최근에는 Gen AI(생성적 AI)에 대한 흥미가 높아졌는데, 특히 LLM(대규모 언어 모델)에 대한 관심이 높아졌습니다. 점점 더 많은 기관들이 이미 이 논란의 영역으로 뛰어들었거나 뛰어들 계획을 세우고 있습니다. 물론 누구나 이 혁명적인 기회를 놓치고 싶지 않다는 것은 이해할 수 있습니다. 그러나 데이터 과학 배경을 가진 전문가들 중 한 명으로서 지난 10년 이상 동안 AI/ML의 성장을 경험한 사람으로써, 단순히 AI 솔루션을 구현하기 시작하는 데에 대해 결정하는 사람들에게 경고하고 싶어서 이 기사를 쓰게 되었습니다.
제 말을 잘못 이해하시면 안 됩니다. 저는 항상 AI의 옹호자이고 낙천적인 사람 중 한 명입니다. 본 기사는 여러 AI 기법과 Use Case 패밀리에 대해 사람들을 교육을 목적으로 한 Gartner의 통찰력 있는 작품에서 영감을 받았습니다. LLM이 AI의 전부는 아니며, 모든 AI Use Case가 생성적 AI에 적합한 것은 아닙니다.
Use Case 패밀리 12가지
먼저, 실무에서 인공지능 기술이 해결할 것으로 기대되는 전형적인 사용 사례 집단들을 탐색해 보겠습니다.
1. 예측 / 예보
이는 가장 일반적인 사용 사례 중 하나입니다. 예를 들어, 제품을 판매하는 경우 모든 판매 데이터와 판매 활동과 관련이 있을 수 있는 다른 특성을 수집했다고 가정해 봅시다. 그런 다음, 머신러닝 알고리즘을 사용하여 미래 판매량을 예측할 수 있습니다.
2. 자율 시스템
우리는 AI를 사용하여 우리를 대신해 똑똑하게 무언가를 수행하는 자율 시스템을 구축할 수도 있어요.
한 예는 내장된 AI 기술을 사용한 드론을 활용하여 전력 전송 라인의 정기 점검을 수행하는 것입니다.
3. 계획
가끔은 많은 상호 의존성과 제약 조건을 가진 복잡한 시스템에서 작업해야 할 수도 있어요. 계획 사용 사례는 최대의 혜택을 얻거나 영향을 최소화하기 위해 최적의 계획을 찾는 것이에요.
예를 들어, 도시 지역의 교통 데이터를 분석하는 데 인공 지능을 사용할 수 있습니다. 그럼으로써 도로 프로젝트에 참여할 때, 알고리즘은 매일 교통에 미치는 영향을 최소화하기 위해 언제 어디서 작업해야 하는지 알려줄 수 있습니다.
4. 의사 결정 인텔리전스
이러한 유형의 사용 사례는 통찰력과 예측력을 제공하여 의사 결정 프로세스를 강화하는 것을 목표로 합니다.
이 경우와 자율 시스템의 차이점은 이 사용 사례 패밀리는 사람들이 결정을 내리도록 도와주는 것이며, 자동으로 처리하는 것이 아닙니다. 이는 주로 특정 선호도나 기업가 정신을 고려해야 하는 결정 때문입니다.
5. 추천 시스템
많이 사용되고 성숙한 사용 사례 유형입니다. eBay나 Spotify를 사용해본 적이 있다면, 이 사용 사례는 당신이 구매할 수 있는 제품이나 당신이 좋아할 음악을 추천하는 것입니다.
6. 세분화 / 분류
가끔, 우리가 다루는 객체의 특성을 알지 못할 때가 있습니다. 그래서 우리는 엔티티를 다른 카테고리나 수준으로 분류해서 어떤 통찰을 얻을 수 있는지 확인하고 싶어합니다.
예를 들어, 우리는 AI를 사용하여 대출 신청자를 저위험, 중위험 및 고위험 수준으로 분류할 수 있습니다.
