AI컨설턴트가 알려주는, 기업이 AI 도입 전에 꼭 알아야 할 내용

AI 컨설턴트는 기업이 인공지능(AI)을 도입하고 활용하여 문제를 해결하고, 효율성을 높이며, 새로운 비즈니스 기회를 창출할 수 있도록 돕는 전문가다.

 

회사에서 일하다 보면 많은 기업들이 AI 도입에 관심을 가지고 문의를 해온다.

그러나 AI에 대해 명확히 이해한 상태에서 접근하는 경우는 드물다.

AI는 한 번 제대로 도입하면 기업의 혁신과 경쟁력 강화에 큰 도움이 될 수 있지만, 도입 과정에서 적지 않은 비용과 노력이 필요하다.

따라서 기업이 AI를 도입하기 전에 기본 개념과 활용 방안을 정확히 이해하는 것이 중요하다.

 

이번 글에서는 "AI란 무엇인가?"라는 질문에 답하며, 기업이 AI를 통해 어떤 가치를 얻을 수 있는지, 그리고 도입을 고려할 때 반드시 알아야 할 내용을 쉽고 명확하게 설명하고자 한다. AI를 처음 접하거나 이를 비즈니스에 적용하고자 하는 분들에게 도움이 되길 바란다.

 

 

AI의 정의

AI는 인간의 지능을 모방하여 문제를 해결하거나 작업을 수행하는 기술을 의미한다. 기업이 AI를 도입하려 할 때, 이를 단순히 "복잡하고 비싼 기술"로 인식하기보다는, 비즈니스 문제를 해결하고 경쟁력을 강화하기 위한 도구로 이해하는 것이 중요하다. AI는 단독으로 작동하는 만능 기술이 아니라, 기업의 목표와 데이터를 활용해 맞춤형 솔루션을 제공하는 도구다. 여기에는 인간처럼 생각하고 학습하며 결정을 내리는 소프트웨어와 시스템이 포함된다.

 

AI는 크게 세 가지 단계로 구분된다:

 

• 협소한 인공지능(Narrow AI): 특정 작업을 수행하도록 설계된 AI. 예: 음성인식, 추천 시스템.
• 일반 인공지능(General AI): 인간처럼 사고하고 다양한 작업을 수행할 수 있는 AI. (현재 연구 단계)
• 초지능(Super AI): 인간의 지능을 넘어서는 AI. (미래의 가능성)

 

협소한 인공지능(Narrow AI)

챗GPT의 등장으로 많은 사람들이 현재 인공지능의 개발이 일반 인공지능(General AI)에 도달했다고 착각한다. 하지만 우리의 기술은 여전히 협소한 인공지능(Narrow AI)에 머물러 있다.

 

예를들어, 머신러닝은 이메일이 스팸인지 아닌지 분류하기, 상품 매출을 예측하기, 사용자가 좋아하는 영화를 추천하기 등 특정한 하나의 작업(task)를 잘하기 위해 데이터를 학습하도록 설계되었다. 그렇다면 대규모 언어모델(LLM)은 어떨까?

기본적으로 LLM은 머신러닝의 한 종류이기 때문에 이 역시 협소한 인공지능에 속한다. 대화를 굉장히 잘 하기 때문에 인간처럼 사고하고 다양한 작업을 수행하는 일반 인공지능처럼 느껴질 수 있다. 하지만 LLM은 주로 텍스트를 이해하고 생성하는 작업에 특화된 모델이다. 요약하기, 번역하기, 글을 생성하기와 같은 작업(task)를 잘하기 위해 엄청나게 많은 단어들을 학습한 모델로, 굉장히 똑똑해 보이지만 결국 "텍스트와 관련된 작업"에 초점이 맞춰진 협소한 인공지능이다.

