혼자하겠다는 고집을 버리고 "팀:라스토리아"에 합류합니다.

목차

• 🤝 팀:"라스토리아"에 합류합니다.

• 🤖 Chat GPT 3.5의 장점

• 💻 어떤 프로덕트를 만들지 결정하는 조건 4가지

🤝 팀:라스토리아에 합류합니다. 

스타트업을 퇴사하고, 혼자하고 싶었다. 

스스로 모든 의사결정에 책임을 지고, 빠르게 나아가고 싶었다. 

혼자서 증명해낸 후에 팀원들을 모으고 싶었다. 

하지만, 혼자라는 것은 생각보다 속도가 빠르지 않았다.

새로운 것을 배우고, 적응하는 것에 방향을 잘 몰랐고, 열정 레벨이 떨어졌다. 

그러는 와중, 라스토리아팀과 대화를 하게 되었다. @연주환 @김지성

라스토리아팀은 생성 AI를 활용하여 무한 생성 텍스트 RPG 게임: 라스토리아를 제작했고, 

생성 AI를 활용한 게임엔진을 베타 테스트 중이었다. 

현재 생성 AI가 등장한 후 생성 AI와 관련된 다양한 프로덕트가 나오고 있는 중이다. 

하지만, 대부분의 프로덕트들의 유형은 비슷했다. 

아래와 같이 3가지 유형으로 나눌 수 있다.

1. chat gpt를 이전보다 잘 쓸 수 있게 해주는 플로그인, 

(chat gpt에게 검색을 달아주고, 브라우저에 chat gpt를 활용가능하게 하거나, 프롬프트를 미리 입력하게 해주거나),

1. chat gpt 프롬프트들을 모아놓은 플랫폼, 

2. chat gpt AI를 활용한 chat bot

(system 프롬프트에 입력가능한 값들을 모두 던져놓고, system 프롬프트를 기반으로 대답을 가능케하는 chat bot) 

사실, 혼자서 3번의 것들을 해보려고 시도 중이었다. 다양한 도메인에서 3번의 필요성이 증가되고 있고, 3번을 어디에 적용해야 폭발적인 임펙트를 낼 수 있을지에 대한 고민이 있었다. 

대부분의 chat gpt 관련 프로젝트를 시작하는 팀들은 이와 같은 고민을 하고 있었을 것이다. 

하지만, 라스토리아팀은 달랐다. 

단순히 프롬프트를 짜고, chat gpt에게 정해진 룰 내에서 답변을 기대하는 것이 아니라, 

수행 단위로 어떻게 chat gpt를 엮어야, chat gpt의 능력을 극대화할 수 있을지 고민하고 있었다. 

생성 AI생태계의 가장 앞단의 고민을 풀어가고 있다고 느꼈고,

이런 팀에서 성장해보고 싶다는 생각이 커서 합류하게 되었다. 

🤖 Chat GPT 3.5의 장점

라스토리아 팀에서 고민한 현재 3.5기반 chat gpt가 잘 할 수 있는 것들은 다음과 같다.

*chat gpt 4는 비싸서 현재 프로덕트 사용할 수 있는 3.5기반의 chat gpt가 잘할 수 있는 것들을 고민했다.

- 3.5 기반의 LLM이 현재 가능한 것들

    1. 대화를 잘 주고 받는다.

    2. 비정형 데이터를 정형 데이터로 변형할 수 있다. (function)

    3. Sequential하게 동작할 수 있다. (Agent)

    4. 속도가 느리더라도 유저가 원한다면, 객단가를 높여서 GPT4를 쓸 수 있다.

    5. VDB를 활용해서 장기 기억을 만들 수 있다.

1. 대화를 잘 주고 받는다.

chat gpt 3.5는 대화를 주고받는 것에서 굉장한 강점이 있다.

이 부분에서는 5(VDB를 활용해서 장기 기억을 만들 수 있다.)와 연결지어서 이미 임펙트를 발생시키고 있다. 

벡터 데이터베이스를 활용하여 이전의 맥락들을 장기 기억시키면, chat bot은 인간이 하는 것 못지 않게 좋은 성능을 뽑아낸다.방대한 양의 데이터를 학습하고 필요할 때 끄집어 내서 사용하는 것은 인간이 학습하는 속도보다 훨씬 빠르다. 

대화를 잘 주고 받는다는 chatgpt의 장점에서

파생되는 프로덕트들은 chat bot과 같은 유형의 프로덕트다.

2. 비정형 데이터를 정형 데이터로 변형할 수 있다. (function)

chat gpt로 인해서 검색 경험이 변화할 것이라고 말한다.

이전까지 검색은 1차원적인 데이터들을 끌어모아서 인간의 판단으로 데이터를 가공하는 형식이었다.

만약 원하는 정보가 “안암동 근처의 예쁜 카페”라면, 

이전까지의 검색은 다음과 같은 과정을 따른다. 

1.안암동의 지도 맵을 연다.

2.카페들이 모여있는 카페 탭을 연다.

3.카페들의 사진을 보고(선형 탐색), 예쁜 카페를 선정한다.

4.예쁜 카페 중 가고 싶은 카페를 고른다. 

하지만, chat gpt는 날 것 그대로의 데이터를 스스로 판단해서 후보 3가지를 추려줄 수 있다. 

인간의 검색 경험의 단계가 줄어든 것이다. 비정형 데이터를 찾지 않아도 되고, 정형 데이터를 바로, 얻어볼 수 있다.

