세쿼이아 미국: GenAI는 10배 빠른 생산성 혁명이다
번역: Lavida
2022년 9월 실리콘밸리의 시퀀이아 미국(Sequoia US)이 발표한 'Generative AI: A Creative New World' 보고서는 제너레이티브 AI에 대한 첫 번째 논의 열기를 불러일으켰으며, 이후 ChatGPT와 GPT-4의 등장은 GenAI 분야의 발전을 더욱 가속화시켰다. 시퀀이아 미국의 AI Ascent 컨퍼런스에서 여러 파트너들은 지난 1년 반 동안 GenAI가 거둔 발전을 체계적으로 회고하였는데, GenAI 분야의 진전은 사람들의 예상보다 훨씬 더 빠르게 이루어졌다.
지난 몇 차례의 AI 붐과는 달리, GenAI는 지난 1년간 놀라운 성과를 만들어냈다. GenAI는 출현 후 1년 만에 약 30억 달러의 총수입을 창출했는데, 이는 테크 거대 기업들과 클라우드 제공업체들이 AI를 통해 간접적으로 발생시키는 수익은 포함하지 않은 금액이다. 소프트웨어(SaaS) 산업이 이 수준에 도달하는 데 거의 10년이 걸렸다는 점을 감안하면, GenAI의 성장 속도는 매우 인상적이다. 구체적인 적용 사례로 보면, 고객 서비스, 법률, 작문 등의 업종이나 상황에서 GenAI는 이미 실질적인 수익 창출을 하고 있다.
비록 애플리케이션 계층의 폭발적인 성장이 1년 전 시장 예측만큼 낙관적이지는 않았지만, 시퀀이아 미국의 여러 파트너들은 Sora, Claude-3 등 최근 연이어 출시된 더욱 지능적인 파운데이션 모델(foundation model)의 등장으로 인해 앞으로 AI 제품의 PMF(Product-Market Fit) 사이클이 반드시 가속화될 것이라고 지적했다. 새로운 기술이 등장하여 성숙기에 이르기까지는 시간이 필요하며, 혁신적인 애플리케이션이 등장하는 것도 마찬가지다. 모바일 인터넷 시대를 살펴보면, Instagram과 DoorDash 같은 시대를 대표하는 애플리케이션들이 아이폰과 앱스토어(App Store) 출시 몇 년 후에야 등장했음을 알 수 있다.
다음은 본문 목차이며, 핵심 포인트에 따라 선택적으로 읽는 것을 권장한다.
01 Why Now: 클라우드 컴퓨팅에서 AI로
02 현재: AI is Everywhere
03 미래: Everything is Generated
지난 1년간 시장은 완전한 AI Hype Cycle를 경험했다. 초기에는 과도한 과장과 버블이 있었고, 그 후에는 실망과 의심이 있는 저점도 있었다. 지금은 생산성 안정기(Plateau of Productivity)로 다시 상승하고 있는 중이다. 사람들은 점차 LLM과 AI가 진정한 역할을 하기 위해 창조, 추론, 상호작용이라는 세 가지 요소를 통해 이루어진다는 사실을 깨닫게 되었으며, 이러한 능력들이 다양한 분야의 애플리케이션에 통합되어 활용되고 있다.
AI가 갖춘 세 가지 능력: 창조, 추론, 상호작용
AI는 이미 창조와 추론 능력을 보유하고 있다. 예를 들어 GenAI는 텍스트, 이미지, 오디오 및 비디오를 생성할 수 있으며, 챗봇은 우리의 질문에 답변하거나 에이전트(Agent)처럼 다단계 작업 계획을 수행할 수 있다. 이는 이전의 어떤 소프트웨어에서도 할 수 없었던 일로서, 소프트웨어가 이제 오른쪽 뇌의 창의적 작업과 왼쪽 뇌의 논리적 작업을 동시에 처리할 수 있게 되었다는 의미이다. 즉, 소프트웨어가 사상 최초로 사람처럼 인간과 상호작용할 수 있게 된 것이다. 이는 비즈니스 모델에 있어 매우 중요한 의미를 지닌다.