 

여러 유형의 데이터(텍스트, 이미지, 오디오 등)를 동시에 처리하고 결과를 생성할 수 있는 멀티모달 모델 역시 협소한 인공지능에 속한다. 여러 입력 데이터 유형을 결합해 처리할 수 있지만 여전히 특정 작업(task)에 초점이 맞춰져 있다. 예를들어 텍스트와 이미지를 입력값으로 넣었을 때 이미지를 생성한다던지, 텍스트와 오디오를 넣었을 때 비디오를 생성하는 작업들도 결국엔 "이미지 생성", "비디오 생성"이라는 작업에 특화되었다.

 

일반 인공지능 (General AI)

그렇다면 일반 인공지능은 무엇일까?

일반 인공지능이란 사람처럼 모든 것을 이해하고, 스스로 생각하고, 다양한 일을 할 수 있는 AI다. 대표적으로 영화 아이언맨의 자비스와 같은 인공지능을 생각하면 된다. 자비스는 토니가 작업할 때 요청하지 않아도 설계도를 분석하고 개선 방안을 제안한다. 영화 HER의 사만다는 주인공과 대화하면서 그의 감정을 이해하고 위로해주며 창의적으로 대화의 흐름을 이끈다.

일반 인공지능을 전문적으로 이야기하자면 AGI(Artificial General Intelligence)라고 부른다. 세상에 나와있는 모든 지식을 스스로 학습하고, 새로운 아이디어를 생성하여 질병 치료나 기후변화 등을 해결할 수 있을 것으로 기대하지만, 아직 연구중인 기술이다.

 

초지능(Super AI)는 먼 미래의 일이기 때문에 따로 설명하지 않고 넘어간다.

 

 

AI를 도입하려는 기업이 가져야 할 인식

여기까지 읽어봤을 때, AI를 도입하려는 기업들은 현재 AI 기술의 한계와 현실적인 활용 방식을 정확히 이해하는 것이 중요하다.

 

1. 하나의 작업에는 하나의 AI 모델이 필요하다.

현재 AI 기술은 협소한 인공지능에 머물러 있다. 이는 하나의 AI 모델이 하나의 작업에 특화되어 있다는 뜻이다.

예를들어, "영어로 된 사이트의 내용을 한국어로 요약해" 라는 요청이 있다면 AI는 이 작업을 한 번에 처리하지 못하고, 두 단계로 나눠서 수행한다. 먼저, 영어로 된 내용을 한국어로 번역한다. 이후, 번역된 한국어 내용을 요약한다. 이처럼 하나의 작업처럼 보이는 요청이더라도 AI는 각각의 작업에 맞는 별도의 모델을 사용해 총 2개의 작업을 처리하게 된다.

챗GPT에 요청하니까 바로 답이 나왔는데? 라고 생각할 수 있다. 이 역시 챗GPT가 영어로 된 내용을 한국어로 먼저 번역하고, 또다시 챗GPT가 번역된 한국어 내용을 요약한 것이다.

 

2. 많은 작업을 하고 싶다면 작업을 나누고 순차적으로 접근해야 한다.

위에서 본 것 처럼, AI가 한번에 다양한 작업을 처리하는 것 처럼 보이지만 사실은 순차적으로 작업을 처리하고 있다.

AI를 도입하여 문제를 해결하고자 할 때 이 점을 고려해야 한다.

 

3. 현재 AI 기술이 빠르게 발전하고 있지만, 한계가 있다.

우리 회사에 AI를 도입하고 싶다고 문의하는 기업 중에는 AI만 있으면 모든 문제가 해결될 것이라고 과도한 기대를 하는 경우가 있다.

그러나 현실적으로, AI는 사람의 능력을 보완하고 반복적이며 시간이 많이 걸리는 작업을 자동화하는 데 적합하다.

AI도입을 생각하는 기업은 현실적인 목표를 세우는 것이 중요하다.

