이미지 크레디트: VB via StableDiffusion3

다음 주에 엔터프라이즈 생성형 AI에 초점을 맞춘 이벤트인 VB Transform을 조직하면서 기술 리더들과 나누는 대화에서 뚜렷한 변화를 느꼈습니다. 1년 전만 해도 회사 전체에 OpenAI GPT-4의 마법을 수용하는 방법이 관건이었습니다. 이제 그들의 초점은 실제 구현과 ROI에 있습니다. 마치 업계 전체가 현실 모드에 도달한 것 같습니다.

2024년 하반기에 접어들면서 인공 지능 환경은 엄청난 변화를 겪고 있습니다. 역사상 가장 빠른 속도로 1억 명의 사용자를 유치한 제품이 된 OpenAI의 ChatGPT 출시 이후 초기의 흥분이 식기 시작했습니다. 우리는 거의 고삐 풀린 과대광고의 시대에서 현실의 시대로 이동하고 있으며, 기업은 실제 제품에 AI 기술을 구현하는 방법을 고심하고 있습니다.

OpenAI CEO 샘 알트먼(Sam Altman)의 "하늘의 마법 지능"이라는 선언은 실리콘 밸리 개발자들 사이에서 열광을 불러일으켰고, 그들 중 다수는 우리가 모든 영역에서 인간 수준의 기계 지능을 달성하기 직전에 있다고 믿게 되었습니다.

그러나 시간이 진행됨에 따라 더 미묘한 내러티브가 등장하고 있습니다. 실제 애플리케이션에서 AI를 구현하는 실용성에 기반을 둔 기업은 보다 신중한 접근 방식을 취하고 있습니다. GPT-4o와 같은 대규모 언어 모델(LLM)은 매우 강력하지만 생성형 AI는 전반적으로 실리콘 밸리의 높은 기대에 부응하지 못했다는 사실을 깨닫고 있습니다.

LLM 성능은 정체되어 있으며, 사실에 입각한 정확성에 대한 지속적인 도전에 직면해 있습니다. 법적, 윤리적 우려가 많으며, 인프라 및 비즈니스 사용 사례는 예상보다 더 어려운 것으로 입증되었습니다. 우리는 일부 사람들이 기대했던 것처럼 AGI로 가는 직접적인 길을 가고 있지 않습니다. 그리고 RAG(Retrieval-Augmented Generation)와 같이 AI를 실제 데이터와 정확도로 "접지"하기 위한 보수적인 기술에는 여전히 큰 장애물이 있습니다. 기본적으로 LLM은 여전히 미친 듯이 환각을 느낍니다.

대신, 기업들은 이미 사용 가능한 LLM의 인상적인 기본 기능을 활용하는 방법에 집중하고 있습니다. 과대광고에서 현실로의 이러한 변화는 AI 환경을 형성하는 6가지 중요한 논쟁에 의해 강조됩니다. 이러한 논쟁은 임박한 초지능을 열렬히 믿는 사람들과 AI 채택에 대한 보다 실용적인 접근 방식을 옹호하는 사람들 사이의 단층선을 나타냅니다.

기업 리더에게는 이러한 논쟁을 이해하는 것이 중요합니다. 이 강력한 기술을 활용하려는 기업에게는 가장 열렬한 지지자들이 주장하는 신과 같은 힘이 아니더라도 상당한 위험이 있습니다.

이것을 잘못 읽지 마십시오. 대부분의 기업 리더들은 여전히 이 기술이 이미 엄청난 이점을 가져왔다고 믿고 있습니다. 미국 전역의 포춘 500대 기업과 회의 및 행사를 개최한 최근 AI 임팩트 투어(AI Impact Tour)에서 리더들은 AI의 약속을 수용하기 위한 노력에 대해 공개적으로 논의했습니다.

그러나 이 6개의 토론은 7월 9일부터 11일까지 샌프란시스코의 SOMA 지구 중심부에서 열릴 예정인 VB Transform 행사에서 논의의 중심이 될 것입니다. 우리는 AI 분야에서 가장 큰 플레이어의 경영진과의 광범위한 대화를 기반으로 이벤트를 큐레이팅했습니다.

