지은이의 말_반복된 신기술과 신사업으로 나만의 북극성을 찾다 프롤로그_지금 우리에게 필요한 건 AI 시대를 해석하는 능력이다. 1부 지금은 AI 시대 제1장 AI가 세상을 움직이는 AI 시대를 산다 1. 세 번째 AI 겨울이 오기 전, 봄소식을 전한 챗GPT 2. 전 세계 뉴스 헤드라인을 점령한 챗GPT 3. 리더들의 챗GPT에 대한 말말말, 아이폰 모멘트 4. 전통적인 AI 기술과 생성형 AI는 무엇이 다를까? 5. 서점과 유튜브를 채운 챗GPT가 말하는 진실 6. 이제는 멀티모달 AI, AI 에이전트 시대가 온다 제2장 챗GPT로 불붙은 AI 전쟁 7. 국가 대항전이 된 초거대 AI 8. AI 기술의 숨 가쁜 속도전이 시작되다 9. 다시 돌아온 봇의 끝판왕, AI 에이전트 시대 10. 빅테크의 AI 에이전트 전쟁, 2라운드가 시작되었다 11. 메타버스의 불씨를 생성형 AI가 다시 살릴까? 12. 저작권 소송은 여전히 진행중이다 제3장 생성형 AI의 가치사슬 13. 기술과 비즈니스의 환상의 짝꿍, 오픈AI와 마이크로소프트 14. 협업만이 살 길, 초거대 AI의 동맹 전쟁이 시작된다 15. 챗GPT의 최대 수혜주는 엔비디아이다 16. 오픈 소스 모델, 집단지성들이 뭉쳤다 17. 전 세계의 돈이 모이는 생성형 AI 18. 새로운 플랫폼 경제를 만드는 생성형 AI 제4장 데이터가 정말 돈이 되는 시대는 지금부터 시작이다 19. 기술을 넘어 비즈니스의 본질을 생각할 때 20. AI에게도 모방은 창작의 어머니이다 21. AI가 만든 편견과 거짓말이 세상을 흔든다 22. AI 민주화로 데이터는 더욱 중요해진다 23. 데이터의 균형을 맞추는 합성데이터 24. 진정한 초개인화는 데이터에서 만들어진다 2부 미래 부의 지도 제5장 일상으로 스며든 AI 기술이 바꾼 생각 25. AI에 일자리를 빼앗긴다는 묵은 주제 26. 세상의 변화에 따라 직업을 구성하는 일의 본질이 바뀐다. 27. AI는 인간을 어디까지 모방할 수 있을까? 28. 인공지능은 나의 경쟁자인가? 29. 일하는 방식을 바꿀 타이밍, AI가 일하게 하라. 30. 법만큼이나 AI 거버넌스도 중요한 시대 제6장 생성형 AI가 바꾼 산업 지도 31. 챗GPT가 검색엔진 1위인 구글을 대체할까? 32. AI 시대, 미래의 교육은 어떻게 변화할까? 33. AI는 콘텐츠 제작에서 인간의 창의적인 파트너가 될까? 34. AI가 의료 분야를 혁신할 수 있을까? 35. 왜 가벼운 스마트폰에 무거운 AI를 넣으려 할까? 36. 코딩하는 GPT의 등장, 그런데 개발자는 왜 부족할까? 제7장 AI 기술 변화로 바뀌는 기업 전략 37. 2조 달러 클럽에 들어간 기업, 엔비디아 38. 회사명과 다른 길을 선택한 기업, 메타 39. 피보팅으로 유니콘이 된 기업, 허깅페이스 40. AI란 단어를 언급하지 않았던 기업, 애플 41. 금융권 최초의 GPT를 가진 회사, 블룸버그 42. AI 콘텐츠 라이선스 생태계를 만든 회사, 셔터스톡 제8장 금융 웰빙을 위한 웰스테크 43. 이제는 금융도 웰빙이다 44. 본격적인 웰스테크 시대가 온다 45. 밀레니얼, 잘파 세대를 위한 금융 리터러시 46. 웰스테크 성공방정식에는 데이터가 있다 47. 로보어드바이저가 투자의 미래일까 48. 끊임없이 진화하는 금융 AI에 대한 이해 에필로그 AI 시대, 나만의 성장 지도를 계속 업데이트하라

