인공지능(AI)의 최신 동향 분석과 주요 기술 및 응용 사례

1. 요약

• 이 리포트는 현재 인공지능(AI) 기술의 동향과 다양한 산업에서의 응용 사례를 분석합니다. 주요 AI 툴인 챗GPT, 제미나이, 코파일럿, 클로바X 등의 특성과 사용 사례를 비교하고, AI 데이터 붕괴와 오염된 데이터 학습 문제를 다루며, 국내 통신사들의 AI 적용 전략을 연구합니다. 또한, AI 하드웨어와 크로스 플랫폼 배포 문제, 글로벌 AI 검색 엔진의 시장 도전, 소매 및 마케팅 혁신, 법률적 이슈, 주요 기업 분석 등을 통해 AI의 현재 상태와 미래 방향을 제시합니다. 핵심 내용은 전 세계적으로 AI 기술이 빠르게 발전하고 있으며, 산업 전반에서 그 중요성이 증가하고 있다는 점을 강조합니다.

2. AI 툴 비교와 한국 내 AI 발전 동향

• 2-1. 챗GPT

• 챗GPT는 자연어 처리 능력과 데이터 분석에서 탁월한 성과를 보이고 있습니다. 마케터가 활용할 수 있는 다양한 기능을 제공하며, 장문의 줄글과 넘버링된 키워드가 혼합된 형태로 답변을 생성합니다. 챗GPT는 기획안 작성, 자료 조사, 카피라이팅 등에서 높은 전문성을 보이며, 자연어 프롬프트를 이해하고 처리하는 능력이 뛰어납니다. 또한 간단한 로우데이터 입력으로 인사이트를 도출할 수 있어 마케팅 프로모션 성과 분석, 매출 분석 등의 데이터 분석 작업에도 용이합니다. 다만, 장문의 글 생성 시 어색한 번역투가 사용될 수 있다는 단점이 있으며, 이를 DeepL과 같은 번역 프로그램을 통해 보완할 수 있습니다.

• 2-2. 제미나이

• 제미나이는 간단한 프롬프트 입력에도 방대한 분량의 답변을 생성하며 주로 불렛포인트 형식을 사용하여 답변을 제공합니다. 이는 마케팅 업무에서 정보 전달이 보다 명확하고 쉬워지도록 돕습니다. 그러나 복잡한 자연어 프롬프트를 이해하는 능력에서는 챗GPT에 비해 다소 부족한 부분이 있습니다. 예를 들어, '마케팅을 공부하는 방법론을 두 문단으로 작성해 줘'라는 프롬프트에 대해서도 불렛포인트로 방대한 정보를 생성하는 경우가 있어, 특정 정보를 간결하게 전달하는 능력에서는 제한적일 수 있습니다.

• 2-3. 코파일럿

• 코파일럿은 짧은 프롬프트에 대해 신속하게 다양한 형태의 답변을 생성하는데 강점을 가지고 있습니다. 코파일럿은 코드 작성 및 수정 등의 기술적인 작업뿐만 아니라, 마케터가 필요로 하는 다양한 정보를 빠르게 제공할 수 있습니다. 챗GPT와 제미나이보다 더 간결하고 명확한 답변을 제공하는 경향이 있으며, 사용자에게 필요한 정보를 보다 효율적으로 제공할 수 있습니다. 다만, 데이터를 기반으로 한 깊이 있는 분석 작업이나 복합적인 프롬프트에 대한 답변 생성에서는 챗GPT나 제미나이에 비해 다소 한계를 가질 수 있습니다.

• 2-4. 클로바X

• 클로바X는 네이버가 개발한 생성형 AI로, 한글을 기반으로 한 AI 모델이라는 점에서 챗GPT와 제미나이와 차별화됩니다. 클로바X는 한국어 데이터를 상세히 처리하는 강점을 가지고 있으며, 영어로 질문하더라도 한글로 답변을 제공합니다. 반면 챗GPT는 한글로도 원하는 검색 결과를 얻을 수 있지만, 영어를 기반으로 학습된 AI인 만큼 일부 문장에서는 번역투를 사용하거나 문장이 부자연스러울 수 있습니다. 또한, 클로바X는 사용자와의 대화를 기억하고 이를 고려한 답변을 제공하지 않으며, 이는 개인정보 보호를 위해 대화를 저장하거나 분석하지 않기 때문입니다.

