 수 없는 힘이기 때문에 항상 환경, 사회, 거버넌스(ESG)의 영향을 고려하여 이를 활용할 수 있는 방법을 고민해야 합니다.

기관이 생성형 AI를 작업에 도입하기 전에 생성형 AI가 기관의 평판, 수익, 잠재적인 법적 책임에 미치는 영향을 고려해야 합니다. 이를 위해서 기관에서는 생성형 AI가 규정 준수를 유지하면서 자동화 전략을 지원하는 규칙과 원칙이 담긴 거버넌스 리스크 관리 전략을 확립해야 합니다.

생성형 AI에서 거버넌스의 역할:

• 법률, 개인정보 및 지적재산권 보호
• AI와 조직의 윤리적인 원칙의 조화
• AI 출력의 정확도 확인
• 조직의 품질 기준과 일관성 유지
• 개인정보 보호와 데이터 정확성 보장
• 지속 가능성과 환경 관리를 고려

생성형 AI가 어떤 영향을 미치고 있는지 여부와 상관없이 이 기술은 빠른 속도로 발전하고 있습니다. 조직이 거버넌스와 데이터 보호를 염두에 두고 활용한다면 생성형 AI는 긍정적인 영향을 줄 수 있습니다. 생성형 AI와 관련된 법률이 급변하는 상황에서 조직은 해당 국가와 영향력을 미치는 영역에서 규제 환경을 지속적으로 모니터링해야 합니다.

대규모 언어 모델(LLM)이란 무엇인가요? 대규모 언어 모델(LLM)은 인간의 언어를 이해하고 생성하기 위해 설계된 AI 모델의 일종으로 일반적인 인간의 응답을 모방합니다. 대규모 언어 모델은 방대한 양의 텍스트 데이터를 기반으로 훈련되고 텍스트 생성, 요약, 질의 이해, 번역 등 다양한 언어 관련 작업을 수행할 수 있습니다. 일반적으로, LLM은 딥러닝 아키텍처를 기반으로 합니다. LLM에는 챗봇, 가상 비서(Amazon의 Alexa 또는 Apple의 Siri), 콘텐츠 생성, 언어 번역 등 다양한 애플리케이션이 있습니다.

IA에 생성형 AI 도입하기

생성형 AI를 자동화 프로그램에 도입할 때 고려해야 할 사항이 많습니다. 아래에는 전략에 포함해야 하는 몇 가지 중요한 팁이 있습니다.

• 가이드라인 확립: 개인, 사회, 프라이버시 보호권을 고려하면서 AI를 어디에, 어떻게 사용할 것인지에 대한 윤리적인 경계를 정의하십시오.
• 목표에 맞게 조정: 기술을 조직의 지속적인 전략에 맞게 조정하고, 생성형 AI가 기술적인 능력과 비즈니스 요구사항에 어떻게 맞는지 평가하고, 우선순위를 정하여 관리하십시오.
• 사용 사례 식별: IA 워크플로에서 생성형 AI를 유용하게 사용할 수 있는 구체적인 작업이나 프로세스를 파악하고 통합이 어떤 영향을 미칠지 확인하십시오.
• 품질 훈련 데이터 사용: 훈련 데이터세트를 주의깊게 선별하여 생성형 AI가 훈련하는 데이터가 조직이 원하는 결과를 완전히 표현할 수 있도록 합니다.
• 콘텐츠 검증: 부정확한 데이터나 편향을 피하기 위해 출력을 철저하게 검증하십시오.
• 워크포스 통합: 조직 내 인원들과 함께 포괄적인 변화 관리 전략을 제공하고 최상의 실천 방법과 목표를 설정하십시오.
• 휴먼인더루프(HITL) 유지: 우수성 센터(CoE)와 같은 자동화된 프로세스를 도입하여 최상의 실천 방법을 유지하도록 합니다.
• 조정: 생성형 AI 모델에 정기적으로 피드백과 데이터를 제공하여 변화하는 요구사항에 적응하고 출력 품질을 지속적으로 개선하여 더 나은 확장성을 달성하도록 합니다.

생성형 AI의 이점은 무엇인가요?

생성형 AI의 능력과 접근성은 이전과는 비교할 수 없는 수준이며, 어떤 분야의 자동화에 사용될 경우에도 이점을 얻을 수 있는 잠재력을 제공합니다. 자연어 처리(NLP) 분야의 발전은 의료, 금융, 고객 경험(CX)과 같은 산업에서 더 많은 관심을 얻게 될 것입니다.

미래에 생성형 AI의 사용을 통해서 얻을 수 있는 주요 이점은 다음과 같습니다.

• 콘텐츠 생성
• 맞춤형 경험
• 문제 해결
• 의사 결정
• 시뮬레이션 및 테스트
• 데이터 통합
• 창의적인 콘텐츠 실험

생성형 AI는 비즈니스에 어떤 가치를 제공하나요?

생성형 AI는 비즈니스에 다음과 같은 기회를 제공할 수 있습니다.

• 생산성과 수익 향상
• 운영 비용 감소
• 리스크 관리 향상
• 워크로드 완화
• 신속하고 효율적인 작업
• 확장성, 일관성 및 품질 향상

생성형 AI 시스템은 학습만 내용만 알고 있다는 점에 주의하십시오. 또한, 저작권 보호와 소유권 법률과 함께 제약이 설정되어 있기 때문에 조직이 기술을 활용할 때 주의를 기울이고 좋은 거버넌스와 최상의 실천 방법을 기반으로 해야 합니다.

생성형 AI는 무엇보다도 콘텐츠 생성자이며, 이것이 사람들의 직업 특성을 변화시킬 것입니다. 실제로, Gartner는 “2026년까지 1억 명 이상의 인간이 로봇과의 협업을 업무에 활용할 것”으로 예측하고 있습니다. 조직은 이러한 변화를 예측하고 미래의 일자리에 대응하기 위한 방안을 고려해야 합니다.

AI의 급속한 발전과 급변하는 산업의 잠재력을 고려할 때 SS&C Blue Prism과 같은 신뢰할 수 있는 혁신적인 솔루션 제공업체와 파트너십을 맺는 것이 중요합니다.

생성형 AI의 미래는 어떤 모습일까요?

생성형 AI에 관해 알아보기 위해서 ChatGPT와 인터뷰를 진행했습니다. 물론, 추가적인 연구를 통해 해당 구문의 진실 여부를 검증했습니다. 모든 응답에 대해서 ChatGPT는 비슷한 형태의 최종 경고를 반복해서 나타냈습니다. 예시는 다음과 같습니다.