7. 지능형 자동화
이 유형의 사용 사례는 AI를 자동화 기술과 결합하여 제조와 같은 일부 비즈니스 프로세스를 향상시키는 것을 목표로 합니다. "Digital Twin"과 같은 핫 토픽 중 하나가 여기 속합니다.
예를 들어, 제조 공장의 모든 센서 데이터로 모델을 훈련하고 여행이 며칠 전에 일어날 것으로 예상될 때 경고를 생성할 수 있습니다.
8. 지각
이 유스 케이스 유형은 일반적으로 시각, 소리 및 기타 환경 데이터에 의존하는 사람을 가리킵니다.
예를 들어, 도로에 설치된 카메라는 위반 운전 행위를 감지하는 데 사용되는 유스 케이스 중 하나입니다.
9. 이상 감지
가끔 우리의 프로세스가 잘못 되기도 하지만, 우리는 심지어 그것을 알지 못합니다. 예를 들어, 전기 그리드는 수백 대의 발전기에서 에너지를 공급할 수 있습니다. 하나의 발전기가 고장 나면 쉽게 알 수 있습니다. 그러나 만약 10대의 발전기가 우연히 변동하면, 인식하기 어려울 수 있습니다. 인공 지능은 이러한 미묘한 사건을 탐지하고 제어실에 경고를 줄 수 있습니다.
10. 대화형 사용자 인터페이스
이 사용 사례 집합은 최근 대화형 AI 기술의 성장으로 핫한 주제라서 익숙해질 수도 있습니다.
이 사용 사례 자체는 콜 센터나 고객 지원 센터용 챗봇에 의해 잘 정의될 수 있습니다. AI는 많은 제품 문서를 사용하여 훈련되며, 고객이 문제를 마주했을 때 고객의 질문에 답변할 것입니다. 이는 보통 간단한 지원 티켓에 대해 인간 개입이 필요하지 않습니다.
11. 컨텐츠 생성
간단하게 설명하자면, ChatGPT는 이용 사례 중 하나입니다. 단, "콘텐츠"가 텍스트에 국한되지 않는다는 점을 강조해야 합니다. 이미지, 비디오 또는 사운드 트랙일 수도 있습니다.
12. 지식 발견
가끔 혼돈 속에 많은 데이터가 있습니다. 우리는 모르는 것을 모릅니다만, 이 혼돈 속에는 일부 패턴이 숨어 있을 수도 있습니다. 이 경우, 우리는 AI를 사용하여 대규모 데이터셋으로부터 관계나 상관 관계와 같은 통찰을 발견하기 위해 노력할 수 있습니다.
예를 들어, 환자 데이터와 임상 기록을 분석하여, 건강 산업이 새로운 치료 전략이나 효과적인 의약품을 개발하는 데 도움이 되는 패턴을 찾을 수 있습니다.
여섯 가지 일반적인 AI 기술
이제 여섯 가지 일반적인 AI 기술을 간단히 소개하겠습니다.
1. 비생성적 머신러닝
실제로 이 분류는 최근 몇 년 동안 생성적 AI가 인기를 얻기 전에는 존재하지 않았어야 했습니다. 산업에 데이터 과학을 사용하기 시작했을 때, 사람들은 "클래식 머신러닝"과 "딥러닝"에 대해 이야기하는 것을 좋아했습니다. 이제 Gen AI에 대한 혹평 덕분에 이 모든 것들이 "일반 머신러닝" 기술이 되었습니다.
이 분류에는 기본 선형 회귀, 클러스터링, 분류, 의사 결정 트리 등이 포함됩니다.
2. 시뮬레이션
이 AI 기술은 실제 세계의 프로세스나 시스템에 대한 모델을 만들 수 있게 합니다. 그런 다음 여러 매개변수 조합을 입력할 수 있습니다. 그러면 많은 "만약" 질문에 대답할 수 있게 될 거예요.
