- 기업의 AI 출시 가속화, 생성형 AI 도입 위한 모범 사례 구축

 

 

 

 

 

AI 컴퓨팅 기술 분야의 선두주자 엔비디아가 AI에 대한 엔비디아 전문가들의 내년도 전망을 발표했다.

 

산업계 전반에서 혁신적인 신기술에 주목하면서 '생성형 AI', '사전 훈련된 생성 변환기(GPT)'와 같은 새로운 용어와 함께 '대규모 언어 모델(LLM)', '검색 증강 생성(RAG)'도 등장했다.

 

올 한 해는 생성형 AI가 놀라운 주목을 받았으며, 큰 화제를 불러일으켰다. 많은 기업이 텍스트, 음성과 비디오를 수집해 생산성, 혁신과 창의성에 혁명을 일으킬 수 있도록 새로운 콘텐츠를 만들어내는 능력을 활용하기 위해 노력하고 있다.

 

기업들은 이러한 추세에 부응하고 있다. 맥킨지 & 컴퍼니(McKinsey & Company)에 따르면, 기업 데이터로 훈련된 오픈AI(OpenAI)의 챗GPT(ChatGPT)와 같은 딥러닝 알고리즘은 63개의 비즈니스 사용 사례에서 연간 2조 6천억 달러에서 4조 4천억 달러에 해당하는 가치를 창출할 수 있다.

 

하지만 방대한 양의 내부 데이터 관리는 AI 확장의 가장 큰 걸림돌로 여겨진다. 일부 엔비디아 AI 전문가들은 2024년에는 클라우드 서비스 제공업체, 데이터 스토리지와 분석 기업, 또는 빅데이터를 효율적으로 처리, 미세 조정, 배포의 노하우를 가진 다른 기업과의 파트너십, 협업을 구축하는 것이 중요해질 것이라고 예측한다.

 

이 모든 것의 중심에는 LLM이 있다. 엔비디아 전문가들은 LLM 연구의 발전이 비즈니스와 엔터프라이즈 애플리케이션에 점점 더 많이 적용될 것이라고 예상한다. RAG, 자율 지능형 에이전트, 멀티모달 인터랙션과 같은 AI 기능은 거의 모든 플랫폼을 통해 더욱 쉽게 액세스하고 배포할 수 있다.

 

 

■ 맞춤형 솔루션 필요

기업에도 커스터마이징이 도입되고 있다. 기업들은 한두 개의 생성형 AI 애플리케이션을 보유하는 것이 아니라, 비즈니스의 다양한 부분에 적합한 독점 데이터를 사용해 수백 개의 맞춤형 애플리케이션을 보유하게 된다.

 

프로덕션 단계에서 이러한 맞춤형 LLM이 실행되면 데이터 소스를 생성형 AI 모델에 연결해 보다 정확하고 정보에 입각한 응답을 제공하는 RAG 기능을 갖추게 된다. 암독스(Amdocs), 드롭박스(Dropbox), 제넨테크(Genentech), SAP, 서비스나우(ServiceNow), 스노우플레이크(Snowflake)와 같은 선도적인 기업들은 이미 RAG와 LLM을 통해 새로운 생성형 AI 서비스를 구축하고 있다.

 

■ 오픈소스 소프트웨어가 주도

사전 훈련된 오픈소스 모델 덕분에 특정 분야의 문제를 해결하는 생성형 AI 애플리케이션이 기업 운영 전략의 일부가 될 것이다.

 

기업이 이러한 선행 모델을 비공개 또는 실시간 데이터와 결합하면 조직 전반에서 생산성과 비용의 이점을 가속화할 수 있다. 클라우드 기반 컴퓨팅과 AI 모델 파운드리 서비스부터 데이터센터, 엣지, 데스크톱에 이르기까지 거의 모든 플랫폼에서 AI 컴퓨팅과 소프트웨어에 더욱 쉽게 액세스할 수 있다.

 

■ 상용 AI와 마이크로서비스

생성형 AI는 개발자가 복잡한 애플리케이션을 더 쉽게 구축할 수 있도록 애플리케이션 프로그래밍 인터페이스(API) 엔드포인트의 채택에 박차를 가했다.

 

2024년에는 개발자가 서비스형 RAG와 같은 AI 마이크로서비스를 통해 상용 AI 모델을 커스터마이징함에 따라 소프트웨어 개발 키트와 API의 수준이 높아질 예정이다. 따라서 기업은 최신 비즈니스 정보에 액세스할 수 있는 지능형 어시스턴트와 요약 툴을 통해 AI 기반 생산성의 잠재력을 최대한 활용할 수 있다.