Why Now: 클라우드 컴퓨팅에서 AI로
시퀀이아 파트너 팻 그레디(Pat Grady)는 지난 20년간 클라우드 산업의 발전을 돌아보며 "왜 최근에 AI 기술이 폭발적으로 성장했는가?"라는 질문에 답했다.
팻은 클라우드 컴퓨팅이 기술 분야에서 중대한 전환을 가져왔다고 말하며, 이는 기존의 기술 구조를 전복시키고 새로운 비즈니스 모델, 애플리케이션, 인간과 컴퓨터의 상호작용 방식을 창출해냈다고 설명했다. 클라우드 산업이 초기 단계였던 2010년 당시 전 세계 소프트웨어 시장 총규모는 약 3500억 달러였으며, 그중 클라우드 소프트웨어는 약 60억 달러 정도였다. 그러나 작년 기준으로 소프트웨어 시장 전체 규모는 3500억 달러에서 6500억 달러로 성장했으며, 클라우드 소프트웨어 수익은 4000억 달러에 달했다. 즉, 15년간 클라우드 소프트웨어의 CAGR(연평균 성장률)은 40%를 유지하며 놀라운 성장을 이뤄낸 것이다.
클라우드는 AI와 좋은 비교 대상이 된다. 클라우드가 기존 소프트웨어를 대체할 수 있었던 이유는 인간과 유사한 상호작용 방식을 제공했기 때문이다. 마찬가지로 오늘날의 AI 기술 또한 창의성, 논리적 추론, 인간-기계 상호작용 면에서 새로운 정점을 달성하고 있다. 앞으로 AI의 주요 기회 중 하나는 소프트웨어가 서비스를 대체하는 것이다. 만약 이러한 변화가 실현된다면 AI의 시장 잠재력은 수천억 달러가 아니라 수십조 달러 수준이 될 것이다. 우리는 역사상 가장 위대하고 무한한 가치 창출 가능성을 지닌 시점에 서 있다고 말할 수 있다.
1960년대 이후의 주요 기술 변천과 대표 기업들
왜 지금이 AI에 참여해야 할 중요한 시점인지에 대해 팻 그레디는, 시퀀이아가 창립 이래 수차례의 기술 변화를 목격하고 그로부터 혜택을 받았으며, 이 과정에서 서로 다른 기술 물결이 어떻게 상호작용하며 세상을 발전시키는지를 명확히 이해하고 있다고 언급했다.
-
1960년대: 시퀀이아 설립자 돈 밸렌타인(Don Valentine)은 페어차일드 반도체(Fairchild Semiconductor)에서 마케팅을 담당했으며, '실리콘 밸리'라는 이름 자체도 페어차일드 반도체의 실리콘 기반 트랜지스터와 직접 관련이 있다.
-
1970년대: 반도체 칩을 기반으로 컴퓨터 시스템이 구성되었다.
-
1980년대: 네트워크 기술이 PC들을 연결했고, 동시에 소프트웨어 산업이 탄생했다.
-
1990년대: 인터넷이 탄생하여 사람들의 커뮤니케이션과 소비 방식이 변화했다.
-
2000년대: 인터넷이 점차 성숙해져 복잡한 애플리케이션을 지원할 수 있게 되었고, 클라우드 컴퓨팅이 등장했다.
-
2010년대: 모바일 기기의 보급으로 모바일 인터넷 시대가 도래했으며, 우리의 업무 방식이 또 한 번 바뀌었다.
각각의 기술 물결은 이전의 기술을 기반으로 중첩되며 진화해왔다. AI 개념은 1940년대부터 존재했지만, 최근 몇 년간에야 비로소 아이디어와 꿈에서 현실로 옮겨가며 상용화되었고, 사람들의 일상 생활에서 실제 문제를 해결하기 시작했다. 이 돌파구가 가능했던 전제 조건은 다음과 같다.