3. 최적화
이 기술은 공식이나 방정식에서 가장 좋은 매개변수를 찾게 도와줍니다. 예를 들어, 할인이 고객들에게 더 많은 제품을 살 수 있게끔 유도하는 것을 알고 있습니다. 그러나 가격이 너무 낮으면 이익이 사라질 수 있어요. 따라서 최적화 기술은 이익을 극대화할 "균형점"을 찾는 데 도움을 줄 수 있어요.
4. 규칙 / 휴리스틱
이 AI 기술은 반드시 머신 러닝과 동일하지는 않습니다. 과학적 증거 또는 해당 분야 전문가의 규칙을 기반으로 사전 정의된 규칙 세트를 만들 수 있습니다. 이러한 "규칙 기반 시스템"은 더 나은 결정을 내릴 수 있도록 도와줄 것입니다.
5. 그래프
그래프는 머신 러닝의 특정 알고리즘을 참조하는 것이 아니라 객체 및 그들의 관계를 다른 방식으로 나타내는 데이터 구조입니다.
예를 들어, 그래프의 노드는 데이터 포인트를 나타내며, 에지는 이 노드와 다른 노드 사이의 연결을 나타냅니다. 이러한 데이터 구조는 표 형식의 데이터 구조보다 다른 프로세스가 더 정확하게 작동할 수 있도록 도와줄 수 있습니다.
6. 생성 모델
이걸 찾고 있었다는 것을 알고 있어요 :)
이것은 무언가를 생성할 수 있는 AI 기술입니다. 텍스트, 이미지, 비디오 또는 기타 작품일 수 있어요. ChatGPT는 분명히 이 기술을 사용하고 있어요.
매트릭스: 사용 사례 패밀리 × AI 기술
이 기사의 주요 요점은 다음과 같습니다. 소개에서 언급했듯이 모든 사용 사례 패밀리를 생성 모델로 해결할 수는 없습니다.
아래 표는 특정 사용 사례 패밀리가 특정 AI 기술에 더 적합함을 나타냅니다. Low (L), Medium (M) 및 High (H)는 해당 사용 사례 패밀리에 사용되는 AI 기술의 안정성과 신뢰성을 나타냅니다.
아래 표에 따르면 해당 사용 사례 패밀리에는 항상 "High"로 적합한 AI 기술을 사용해야 합니다. "Medium"인 경우, 정말로 이 기술을 사용해야 하는지 재고해보세요. "Low"일 때는 해당 기술을 사용하지 마세요. 때로는 적합하지 않을 뿐만 아니라 실행하기도 어려울 수 있습니다.
생성 모델
이 AI 기술은 ChatGPT와 같은 생성 AI와 관련이 있기 때문에 이에 대해 깊게 들어가 봅시다.
매트릭스에 따르면 우리는 세계에 존재하지 않는 것을 예측하는 데 LLM을 사용하거나 계획에 사용해서는 안 된다고 합니다.
예를 들어, 특정 제품의 판매 데이터가 있는 경우, ChatGPT에게 그것을 주고 내일 판매량이 얼마나 될 것인지 물어봐서는 안 됩니다. 그러나 코드를 쓰도록 요청할 수 있으며, 그 코드는 일부 생성적이 아닌 ML 기술을 사용하여 데이터를 예측할 것입니다. 따라서 우리는 여전히 ChatGPT를 "콘텐츠 생성"용도로 사용합니다.
요약
본 글에서는 여섯 가지 일반적인 AI 기법과 12가지 전형적인 사용 사례 패밀리를 소개했습니다. 각각에 대한 간단한 설명과 예시가 포함되어 있습니다. AI 응용 프로그램 시나리오를 더 잘 구성하는 데 도움이 되었으면 좋겠습니다.
그런 다음 저는 콘퍼런스에서 배운 Gartner 조사 결과를 바탕으로 AI 기법별 × 사용 사례 패밀리의 매트릭스를 소개했습니다. 최근 AI에 투자할 예정인 기관들에게 유용한 참고 자료가 될 것으로 기대합니다.