"2(비정형 데이터를 정형 데이터로 변형할 수 있다)의" 맥락에서 파생된 프로덕트의 예시로는 bing이 있다. 

1과 2가 조합된다면, 

검색을 통해 상품을 구입하던 커머스에도 굉장히 큰 변화가 생긴다. 

원하는 것들을 유저가 스스로 찾아서 구매하던 쇼핑(디스커버리형 쇼핑)에서 

이전에 샀던 것, 좋아요를 누른 상품 등 유저의 데이터를 바탕으로 상품을 추천해주는(알고리즘 추천 쇼핑)이 되었고, 

이제는 LLM이 곁들어지면서 "질문 -> 답변 방식"의 쇼핑으로 변화할 것이다.

3. Sequential하게 동작할 수 있다. (Agent)

수행 단위로 chat gpt를 역어서 chat gpt의 활용을 극대화할 수 있다.

예를 들어서 다음과 같은 내용을 찾는다고 해보자. 

“생일날, 안암동 근처에서 여자친구와 갈 수 있는 예쁜 카페”

이전보다는 굉장히 복잡한 수행이 예상된다. 

예쁜 카페만 찾는 것이 아니라, 생일날이라는 맥락과 여자친구와 함께라는 맥락이 추가되었다. 

다음과 같이 수행을 엮어서 원하는 결과를 얻을 수 있다. 

생일에 대한 맥락을 찾고, 

여자친구와 함께 가는 카페에 대한 맥락을 찾고

안암동 근처의 예쁜 카페에 대한 맥락을 찾으면, 

그 결과마다 다음의 맥락에 포함되어 다음 결과에 영향을 준다.

생일 => 케이크 => 케이크가 있는 카페

여자친구와 함께 => 분위기 있는 카페(후기 및 키워드)

안암동 근처의 카페 => 위치 데이터 

를 역할별로 수행하여 원하는 결과를 얻을 수 있다. 

단순히 검색에서 뿐만이 아니라, 다른 분야에서도 수행단위를 엮어서 임펙트를 낼 수 있다. 

이러한 부분들은 앞으로 생성 ai 어플리케이션에 큰 영향을 준다. 

어플리케이션이 활성화되면 그와 관련된 인프라도 덩달아 성장하는데, 이와 관련된 인프라도 주목해야 한다.

💻 어떤 프로덕트를 만들지 결정하는 조건 4가지

라스토리아 팀에서 고민한 "어떤 프로덕트를 만들지 결정하는 조건 4가지"는 다음과 같다.

앞서 말한 "chat gpt 3.5가 잘하는 것들"과 아래의 "어떤 프로덕트를 만들지 결정하는 조건 4가지"를

조합해서 어떤 프로덕트를 만들지 결정하고, 생성 AI 시장에서 다양한 프로덕트를 실험할 것이다.

1. 지표가 잘 나오는가?

KPI로 지정한 지표가 잘 나오는가 안 나오는가는 단순히 지표의 달성여부를 떠나서 팀의 사기와 관련 있다.

대부분의 스타트업, 초기 창업팀들은 적은 성공 확률에 모든 것을 쏟아낸다.

안 될 확률이 높은 것은 당연한 사실이다.

안 될 확률이 높은데도, 모든 것을 쏟아냈기 때문에

"안 되었다는 사실"은 팀의 사기와도 관련이 된다.

"우린 안 되는 팀인가?"에 대한 고민이 커지면, 결국 집단적 패배의식이 생긴다.

빠르게 지표를 만들어내서 우리가 "되는 팀"인 것을 어떻게 증명해내는가?

위의 질문, 초기 스타트업이 존속하는데 가장 중요한 점이다

작은 것이라도, 지표를 설정하고 달성하여 우리가 되는 팀이다라는 것을 증명해내야 한다.

2. 앞으로의 성장에 도움이 되는가?

지표가 잘 나오는 것을 선정하되, 앞으로 팀의 성장에 도움이 되는 것이어야 한다.

팀이 원하는 성장 방향이 무엇인지를 설정하고 그것을 이룰 수 있는 프로덕트여야한다.

3. 시장이 스케이트보드라도 원하는가?

린 스타트업은 작고 빠르게 만들어서 시장의 반응을 검증하는 방법론을 말한다.

만약 안암에서 약수까지 가는 자동차를 만들려고 한다.

린 스타트업의 방법론에서는 자동차의 작은 부분인 바퀴를 만들어서 검증하는 것이 아니라,

스케이트 보드를 만들어서 실제로 고객들이 반응을 봐야 한다.

이미 많은 경쟁자들이 풀고 있는 문제와 유사한 문제를 풀려면, 바로 성능 좋은 자동차를 만들어서 경쟁해야 한다.

그것이 아니라면 시장의 빈틈을 공략해 스케이트보드를 만들고, 고객을 끌어모으는 동시에 자동차로 발전시켜야 한다.

현재 시장에서 스케이트보드라도 원하는 프로덕트를 만들고, 빠르게 검증하는 것을 반복해보려고 한다.

마무리

라스토리아 팀에 합류하게 되었다.

어떤 성장을 할지 궁금하다.

위에서 말했던 것처럼 "chat gpt 3.5가 잘하는 것들"과 "어떤 프로덕트를 만들지 결정하는 조건 4가지"를 고려해 앞으로 실험할 프로덕트들을 선정하고, 시장의 반응을 검증하려고 한다.

"되는 팀"이라는 것을 빠르게 증명해내고 싶다.