연사 라인업에는 OpenAI, Anthropic, Nvidia, Microsoft, Google 및 Amazon과 같은 업계 거대 기업의 대표와 Kaiser Permanente, Walmart 및 Bank of America와 같은 Fortune 500대 기업의 AI 리더가 포함됩니다.

Transform의 라이브 토론 및 토론은 이러한 중요한 문제를 조명하여 대면 참석자에게 엔터프라이즈 AI 구현의 최전선에 있는 리더와 교류할 수 있는 독특한 기회를 제공할 것을 약속합니다.

이제 6가지 논쟁에 대해 알아보겠습니다.

1. LLM 레이스 : 정체기가 보이나요?

가장 진보된 LLM을 개발하기 위한 경쟁은 OpenAI의 GPT-3가 등장한 이후 AI 환경을 정의하는 특징이었습니다. 하지만 2024년 하반기에 접어들면서 LLM 레이스가 끝났는지에 대한 질문이 커지고 있습니다.

대답은 적어도 현재로서는 '예'인 것 같습니다.

이는 주요 LLM 간의 차이가 점점 더 눈에 띄지 않게 되었기 때문에 중요하며, 이는 엔터프라이즈 기업이 이제 "최고의" 모델을 쫓는 대신 가격, 효율성 및 특정 사용 사례 적합성을 기반으로 선택할 수 있음을 의미합니다.

2023년, 우리는 극적인 레이스가 펼쳐지는 것을 목격했습니다. OpenAI는 지난 3월 GPT-4 출시와 함께 추론, 다중 모드 기능 및 다국어 숙련도에서 상당한 개선을 보여주었습니다. 전문가들은 이러한 모델에 더 많은 데이터가 공급됨에 따라 성능이 계속 확장될 것이라고 가정했습니다. 한동안은 그들의 말이 옳은 것처럼 보였습니다.

그러나 2024년에는 그 속도가 상당히 느려졌습니다. 더 많은 즐거움이 올 것이라는 Altman의 모호한 약속에도 불구하고 회사의 COO Mira Murati는 6월 중순에 OpenAI가 이미 공개된 것 이상의 것을 실험실에 가지고 있지 않다고 인정했습니다.

이제 우리는 정체기의 분명한 징후를 보고 있습니다. OpenAI는 벽에 부딪힌 것으로 보이며 라이벌인 Anthropic은 여러 측정에서 GPT-4를 능가하는 Claude 3.5 Sonnet을 출시하여 따라잡았습니다. 주목할 만한 점은 클로드가 멀리 도약할 수 없었다는 점입니다. 점진적으로 더 좋아질 뿐입니다. 더 정확히 말하자면, Sonnet은 Anthropic의 더 큰 Opus 모델이 아닌 Anthropic의 더 작은 모델 중 하나를 기반으로 하고 있는데, 이는 방대한 양의 데이터 훈련이 반드시 개선으로 이어지는 것은 아니지만 더 작은 모델의 효율성과 미세 조정이 핵심임을 시사합니다.

프린스턴 컴퓨터 과학 교수인 아르빈드 나라야난(Arvind Narayanan)은 지난주에 모델 스케일링이 AGI로 향하는 길에 있다는 대중적인 견해는 "일련의 신화와 오해에 근거하고 있다"고 썼으며, 이러한 스케일링만으로는 AGI로 이어질 가능성이 거의 없다고 말했습니다.

기업 리더에게 이러한 정체기는 중요한 의미를 지닙니다. 즉, 특정 목적에 가장 적합한 개별 LLM을 활용해야 하며, 현재 수백 개의 LLM을 사용할 수 있습니다. 이 모든 것을 지배할 특별한 "마법의 유니콘" LLM은 없습니다. 기업은 LLM 선택을 고려할 때 Meta의 Llama 또는 IBM의 Granite를 기반으로 하는 개방형 LLM과 같이 더 많은 제어 기능을 제공하고 특정 사용 사례에 맞게 더 쉽게 미세 조정할 수 있는 개방형 LLM을 고려해야 합니다.