-
저렴하고 풍부한 컴퓨팅 파워;
-
빠르고 효율적이며 신뢰할 수 있는 네트워크;
-
스마트폰의 전 세계적 보급;
-
코로나19로 가속화된 온라인화 추세;
-
이러한 과정들이 모두 AI에 방대한 데이터를 제공했다.
팻 그레디는 AI가 향후 10~20년간의 주제가 될 것이라며 시퀀이아는 이에 강한 믿음을 가지고 있다고 말했다. 물론 이 가정은 아직 입증이 필요한 상태다.
클라우드와 모바일에서 AI 시대로 이어지는 대표 기업들
AI의 장기적인 산업 구조에 대해 팻 그레디는 먼저 클라우드와 모바일 시대에 매출 10억 달러 이상을 달성한 기업들을 요약했다(위 왼쪽 그래프). AI를 상징하는 오른쪽은 거의 공백 상태이지만, 이는 현재 시장 내에서 막대한 잠재 가치와 기회가 있음을 나타낸다. 팻 그레디는 향후 10~15년 안에 이 오른쪽 공백이 40~50개의 새로운 기업 로고로 채워질 것으로 예측하며, 바로 이것이 자신들이 흥분하는 기회라고 말했다.
현재: AI is Everywhere
시퀀이아 파트너 소냐 황(Sonya Huang)은 고객 서비스, 법률, 프로그래밍, 비디오 생성 등의 분야를 중심으로 지난 1년간 AI의 발전을 되돌아보았다.
AI 애플리케이션의 다양한 분야
2023년은 AI 역사에서 매우 중요한 해였다. ChatGPT가 등장한 지 1년 반 만에 업계 전반이 격변을 겪고 있다. 작년만 해도 사람들은 AI가 다양한 분야를 어떻게 완전히 바꾸고 놀라운 생산성 향상을 가져올지에 대해 논의했지만, 지금은 AI 자체가 관심의 중심이 되었다.
Klarna CEO 세바스티안 시미아토프스키(Sebastian Siemiatkowski)의 X(트위터) 게시글
고객 서비스 분야에서는 Klarna의 CEO 세바스티안이 공개적으로 밝혔듯이, Klarna는 현재 OpenAI를 활용해 고객 문의의 2/3를 처리하고 있으며, AI가 약 700명의 전임직 고객 서비스 담당자의 업무를 대체하고 있다. 전 세계적으로 수천만 명의 콜센터 상담원이 존재하는 점을 고려하면, 소냐는 AI가 고객 서비스 시장에서 이미 PMF를 달성했다고 판단한다.
법률 서비스는 1년 전까지만 해도 기술을 가장 꺼리고 리스크를 가장 두려워하는 업계로 여겨졌지만, 이제 Harvey와 같은 회사들이 등장해 변호사들의 일상적인 문서 작업부터 고급 분석 업무까지 자동화하고 있다.
예를 들어 프로그래밍 분야에서는 1년 사이에 AI로 코드를 작성하는 수준에서 벗어나 독립적인 AI 소프트웨어 엔지니어가 등장하게 되었다. HeyGen과 같은 AI 비디오 생성 기업은 아바타를 만들어 줌으로써 Zoom 회의에 참가할 수 있도록 돕고 있다.
시퀀이아의 팻 그레디가 HeyGen으로 생성한 아바타가 Zoom 회의에 나타난 모습
GenAI의 10배 속도 성장
AI와 SaaS 수익 증가 속도 비교
추산에 따르면, GenAI는 등장한 지 1년 만에 약 30억 달러의 총수입을 창출했는데, 이는 테크 거대 기업과 클라우드 서비스 제공업체들이 AI를 통해 얻는 수익은 포함하지 않는다. 비교하자면 SaaS는 이 수준에 도달하는 데 거의 10년이 걸렸다. 이런 속도와 규모 덕분에 GenAI가 지속될 것이라는 확신이 더 커지고 있다.