3. AI 기술의 리스크와 데이터 학습 문제

• 3-1. AI 데이터 붕괴 위험

• 인공지능(AI)은 방대한 데이터를 학습하고 기존 데이터의 패턴을 파악해 추론 능력을 발휘하거나 새로운 데이터를 생성합니다. 그러나 AI가 만든 데이터를 다시 AI 모델이 학습하는 과정이 반복되면, AI 모델이 '붕괴'하여 오류를 일으킬 수 있습니다. 이는 야린 갈 영국 옥스퍼드대 교수팀의 연구를 통해 제시됐으며, 연구 결과는 국제 학술지 '네이처'에 공개됐습니다. 야린 갈 교수팀은 AI 언어 모델이 데이터 붕괴를 겪는 과정을 재현했습니다. OPT-125m 모델로 14세기 중세 건축에 대한 텍스트로 시작해 '자기 학습'과 텍스트 생성을 반복한 결과, 5번 반복 후 맥락 없이 언어 이름을 나열하는 텍스트가 생성됐고, 9번째 반복에서는 토끼에 대한 이야기를 반복하는 텍스트가 만들어졌습니다. 이를 수학적 모델과 실제 사례를 통해 AI 모델이 데이터 집합의 일부만 학습하는 과정에서 원본 데이터의 기본적인 특성이 사라지며 퇴행적 과정을 겪는 것이라고 설명했습니다. 연구팀은 이러한 붕괴 현상이 AI 모델이 피할 수 없는 결과이며, AI 모델을 학습시킬 때 AI가 생성한 데이터를 필터링하는 방안도 고려해야 한다고 강조했습니다. 또한, 인간이 생성한 데이터의 가치가 점점 더 높아지고 이를 활용한 AI 모델이 경쟁력을 발휘할 수 있을 것이라고 밝혔습니다.

• 3-2. 오염된 데이터 재학습 문제

• AI가 만든 데이터를 다시 AI 모델이 학습할 경우, 모델이 사용자에게 관련 없는 내용을 출력하는 등 오류가 발생할 수 있습니다. 이는 AI가 만든 데이터가 오염된 형태로 다시 사용되면서 발생하는 문제로, 야린 갈 교수팀의 연구에서도 확인되었습니다. AI 언어 모델이 반복 학습 과정에서 맥락을 잃고 무작위 정보를 생성하는 현상은 이를 잘 보여줍니다. 연구 결과, 이러한 문제를 해결하기 위해 AI 모델을 학습시킬 때 AI가 생성한 데이터를 필터링하는 방안의 필요성이 제기됐으며, 인간이 생성한 데이터의 중요성이 대두되었습니다. 인간이 만든 데이터는 정확성과 일관성이 보장될 가능성이 높아, 이를 활용하는 AI 모델이 더 나은 성능을 보일 수 있다는 점이 강조되었습니다.

4. 국내 통신사의 AI 기술 적용 및 전략

• 4-1. SK텔레콤

• SK텔레콤은 자사의 AI 모델 '누구(NUGU)'를 활용하여 AI 콜센터(AICC)를 구축하고 있습니다. SK텔레콤은 2021년 AICC 시장에 진출했으며, 글로벌 콘택트센터 솔루션 업체 제네시스와 협업하여 'SKT AICC' 서비스를 제공합니다. 목표는 2024년까지 금융권 포함 클라우드 콘택트센터 시장 점유율 1위 달성입니다. 또한, AI 스타트업 액셀러레이터 프로그램을 통해 AI 기술의 생태계를 강화하고 있습니다.

• 4-2. KT

• KT는 AI 에이전트 개발과 AI 콜센터 시장 확장을 위해 적극적인 투자를 진행하고 있습니다. 'KT 에이센 클라우드' 서비스를 통해 AI 컨택센터 시장에서 두각을 나타내며, 내년도 매출 3000억원을 목표로 하고 있습니다. 또한, MS와 협력하여 AI 기술과 클라우드 서비스를 공동 개발하며 글로벌 시장에서도 활발히 활동 중입니다.

• 4-3. LG유플러스

• LG유플러스는 AI 기술을 활용하여 다양한 혁신 서비스를 제공하고 있습니다. 'U+AICC'를 통해 인건비 절감과 고품질 서비스 제공을 동시에 달성하고 있으며, 엔터프라이즈 사업 부문에서 전년 대비 10% 성장을 기록했습니다. 또한, 반도체 설계 회사 딥엑스와 협력하여 AI 반도체를 개발하고 있습니다.

• 4-4. AI 시장 전략

• 국내 이동통신 3사는 AI 기술 및 클라우드 서비스 협력, 글로벌 시장 진출을 통해 경쟁력을 강화하고 있습니다. SK텔레콤은 미국의 스마트글로벌홀딩스(SGH)에 2억 달러를 투자하여 AI 데이터센터 사업을 강화하며, KT는 MS와의 파트너십을 통해 B2B AI 사업을 확장하고 있습니다. LG유플러스는 AI 반도체 및 다양한 글로벌 기업들과의 협력을 통해 AI 기술력을 높이고 있습니다.

5. AI 하드웨어와 크로스 플랫폼 배포 문제

• 5-1. CPU

• 처리 장치 시대에서는 CPU가 여전히 중요한 역할을 하고 있습니다. CPU는 다양한 코어 설계를 통해 대부분의 컴퓨팅 작업을 처리하며, 특히 싱글 스레드 성능이 뛰어납니다. 그러나 AI 작업에서는 병렬 처리가 중요해지면서 CPU가 아닌 GPU, TPU, NPU 등 다른 처리 장치로의 의존도가 높아지고 있습니다.