미국의 시사주간지 《타임》의 2023년 2월 27일자는 챗GPT의 놀라움과 화제성을 대변해주듯, 챗GPT를 표지 인물(챗GPT를 인물로 표현해도 될까…)로 선정했다. 눈에 보이지 않는 AI 기술 자체가 《타임》의 표지에 등장하다니! 그뿐만이 아니다. 2023년 12월 14일자 과학 저널 《네이처》는 ‘네이처 10’에 처음으로 ‘인간이 아닌(non-human)’ 챗GPT를 인간들과 함께 선정했다. p.40 2023년 3월에 흥미로운 뉴스 헤드라인이 있었다. 그것은 바로 영국 정부가 브릿GPT를 위해 GPU 구매에 나선다는 뉴스였다. 내용인즉 국가 차원의 GPT가 있어야 하며, 챗GPT, 빙챗(Bing Chat) 및 구글의 바드(Bard)와 같은 서비스를 뒷받침하는 대규모 언어 모델에 대한 국가적 투자가 필요하며, 브릿GPT를 통해 국가안보와 경쟁력 확보를 해야 한다면서 정부 차원에서 브릿GPT를 언급한 것이다. p.44 오픈AI의 최대 투자자인 마이크로소프트는 빙(Bing) 검색 엔진을 비롯해 워드, 엑셀, 파워포인트를 포함한 전체 생산성 소프트웨어 제품군에 챗GPT AI 기술을 적용했고, 구글은 바드(Bard)라는 AI 챗봇을 출시했다[참고로 바드는 향후 제미나이의 AI 모델로 적용되면서 서비스 브랜드를 제미나이(Gemini)로 변경했다]. 메타 역시 자체 AI 챗봇 개발 작업을 시작했으며, AI를 활용해 광고 사업을 개선할 방안을 모색하고 있다. 엔비디아도 지난 2023년 8월 AI 칩 수요에 힘입어 매출은 기대치를 20% 이상을 초과했고, 수익은 기대치를 30% 이상 상회했다. p.48 현재 생성형 AI는 기존에 빅데이터를 통해 학습된 텍스트ㆍ이미지ㆍ동영상 등의 지식 속에서 분석하고, 예측하는 등 답을 찾아내던 인공지능에서 좀 더 복잡도가 높은 지식 간의 연관 관계를 이해하고 요약하며 답을 찾아낼 수 있다. 뿐만 아니라 생성형 AI는 창의적인 영역까지 더해져서 사람처럼 느껴질 정도의 언어적인 지능과 다양한 멀티모달로 들어오는 정보들을 분석하고 해석하는 능력을 갖추고 있다. 마케팅, 기획, 전략, 비즈니스 관련 콘텐츠나 이메일 작성도 가능하며, 긴 글에 대한 요약문이나 제목 등을 작성하고, 소설, 시, 노랫말 등 창작도 가능하다. 다양한 프로그래밍 언어로 코딩할 수 있고, 텍스트 설명을 통해서 이미지와 동영상 등을 만들어내기도 하며, 이미지에 대한 질문을 분석하고 설명하는 것도 가능하다. p.52 초거대 AI는 과거 일반적으로 언급해온 AI 기술과 비교했을 때 대량의 데이터와 그에 대한 처리 능력을 기반으로 좀 더 복잡하고 범용적인 작업들을 수행할 수 있는 일종의 진화된 AI 기술이라고 보면 이해가 쉽다. 데이터 규모, 학습 능력, 문제해결 능력 등을 고려했을 때 충분히 많은 데이터를 통해 다양한 분야의 복잡한 문제들을 해결할 수 있는 범용성을 갖춘 AI가 바로 초거대 AI다. 챗GPT를 비롯한 GPT 모델들이 대표적인 초거대 AI이며, 국내에도 네이버클라우드의 하이퍼클로바X, LG AI연구원의 엑사온, KT의 믿음 등이 이에 해당한다. pp.69-70. 우리나라는 글로벌 초거대 AI 모델 발표 순서로 보면 글로벌 순위에서도 꽤 경쟁력이 있는 편이다. 네이버의 하이퍼클로바X가 2021년 5월 2,040억 개 파라미터로, 1,000억 이상 크기 모델 기준으로는 세계에서 세 번째로 공개되었다. 2023년 4월, 정부는 3,901억 원을 투입해 초거대 AI의 경쟁력 강화에 나선다고 발표했다. 과학기술정보통신부는 디지털플랫폼정부 실현계획 보고회에서 〈초거대 AI 경쟁력 강화 방안〉을 통해 핵심 추진 전략으로 3대 과제를 언급했다. 