2. AGI 과대 광고 주기 : 정점 또는 저점?

LLM의 혁신 속도가 느려짐에 따라, 더 큰 질문이 떠오릅니다. AGI 하이프 사이클에서 부풀려진 기대치의 정점에 도달한 것은 아닐까요?

우리의 대답은 '예'입니다.

이는 기업이 AGI의 약속을 쫓기보다는 실제 애플리케이션에 기존 AI 기능을 활용하는 데 집중해야 하기 때문에 중요합니다.

ChatGPT의 출시는 AI의 가능성에 대한 흥분의 물결을 불러일으켰습니다. 방대한 양의 훈련 데이터로 구동되는 인간과 유사한 상호 작용은 진정한 지능의 환상을 주었습니다. 이 돌파구는 Altman을 기술 세계에서 구루로 끌어올렸습니다.

알트먼은 이 역할을 받아들여 AI의 미래에 대해 거창한 선언을 했습니다. 2023년 11월, GPT-4 터보를 출시하면서 그는 그들이 개발 중인 것에 비해 "기이하게" 보일 것이라고 주장했습니다. 그는 향후 몇 년 안에 AGI가 가능하다고 언급했습니다. 이 발언은 실리콘 밸리의 마법에 걸린 광신도라고 부를 수 있는 사람들 사이에서 엄청난 열광을 불러일으켰습니다.

하지만 그 주문은 사라지기 시작했습니다. Altman이 2023년 말에 OpenAI 이사회에서 쫓겨난 것은 갑옷의 첫 번째 균열이었습니다. 2024년에 접어들면서 AGI가 가까워졌다는 그의 주장은 설득력이 떨어지는 것처럼 보이기 시작했고, 그는 더 많은 돌파구가 필요하다고 강조하면서 자신의 예측을 누그러뜨렸습니다. 지난 2월 알트만은 AGI에 최대 7조 달러의 투자가 필요할 수 있다고 말했습니다.

경쟁사들은 OpenAI의 선도적인 LLM과의 격차를 좁혔고, 많은 사람들이 예상했던 꾸준한 개선은 실현되지 않았습니다. 이러한 모델에 더 많은 데이터를 공급하는 데 드는 비용은 증가했지만 빈번한 논리적 오류와 환각은 지속되었습니다. 이로 인해 메타(Meta)의 수석 과학자인 얀 르쿤(Yann LeCun)과 같은 전문가들은 LLM이 진정한 AGI에서 엄청난 방해 요소이자 "이탈"이라고 주장했습니다. 르쿤은 LLM이 인간과 유사한 텍스트를 처리하고 생성하는 능력은 인상적이지만, AGI에 필요한 기본적인 이해와 추론 능력은 부족하다고 주장합니다.

그렇다고 과대 광고가 완전히 사라진 것은 아닙니다. AI 열풍은 일부 실리콘 밸리 서클에서 계속되고 있으며, 전 OpenAI 직원인 Leopold Aschenbrenner가 최근 AGI가 3년 이내에 도래할 수 있다고 주장하는 열정적인 4시간 분량의 비디오가 그 예입니다.

그러나 프린스턴 대학의 나라야난을 비롯한 많은 노련한 관찰자들은 그러한 주장에 심각한 결함이 있음을 지적합니다. 대부분의 대기업이 채택해야 하는 보다 근거 있는 관점입니다.

하니웰(Honeywell), 카이저 퍼머넌트(Kaiser Permanente), 셰브론(Chevron), 버라이즌(Verizon)과 같은 기업의 엔터프라이즈 AI 리더들과 대화를 나누다 보면, AI 구현의 현실이 과장된 표현보다 훨씬 더 복잡하고 미묘하다는 말을 꾸준히 들었습니다.