• 5-2. GPU

• 그래픽 처리 장치(GPU)는 원래 그래픽 렌더링을 위해 설계되었으나 병렬 처리 능력 덕분에 AI 계산에 필수적인 장치가 되었습니다. 수천 개의 작은 코어로 구성된 GPU는 신경망 훈련에 탁월하며, CUDA를 통해 효율적인 병렬 계산을 가능하게 합니다. 하지만 GPU는 대량의 데이터를 병렬로 처리할 수 있는 장점이 있지만, 일부 AI 워크로드에서는 에너지 효율이 낮을 수 있습니다.

• 5-3. TPU

• 텐서 처리 장치(TPU)는 구글이 TensorFlow에 최적화된 설계로 AI 작업을 가속화하기 위해 도입한 ASIC입니다. TPU는 신경망 계산을 최적화하고 훈련 시간을 단축하는 데 탁월하지만, TensorFlow 외부의 워크로드에는 적용하기 어려울 수 있습니다. TPU는 TensorFlow의 그래프 기반 실행 모델을 사용하여 메모리 트래픽을 최소화합니다.

• 5-4. NPU

• 신경 처리 장치(NPU)는 소비자 기기에서 AI 기능을 향상시키기 위해 설계된 특수 하드웨어 구성 요소입니다. NPU는 낮은 대기 시간과 에너지 효율성을 우선시하며, 특정 신경망 계층에 최적화되어 있습니다. 그러나 특수 설계로 인해 다른 플랫폼이나 소프트웨어 환경과 통합할 때 호환성 문제가 발생할 수 있습니다.

• 5-5. 호환성 및 최적화 문제

• 각 처리 장치의 아키텍처, 성능 지표 및 운영 제약 조건의 차이로 인해 다양한 환경에서 호환성 문제와 성능 격차가 발생합니다. 예를 들어, GPU는 병렬 처리에 탁월하지만 TPU는 TensorFlow에 최적화되어 있습니다. 이러한 아키텍처 다양성으로 인해 한 유형의 처리 장치에 맞춰 미세 조정된 AI 모델이 다른 처리 장치에서는 호환성 문제가 발생할 수 있습니다. 이를 극복하기 위해 개발자는 알고리즘을 조정하고 모델을 미세 조정하며, 각 하드웨어 유형을 효율적으로 사용할 수 있는 도구와 프레임워크를 활용해야 합니다.

6. AI 검색 엔진과 글로벌 시장 도전

• 6-1. 솔트룩스의 구버

• 솔트룩스의 AI 검색 엔진 '구버'는 자사 AI 모델 '루시아2'를 기반으로 한 검색 엔진입니다. 구버는 사용자 맞춤형 비서 역할을 수행하며, 검색 키워드와 업로드 문서를 통해 사용자 관심사를 학습하고 최적화된 정보를 큐레이션합니다. 또한, 심층 리포트를 자동으로 생성하여 브리핑까지 제공합니다. 구버는 전 세계 1200억 달러 규모의 검색 서비스 시장을 목표로 하고 있으며, 특히 금융 투자, 벤처캐피탈, 마케팅, 전략 기획, 리서치 및 방송 미디어 분야에서 폭넓게 사용될 것으로 기대됩니다.

• 6-2. 루시아2 모델

• 구버는 솔트룩스의 대형언어모델(LLM)인 '루시아2'를 기반으로 작동합니다. '루시아2'는 이전 모델인 '루시아1'보다 2배가량 많은 학습 데이터를 보유하고 있으며, 전문 지식에 대한 답변 정확도가 높습니다. 루시아2는 허깅페이스의 오픈 LLM 리더보드에서 35B 이하 LLM 모델 성능 전 세계 1위를 기록한 모델로, 서울교통공사 안전 챗GPT 구축에 활용되었으며, 여러 기업에서 기술 실증(PoC) 사업이 이루어졌습니다.

• 6-3. 미국과 한국 동시 출시

• 솔트룩스의 AI 검색 엔진 '구버'는 2024년 7월 3일 미국과 한국에서 동시에 출시되었습니다. 이는 글로벌 검색 시장에서 구버의 빠른 인지도 확립을 위한 전략으로 볼 수 있습니다. 한국 시장에서는 이미 AI 기술에 대한 높은 관심과 정부의 적극적인 지원이 뒷받침되고 있으며, 미국 시장은 세계 최대의 기술 혁신 허브인 실리콘밸리를 중심으로 글로벌 네트워킹의 기회를 제공합니다. 솔트룩스는 실리콘밸리에 자회사를 설립하고 현지 투자 유치를 통해 글로벌 입지를 강화하고 있습니다.

• 6-4. 시장 반응 및 전략

• 구버의 출시 이후 현재까지 시장 반응은 매우 긍정적입니다. 한국에서는 AI 기술에 대한 높은 관심과 정부의 8대 AI 공공 서비스 개발 지원 정책 덕분에 구버는 빠르게 인지도를 확보했습니다. 미국에서도 실리콘밸리를 중심으로 한 현지 네트워킹을 통해 초기 사용자들로부터 긍정적인 피드백을 받았습니다. 구버의 심층 조사 및 분석 능력, 맞춤형 정보 제공 기능 등은 사용자들로부터 호평을 받았으며, 이는 솔트룩스의 글로벌 진출 전략이 올바른 방향으로 나아가고 있음을 보여줍니다.