첫째, 초거대 AI 개발과 고도화를 위한 핵심 인프라를 확충하고, 둘째, 민간ㆍ공공 초거대 AI 혁신 생태계를 조성하며, 셋째, 범국가적인 AI 혁신 제도 및 문화를 정착시키겠다는 것이다. p.76 특히 챗GPT가 탁월하게 잘하는 것은 역할(Role), 업무(Task), 형식(Format)에 맞춰서 질의응답을 하는 것이다. 예를 들어, “7세 어린이에게 유치원 선생님(역할)이 설명하듯이 양자컴퓨팅(업무)에 대해서 리스트 형태(형식)로 설명해주세요”와 같이 질문하면 그 요청 사항에 맞는 답변을 해준다. 때문에 우리가 지금까지 원했던 형태의 챗봇이 드디어 가능해진 것이다. p.89 AI 기술 개발에 있어서 사실상 가장 큰 부담은 AI 연구개발에 필요한 인프라 시스템에 대한 부분이다. 마이크로소프트는 오픈AI의 독점 클라우드 파트너로서, 마이크로소프트의 애저(Azure)를 통해 AI기술 연구에 필요한 풍부한 클라우딩 컴퓨팅 자원을 오픈AI에 제공 함으로써 오픈AI에게 강력한 터보엔진을 달아주었다. 또한 마이크로소프트는 챗GPT를 빙(Bing) 검색과 통합함으로서 구글 검색과의 경쟁이 가능하도록 만들었다. 뿐만 아니라 마이크로소프트의 막강한 업무생산성 도구인 워드(Word), 파워포인트(Powerpoint) 등에 오픈 AI의 강력한 AI 모델들을 적용함으로써 마이크로소프트의 기존 비즈니스 경쟁력을 확보하게 되었다. 그리고 2023년 초 투자 결정 이후 현재까지 이 둘의 관계는 더욱더 돈독해졌다. pp.116-117. 엔비디아는 처음에는 게임 산업을 통해 알려졌지만 이제는 AI 분야의 핵심 플레이어가 되었다. AI 반도체 시장의 90%를 장악하고 있는 압도적 1위 업체이다. 한 예로 글로벌 빅테크들은 모두 엔비디아의 GPU를 사용하고 있다. 엔비디아 GPU가 생성형 AI 개발의 필수인 것은 바로 성능 때문인데, 엔비디아의 GPU는 부동소수점 계산을 아주 빠른 시간 내에 할 수 있다. 그러한 특징 때문에 가상화폐, 비트코인 채굴에도 많이 쓰이기도 한다. 복잡한 계산을 빠르게 처리하도록 설계되어 초거대 AI 모델을 훈련하고 실행하는 데 최적화되어 있으며, 대량의 데이터를 고속으로 처리할 수 있다. 2023년 11월 엔비디아는 2024년 3분기에 매출액 181억 2,000만 달러, 영업이익 104억 2,000만 달러를 달성한다고 발표했다. 매출액은 전기 대비 34% 전년 동기 대비 206% 증가했으며, 영업이익은 전기 대비 53% 전년 동기 대비 1,633% 상승했다. pp.126-127. 오픈 소스 LLM은 비즈니스 측면에서 중요한 차별화 요소가 될 수 있다. 오픈AI를 비롯한 비공개 모델 사업자들이 내 비즈니스에서만 가질 수 있는 고유한 데이터를 수집하고, 데이터를 모델 재학습에 활용하도록 원하는 사람은 아무도 없을 것이다. 오픈 소스 LLM의 중요한 장점 중 하나는 바로 내가 데이터에 대한 모든 권한을 가진다는 것이다. 이는 더 빠르고 저렴하게 운영할 수 있는 최적화된 솔루션을 구축하는 데 더 많은 유연성을 제공할 수 있고, 이는 곧 비즈니스 경쟁력이 될 수 있다. 물론 GPT-4와 같은 비공개 모델은 일반적으로 모든 면에서 더 나은 기능을 갖고 있지만, 그럼에도 불구하고 오픈 소스 LLM 모델들은 성능을 계속 따라잡고 있다. 실제 더 나은 성능을 얻기도 하며 오픈 소스 모델은 계속적으로 더 경량화된 사이즈에 대한 도전을 하면서 더 효율적이면서 큰 모델보다 나은 성능을 증명하고 있다. p.132 AI 프롬프트 엔지니어링이란 AI 모델이 어떻게 답변을 할 것인지 안내하는 프롬프트와 지침을 설계하는 작업을 포함하는데, AI 모델에게 특정 콘텍스트, 제약 조건 또는 목표 등을 제공해 답변(출력)에 반영될 수 있도록 하는 것을 목표로 한다. 