주요 GenAI 제품의 실제 사용자 규모
위의 그래프에서 알 수 있듯이, 고객의 AI에 대한 수요는 특정 애플리케이션에 국한되지 않고 전방위적으로 나타난다. 많은 사람이 ChatGPT의 사용자 수를 알고 있지만, 다양한 AI 애플리케이션들의 수익과 사용 데이터를 관찰하면, B2B와 B2C, 스타트업과 기존 테크 기업을 막론하고 많은 AI 제품들이 각 산업에서 적절한 PMF를 찾았으며, 적용 분야가 매우 다양하다는 것을 알 수 있다.
파운데이션 모델과 애플리케이션 계층의 투자 비중
투자 분포를 보면, 자금 배분의 불균형이 두드러진다. GenAI를 하나의 케이크에 비유하면, 아래층은 파운데이션 모델, 중간은 개발자 도구와 infrastructure, 위층은 애플리케이션이다. 1년 전 사람들은 파운데이션 모델 계층의 발전으로 인해 애플리케이션 계층에서 다수의 신생 기업이 등장할 것으로 예상했다. 하지만 현실은 정반대였다. 점점 더 많은 파운데이션 모델 기업들이 등장해 막대한 자금을 유치한 반면, 애플리케이션 계층은 막 시작 단계에 접어든 것처럼 보인다.
AI의 2000억 달러 질문
시퀀이아 미국의 파트너 데이비드는 작년에 'AI's $200 Billion Question'이라는 논의를 발표했다. 현재 GPU에 투자된 금액을 살펴보면, 작년에만 엔비디아 칩에 약 500억 달러가 지출되었지만, 확인 가능한 AI 산업 수익은 30억 달러에 불과하다. 이 데이터는 AI 산업이 아직 초기 단계이며, 투입 대비 산출이 매우 낮고 해결해야 할 현실적인 문제가 많음을 보여준다.
AI 제품과 모바일 앱의 MAU, DAU, 다음 달 잔존율
비록 AI 제품의 사용자 수와 수익이 인상적으로 보이지만, DAU, MAU, 다음 달 잔존율 면에서는 모바일 앱보다 훨씬 낮다. 많은 사용자들이 사용자 조사에서 AI 애플리케이션의 기대감과 실제 체험 사이에 격차가 있다고 언급했다. 일부 제품 데모는 화려해 보이지만 실제로 사용해보면 그렇지 않아, 장기적인 사용으로 이어지지 못하고 있다.
기본 모델의 능력 향상
이러한 문제들은 객관적으로 존재하지만 오히려 기회이기도 하다. 작년 기업들의 GPU에 대한 막대한 투자는 더욱 지능적인 파운데이션 모델을 만들어냈고, 최근 등장한 Sora, Claude-3, Grok 등은 AI의 기준 지능 수준이 상승하고 있음을 보여준다. 따라서 향후 AI 제품의 PMF는 더욱 빠르게 향상될 것이다.
아이폰과 앱스토어의 발전 과정
새로운 기술이 등장해서 성숙기에 이르기까지는 시간이 필요하며, 획기적인 애플리케이션의 등장 역시 시간이 필요하다. 아이폰을 예로 들면, 앱스토어 초창기의 많은 애플리케이션들은 원시적이었고 단순히 새로운 기술을 보여주는 데 그쳤으며, 실제로 문제를 해결하거나 가치를 창출하지 못했다. 손전등이나 맥주 마시기 같은 간단한 게임들은 나중에 시스템 내장 앱이나 부가적인 소도구로 전락했다. Instagram과 Doordash처럼 진정한 영향력을 가진 애플리케이션들은 아이폰과 앱스토어 출시 몇 년 후에야 등장했다.
AI 기술도 비슷한 발전 과정을 겪고 있다. 현재 시장에 있는 많은 AI 애플리케이션들은 아직 데모 또는 초기 탐색 단계에 머물러 있으며, 마치 앱스토어 초기 앱들처럼 보이지만, 아마도 차세대의 전설적인 기업은 이미 등장했을지도 모른다.
