2024년 AI 트렌드 전망

Summary

2023년은 AI 모델을 공급하거나, AI 모델을 구동하고 전달하는 인프라를 제공하는 빅테크기업에 큰 관심과 투자가 집중된 해였습니다. 올해에는 더 다양한 AI 제품이 출시되고, 이로 인해 관련 인력에 대한 기업의 수요가 더욱 증가할 것으로 예상됩니다. 2024년에는 비용 절감과 생산성 향상을 목표로 AI를 도입하는 기업이 증가할 것으로 예상되어, 이를 위해 클라우드와 데이터 인프라 기업과의 협업이 늘어날 전망입니다. 23년은 엔터프라이즈급 기업에서 생성 AI를 계약서 검토부터 마케팅 자료까지 문서 초안 작성 등에 테스트한 사례가 많았습니다. 24년에는 엔터프라이즈 중 금융, 의료 분야와 같은 데이터 중심 기업이 가장 빠르게 움직일 수 있을 것으로 보는데 독자적인 고급 데이터 축적이 많고, 데이터 보안이 중요하며, 견고한 데이터 인프라가 필요한 영역이기 때문입니다. 최종 사용자들의 경우, 업무 영역에서 AI를 더 많이 활용하게 되며, 적절한 기술을 갖춘 누구나 AI를 활용해 제품을 개발할 수 있게 될 것으로 예상합니다. 

 

1. 생성형 AI와 대규모 언어 모델 활용 트렌드 예측

 

‘생성형 AI’, ‘사전 훈련된 생성 변환기(GPT)’와 같은 새로운 용어와 함께 ‘대규모 언어 모델(LLM)’, ‘검색 증강 생성(RAG)’도 등장했습니다. LLM은 비즈니스와 엔터프라이즈 애플리케이션에 점점 더 많이 적용될 것이라고 예상됩니다. RAG, 자율 지능형 에이전트, 멀티모달 인터랙션과 같은 AI 기능은 거의 모든 플랫폼을 통해 더욱 쉽게 액세스하고 배포할 수 있게 될 것입니다.

단, 방대한 양의 내부 데이터 관리는 AI 확장의 가장 큰 걸림돌로 여겨지는데, 일부 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 예측하고 있습니다.

• 맞춤형 솔루션 : 기업에도 커스터마이징이 도입되고 있습니다. 기업들은 비즈니스의 다양한 부분에 적합한 독점 데이터를 사용해 수백 개의 맞춤형 애플리케이션을 보유하게 됩니다. 프로덕션 단계에서 이러한 맞춤형 LLM이 실행되면 데이터 소스를 생성형 AI 모델에 연결해 보다 정확하고 정보에 입각한 응답을 제공하는 RAG 기능을 갖추게 됩니다. 암독스(Amdocs), 드롭박스(Dropbox), 제넨테크(Genentech), SAP, 서비스나우(ServiceNow), 스노우플레이크(Snowflake)와 같은 선도적인 기업들은 이미 RAG와 LLM을 통해 새로운 생성형 AI 서비스를 구축하고 있습니다.
• 오픈소스 소프트웨어 : 사전 훈련된 오픈소스 모델을 통한 생성형 AI 애플리케이션이 기업 운영 전략의 일부가 될 것입니다. 클라우드 기반 컴퓨팅과 AI 모델 파운드리 서비스부터 데이터센터, 엣지, 데스크톱에 이르기까지 거의 모든 플랫폼에서 AI 컴퓨팅과 소프트웨어에 더욱 쉽게 액세스할 수 있습니다.
• 상용 AI와 마이크로서비스 : 2024년에는 개발자가 서비스형 RAG와 같은 AI 마이크로서비스를 통해 상용 AI 모델을 커스터마이징함에 따라 소프트웨어 개발 키트와 API의 수준이 높아질 예정입니다. 따라서 기업은 최신 비즈니스 정보에 액세스할 수 있는 지능형 어시스턴트와 요약 툴을 통해 AI 기반 생산성의 잠재력을 최대한 활용할 수 있게 됩니다. 개발자는 모델과 프레임워크를 지원하는 데 필요한 인프라를 유지 관리할 걱정 없이 이러한 API 엔드포인트를 애플리케이션에 직접 임베드할 수 있게 됩니다. 최종 사용자는 자신의 필요에 맞게 조정되는 보다 직관적이고 반응이 빠른 맞춤형 애플리케이션을 경험할 수 있습니다.
• RAG 모델 적용 : 기업이 생성형 AI 애플리케이션과 서비스를 구축하기 위해 LLM을 훈련할 때, 부정확하거나 무의미한 답변에 RAG를 해결책으로 사용하게 될 것으로 예상됩니다.