 

개발자는 모델과 프레임워크를 지원하는 데 필요한 인프라를 유지 관리할 걱정 없이 이러한 API 엔드포인트를 애플리케이션에 직접 임베드할 수 있다. 최종 사용자는 자신의 필요에 맞게 조정되는 보다 직관적이고 반응이 빠른 맞춤형 애플리케이션을 경험할 수 있다.

 

■ 우주를 향한 도약

AI는 새로운 우주 경쟁이 될 것이며, 모든 국가는 연구와 과학의 획기적인 발전을 주도하고 GDP를 개선하기 위해 자체적으로 우수 센터를 구축하고자 한다.

 

수백 개의 가속 컴퓨팅 노드만 있으면 각국은 고효율, 대규모 성능의 엑사스케일 AI 슈퍼컴퓨터를 빠르게 구축할 수 있다. 정부가 자금을 지원하는 생성형 AI 우수 센터는 새로운 일자리를 창출하고 차세대 과학자, 연구자, 엔지니어를 양성하는 대학 프로그램을 강화하여 국가의 경제 성장을 촉진한다.

 

■ 양자 도약과 한계

기업 선두주자들은 두 가지 주요 동인을 기반으로 양자 컴퓨팅 연구 이니셔티브를 시작할 것이다. 이는 기존 AI 슈퍼컴퓨터를 사용해 양자 프로세서를 시뮬레이션하는 능력과 하이브리드 클래식 양자 컴퓨팅을 위한 개방적이고 통합된 개발 플랫폼의 가용성이다. 개발자는 양자 알고리즘을 구축하기 위한 맞춤형 전문 지식이 필요 없이 표준 프로그래밍 언어를 사용할 수 있다.

 

한때 컴퓨터 과학의 틈새 분야로 여겨졌던 양자 컴퓨팅에 대한 탐구가 주류가 될 것이다. 기업이 학계, 국립 연구소와 함께 재료 과학, 제약 연구, 아원자 물리학, 물류 분야의 급속한 발전을 추구함에 따라 양자 컴퓨팅은 더욱 보편화될 것이기 떄문이다.

 

■ RAG에서 부에 이르기까지

2024년에 기업들이 AI 프레임워크를 도입함에 따라 RAG에 대해 더 많은 이야기를 들을 수 있을 것으로 예상한다.

 

기업이 생성형 AI 애플리케이션과 서비스를 구축하기 위해 LLM을 훈련할 때, 부정확하거나 무의미한 답변에 RAG를 해결책으로 사용하고 있다. 이러한 문제는 모델이 특정 사용 사례에 대한 정확하고 관련성 있는 정보에 충분히 액세스하지 못할 때 종종 발생한다.

 

기업은 의미적 인출(semantic retrieval)을 통해 오픈 소스 기초 모델을 가져와 자체 데이터를 수집한다. 따라서 사용자 쿼리가 인덱스에서 관련 데이터를 검색할 수 있도록 한 다음 런타임에 모델에 전달할 수 있다.

 

결론적으로 기업은 의료, 금융, 소매, 제조 등의 분야에서 더 적은 리소스로 더욱 정확한 생성형 AI 애플리케이션을 구현할 수 있다. 최종 사용자는 데이터와 자연스럽고 직관적으로 대화할 수 있는 보다 정교하고 상황에 맞는 멀티모달 챗봇과 맞춤형 콘텐츠 추천 시스템을 기대할 수 있다.

 

■ 멀티모달리티가 진가를 발휘

텍스트 기반 생성형 AI는 이제 과거의 일이다. 생성형 AI가 아직 초기 단계에 있지만, 많은 업계에서 멀티모달 LLM을 도입할 예정이다. 이를 통해 소비자는 텍스트, 음성, 이미지를 조합해 표, 차트 또는 도식에 대한 쿼리에 대해 보다 맥락에 맞는 답변을 제공할 수 있다.

 

메타(Meta), 오픈AI와 같은 기업은 감각에 대한 지원을 강화해 멀티모달 생성형 AI의 경계를 넓히고자 한다. 이는 물리 과학, 생물 과학, 사회 전반의 발전으로 이어질 것이다. 기업은 데이터를 텍스트 형식뿐만 아니라 PDF, 그래프, 차트, 슬라이드 등으로도 이해할 수 있다.

 

 

#엔비디아#AI#