리더들은 여전히 AI의 잠재력에 열광하고 있지만, AI가 너무 빠르게 발전하고 있어 차세대 기술이 기존 세대의 문제를 해결할 것이라는 생각에 사로잡히지 않는 것이 중요하다고 기업의 AI 채택을 지원하는 회사인 CapGemini의 EVP인 Steve Jones는 말합니다. "향후 5년 안에 AI가 20%든 50%든 의사 결정의 20%가 AI에 의해 결정될 것입니다. 그것은 중요하지 않습니다"라고 그는 VentureBeat와의 인터뷰에서 말했습니다.

요점은 당신의 경력 성공은 그 알고리즘의 성공에 달려 있으며, 당신의 조직은 그것이 어떻게 작동하는지 이해하고 그것이 잘 작동하는지 확인하는 데 의존한다는 것입니다.

"AGI를 둘러싼 말도 안 되는 일들이 벌어지고 있다"고 그는 엔터프라이즈 배포에 집중하지 않는 실리콘 밸리 개발자들 사이에서 계속되는 과대 광고를 언급했습니다. 그러나 그는 AI가 "기술적 변화라기보다는 조직의 변화"라며 기업들이 LLM이 이미 제공하는 실질적이고 기본적인 발전을 활용하고 제어해야 한다고 덧붙였습니다.

대기업은 모델 제공자가 훈련의 어려운 작업을 수행하도록 하는 동시에 특정 목적을 위해 모델을 미세 조정하는 데 집중하고 있습니다. 이러한 보다 실용적인 접근 방식은 우리가 추적해 온 금융, 건강 및 소매 부문의 리더들에 의해 반복되고 있습니다.

예를 들어, JP모건 체이스(JPMorgan Chase), 씨티(Citi), 웰스파고(Wells Fargo) 및 필자와 이야기를 나눈 다른 은행들은 AI를 사용하여 특정 뱅킹 기능을 향상시켜 사기 탐지, 위험 관리 및 고객 서비스에 실제로 적용하는 데 중점을 두고 있습니다.

의료 분야에서는 뉴욕-프레스비테리안 병원 시스템의 AI 운영 의료 책임자인 애슐리 비시(Ashley Beecy) 박사가 AI의 실제 적용을 통해 큰 비전이 어떻게 정착되고 있는지 보여주는 또 다른 예를 제시합니다. 그녀는 환자에 대한 모든 것을 알고 있는 AI를 구상하고 있지만, 병원은 환자 방문을 기록하고 기록하여 의사의 행정 부담을 줄이는 것과 같은 보다 실용적인 응용 프로그램부터 시작하고 있다고 말합니다.

Beecy는 보다 야심찬 버전의 AI를 위한 기술적 역량의 상당 부분이 마련되어 있지만, 이를 위해 내부 워크플로와 프로세스를 조정하거나 "변경 관리"라고 부르는 것이 중요하다고 말합니다. 이를 위해서는 많은 노력과 테스트가 필요하며, 자신의 병원을 넘어 더 큰 구조적 변화가 필요하기 때문에 국가 보건 단체의 아이디어 공유가 필요하다는 것을 그녀는 인정했습니다.

3. GPU 병목 현상 : 인프라 현실

GenAI의 확장에 영향을 미치는 GPU 병목 현상이 있습니까?

우리의 대답은 ‘예’이지만, 하지만 헤드라인이 암시하는 것보다 더 미묘합니다.

대기업은 AI 인프라 투자를 전략적으로 계획하여 즉각적인 요구 사항과 장기적인 확장성의 균형을 맞춰야 합니다.

AI 개발의 급증은 AI 애플리케이션을 실행하는 데 도움이 되는 특수 하드웨어, 특히 GPU(그래픽 처리 장치)에 대한 전례 없는 수요로 이어졌습니다. 선도적인 GPU 제조업체인 Nvidia는 시장 가치가 3조 달러를 넘어 세계에서 가장 가치 있는 기업이 되었습니다. 이러한 수요로 인해 공급 부족이 발생하여 비용이 증가하고 이 중요한 AI 인프라의 대기 시간이 길어졌습니다.