AI의 적용 분야는 이미 매우 광범위하다. 이 중 AI 고객 지원, AI Friendship(AI 가상 동반) 및 기업 지식 공유가 특히 대표적인 세 가지 분야이다. 고객 서비스는 기업 내에서 처음으로 진정한 PMF를 달성한 AI 애플리케이션 분야 중 하나다. Klarna는 예외가 아니라 일반적인 추세이다. AI Friendship는 AI의 가장 놀라운 적용 분야 중 하나이며, 사용자 수와 이용 지표는 사용자들이 이에 대해 강한 선호를 가지고 있음을 보여준다. 또한 부서 간, 직무 간 기업 내부 지식 공유(Horizontal enterprise knowledge) 애플리케이션 역시 큰 잠재력을 지닌다.
미래: 모든 것이 생성된다(Everything is Generated)
2024년 AI에 관한 4가지 예측
위의 분석을 바탕으로 시퀀이아의 여러 파트너들은 2024년 AI 발전에 대해 예측을 내놓았다.
예측 1: 코파일럿(Copilot)이 점차 AI 에이전트(Agent)로 전환될 것이다.
2024년에는 AI가 인간을 보조하는 코파일럿에서 일부 인간의 업무를 진짜로 대체하는 Agent로 전환될 것이다. AI는 단순한 도구가 아니라 마치 동료처럼 느껴질 것이며, 이는 소프트웨어 엔지니어링, 고객 서비스 등의 분야에서 이미 초기 징후를 보이고 있다.
예측 2: 모델은 더 강력한 계획 및 추론 능력을 갖게 될 것이다.
많은 사람들이 LLM이 이전 데이터의 통계적 패턴을 반복할 뿐 진정한 사고와 논리적 추론을 하지 못한다고 비판한다. 이러한 상황은 새로운 연구 방향을 통해 개선될 것이다. 일부 연구는 모델이 추론 과정과 게임 방식의 가치 반복(gameplay-style value iteration)을 더 잘 수행하도록 하는데 집중하고 있으며, 이를 통해 모델은 결정을 내리기 전에 일정한 '사고 시간'을 가질 수 있다. 이러한 시도는 내년에 AI가 계획 및 추론과 같은 고차원 인지 작업을 수행하는 능력을 향상시킬 것으로 기대된다.
게임 방식의 가치 반복(gameplay-style value iteration)은 강화학습 분야에서 차용한 개념으로, 모델이 다양한 행동의 장기적 가치를 평가하고 이를 바탕으로 미래 행동을 계획할 수 있다는 것을 의미하며, 체스나 게임을 할 때 전략적으로 생각하는 것과 유사하다.
예측 3: LLM의 정확도가 더 높아지며, 주로 C2C 엔터테인먼트 애플리케이션에서 사용되는 것에서 벗어나 기업용 애플리케이션으로 확장될 것이다.
C2C 애플리케이션에서는 사용자가 AI의 오류에 크게 신경 쓰지 않는다. 왜냐하면 대부분의 사용자가 AI를 엔터테인먼트 목적으로 사용하기 때문이다. 하지만 의료, 국방 등 고위험 분야에 AI를 기업용으로 사용할 때는 정확성과 신뢰성이 매우 중요해진다. 연구자들은 RLHF, 프롬프트 트레이닝(Prompt Training), 벡터 데이터베이스 등을 개발해 LLM이 '다섯 개의 9'(99.999% 가동률)에 해당하는 높은 정확도와 신뢰성을 달성하도록 돕고 있다.
예측 4: 많은 AI 프로토타입과 실험 프로젝트가 실제 사용에 투입될 것이다.
2024년에는 많은 AI 프로토타입과 실험 프로젝트들이 시장에 등장할 것으로 예상된다. 실험 단계와 달리 제품이 실제로 사용되기 시작하면 지연 시간, 비용, 모델 소유권, 데이터 소유권 관리 등의 요소를 고려해야 한다. 이는 컴퓨팅의 중심이 사전 훈련(pre-training)에서 추론(inference) 과정으로 이동할 것임을 의미한다. 따라서 2024년은 매우 중요한 해이며, 사람들은 이러한 제품에 높은 기대를 갖고 있으므로 전환 과정이 정확하게 이루어져야 한다.