7. AI를 통한 소매 및 마케팅 혁신

• 7-1. 고객 세그먼테이션

• 전통적인 고객 세그먼테이션 방식은 주로 인구 통계학적 데이터나 간단한 구매 이력에 의존했습니다. 하지만 이는 현대 소비자의 복잡한 구매 여정을 이해하기에는 한계가 있었습니다. 인공지능, 특히 머신러닝과 딥러닝 기술은 이러한 한계를 극복하는 데 도움을 줍니다. 머신러닝 알고리즘은 방대한 데이터에서 인간이 발견하기 어려운 복잡한 패턴을 식별할 수 있으며, 자연어 처리(NLP) 기술을 통해 고객의 소셜 미디어 포스팅, 제품 리뷰 등을 분석해 고객의 감정과 의견, 니즈를 심층적으로 이해할 수 있습니다.

• 7-2. 예측 분석

• AI는 과거 데이터를 기반으로 미래 고객 행동을 예측하는 데 탁월한 성능을 발휘합니다. 예를 들어, Amazon의 추천 시스템은 고객의 과거 구매 이력, 검색 패턴, 위시리스트 등을 분석하여 각 고객이 관심 가질 만한 제품을 예측하고 추천합니다. 예측 분석을 통해 기업은 수요를 예측하고 재고를 최적화할 수 있으며, 제품 추천을 통해 매출을 증가시킬 수 있습니다.

• 7-3. 개인화된 고객 경험 제공

• AI는 실시간으로 고객 데이터를 분석하고, 동적으로 세그먼트를 조정할 수 있습니다. 예를 들어, 특정 고객이 소셜 미디어에 자주 여행 관련 게시물을 올린다면, 이 고객을 '여행 애호가' 세그먼트로 분류하고 관련 상품을 추천할 수 있습니다. AI 기반 타겟팅 전략을 통해 고객에게 맞춤형 제품을 추천하고, 개인화된 마케팅 메시지를 제공함으로써 고객 경험을 혁신적으로 개선할 수 있습니다.

8. AI 기술의 법률적 이슈와 해결 방안

• 8-1. 개인정보 보호

• 인공지능 기술의 발전으로 인해 빅데이터 수집과 활용이 증가하고 있으며, 이로 인해 개인정보가 노출될 위험이 커졌습니다. 따라서 법적으로 개인정보 보호를 강화하고, 적절한 규제를 마련하는 것이 필요합니다. 예를 들어, 의료 및 금융 분야에서는 개인정보 보호와 관련된 엄격한 법적 규제가 필요합니다. 이러한 법적 대응 방안은 각 지역 차원에서 마련되어야 하며, 산업 특화 법률을 제정하는 것이 중요합니다.

• 8-2. 법적 규제

• 의료 및 금융 분야에서 인공지능 기술의 적용은 매우 혁신적이며, 다양한 법적 검토가 필요합니다. 예를 들어, 의료 분야에서는 인공지능이 진단 및 치료 계획 수립에 활용될 수 있지만, 이는 환자의 개인정보 보호와 관련된 법적 문제를 야기할 수 있습니다. 인공지능의 의료 기록 접근과 처리에 대한 엄격한 법적 규제가 필요합니다. 금융 분야에서도 인공지능 기술은 금융 분석 및 예측, 리스크 관리 등 다양한 영역에서 활용되고 있으며, 이는 금융 데이터의 개인정보 보호, 금융 사기의 예방 등 법적 문제를 동반합니다.

• 8-3. 저작권과 지적 재산권 문제

• AI가 생성한 콘텐츠의 저작권 문제는 매우 복잡하고 논란의 여지가 많습니다. 현재의 저작권법과 지식재산법은 일반적으로 인간 저작자가 원본 작품을 창작해야 한다고 요구하며, 기계나 알고리즘에 의해 창작된 작품은 포함하지 않습니다. 그러나 인공지능의 도움을 받은 작업에 인간 작가의 창의적인 행위가 포함된다면, 인간 작가는 작품의 저작권을 주장할 수 있습니다. AI가 생성한 작업물이 다른 작품의 저작권을 침해하는 방식으로 사용되면 법적 조치를 받을 수 있으며, 이를 해결하기 위해 법적 프레임워크를 구축하는 것이 필요합니다.