그러나 병목 현상이 모든 AI 애플리케이션에서 균일하지는 않습니다. 대규모 모델을 훈련하려면 엄청난 컴퓨팅 파워가 필요하지만, 많은 엔터프라이즈 사용 사례는 사전 훈련된 모델을 실행하여 출력을 생성하는 추론에 중점을 둡니다. 이러한 응용 프로그램의 경우 하드웨어 요구 사항이 덜 까다로울 수 있습니다.

혁신적인 AI 칩을 개발하는 회사인 그로크(Groq)의 CEO인 조나단 로스(Jonathan Ross)는 GPU가 아닌 하드웨어에서도 추론을 효율적으로 실행할 수 있다고 주장합니다. Groq의 언어 처리 장치(LPU)는 특정 AI 작업에 대해 상당한 성능 향상을 약속합니다. 다른 스타트업들도 이 분야에 진입하여 Nvidia의 지배력에 도전하고 잠재적으로 GPU 병목 현상을 완화하고 있습니다.

이러한 발전에도 불구하고 전반적인 추세는 컴퓨팅 수요가 증가하고 있음을 나타냅니다. 고급 모델을 훈련하고 리더로 남고자 하는 AI 연구소와 하이퍼스케일 클라우드 회사는 대규모 데이터 센터를 구축하고 있으며, 일부는 제가 "500K GPU 클럽"이라고 부르는 단체에 가입했습니다. 이러한 군비 경쟁은 양자 컴퓨팅, 포토닉스, 심지어 AI 확장을 지원하기 위한 데이터 저장용 합성 DNA와 같은 대체 기술에 대한 관심을 불러일으키고 있습니다.

그러나 대부분의 대기업은 GPU 가용성의 제약을 받지 않습니다. 대부분은 Azure, AWS 및 Google의 GCP 클라우드를 사용하여 대형 업체가 GPU 구축 비용을 최소화합니다.

지난해 생성형 AI를 가장 먼저 도입한 기업 중 하나인 인튜이트(Intuit)를 예로 들어보지요. 이 회사의 AI 담당 부사장인 눙호(Nhung Ho)는 지난주에 회사에 최신 GPU가 필요하지 않다고 말했습니다. "잘 작동하는 구형 GPU가 많이 있습니다. 우리는 6년 또는 7년 된 기술을 사용하고 있습니다. 정말 잘 어울려요." 이는 많은 엔터프라이즈 응용 프로그램에서 창의적인 솔루션과 효율적인 아키텍처가 하드웨어 병목 현상을 완화할 수 있음을 시사합니다.

4. 콘텐츠 권리 및 LLM 교육 : 법적 지뢰

웹의 모든 콘텐츠는 LLM 교육에 무료로 제공되나요?

우리의 대답은 '아니오'이며, 이는 심각한 법적, 윤리적 문제를 야기합니다.

법률 환경이 빠르게 진화함에 따라 대기업은 AI 모델을 배포할 때 잠재적인 저작권 및 개인 정보 보호 문제를 인식해야 합니다.

LLM을 훈련하는 데 사용되는 데이터는 AI 개발자와 엔터프라이즈 사용자 모두에게 큰 영향을 미치는 논쟁의 여지가 있는 문제가 되었습니다. 뉴욕타임스와 탐사보도센터는 오픈AI를 상대로 소송을 제기했으며, 오픈AI의 콘텐츠를 교육에 무단으로 사용했다고 주장했는데, 이는 빙산의 일각에 불과합니다.

이 법적 다툼은 AI 회사가 명시적인 허가나 보상 없이 교육을 위해 온라인 콘텐츠를 긁어모아 사용할 권리가 있는가라는 중요한 질문을 강조합니다. 이에 대한 답은 불분명하며, 법률 전문가들은 이 문제가 법정에서 완전히 해결되려면 최대 10년이 걸릴 수 있다고 말합니다.