AI의 장기적 영향
판단 1: AI는 규모가 큰 비용 중심 생산성 혁명이다.
기술 혁명에는 여러 종류가 있다. 전화가 가져온 커뮤니케이션 혁명, 기차가 가져온 교통 혁명, 농업 기계화가 가져온 생산성 혁명 등이 있다. AI가 가져오는 것은 분명 생산성 혁명이다.
역사상의 생산성 혁명은 유사한 패턴을 따른다. 처음에는 사람이 도구를 사용하고, 그 후 사람은 기계와 협력하게 되며, 결국 인간은 협업화되고 네트워크화된 도구들과 함께 작업하게 된다. 이는 AI가 단일 포인트에서 시작해 고도로 통합된 네트워크로 진화할 것임을 시사하며, 우리의 업무 및 생산 방식을 근본적으로 변화시킬 것이다.
농업 분야에서 낫(sickle)에서 콤바인 수확기(combine harvester)로의 변화
농업 분야에서 인간은 낫이라는 도구를 1만 년 이상 사용해왔으며, 이후 1831년에 기계식 수확기가 발명되었고, 오늘날에는 수만 대의 기계 시스템으로 구성된 복잡한 네트워크형 콤바인 수확기를 보유하고 있다. 이 시스템 내 개별 기계가 바로 에이전트(Agent)다.
지식 작업과 작문 분야에서도 유사한 패턴이 나타난다. 지식 작업의 초기 도구는 종이와 펜뿐이었고, 이후 프로그래밍이 등장했으며, 현재는 컴퓨터와 IDE가 소프트웨어 개발을 대규모로 지원하고 있다. 소프트웨어 개발은 더 이상 고립된 과정이 아니라, 여러 대의 기계 네트워크가 공동으로 복잡한 엔지니어링 시스템을 구축하는 과정이 되었으며, 코드 생성은 여러 에이전트가 공동으로 수행한다.
작문 또한 과거에는 순전히 인간의 작업이었지만, 이후 인간과 기계 보조자가 협력하게 되었고, 지금은 여러 도구가 협업하는 방식이 되었다. 예를 들어 현재 사용하는 AI 어시스턴트는 단순히 GPT-4만이 아니라 Mistral-Large, Claude-3 등의 도구도 포함되며, 서로 검증함으로써 더 나은 답변을 도출한다.
AI가 각 산업 분야의 비용을 일반적으로 낮춘다
생산성 혁명은 사회 전반에 걸쳐 광범위하고 깊은 영향을 미친다. 경제학적으로 말하면, 이는 비용이 현저히 낮아진다는 것을 의미한다. 위 그래프는 S&P 500 기업이 매 100만 달러의 수익을 내기 위해 필요한 직원 수가 빠르게 감소하고 있음을 보여준다. 이러한 변화는 우리가 더 적은 인력으로 더 빠르게 일을 마칠 수 있음을 의미한다. 하지만 우리가 해야 할 일이 줄어든다는 의미는 아니다. 같은 시간에 더 많은 일을 할 수 있다는 뜻이다.
역사적으로 각 분야의 기술 발전은 모두 디플레이션 효과를 가져왔다. 예를 들어 컴퓨터 소프트웨어는 지속적인 기술 혁신으로 가격이 계속 낮아지고 있다. 하지만교육, 의료, 주거 등 사회에서 가장 중요한 분야에서는 물가 상승 속도가 인플레이션을 훨씬 초과하고 있으며, AI는 바로 이러한 분야의 비용을 낮추는 데 기여할 수 있다.
따라서 AI의 장기적 영향에 대한 첫 번째 핵심 판단은 다음과 같다. AI는 막대한 비용 중심의 생산성 혁명이 될 것이며, 우리로 하여금 사회의 핵심 분야에서 더 적은 자원으로 더 많은 일을 할 수 있도록 도울 것이다.
