올 3월 GPT-4가 나왔을 때 메모해 둔 글인데요. GPT Builder 런칭에 부쳐 공개 해 봅니다.

📝 AI 현황과 미래 예측, 스타트업 전략

2023. 03

생성AI는 아직 극초기라 모든 예상이 무의미하다. 하지만 빠르게 궤도에 오를 것이다.

앞으로 대부분의 LLM의 성능이 GPT-4 수준에 도달 할 것이며, 해당 수준의 모델을 만드는 난이도가 크게 낮아져 직접 만들거나, 선택적으로 더욱 저렴하게 사용 할 수 있게 될 것이다. 따라서 모델 자체의 연구 개발은 경쟁력이 급격하게 떨어질 것이다. (앞으로 약 1~2년 이내로 예상)

그리고 LLM 기술의 절반은 벡터 서치 즉 의미 기반의 검색을 가능케 하는 임베딩 기술인데, 이것도 크게 발전했지만 이제 시작이다. 이 역시 앞으로 성능과 보급면에서 급격하게 발전할 것이다.

부차적으로 실시간 이미지 및 음성 생성을 통한 아바타 생성 기술도 급격하게 발전 할 것인데, 결국 모든 것의 중심에 LLM이 있을 것이다.

LLM 응용 서비스를 만드는 데에 있어서의 핵심은, 생성 그 자체 보다는 텍스트와 이미지로 되어 있는 거의 모든 분야의 정보를 이해하고 거기에서 필요한 내용을 추출하거나 가공 할 수 있다는 것이다. 하지만 그보다 더 중요한 것이 있는데, 이는 “도구”를 만들고 사용할 수 있다는 것이다.

장기적으로 보면 텍스트를 생성하는 1차원적인 작업이 아니라 복잡한 작업을 스스로 수행하도록 만드는 것이 중요하다. 여기서 중요한 것은 작업에 따라 어떤 도구가 필요한지 판단하고, 그 도구를 사용해 스스로 정보를 수집하거나 도구를 제어 하는 것이다. 그래야 사용자가 원하는 복잡한 업무를 수행 할 수 있기 때문이다.

사람들에게 정말로 필요한 AI는 모든 분야에 대한 업무를 낮은 수준으로 수행하는 것이 아닌, 특정 도메인의 업무를 전문가 수준으로 수행하는 것이다. 그리고 이 방향이 실제 업무를 도와줄 수 있는 AI를 만들 수 있는 길이면서, 장기적으로 범용 인공지능을 만들 수 있는 높은 가능성을 가진 방향이다.

즉, 코드를 작성할 줄 아는 사람이 아니라, 코드를 이용해 데이터를 분석하는 역할을 수행하는 사람이 가치있는 것 처럼, 현실 세계에 존재하는 특정 역할의 전문가로써 “업무 수행”이 가능한 에이전트가 실질적인 가치를 만든다.

앞으로 이러한 현실 세계에 존재하는 특정 전문가의 업무를 수행하거나 업무를 돕는 에이전트들이 계속 만들어 질 것이다. 특히 도메인 전문가의 업무를 돕기 위한 정보 수집과 수집한 정보의 분석을 담당하는 에이전트는 빠르게 도입 될 것으로 생각한다.

그리고 다양한 도메인의 업무를 수행하는 에이전트를 만들어, 그 위에 관리자를 두면 범용 인공지능, 즉 AGI가 된다. 더불어, 한 명의 사람이 여러 역할을 하는 다양한 에이전트로 이루어진 AI 에이전트 팀을 움직이며 한 명이 하나의 팀 수준의 생산성을 가지게 될 수 있다.

이런 미래를 고려하면, LLM 서비스의 구성은 다음과 같은 파이프라인으로 구성 될 것이다.

1. 문서와 정보에서 텍스트 추출 및 생성하는 기본 스킬 → 2. 도구를 다루는 작업을 수행하는 에이전트 → 3. 스킬과 에이전트를 개발하는 에이전트 빌더 → 4. 도메인 특성에 맞는 LLM 인프라

1에서 4로 갈 수록 기술의 난이도는 높아지고 제공하는 회사는 줄어들지만, 그 앞단의 서비스가 성장하는만큼 규모가 확장된다.

2번은 도메인마다 정보 민감도 특성과 다뤄야하는 도구가 다를 것이므로, 도메인 특화된 에이전트를 개발해야 한다. 그 중 공통 작업을 처리 할 수 있는 베이스라인의 에이전트를 개발하고, 해당 에이전트를 기반으로 자사에 맞게 커스텀 할 수 있는 환경을 제공해주는 방향으로 3번을 제공하는 형태가 적합한 전략으로 생각된다.

4번에서 제공하는 LLM 모델 개발은 어느정도 완숙기가 지나면 대부분 성능이 비슷해 질 것이므로, 제공하는 모델의 종류와 DX 전략이 중요하다.

LLM 인프라는 AWS 처럼 defacto가 될 수 있도록 만드는 DX를 극대화하는 것이 중요하다. 따라서, 미래에 인프라가 저렴해질 것을 감안해 파격적으로 저렴하게 제공해야 하며, 아주 단순한 API로 빠르게 인테그레이션 할 수 있도록 환경을 제공해야 한다. 대기업보다는 SI 업체나 중소규모 회사들이 쉽게 인테그레이션 할 수 있도록 적극적으로 지원 할 필요가 있을 것이다. 오픈소스는 기술적으로는 중요하지만, 대부분의 회사들이 직접 서빙 인프라를 구축할 수 없을 것이다.

OpenAI 수준의 범용 모델을 개발할 수 있는 회사가 아닌 이상, 범용, 코드 생성, 금융, 법률, 과학/수학, 의료 정도의 카테고리에 특화된 모델과 함께, 각 도메인에 맞는 지식 베이스 및 파인튜닝 기술을 제공하는 것이 필요하다. 그리고 이 모델들이 완성되면 그 위에 범용 에이전트를 제공 할 수 있을 것이다.

미래에는 말 그대로 모든 회사가 LLM을 사용하고 있을 것이 확실하기 때문에, 4번은 전력망, 통신망 같은 인프라가 될 수 있고, 되어야 하지만, 매우 거대한 자본 투자가 이루어져야 할 것이다. 따라서 1,2,3,4 중 작은 스타트업으로 시작할 수 있는 것은 1,2,3까지일 것 같고, 단계적으로 특정 도메인의 2번을 개발하면서 3으로 나아가는 방향으로 사업을 전개하는 것이 적합한 방향일 것으로 생각된다.

다만, 범용적인 빌더는 OpenAI를 위시한 몇 개의 빅테크만 남게 될 것으로 생각된다. 그러므로, 당연한 이야기지만, 앞서 이야기 한 것 처럼 스타트업이라면 모델이든 에이전트나 빌더든, 반드시 도메인 특화된 서비스로 전개해야 할 것이다.