많은 AI 기업이 자사 서비스를 사용하는 기업에 면책을 제공하지만, 이것이 잠재적인 법적 위험으로부터 기업을 완전히 보호하지는 않습니다. 이러한 상황은 새로운 AI 기반 검색 엔진과 요약 도구로 인해 더욱 복잡해지고 있습니다. 예를 들어, Perplexity AI는 페이월 기사를 요약하여 저작권 침해를 주장하는 Forbes의 불만으로 이어졌다는 비판에 직면했습니다.

VentureBeat의 창립자로서 저는 이 논쟁에 공감합니다. 많은 퍼블리셔와 마찬가지로 우리의 비즈니스 모델은 페이지 뷰와 광고에 의존합니다. AI 모델이 사이트로 트래픽을 유도하지 않고 콘텐츠를 자유롭게 요약할 수 있다면 작업으로 수익을 창출할 수 있는 능력이 위협됩니다. 이는 미디어 회사뿐만 아니라 모든 콘텐츠 제작자의 관심사입니다.

웹 데이터로 훈련된 AI 모델을 사용하는 모든 기업은 잠재적으로 법적 문제에 직면할 수 있습니다. 기업은 배포하는 AI 모델을 훈련하는 데 사용되는 데이터의 출처를 이해해야 합니다. 이는 개인 정보 보호 및 개인 정보 사용에 대한 큰 규제에 직면한 금융 및 은행 회사에게도 중요합니다.

일부 기업은 이러한 문제를 해결하기 위해 사전 조치를 취하고 있습니다. 교육 측면에서 OpenAI는 출판사 및 기타 회사와 계약을 체결하기 위해 경쟁하고 있습니다. Apple은 AI 교육에 콘텐츠를 사용하기 위해 뉴스 게시자와 계약을 체결한 것으로 알려졌습니다. 이는 향후 AI 기업과 콘텐츠 제작자가 협업하는 방식에 대한 선례가 될 수 있습니다.

5. Gen AI 애플리케이션 : 코어가 아닌 엣지 혁신

생성형 AI 애플리케이션이 대부분의 엔터프라이즈 기업의 핵심 제품을 방해하고 있습니까?

우리의 대답은 아니요, 아직은 아닙니다.

AI는 혁신적이지만, 그 영향은 현재 핵심 비즈니스 모델을 혁신하기보다는 기존 프로세스를 개선하는 데 더 두드러집니다.

AI를 둘러싼 내러티브는 종종 기업 운영의 임박한 전면적인 중단을 시사합니다. 그러나 현장의 현실은 다른 이야기를 들려줍니다. 대부분의 기업은 핵심 제품을 완전히 점검하기보다는 주변 기능에 AI를 적용하여 성공을 거두고 있습니다.

일반적인 응용 분야는 다음과 같습니다.

- 고객 지원 챗봇

- 직원을 위한 지식창고 도우미

- 제너레이티브 마케팅 자료

- 코드 생성 및 디버깅 도구

이러한 애플리케이션은 상당한 생산성 향상과 운영 효율성을 주도하고 있습니다. 그러나 아직은 일각에서 예상했던 것처럼 막대한 매출 증가나 비즈니스 모델 변화로 이어지지는 않고 있습니다.

앨버트슨(Albertsons)과 AB 인베브(AB InBev)와 같은 소매업체의 경영진은 고객의 구매 패턴을 예측하기 위해 "대규모 애플리케이션 모델"을 실험하면서 핵심에 영향을 미칠 수 있는 방법을 열심히 찾고 있다고 말했습니다. 제약 산업에서는 AI가 신약 개발을 가속화할 수 있다는 희망이 있지만 많은 사람들이 생각하는 것보다 진전이 더뎠습니다.