9. AI 시장의 주요 기업 분석

• 9-1. Nvidia

• Nvidia는 AI 하드웨어 분야에서 $4조 시장 가치 목표를 염두에 두고 지배력을 강화하고 있습니다. Nvidia는 NVL72와 같은 고성능 AI 칩을 생산하며, 특히 Microsoft와의 협력을 통해 Blackwell 시스템의 수요가 급증했습니다. 이는 Nvidia의 NVL72 시스템 주문 파이프라인이 두 달 전보다 크게 증가했음을 나타냅니다. 또한, Nvidia는 Microsoft와의 긴밀한 파트너십을 통해 AI 기능 확장을 도모하고 있습니다. Microsoft는 OpenAI와의 파트너십을 통해 Azure 클라우드 서비스를 활용하며, Nvidia의 Blackwell 시스템을 주로 구매하고 있습니다. Nvidia는 미국의 수출 규제에도 불구하고 H20 AI 칩을 중국과 중동 시장에 판매하여 큰 성공을 거두고 있으며, 중국 시장에서는 약 120억 달러의 매출을 예상하고 있습니다.

• 9-2. Microsoft

• Microsoft는 Nvidia와의 긴밀한 파트너십을 통해 AI 기능 확장을 도모하고 있습니다. Microsoft는 OpenAI와의 파트너십을 통해 Azure 클라우드 서비스를 활용하며, Nvidia의 Blackwell 시스템을 주로 구매하고 있습니다. 이 파트너십은 AI 인프라 확장에 중요한 역할을 하고 있으며, Microsoft는 Nvidia의 GPU를 데이터 센터에 설치하여 AI 기술 발전을 지원하고 있습니다.

• 9-3. AMD

• Nvidia의 주요 경쟁사로는 AMD가 있습니다. AMD는 AI 데이터 센터 서버와 AI PC용 엣지 AI 칩 개발에 주력하고 있으며, 최근 MI325X와 같은 고성능 AI 칩을 출시했습니다. AMD는 AI 칩과 하드웨어 개발을 통해 AI 시장에서의 입지를 강화하고 있습니다.

• 9-4. Intel

• Nvidia의 주요 경쟁사로는 Intel이 있습니다. Intel은 AI PC를 위한 새로운 중앙 프로세서를 발표하며, AI PC 시장에서의 선도적인 입지를 다지고자 하고 있습니다. Intel은 AI 칩과 하드웨어 개발을 통해 AI 시장에서의 입지를 강화하고 있습니다.

• 9-5. 삼성전자의 HBM 메모리

• 삼성전자는 HBM(고대역폭 메모리)의 품질 테스트를 진행 중이며, Nvidia에 HBM3E를 납품하기 위해 품질 테스트와 검증을 받고 있습니다. 삼성전자는 HBM3E의 성능과 품질을 통해 메모리 시장에서 경쟁력을 강화하고 있으며, AI 메모리 수요 증가에 따라 HBM 공급을 확대하고 있습니다.

10. AI와 협력적 파트너십 사례

• 10-1. SKT와 퍼플렉시티의 파트너십

• SK Telecom(SKT)은 미국의 AI 스타트업 퍼플렉시티(Perplexity)와 전략적 파트너십을 체결했습니다. SKT는 퍼플렉시티에 1000만 달러를 투자하였으며, 이 파트너십의 주목적은 AI 개인 비서 서비스와 AI 검색엔진의 고도화입니다. 퍼플렉시티는 거대언어모델(LLM)을 기반으로 대화형 AI 검색 엔진을 개발하고 있습니다. SKT는 한국어 데이터와 문화 콘텐츠 정보를 활용해 한국어 검색 성능을 향상시킬 계획입니다. SKT는 퍼플렉시티의 기술을 에이닷(A.dot) 등 다양한 채널에 통합하여 글로벌 AI 시장에서의 경쟁력을 강화할 것입니다.

• 10-2. AI 개인 비서 서비스 혁신

• SKT는 퍼플렉시티의 생성형 AI 검색엔진을 자사의 AI 개인 비서 서비스인 에이닷(A.dot)에 적용해 대화형 검색 기능을 구현할 예정입니다. 퍼플렉시티의 검색엔진은 짧은 지연 시간과 정확한 정보를 제공하는 특징을 가지고 있습니다. SKT는 한국어 데이터와 문화 콘텐츠 정보를 이용하여 한국어 검색 성능을 개선하고, 다양한 검색 결과를 제공함으로써 사용자의 편의를 증대시킬 계획입니다. 또한, SKT는 퍼플렉시티 서비스를 국내 통신사 중 유일하게 제공하며, 퍼플렉시티 프로(Perplexity Pro) 유료 구독 서비스를 1년간 무료로 제공할 예정입니다. 에이닷, T우주, T멤버십 등 다양한 채널을 통해 공동 마케팅을 추진할 것입니다.