이 과정에서 AI 모델을 미세 조정을 하고 더 많은 제어를 할 수 있도록 해서 좀 더 정확하고 안정적인 답변을 할 수 있도록 하는 것이다. 물론 AI 모델의 의사 결정 프로세스 또한 명시적으로 지시함으로써 편향되거나 차별적인 결과의 위험을 낮추는 작업도 필요하다. 그리고 대부분 범용적인 모델이므로 각 비즈니스 또는 산업에 필요한 고유한 요구 사항을 충족할 수 있도록 하는 역할을 한다. p.190 교육 분야에서는 생성형 AI 시대에 대해 기대보다는 우려의 목소리가 먼저 나온 것이 사실이다. 하지만 우리가 그것을 이해의 대상으로 볼 때 현재 학생이 학습하고, 교사가 가르치는 방식에서 가지고 있는 많은 문제점들을 개선할 수 있는 혁신적인 기회가 될 것이다. 다양한 텍스트, 이미지, 동영상 등을 생성할 수 있는 생성형 AI 기술은 교육에 있어서 매우 중요한 도구가 될 것이다. 학습 콘텐츠를 준비하는 측면에서도 많은 부분이 자동화되고, 챗GPT나 코파일럿과 같은 대화형 AI는 학생들에게 언제든지 즉각적인 답변, 피드백을 줄 수 있는 일종의 개인 교사가 되어 개인화된 교육 경험을 강화할 수 있다. 결과적으로 학생들의 성과 향상을 위한 맞춤형 교육이 가능해질 것이다. p.218 AI가 지속적으로 진화함에 따라 콘텐츠 제작 프로세스에서 AI의 역할이 커지고 크리에이티브 분야가 확장될 것이다. AI와 인간의 창의력의 균형 있는 조합은 콘텐츠 생태계에 획기적인 발전을 가져올 것이며, 콘텐츠의 미래를 새롭고 흥미로운 것으로 재편할 것이다. 그것은 인간의 영역을 축소시키는 것이 아니라 오히려 확장하는 효과를 가져올 것이다. p.226 새로운 신약 발견 및 개발에도 생성형 AI가 활용될 수 있다. 보통 신약 개발은 후보들을 식별하고, 이후 효능이나 안정성 테스트의 과정을 거친다. 이 과정은 신약 개발에서 가장 핵심이면서 가장 많은 시간과 비용이 드는 부분으로 보통 최소 10년에서 최대 15년 이상 걸린다. 이 부분에 AI를 사용해 시간과 비용을 획기적으로 줄일 수 있다. 이는 화학 구조와 속성에 대한 대규모의 데이터셋을 학습함으로써 기존 약물과 유사한 새로운 분자를 생성할 수 있고, 이를 통해서 신약으로서의 잠재력을 평가할 수 있다는 것이다. 또한 질병 진단에서도 의료 이미지의 대규모 데이터셋을 활용해 특정 조건과 관련된 패턴을 식별함으로써 해당 질병의 패턴을 탐지하고, 의사가 더 정확한 진단을 빠르게 내릴 수 있도록 도울 수 있다. 질병 진단뿐만 아니라 의료 실습 교육에 필요한 의료 시뮬레이션 또한 생성할 수 있는데, 이러한 가상 시뮬레이션을 통해 진단의 정확성과 속도를 높일 수도 있다. pp.228-229.. 챗GPT와 같은 AI 기술은 금융 웰빙을 위해 어떤 역할을 할 수 있을까? 우선 가장 기본적인 것은 챗GPT와 같이 현재 생성형 AI가 가장 잘하는 질의응답 기능을 금융 웰빙에 적용해볼 수 있다. 생성형 AI는 복잡한 문제를 다양한 질문 요구사항에 맞춰서 답변을 잘 할 수 있다. 때문에 내가 이해할 수 있는 용어와 설명으로 금융 지식이나 내 재정적 상황에 대한 조언을 해주고, 재무적인 결정을 도와줄 수 있다. 또한 과거와 현재의 내 소득과 지출 패턴을 분석해서 향후 지출 계획을 수립할 때 현명한 소비생활을 할 수 있도록 도와줄 수 있다. 또한 나의 재정적 환경뿐만 아니라 외부 시장 환경에 대한 정보를 통해 나의 재무 상황이나 내 금융 환경에 가장 알맞은 상품이나 자금 관리 방법들을 제안해줄 수 있다. p.276