인튜이트(Intuit)는 여기에서도 흥미로운 사례 연구를 제공한다. 인튜이트는 세금과 비즈니스 코드, 용어 등을 기반으로 하며 LLM이 제공하는 강력한 언어 애플리케이션에 더 가깝기 때문에 인튜이트가 1년 전 자체 생성형 AI 운영체제(GenOS)를 발표하며 빠르게 도약했다. TurboTax, QuickBooks 및 Mailchimp와 같은 제품 전반에 걸쳐 AI 비서를 통합합니다. 그럼에도 불구하고 AI 사용은 다른 모든 사람들이 AI를 사용하는 것과 유사하게 고객 지원에 중점을 둡니다.

Apple의 관점은 시사하는 바가 크다. 그들은 AI를 제품이 아닌 기능으로 보고 있습니다 – 적어도 현재로서는 말입니다. 이러한 입장은 많은 기업에서 AI의 현재 상태를 반영하며, 이는 독립적인 혁명이 아닌 개선을 위한 강력한 도구입니다.

보스턴에 본사를 둔 주요 은행인 스테이트스트리트(StateStreet)의 캐롤라인 아놀드(Caroline Arnold) 부사장은 생성형 AI가 생산성 향상에 관한 것이지 핵심 수익 동인은 아니라는 견해를 잘 보여줍니다. 지난 3월 보스턴 행사에서 그녀는 AI의 잠재력을 강조하며 "AI를 통해 할 수 있는 일은 대량의 데이터와 매우 자연스러운 방식으로 즉석에서 상호 작용하고 시나리오를 구축하는 것입니다. 전통적인 방식으로는 훨씬 더 많은 시간이 걸릴 것입니다."

이 은행의 새로운 LLM 기반 챗봇은 기존 헬프데스크를 빠르게 능가했지만, 어려움이 없었던 것은 아닙니다. 챗봇은 때때로 "이상한 답변"을 제공하여 미세 조정이 필요했습니다. 4개월이 지난 지금, 스테이트 스트리트는 아직 앱을 공개적으로 출시하지 않았으며, 이는 엣지에서도 엔터프라이즈 생성형 AI 채택의 복잡성을 강조합니다.

6. AI 에이전트 : 차세대 개척자 또는 과장된 과대 광고?

AI 에이전트가 AI의 미래가 될까요?

우리의 대답은 '예'이지만 주의 사항이 있습니다.

이것이 왜 중요할까요? AI 에이전트는 자동화 및 의사 결정 분야에서 잠재적인 도약을 나타내지만 현재 기능은 종종 과장됩니다.

인간의 개입을 최소화하면서 작업을 수행하거나 결정을 내릴 수 있는 자율 시스템인 AI 에이전트의 개념은 기술 세계의 많은 사람들의 상상력을 사로잡았습니다. 전직 오픈AI 직원인 레오폴드 아셴브레너(Leopold Aschenbrenner)와 같은 사람들은 수억 명의 AGI 스마트 AI 에이전트가 우리 세계의 다양한 측면을 실행하는 멀지 않은 미래를 상상합니다. 이렇게 되면 10년간의 알고리즘 발전이 1년 이내로 단축될 것"이라며 "우리는 인간 수준에서 초인적인 AI 시스템으로 빠르게 발전할 것"이라고 주장했습니다.

그러나 내가 이야기를 나눠본 대부분의 사람들은 이것이 헛된 꿈이라고 믿습니다. AI 에이전트의 현재 상태는 사실 실리콘 밸리 애호가들이 불과 1년 전만 해도 자신의 회사를 시작하는 것을 포함하여 모든 종류의 일을 할 수 있는 에이전트 프레임워크인 Auto-GPT에 대한 흥분이 폭발했을 때 생각했던 것보다 훨씬 더 겸손합니다. 고객 서비스 및 마케팅 자동화와 같은 분야에서 유망한 사용 사례가 있지만, 완전 자율 AI 에이전트는 아직 초기 단계에 있으며 업무를 순조롭게 진행하는 데 많은 어려움에 직면해 있습니다.

AI 에이전트의 다른 새로운 응용 분야는 다음과 같습니다.