11. AI 챌린지와 기술 개발 동향

• 11-1. 삼성전자 AI-컴퓨터공학 챌린지

• 삼성전자(대표 한종희)는 인공지능(AI) 기술을 활용한 미래 반도체 연구 생태계 강화를 위해 ‘삼성 AI-컴퓨터공학(CE) 챌린지 2024’를 개최한다고 2024년 7월 29일에 발표했습니다. 이번 챌린지는 삼성전자의 연구 개발 조직인 SAIT가 주최하며, 8월 1일부터 9월 13일까지 약 6주 간 국내 대학 학부생과 대학원생을 대상으로 진행됩니다. 이번 공모전에서는 모델 기반 블랙박스 최적화 알고리즘 개발, 정밀하고 신뢰성 높은 반도체 소재 시뮬레이션용 머신러닝 모델 개발, 온디바이스 시스템에서 대형언어모델(LLM)의 인퍼런스 최적화라는 총 3개의 주제를 모집합니다. 결과는 10월에 발표되며, 시상식은 11월 '삼성 AI 포럼'에서 진행될 예정입니다. 부문별 최우수상을 포함해 총 12개 팀이 선발되며, 최우수 1개 팀은 1000만원, 우수 1개 팀은 500만원, 장려 2개 팀에게는 각 300만원이 수여됩니다. 모든 수상자에게는 'AI, CE 챌린지 캠프'에서의 네트워킹 기회와 연구 리더 멘토링이 제공됩니다. 경계현 삼성전자 SAIT 사장은 “새로운 기술 연구에 앞장서며 한계 극복을 위해 노력 중”이라며 우수한 학생들의 많은 참여를 기대한다고 밝혔습니다.

• 11-2. 블랙박스 최적화 문제

• 이번 삼성 AI-컴퓨터공학 챌린지 2024의 주제 중 하나로 모델 기반 블랙박스 최적화 알고리즘 개발이 포함되어 있습니다. 블랙박스 최적화 문제는 AI 모델의 성능을 향상시키기 위한 알고리즘 개발을 목표로 하며, 특히 반도체 연구 및 개발에 있어 중요한 역할을 담당합니다. 이러한 최적화 문제는 AI 모델의 예측 정확도를 높이고, 새로운 반도체 소재의 특성을 시뮬레이션하는데 사용될 수 있습니다. 이는 기술적 신뢰성을 확보하며 AI 시스템의 효율성을 극대화하기 위한 핵심 기술로 자리 잡고 있습니다.

12. 의료 네트워크 보안과 생성형 AI의 적용

• 12-1. 의료 네트워크 보안

• 2024년 7월 25일 메리어트 동대문 스퀘어 컨퍼런스룸에서 열린 '생성형 인공지능과 의료 네트워크 보안' 세미나에서는 의료 네트워크 보안과 관련한 위협을 사전 탐지 및 방지하기 위해 생성형 인공지능(Generative AI)을 활용할 수 있는 방안을 모색하였습니다. 세미나에 참석한 주요 인물로는 차의과학대학교 산학협력단, 미소정보기술, 엘티포, 휴네시온 등의 기관 관계자들이 있으며, 정보통신기획평가원 네트워크보안단 사이버보안팀의 연구개발 과제와 관련된 발표 또한 있었습니다. 세미나의 목적은 LLM(거대언어모델) 기술을 의료 보안에 접목할 수 있는 전략을 마련하는 것이었습니다. 첫 번째 세션에서는 생성형 인공지능의 의료보안 분야 접목에 대해 발표와 토의가 이루어졌고, 두 번째 세션에서는 의료보안의 현재와 미래 전략에 대한 주제 발표와 질의응답이 이루어졌습니다.

• 12-2. 생성형 AI 기술

• 세미나에서 다루어진 주요 생성형 AI 기술로는 GPT-4, 클루드 3, 라마3와 같은 최신 LLM과 파운데이션 모델의 의료 보안 체계에 대한 적용 방안이 포함되었습니다. 특히 의료 네트워크 패킷 데이터 모니터링 시스템, sLLM을 활용한 의료 네트워크 보안 알고리즘 구축 등의 연구초록이 발표되었습니다. 예를 들어, 서울대학교 전기정보공학부 도재영 교수는 '의료 분야에 대형언어모델 활용하기' 주제로 발표하였고, 이어서 엘티포와 차의과학대학교에서도 관련 연구초록들이 발표되었습니다. 또한, 분당서울대병원 의료기기연구개발센터의 연구교수인 이충근 교수는 '생성형 인공지능 기반 의료기기의 사이버보안 규제적 측면'에 대해 발표하였습니다. 발표된 내용들은 AI 기반 차세대 보안 정보관리기법에 적용될 가능성을 탐색하는 중요한 기회가 되었습니다.

13. 국제적인 AI 규제와 검열

• 13-1. 중국의 AI 규제

• 중국은 '사회주의 인공지능(AI)' 강화를 위해 챗봇과 동영상 생성 AI에 대한 재검열을 실시하고 있습니다. 중국 내에서는 정치적으로 민감한 프롬프트를 입력할 때 오류 메시지가 발생하며, 이러한 규칙은 이미지나 동영상 생성에도 동일하게 적용됩니다. 예를 들어, '중국의 민주주의', '거리를 걷는 시진핑 국가주석', '천안문 광장 시위' 등의 프롬프트는 오류 메시지를 출력합니다. 그러나 프롬프트에 민감한 키워드를 직접 입력하지 않으면 검열을 피할 수 있습니다. 예를 들어, '연설하는 남자' 프롬프트로 시진핑 주석의 연설 영상이 생성될 수 있습니다. 또한, 중국 정부는 바이트댄스, 알리바바, 문샷, 01.AI 등의 대형 기술 기업과 AI 스타트업에 AI 모델에 대한 의무적인 정부 검토를 강요하고 있습니다. 이로 인해 많은 중국 스타트업은 기술적으로 곤란을 겪고 있습니다.

