​[창간 5주년 KEDF] 권순일 업스테이지 부사장 "챗GPT, AI시장 확장+투자수익률 해결"

[이코노믹데일리] 생성형 인공지능(AI) 챗GPT가 디지털 산업군의 비약적 발전을 주도하고 있다는 진단이 나왔다. 디지털 3.0 시대를 맞아 전 세계 AI 시장을 확장하는 동시에 전 산업권 투자수익률(ROI) 한계를 해결할 솔루션 역할을 톡톡히 하고 있다는 호평도 제기된다. 

권순일 업스테이지 부사장은 14일 서울 여의도 CCMM빌딩에서 열린 이코노믹데일리 창간 5주년 기념 포럼 '2023 KEDF(Korea Economic Design Forum)'에서 '비즈니스 환경에서의 인공지능(AI)과 생성형 AI의 작용'이라는 주제 발표에서 이 같이 전했다.

권 부사장은 우선 최근 AI, 특히 챗GPT가 선풍적 인기를 끌고 있는 현상의 이유로 △데이터 스토리지와 처리 비용의 급증 △빠르게 확장되는 데이터 가용성 △모델의 고급화 등을 꼽았다. 

그는 "2023년 모델명 'InternImage' 디텍션 정확도가 94%까지 올랐다"며 "AI 기술은 상당한 발전을 통해 상용 응용 프로그램에 대한 새로운 가능성을 제공했다"고 말했다. 

실제 AI는 비즈니스 시나리오에서 유망한 결과를 제공했다. 2021년 한국개발연구원(KDI) 기업체 인식 조사에 따르면 'AI가 비즈니스 성과에 미치는 영향에 대해 어떻게 생각하냐'는 질문에 '유용하다'는 답변이 77%를 차지했다. 

권 부사장은 "AI는 비전통적인 영역에서도 잠재력을 보여준다"며 "그 잠재력에도 불구하고 비즈니스에서 AI를 사용하는 데 어려움이 없는 것은 아니다"라고 밝혔다. 

이어 "문제 정의, 올바른 솔루션 찾기, 지속가능성 유지 등 세 가지를 확인해야 한다"며 "특정 문제가 AI 솔루션에 적합한 지, 일회성 솔루션으로 지속가능성을 보장할 수 있는지, 솔루션이 비즈니스 가치 수준 이상으로 성능을 유지할 수 있는지 등을 봐야 한다"고 조언했다.

나아가 권 부사장은 ChatGP(챗GPT)와 같은 대형 모델의 채택은 ROI 한계 해결에 앞장서고 있다고도 강조했다. 

그는 "챗GPT 등장으로 대규모 자연어처리(NLP)모델이 성능 임계값을 넘어 비즈니스 애플리케이션의 새로운 가능성을 열었다"며 "방대한 양의 데이터로 훈련된 언어 모델은 일정 수준 이상의 다양한 언어 작업에 효과적으로 대응할 수 있다"고 말했다. 

또 챗GPT가 기존 NLP 도메인 작업이나 언어 기반 구성에서 뛰어난 성능을 발휘한다고 부연했다. 요약, 번역, 의역, 스토리텔링 작업을 비롯해 기존 지식을 바탕으로 질의응답과 코딩과 같은 기호 논리 작업, 창의적인 콘텐츠 제작 등에서 강점을 보인다는 설명이다.

다만 실시간 답변 제공 불가, 불충분한 정보에 따른 답변의 논리적 오류 등은 챗GPT의 한계로 꼽힌다. 권 부사장은 이런 챗GPT를 비즈니스에 적용하기 위한 3가지 원칙으로 '관련성·재미·관용'을 꼽았다.  

이와 관련해 업스테이지는 최근 챗GPT를 카카오톡에 적용한 챗봇 'AskUp'(아숙업)을 개발했다. 권 부사장은 "업스테이지는 AskUp을 통한 광학문자인식(OCR) 기능과 추천 기능을 사내 작업에 사용하고 있다"고 말했다.

아울러 "챗 GPT와 같은 고급 모델의 등장으로 노동의 질과 생산성에 대한 기대치가 높아질 것"이라며 "이러한 모델을 효과적으로 사용할 수 있는 회사는 그렇지 않은 회사보다 경쟁 우위를 확보할 것"이라고 덧붙였다. 

권 부사장은 챗GPT 강점을 살려 다양한 산업 분야에서 다양하게 사용되고 있는 사례도 들었다. 특화 산업에서 글쓰기 도구로 활용되거나 디자인·마케팅 등 사람의 감독이 필요한 분야에서도 활용되는데  AI의 정확성, 보안, 설명 가능성 문제를 해결하기 위해서도 활용된다는 것이다.

그는 챗 GPT와 같은 고급 모델의 등장으로 노동의 질과 생산성에 대한 기대치를 상승하는 한편 고객 경험의 변경 등과 같은 시장 변화를 예상할 수 있다고 점쳤다. 

이와 관련해 적정 모델을 효과적으로 사용할 수 있는 회사는 그렇지 않은 회사보다 경쟁 우위를 확보할 것이라고 권 부사장은 방점을 찍었다. 과거와 달리 성공한 모델을 채택하는 것만으로는 격차가 단번에 줄어들지 않는다는 이유에서다. 

이런 가운데 개별 요구 사항에 맞게 특별히 조정된 맞춤형 GPT를 만들려면 실제 사용에서 수집된 추가 데이터와 피드백을 통한 강화 학습을 해야 하고 상당한 사용 기간이 필요하다는 해석도 나왔다. 권 부사장은 "다가오는 변화에 대비하기 위해 다양한 사용 사례에서 이러한 모델을 테스트하고 개선하는 회사가 비로소 경쟁에서 이길 것"이라고 언급했다.