 

실제 사례로 확인하는 AI도입 내용

고객 상담을 위한 AI 챗봇을 도입하고자 하는 업체들이 많았다. 사실 이 기업이 원하는건 고객이 "오늘 구입한 상품 중 검은색 티 색이 이상해서 반품하고 싶어요"라는 문의를 하면, 챗봇이 반품 가능 여부를 바로 안내하거나, "해당 검은색 티는 원래 그런 색이라 반품이 어렵다"는 정보를 제공하기를 기대한다. 하지만 현재 AI 기술로는 이처럼 복잡한 요청을 완벽히 자동화하기 어렵다.

 

AI가 "검은색 티를 반품하고 싶어요"라는 요청을 처리하려면 다음과 같은 단계를 거쳐야 한다.

1. 문의 의도 파악
   • 고객이 "반품 요청"을 하고 있다는 의도를 AI가 정확히 이해해야 한다.
   • LLM이 텍스트를 분석하고, "반품"이라는 키워드를 인식하도록 설계해야 한다.
2. 고객 정보 확인
   • 고객의 계정 정보를 조회하고, 구매한 상품 내역을 확인해야 한다.
   • 이 작업은 AI와 데이터베이스(DB)를 연결해야 하지만, DB와 AI 연결은 보안 및 기술적 이유로 상용화하기 어렵다.
3. 반품 조건 체크
   • 고객이 요청한 "검은색 티"의 반품 가능한 조건(구매일, 상태 등)을 확인해야 한다.
   • 경우에 따라 고객이 보내는 "검은색 티 사진"을 분석하는 AI 모델이 추가로 필요할 수 있다.
4. 반품 절차 안내
   • 반품이 가능하다면 택배 접수 방법이나 포장 방법 등을 안내한다.
   • 반품이 불가능한 경우, 이유를 설명하거나 복잡한 상황은 상담원에게 연결한다.

위 단계를 보면, AI가 모든 작업을 처리할 수 있는 것처럼 보이지만 총 4개의 작업이 있으니 AI모델도 4번 동작해야한다. 또한 AI와 DB 연결의 보안 문제, 예외적이고 복잡한 조건에서 여전히 사람의 개입이 필요하기에 AI를 도입하려는 기업은 다음과 같은 현실적인 목표를 세우는 것이 중요하다:

• 반복적이고 간단한 문의(예: 배송 조회, 배송지 변경 등)를 AI로 처리해 상담원의 부담을 줄인다.
• 복잡한 문의나 예외 상황은 사람이 처리하도록 프로세스를 설계해 고객 만족도를 높인다.

 

 

결론

AI는 기업의 경쟁력을 강화하고 업무 효율을 높일 수 있는 강력한 도구다.

그러나 현재의 AI는 하나의 작업에 특화된 협소한 인공지능에 머물러 있으며, 모든 문제를 한 번에 해결할 수 있는 만능 기술이 아니다.

AI를 도입하려는 기업은 현실적인 목표를 설정하고, 작업을 단계별로 나누어 순차적으로 처리할 수 있는 프로세스를 설계해야 한다.

단순하고 반복적인 작업은 AI로 자동화하고, 복잡하고 예외적인 상황은 사람의 개입이 필요하다는 점을 이해한다면, AI는 기업에 큰 가치를 가져다줄 수 있다.

 

다음 포스팅에서는 AI구성하는 핵심 기술에 대해서 간단하게 소개할 예정이다.

AI 핵심 기술에 대한 이해는 단순히 기술적인 지식을 넘어, 우리 기업의 문제를 해결할 적합한 도구를 선택하고 효과적으로 활용하기 위한 필수 과정이다. 다음 포스팅에서는 머신러닝(Machine Learning), 컴퓨터 비전(Computer Vision), LLM 등 주요 AI 기술과 이들이 실제로 기업에서 어떻게 활용될 수 있는지에 대해 간단히 알아볼 예정이다. 이를 통해 AI 도입을 고민하는 기업들이 보다 명확한 방향성을 잡을 수 있기를 바란다.