• 13-2. 프롬프트 검열 문제

• 중국에서는 AI 검열이 주로 프롬프트 수준에서 발생합니다. 프롬프트 입력 단계에서 특정 키워드를 거부하여, 모델의 출력 전체를 통제하는 것이 아니라 입력된 특정 키워드만을 검열합니다. 예를 들어, 프롬프트에 민감한 키워드를 직접적으로 입력하지 않으면 가드레일을 피할 수 있는 방식입니다. 이는 동영상 생성 AI에서도 동일하게 적용되며, '클링'이라는 동영상 생성 AI를 테스트한 결과, 민감한 주제에 대해서는 오류 메시지가 생성되지만, 일반적인 주제에 대해서는 정상적으로 5초짜리 영상을 생성하였습니다. 이러한 방식의 검열은 기술 개발에 집중할 노력을 분산시키며, 중국의 AI 발전을 늦출 위험이 있습니다.

14. 금융기관의 AI 도입 사례

• 14-1. JP모건의 AI 챗봇 배포

• 세계 최대 금융기관인 JP모건이 내부 사용을 위해 인공지능(AI) 챗봇을 본격 배포하기 시작했습니다. JP모건은 자산 및 재산 관리 부서 직원의 생산성 향상을 위해 설계한 AI 챗봇 ‘LLM 스위트(LLM Suite)’를 직원들에게 제공하기 시작했습니다. LLM 스위트는 '챗GPT'와 유사한 자체 개발 AI 챗봇으로, 문서 작성, 아이디어 생성, 요약 작업 등을 지원하며, 연구 분석가의 업무를 대신할 수 있습니다. 현재 LLM 스위트는 JP모건의 24만명의 글로벌 직원 중 약 5만명에게 배포된 것으로 알려졌습니다. 이 정도 규모는 월스트리트에서도 가장 대규모로 평가됩니다. 또한 JP모건은 데이터 보안과 환각에 대한 우려로 인해 챗GPT나 구글의 ‘제미나이’와 같은 소비자용 AI 챗봇 사용을 엄격하게 규제하고 있습니다. 이와 같은 이유로 자체적으로 LLM 스위트를 개발하여 활용하고 있습니다.

• 14-2. 일자리 대체 우려

• JP모건의 AI 챗봇 도입에 대해 월스트리트에서는 AI에 대한 기대와 두려움이 동시에 제기되고 있습니다. AI 도입을 통해 막대한 이익을 거둘 수 있지만, 자동화로 인해 일자리 감소가 우려됩니다. 컨설팅 회사 엑센추어의 연구에 따르면, 은행원들은 일상 업무의 4분의3을 AI로 대체할 수 있다고 합니다. 또한, 시티그룹은 은행 부문이 다른 어떤 부문보다 AI 자동화로 인해 더 많은 일자리를 잃을 수 있다고 예측했습니다. JP모건 회장 제이미 다이먼은 AI의 등장을 '인쇄기와 증기 기관, 전기, 컴퓨팅 및 인터넷의 등장'에 비유하며, AI가 은행 내 모든 직무를 혁신함과 동시에 일부 일자리를 없앨 수 있다고 말했습니다. 이에 대한 대비로 JP모건은 LLM 스위트와 같은 범용 도구 외에도 민감한 금융 정보를 관리하는 ‘커넥트 코치(Connect Coach)’와 ‘스펙트럼GPT(SpectrumGPT)’라는 다른 AI 도구도 보유하고 있습니다.

15. 결론

• 이번 리포트는 AI 기술이 다양한 산업에서 실질적으로 어떻게 적용되고 있는지를 심층 분석했습니다. 챗GPT, 제미나이, 코파일럿 등의 AI 툴 비교부터, 솔트룩스의 AI 검색 엔진 구버와 같은 응용 사례, 그리고 Nvidia와 같은 주요 기술 기업들의 전략 등을 다루었습니다. 주요 발견 사항은 AI 기술이 산업 전반에 걸쳐 중요한 영향을 미치고 있으며, 각 산업에서 맞춤형 솔루션 개발과 역할이 필수적이라는 점입니다. 예를 들어, SK텔레콤과 퍼플렉시티의 파트너십을 통해 한국어 검색 성능을 향상시키려는 노력은 AI 기술의 실질적 적용 방안을 제시하고 있습니다. 또 다른 예로, JP모건의 AI 챗봇 배포 사례는 금융 기관에서 AI의 역할을 분석하는 데 중요한 데이터를 제공합니다. 그러나 신속하게 변하는 기술 동향을 모두 다루지 못한 점과 데이터 붕괴 문제로 인한 학습 오류 등의 한계가 있음을 인식해야 합니다. 향후 연구 방향은 더욱 세분화되고 전문적인 분석이 필요하며, AI 기술의 실질적 적용 방안과 장단기적인 영향을 지속적으로 모니터링해야 합니다.