판단 2: 모든 것이 생성된다(Everything is Generated)
두 번째 판단은 주로 AI가 무엇을 할 수 있는지에 대한 논의이다.
1년 전 젠슨 황(Jensen Huang)은 미래의 이미지는 더 이상 렌더링되지 않고 생성될 것이라고 예언했다. 이는 정보를 픽셀 행렬로 저장하는 방식에서 벗어나 다차원적 개념으로 표현하는 방식으로 전환되고 있음을 의미한다. 예를 들어 문자 'a'는 과거에는 ASCII 코드 97이라는 원시 데이터로 저장되었지만, 지금은 컴퓨터가 픽셀 표현에만 주목하지 않고, 특정 맥락에서 영문자로서의 개념적 함의를 이해한다.
더욱 강력한 점은, 컴퓨터가 이러한 다차원 표현을 이해하고 이미지로 렌더링할 뿐 아니라, 그것을 맥락화하여 'a'가 특정 맥락에서 영문자로서 어떤 의미를 가지는지를 이해할 수 있다는 것이다. 예를 들어 'multidimensional'이라는 단어를 볼 때 컴퓨터는 'a'라는 문자 자체에 주목하지 않고 전체 맥락과 단어의 의미를 이해한다.
이러한 과정은 인간 사고의 핵심 특징이다. 우리가 문자 'a'를 배울 때 픽셀 행렬을 기억하는 것이 아니라 추상적인 개념을 습득하는 것과 같다. 이러한 사고 방식은 2500년 전 플라톤의 이데아론(Idealism)으로 거슬러 올라간다. 플라톤은 모든 사물 뒤에는 영원불변하는 이데아 세계가 있으며, 현실 세계의 사물들은 그 완벽한 형상의 모사물이라고 주장했는데, 이는 현재 AI의 학습 과정과相通하다.
이러한 변화는 기업에 매우 큰 영향을 미친다. 현재 기업들은 이미 AI를 특정 프로세스와 KPI 설정에 통합하기 시작했으며, 앞서 언급한 Klarna의 사례처럼 AI를 활용해 고객 지원 성과를 향상시키고, AI 기반 정보 검색 시스템을 구축해 우수한 고객 경험을 제공하고 있다. 이러한 변화는 새로운 사용자 인터페이스의 출현을 수반하며, 이 인터페이스는 우리가 기존에 사용하던 지원 커뮤니케이션 방식과는 전혀 다를 수 있다.
이 추세는 매우 중요하다. 왜냐하면 기업이 궁극적으로 신경망처럼 작동하게 될 수 있기 때문이다. 각 부서가 서로 연결되어 협업하며, 자기 최적화 방식으로 서로 배우고 적응하면서 효율성을 지속적으로 높이는 구조가 될 수 있다는 의미이다.
고객 지원 프로세스를 예로 들어보자. 위의 그림은 간단한 고객 지원 프로세스 다이어그램이다. 고객 서비스 부서는 일련의 KPI를 가지며, 이 지표들은 텍스트-음성 변환, 언어 생성, 고객 맞춤화 등의 요소에 영향을 받는다. 이러한 요소들은 최적화 항목 트리 다이어그램에서 하위 패턴 혹은 하위 트리로 형성되며, 결국 계층이 명확하고 서로 연결된 시스템을 구성한다. 여기서 언어 생성의 피드백은 고객 서비스 최종 KPI에 직접적인 영향을 준다. 이러한 추상화 방식을 통해 전체 고객 지원 프로세스는 신경망에 의해 관리, 최적화, 개선될 수 있다.
기업의 고객 확보 상황도 고려해보자. 언어 생성, 성장 엔진, 광고 맞춤화 및 최적화 등의 AI 기술을 통해 기업은 각 고객의 요구를 더 잘 충족시킬 수 있다. 이러한 기술들 사이의 상호작용은 기업이 신경망처럼 스스로 학습하고 적응하게 만들 수 있다. 개인은 더 많은 일을 수행할 수 있게 되며, 이는 일인 기업(one-person company)의 증가를 촉진할 것이다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