RAG
"Retrieval-Augmented Generation"의 약어로, 정보 검색과 생성 모델을 결합한 형태의 자연어 처리 모델을 나타냅니다. RAG는 주로 대화형 AI 시스템에서 사용되며, 먼저 대량의 텍스트 데이터에서 정보를 검색하고, 그 정보를 바탕으로 응답을 생성하는 방식으로 작동합니다. RAG는 기존의 생성 모델만으로는 부족한 정보를 보완하고, 높은 품질의 응답을 생성할 수 있습니다.

 

2. 인간처럼 보고, 읽고, 듣는 멀티모달 AI

인간은 정보를 처리할 때 시각과 청각, 후각, 촉각, 미각의 오감을 병렬적으로 입력받아 상호 연결점을 만들어, 결과물을 얻어냅니다. 2024년은 텍스트뿐 아니라 음성, 이미지, 제스처, 생체 신호 등 여러 방식의 데이터를 인간처럼 종합 추론할 수 있는 ‘멀티모달 AI’ 서비스가 더욱 주목받는 시기가 될 것으로 예상됩니다. 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 제공받을 수 있습니다.

 

 

3. 기업에서의 AI 활용

• 기업 맞춤형 LLM 클라우드 전환: 기업들이 LLM을 처음부터 구축하는 것이 쉽지 않기 때문에 클라우드 서비스 제공업체, 코로케이션 제공업체, 다른 기업을 위해 데이터를 처리하고 프로세싱하는 업체들은 풀스택 AI 슈퍼컴퓨팅과 소프트웨어로 수요가 있는 기업을 지원할 것입니다. 이를 통해 사전 훈련된 모델을 기업별로 맞춤 설정하고 산업 전반에 걸쳐 더 쉽게 배포할 수 있습니다.
• 엔터프라이즈 데이터 레이크에서 LLM 추출:  2024년부터는 많은 기업들이 생성형 AI를 사용해 비식별 데이터를 활용, LLM을 구축하고 맞춤화하기 시작할 것입니다. AI 기반 슈퍼컴퓨팅을 통해 채팅, 동영상, 코드 등 비정형 데이터를 획득해 생성형 AI 개발을 멀티모달 모델 훈련으로 확장할 것이며, 이러한 도약으로 표와 기타 정형 데이터를 수집하는 기능을 뛰어넘어 질문에 대한 보다 구체적인 답변을 제공하고 새로운 기회를 찾을 수 있습니다.
• 생성형 AI 쇼핑 어드바이저: 소매업체는 고객이 원하는 상품과의 연결뿐만 아니라 개개인의 니즈와 선호도에 맞는 수준 높은 인간적인 옴니채널 쇼핑 경험 제공이라는 두 가지 과제를 안고 있습니다. 이러한 목표를 달성하기 위해 소매업체들은 최첨단 생성형 AI 기반 쇼핑 어드바이저 도입을 준비하고 있습니다. 이는 소매업체들의 고유한 브랜드, 제품, 고객 데이터에 대한 세심한 훈련을 거쳐 인간 비서의 전문성을 재현해 브랜드에 적합한 맞춤형 쇼핑 여정을 안내합니다.
• 자동차 업계에서의 활용: 자동차 업계는 생성형 AI를 도입해 차량의 내부와 외부 모습을 정확히 보여주는 물리적으로 정확하고 사실적인 렌더링을 제공할 것입니다. 동시에 설계 검토 시간을 단축하고 비용을 절감하며 효율성을 개선합니다. 더 많은 자동차 제조업체가 스마트 팩토리에 해당 기술을 도입해 설계와 엔지니어링 툴을 연결해 생산 시설의 디지털 트윈을 구축할 것입니다. 이를 통해 공장 라인을 중단할 필요 없이 비용을 절감하고 운영을 간소화할 수 있습니다. 자동차 제품 수명 주기 외에도 자율주행차(AV) 개발에서도 획기적인 발전을 이룰 수 있습니다. 기록된 센서 데이터를 완전한 상호작용형 3D 시뮬레이션으로 전환하는 디지털 트윈 환경과 합성 데이터 생성은 자율주행차를 실제 환경에 구현하기 전 가상에서 대규모로 안전하게 개발, 테스트, 검증하는 데 사용됩니다. 
• 생성형 AI를 통한 재창조: 생성형 AI를 통해 LLM에 음성 명령을 내려 자동차를 설계하거나, 새로운 기술과 설계 원칙을 사용해 도시를 처음부터 새로 설계할 수 있습니다. 건축, 엔지니어링, 건설, 운영(AECO) 업계는 생성형 AI를 이정표로 삼아 미래를 건설하고 있습니다. 
• AI 우선 금융 서비스: 기업은 온프레미스 인프라와 클라우드 기반 컴퓨팅의 확장성이 뛰어난 하이브리드 조합으로 전략적 전환을 시도할 것입니다. AI 기반 고객 서비스 지원, 사기 탐지, 리스크 관리 등 가장 핵심적인 워크로드를 처리하는 기업이 이러한 변화를 주도할 것입니다.
• 데이터 센터의 성장 : 기업 내부의 온프레미스 데이터 센터의 성장 또한 예측되고 있습니다. 공개 모델의 환각과 저작권 이슈, 훈련된 공개 데이터 자체의 편향과 불확실성 문제가 있어, 자체 모델을 훈련시키고자 하는 수요가 늘고 있기 때문입니다. 다만 자체 모델을 개발하려는 회사는 비용을 반드시 고려해야 하기 때문에, 오픈소스 모델을 효과적으로 교육하는 데 필요한 데이터의 양과 기업 내부의 고품질의 데이터 세트 등을 정확히 파악할 수 있어야 합니다.