- 여행 계획 및 예약

- 전자상거래 제품 검색 및 구매

- 자동화된 코딩 도우미

- 금융 거래 알고리즘

이러한 에이전트는 종종 리드 LLM을 사용하여 프로세스를 조율하고 하위 에이전트는 웹 검색이나 결제와 같은 특정 작업을 처리합니다. 그러나 일부 사람들이 구상하는 범용 완전 자율 시스템과는 거리가 멉니다.

AI 에이전트에 대한 Intuit의 접근 방식은 시사하는 바가 큽니다. Nhung Ho는 인튜이트가 에이전트 프레임워크를 지원하기 위한 인프라를 구축했지만 해당 분야에 대한 투자를 일시 중단했다고 밝혔습니다. 인튜이트(Intuit)는 이 기술을 제품에 완전히 통합하기 전에 기술이 성숙하기를 기다리고 있습니다.

이러한 신중한 접근 방식은 광범위한 업계 정서를 반영합니다. AI 에이전트는 가능성을 보여주지만, 아직 중요한 역할에서 기업에서 널리 채택할 만큼 안정적이거나 다재다능하지는 않습니다.

결론 : 2024년과 그 이후의 AI 환경 탐색

2024년 기업 전략을 형성하는 6가지 중요한 AI 논쟁을 살펴보면서 과대 광고에서 실제 구현으로의 전환이라는 명확한 주제가 등장합니다.

1. LLM 경쟁은 정체기에 접어들었습니다. "최고의" 모델을 쫓기보다는 특정 사용 사례, 비용 효율성 및 통합 용이성을 기반으로 모델을 선택하는 데 집중하십시오.

2. AGI에 대한 과대 광고는 식고 실용적인 AI는 뜨거워지고 있습니다. 즉각적인 초점은 가시적인 비즈니스 성과를 위해 기존 AI 기능을 활용하는 데 있어야 합니다.

3. 인프라 문제에는 창의적인 솔루션이 필요합니다. 대체 하드웨어 솔루션을 탐색하고 AI 워크플로우를 최적화하여 기존 하드웨어의 효율성을 극대화합니다.

4. 법적, 윤리적 고려 사항이 가장 중요합니다. AI 제공업체를 신중하게 조사하고 학습 데이터의 출처를 이해하여 법적 위험을 완화합니다.

핵심 기능을 대체하는 것이 아니라 강화하는 데 집중: AI를 고객 지원, 직원 지원 및 운영 효율성 개선에 통합할 수 있는 기회를 찾습니다.

5. AI 에이전트는 가능성을 보이지만 황금 시간대에 대한 준비가 되어 있지 않습니다. 에이전트 프레임워크를 지원하기 위한 인프라를 구축하되 기술이 완전히 구현될 때까지 기다릴 준비가 되어 있어야 합니다.

6. 진정한 AI 혁명은 AGI를 추구하는 연구실이 아니라 AI가 일상 업무에 통합되고 있는 전 세계 사무실에서 일어나고 있습니다. 캡제미니(Capgemini)의 스티브 존스(Steve Jones)는 "AI는 기술적 변화라기보다는 조직의 변화"라고 말했다.

VB Transform과 하반기로 접어들면서 가장 가치 있는 AI 구현이 헤드라인을 장식하지 않을 수도 있다는 점을 기억하십시오. 고객 서비스 팀이 매일 몇 시간을 절약하거나 개발자가 버그를 더 빨리 포착하는 데 도움이 될 수 있습니다. 문제는 더 이상 "AI가 모든 것을 바꿀 것인가?"가 아니라 "우리가 하는 일을 더 잘 하기 위해 AI를 어떻게 활용할 수 있는가"입니다. 이것이 향후 몇 년 동안 AI 리더와 후발 주자를 구분하는 것입니다.

이상의 기사는 2024년 7월 2일 VentureBeat에 게재된 “From AGI to ROI: The 6 AI debates shaping enterprise strategy in 2024”제목의 기사내용을 편집하여 작성하였습니다.

* 원문정보 출처 : From AGI to ROI: The 6 AI debates shaping enterprise strategy in 2024 | VentureBeat