[기고] 엔터프라이즈 기업을 위한 생성AI, 목적에 맞는 설계 필요

데이터 신속한 확보가 중요
AI모델 특화된 솔루션 통해
시간 단축 등 효율성 높여야

김경진 한국 델 테크놀로지 총괄 사장

인공지능(AI)은 모든 산업의 화두이자 시대의 과제다. 지난해 오픈AI가 공개한 생성 AI 챗봇 ‘챗GPT’는 출시 5일 만에 사용자 수 100만 명을 돌파했다. 생성형 AI는 대규모 언어모델(LLM)을 기반으로 텍스트뿐 아니라 이미지·오디오·비디오 등 형태의 새로운 창작물까지 만들어 낼 수 있어 활용 범위가 무궁무진하다.

최근 생성형 AI에 대한 관심은 호기심 많은 초기 사용자들을 넘어 기업 환경으로 옮겨 가고 있다. 미국 내 조사에 따르면 정보기술(IT) 리더의 60% 정도가 생성 AI를 사내에 도입하는 것을 고려 중이다. 생성 AI는 범용 LLM을 활용해 정보 기반을 구축한다. 이를 기업 비즈니스에 적용하려면 보안에 대한 우려를 극복하고 기술을 뒷받침할 수 있는 적절한 IT 인프라, 데이터 전략 등을 갖춰야 한다.

기업의 생성 AI는 챗GPT와 같은 범용 서비스와는 다르게 사용된다. 고객 지원 자동화, 재무 예측, 부정 탐지 등 특정 목적에 맞춘 AI 모델은 대규모 범용 모델보다 훨씬 확실한 효과를 제공한다.

구체적인 목적에 맞게 구축된 생성 AI의 가장 큰 이점은 데이터 보안과 컴플라이언스 측면이다. AI는 학습을 통해 결과를 생성하는 방식인 만큼 데이터가 많을수록 유리하다. 앞으로는 이런 데이터를 안전하게 처리해야 하는 필요성이 더 커질 수밖에 없다. 고객의 구매 내역, 지원 로그, 의료 기록, 재무 기록 등 민감한 데이터를 취급하는 데 있어 기존 시스템 접근 방식과 충돌을 일으키지 않으면서 보안 전략을 확장할 수 있도록 맞춤형 AI 전략을 설계해야 한다. 특히 금융권이나 헬스케어 등 데이터 프라이버시와 보안에 만전을 기해야 하는 기업이라면 데이터를 관리하고 통제할 때 더욱 신중해야 한다.

빠르게 제품을 개발해 시장에 출시해야 하는 기업의 경우에도 목적형 AI가 유리하다. AI를 도입한 기업이라면 대부분 이 AI 모델을 정기적으로 업데이트해야 하는데, 범용 LLM을 학습시키기 위해서는 많은 시간이 소요된다. 기업에 맞춰 설계된 목적형 AI는 모델링 시간을 단축하고 데이터에서 의사결정까지 걸리는 속도를 높일 수 있다. 목적에 맞춰 생성 AI를 설계하면 인프라 성능을 최적화해 지연시간을 줄이고 데이터 규모를 줄여 비용도 낮출 수 있다.

AI는 전례 없는 속도와 효율성으로 방대한 데이터 세트를 처리하고 분석할 수 있다. AI가 로켓이라면 데이터는 연료이다. 델 테크놀로지스는 AI의 거대한 흐름을 맞이하며 생태계 협력을 강화하고 있다. 지난 5월 엔비디아와 파트너십을 통해 AI 모델 처리에 특화된 서버를 출시하고 고객 서비스, 마켓 인텔리전스, 검색 등 다양한 기업 사용 사례를 위한 ‘프로젝트 헬릭스’라는 공동 솔루션을 발표했다.

잠재력을 기회로 만들기 위해서는 철저한 준비가 필요하다. 기업 내부에 존재하는 복잡한 프로세스를 자동화하고 고객 경험을 향상하는 등 AI가 생산성을 충분히 발휘할 수 있는 환경을 마련해야만 차세대 디지털 혁신의 물꼬를 틀 수 있다.