🌈 Business 관점에서 바라본 AI 🎁 이 글을 추천하는 이유 - 해당 자료는 비즈니스 관점에서 현실적으로 바라본 AI에 대한 발표 자료입니다. - 학계나 구글에서 많은 발전이 있고, 그걸 비즈니스화하는 관점에 대해 자세히 나와있습니다. - 인재 관점에서 Tier를 1~3로 나눈 부분도 인상적이고 AI PM에 대한 내용도 나오는 부분을 흥미롭게 봤습니다 👍 읽으면 좋은 분 - AI를 사용해 비즈니스를 하고 싶으신 분 - AI 업계에 계신 분 - AI 분야에 관심이 있는 분들 📙 AGI - Artificial General Intelligence - 범용 인공지능으로 인간처럼 배우고 행동하는 AI 🎯 AI industry에서 돈을 벌 수 있는 부분 - 서비스와 결합된 전체 파이프라인을 구축해 고객 사이드에 가치 전달 - Computation infra를 통한 AGI API 공급 - 학계에선 알고리즘 개발이 주로 진행되고, 학계에선 명예, 취직, 교육, 컨설팅 등의 value capture만 존재 - 구글, OpenAI 등의 회사들은 AGI API를 개발해서 API 서비스를 제공하려고 함 💎 핵심 3요소 - 2018년엔 Data, Technology(Algorithm), Service를 중요한 3요소로 분류 - 2020년엔 Service, Algorithm, Compute 3요소로 분리 - Data는 이제 Service의 부속 요소 - 1) Service - 2-3년 전에 자주 들렸던 말 : "이런 문제를 AI로 풀겠다!" - 이제는 기본이 모든 문제를 AI로 푸는 것이 기본 방향 - 기존 기업에선 알 수 없는 문제 발견, 효율 상승 목적으로 AI를 사용함 - 기존 제품에서 AI를 활용해 더 좋고, 빠르고, 적은 비용을 사용하게 됨 - AI only product가 아닌 기존 제품의 feature로 활용 - 스타트업은 더 좋고, 빠르고, 저렴한게 아닌 innovation 영역을 발굴해야 함 - 오로지 AI로 풀리는 문제를 정의해서 비즈니스화해야 함 - 2) Algorithm - 알고리즘의 발전으로 연산량이 점점 줄고 있음 - 학계에서 여전히 치열한 경쟁하고 논문과 구현체가 공개됨 - 사업적 관점에서 이 분야는 돈이 되지 않음 - 논문 실적을 인정받아 탑티어 회사에 가거나, 교수 포지션으로, 또는 창업 등 - 3) Compute - 하드웨어 컴퓨터 인프라는 몇 기업(NVIDIA, Google)의 소유물 - AI 알고리즘이 아닌 학습 인프라가 중요함 - 학습에 들어가는 자원이 천문학적인 단위! - OpenAI, Deepmind, Google 등이 이런 이점으로 AGI에 가장 먼저 도달할 수 있음 🎰 인재 관점에서 바라보는 - Talent Tier - 1 Tier - Deepmind, GoogleBrain, OpeAI, Facebook AI 등 탑급 회사들 - 확고한 철학과 무한 자원의 지원을 받음 - 화성인 지위 취득 - AGI 만들기 진행 - 2 Tier - 대기업 그룹, 대학, 연구소, 스타트업 등 - 철학이나 돈이 없어서 innovation leading 불가, fast-following이 주 업무 - 지구인 중에서 부르주아 계층 - AI Service 기업 만들거나 학교/학원 만들기 - 3 Tier - 다른 사람이 개발한 스크립트를 사용하는 사람들(Script kiddie) - 이제 갓 진입한 계층 💸 사업/투자 관점 - 적어도 2 Tier는 되야 가능 - AI 산업에서 value capture 구간을 잘 생각해야 함 - 누가 돈을 제일 많이 가져갈 수 있는가? - AGI 산업은 모든걸 통째로 바꿈 - GPT-3 논문, Use-Case를 보면 매우 인상적! 🌟 AI PM - 개별 산업에서 3~5년의 실무 능력을 갖추고 있는 사람 - 이들에게 머신러닝의 기본을 가르치기 - 그리고 바라는 2가지 - 산업에 존재하는 문제 중 AI가 풀 수 있는 문제 정의 - 어떤 데이터를 어떻게 모아야하는지 정의하고 모으기