 

4. AI 활용의 대중화

• 개발의 대중화: 사실상 모든 사람이 어디에서나 개발자가 될 수 있습니다. 컴퓨팅 인프라가 점점 더 소프트웨어 개발 언어에 대한 훈련을 받게 되면서 누구나 애플리케이션, 서비스, 디바이스 지원 등을 기계가 만들도록 명령할 수 있게 될 것입니다. 기업은 AI 모델, 기타 전문 애플리케이션을 구축하고 훈련하기 위해 계속해서 개발자를 고용하겠지만, 맞춤형 제품과 서비스를 구축할 수 있는 적절한 기술을 갖춘 사람이라면 누구나 훨씬 더 광범위한 기회를 만날 수 있을 것으로 기대됩니다.
• 호모 프롬프트 : 인간 고유의 창의성을 더욱 발휘하는 방향으로 다양한 AI와의 티키타카(프롬프트를 주고 받음)를 통해 인공지능 서비스를 적재적소에 사용할 수 있는 사용자를 뜻합니다. 인공지능 활용의 핵심은 완성도가 아니라 민첩성에 달려 있으며, 단순하고 반복적인 업무를 극적으로 짧은 시간에 수행할 수 있는 '속도'의 혁명을 가져올 것으로 예상하고 있습니다.
• 업무 현장에서의 활용과 시장성 : 생성AI가 2024년부터 여러 산업을 재편할 것이라고 예측됩니다. 거의 모든 엔터프라이즈 소프트웨어 제품에 생성AI가 통합되어 더 많은 지식 근로자가 효율적으로 작업하고 더 나은 비즈니스 인사이트를 얻을 수 있도록 할 것입니다. 2023년 전세계 지식 근로자는 11억 4천만 명으로 추산됩니다. 모든 지식 근로자가 최소한 한개의 AI 기반 소프트웨어가 필요하다고 가정할 때, 총 시장 규모는 연간 약 4,000억 달러에 달합니다. 생성AI에 대한 기업의 지출이 23년 약 160억 달러에서 24년에는 30% 증가할 것으로 예측됩니다. 24년에는 기업의 생성AI 지출의 상당 부분이 모델을 훈련하고 쿼리를 계산하는 클라우드 서비스와 기업의 데이터를 AI 모델에 연결하는 데이터 사이언티스트 에게 할당될 것으로 예상됩니다.

5.  AI 리스크에 대한 대비

유럽연합은 최근 AI 기술 이용을 규제하고, 이를 위반하는 기업에 거액의 벌금을 부과하는 AI 규제법안(The AI Act)에 최종 합의했습니다. AI 자체로 인한 편향, 저작권 등의 문제도 경계해야 하지만, 시장 전체의 관점에서는 특정 사업자에게 기술 권력의 쏠림이 일어날 수 있음이 우려됩니다. 이에 대해 대런 아세모글루 MIT 인스티튜트 교수는 AI의 발전이 희망적인 미래를 제시하려면 기술 권력의 균형이 필요하고, 이를 위한 적극적인 사회적 관여가 필요하다*고 제시하고 있습니다.

• AI 안전에 대한 목표 설정: 업계 전반에서 채택될 새로운 표준화된 안전 프로토콜과 모범 사례를 통해 생성형 AI 모델 전반에 걸쳐 일관되고 높은 수준의 안전을 보장할 수 있을 것으로 기대됩니다. 기업들은 AI 시스템의 투명성과 해석 가능성에 더욱 집중하고, 새로운 도구와 방법론을 사용해 복잡한 AI 모델의 의사결정 과정을 밝힐 것입니다.

*출처 : 엔비디아 기술 블로그, 2024 트렌드 코리아, 딜로이트 TMT AI 활용 보고서