16. 용어집

• 16-1. 챗GPT [AI 툴]

• 챗GPT는 자연어 처리 능력이 우수하고 데이터 분석에 적합한 AI 툴로, 대화형 AI 기술의 발전을 이끌고 있습니다.

• 16-2. 제미나이 [AI 툴]

• 제미나이는 방대한 정보를 제공하나 자연어 처리 능력에서 챗GPT와 비교해 부족할 수 있는 AI 툴입니다.

• 16-3. 코파일럿 [AI 툴]

• 코파일럿은 신속하고 명료한 답변 제공에 강점을 가진 AI 툴로, 특히 마케팅 및 고객 대응에서 유용한 도구입니다.

• 16-4. SK텔레콤 [이동통신사]

• 국내 이동통신사로, AI 기술을 적극적으로 도입하여 다양한 고객 맞춤형 서비스를 제공하고 있습니다.

• 16-5. 솔트룩스 [AI 기업]

• 한국의 대표적인 AI 기업으로, AI 검색 엔진 '구버'와 '루시아온'을 통해 글로벌 시장에 도전하고 있습니다.

• 16-6. Nvidia [기술 기업]

• AI 하드웨어 분야의 선두주자로, GPU 시장에서 높은 지배력을 유지하고 있으며, 주요 기술 기업들과 협력하고 있습니다.

• 16-7. 퍼플렉시티 [AI 기업]

• AI 개인 비서 서비스를 개발하는 기업으로, SK텔레콤과의 파트너십을 통해 한국어 검색 성능을 향상시키고 있습니다.

• 16-8. JP모건 [금융기관]

• 세계 최대 금융기관으로, 내부용 AI 챗봇 'LLM 스위트'를 통해 생산성을 향상시키고 있으며, AI 자동화로 인한 일자리 감소 우려가 존재합니다.

17. 출처 문서

• 챗GPT, 제미나이, 코파일럿 비교 분석 - 마케터의 관점에서go-public-report-ko-36f9b64e-d69b-40bb-9fae-c2451d90bd69-0-0
• AI가 만든 데이터로 학습한 AI, '붕괴' 위험https://m.dongascience.com/news.php?idx=66662
• 국내 이동통신 3사의 AI 기술 적용 및 시장 전략 분석go-public-report-ko-ab65307e-29b3-4af4-a99c-13a0bad82c9b-0-0
• AI 처리 장치 시대의 크로스 플랫폼 배포 장애물 극복https://www.unite.ai/ko/overcoming-cross-platform-deployment-hurdles-in-the-age-of-ai-processing-units/
• 솔트룩스 AI 검색 엔진 '구버'의 글로벌 시장 도전과 성공 분석go-public-report-ko-c82db967-4715-4907-86f4-12e321c923f7-0-0
• AI로 혁신하는 소매 및 마케팅: 고객 세그먼테이션부터 예측 분석까지go-public-report-ko-cb0b05f2-e761-4671-ab63-bae1772f19d1-0-0
• 유베이스-제주항공, ‘클라우드 기반 구독형 AICC 구축' MOUhttps://www.aitimes.com/news/articleView.html?idxno=161725
• 솔트룩스의 AI 검색 엔진 '구버'의 글로벌 도전과 성공 전략 분석go-public-report-ko-5d25be85-55a9-433c-82a9-e6672aed10bc-0-0
• 삼성전자 SAIT, ‘AI·컴퓨터공학 챌린지’ 개최...블랙박스 최적화 등 3개 분야 모집https://www.aitimes.com/news/articleView.html?idxno=162021
• 인공지능과 법률: 현재 상황과 주요 이슈go-public-report-ko-50293c11-25ea-46fa-a178-b95ef5651cc8-0-0
• SKT와 퍼플렉시티의 전략적 파트너십: AI 개인 비서 서비스 혁신go-public-report-ko-fb339f1e-5681-4ccc-a829-3a3a62e247cd-0-0
• ‘생성형 인공지능과 의료 네트워크 보안’ 세미나 개최... "의료 네트워크 보안과 관련한 위협 사전 탐지 및 방안 제시"https://www.aitimes.kr/news/articleView.html?idxno=31791
• 솔트룩스 AI 검색 서비스 '구버'와 '루시아온' 혁신 및 시장 확장 전략 분석go-public-report-ko-76093c1c-15db-42cb-935d-2f1d341650df-0-0
• 중국, 동영상 생성 모델도 검열..."시진핑 비디오 생성 불가능"https://www.aitimes.com/news/articleView.html?idxno=161927
• Nvidia와 주요 기술 기업의 AI 시장 지배 및 AI 칩 시장의 최신 동향 분석go-public-report-ko-f25b5111-d34a-45bf-98a1-afe73d4c4ed0-0-0
• JP모건, 내부용 AI '연구 분석가' 챗봇 본격 배포..."일자리 대체 우려 현실화"https://www.aitimes.com/news/articleView.html?idxno=162002