Product Lounge did live up to the hype!

3월 29일 수요일 저녁 7시에 열렸던 'Product Lounge - AI 프로덕트, Hype를 넘을 수 있을까?'에 참여해보았습니다. 개인적으로 AI 커뮤니티를 빌딩하고 있고, AI 회사에서 Developer Relations Manager로 일하는 만큼 유익하고 재미있던 경험이었습니다.

여러 질문이 밀도있게 1시간 동안 오갔지만, 그 중 제 기억에 남았던 몇몇 질문들을 톺아볼게요 :)

(p.s 정확하게 모든 내용을 속기하진 못해서 정정이 필요한 부분이 있다면 코멘트 주세요!)

__________________________________________________________________________________________

🙋 Web 3.0도 굉장히 핫한 주제였지만 온보딩의 어려움과 기술에 대한 신뢰도 하락 등을 이유로 하락세를 보이고 있습니다. 그에 반면 인공지능은 대중에게 굉장히 이슈가 되고 있고요. 인공지능이 Web 3.0과 다르게 대중에게 확산될 수 있었던 주요 요인과 차이점은 무엇이라고 생각하시나요?

성윤모 팀장님: 가장 큰 차이가 있다면 '나한테 와닿는 무언가가 있냐 없냐' 인 것 같습니다. Web 3.0을 통해 대단한 기회가 열린다고 했지만 우리의 삶에 얼마나 실질적으로 바뀌었는지에 대해서는 딱히 와닿는 바가 없었어요. AI는 그런 점에서 차별점이 있었습니다. 상상속에서만 이뤄졌던 것, 실제로 내가 검색할 때 힘들었던 것, 개떡같이 말해도 찰떡같이 알아듣는 제품 등을 통해 눈앞에 와닿게 만든 것이 Web 3.0과의 차이점이자 차별점이라고 생각합니다.

심규현 대표님: 업계 종사자임을 떠나서 일반인 입장에서 볼 때도 AI는 wow point가 많았습니다. 특히나 Chat GPT 3 -> 3.5 -> 4가 발표되면서 점점 더 인간의 말을 잘 알아듣는 거대 모델을 경험해볼 수 있었죠. Chat GPT와 다른 모델들을 기반으로 한 서비스가 함께 발달하면서 AI의 진입장벽을 낮췄고, 일반인들이 경험하기 쉬워짐에 따라 더 빠르게 확산될 수 있었던 것 같습니다.

(개인 의견: 저 또한 두 분의 의견에 굉장히 공감하고 있어요. 특히나 일반 대중으로의 확산에는 Generative AI가 큰 한몫을 했던 것 같습니다. 제가 아직 기술 트렌드를 잘 따라가지 못했던 걸진 몰라도 제게는 NFT, Web 3.0은 사실 조금 어려운 개념이었거든요. 그에 반해서 Chat GPT, 미드저니 등은 실무에서도 직접 사용하고 있기에 더 가깝게 느껴지기도 하고요!)

🙋 대형 AI API들이 공개되면서, 변별력 있는 프로덕트를 만들어 내기 위해 해야 하는 것들은 무엇이 있을까요?

이세영 대표님: 인터넷과 모바일에서 일어났던 일들을 주시하고 있어요. 왜냐하면 기술이 태동하고 응용하는 과정에 있어서 일정한 패턴을 보인다고 생각하기 때문입니다. 가령 초반에는 신기술의 신기함을 빨리 보여주는 서비스가 자리를 잡겠죠. 그 다음으로는 초기 수익성을 검증할 수 있는 모델이 등장합니다. 가령 AI Scene에서는 Jasper가 매출을 냈듯 말이죠. 초기 다수 수용자들이 많아짐에 따라 시류편성 단계가 옵니다.

인터넷과 모바일이 탄생했을 때 결국 기술이 대다수에게 받아들여지면서 기업들에게 있어 웹페이지와 앱을 만드는 것이 당연하게 여겨진 것 처럼요. 제가 느끼기에 생성형 AI는 시류편성 단계까지 온 것 같습니다. 저희 서비스만 하더라도 인바운드로 들어온 건이 400건이 넘었어요. 내부에서도 서비스를 조금 더 뾰족하게 다듬기 위해서 세그먼트를 나눠 API로 해결할 수 있는 것인지, 새롭게 뚫어야 하는 수준인지 나눠서 보고 있습니다.

심규현 대표님: 차별적인 제품을 만들기 위해서 AI 모델에서 그 무기를 찾는 건 이제 실질적으로는 불가능한 것 같습니다. 빅테크 AI 모델의 힘이 커졌다고 생각하거든요. AI Scene에서 프로덕트를 만든다는 것은 특정한 문제를 풀어야 하는 것입니다. 그렇기에 레버리지를 잘 할 수 있는 프로덕트를 고민해야해요.

🙋 거대모델을 다루는 프로덕트 중에선 어떤 프로덕트가 매력적으로 보여질까요?

성윤모 팀장님: 압도적 사용자 경험이 있어야 합니다. 인프라 측면에서 거대모델은 거대모델이고, 사회에 나와 사람들에게 서비스로 딜리버리가 될 때는 개별적인 부분마다 접근 방식이 달라야 합니다. 가령 언어 모델이라면 이게 작문 영역에 도움이 될 수도 있고, CS 영역에 도움이 될 수도 있어요. 단순히 모델을 사용하는 것에 그치지 않고 '우와!'라는 소리가 나올 수 있을 정도로 압도적으로 해야 합니다.

그렇기에 AI를 잘하는 팀이 아니라 B2B Solution을 잘하는 팀이 결국은 매력적인 프로덕트를 만들 확률이 높다는 거죠. 어떻게 하면 소비자들이 이 서비스를 필요로 할지 잘 이해해야 합니다. AI에 대한 이해보다는 압도적 UX/UI를 바탕으로 서비스를 만들어 나가는 것에 집중해야하죠.

(개인 의견: 이전에 최근우 박사님을 인터뷰 했을 때도 박사님께서 이미 기술력은 10년 전과 다르게 일정 수준 이상으로 올라왔고, 이제는 기술을 바탕으로 어떤 서비스를 만들어 낼 것인가가 성공을 가르는 요인이 된다고 말씀해 주셨어요. 그 때 그 인터뷰가 떠올라 개인적으로는 정말 공감했습니다.)

🙋 프롬프트 엔지니어링! AI 시대에서 새로운 엔지니어링 분야가 생겨날까요? 아니면 더이상 사람이 필요없을까요?

뤼튼: 프롬프트 엔지니어링을 쉽게 말하자면 거대모델로 본전을 뽑는 것이에요. Chat GPT4를 비롯한 모델들은 창발성을 띕니다. (창발성: 남이 모르거나 하지 아니한 것을 처음으로 또는 새롭게 밝혀내거나 이루어 내는 성질.)

거대모델의 신기한 점은 근본이 되는 알고리즘 자체는 2017년 구글에서 발표한 것과 다르지 않지만 그 규모가 커졌어요. GPT3의 파라미터 갯수와 그 전 모델을 비교하면 100배 이상의 차이가 납니다. 갑자기 능력치가 상승한거죠. 그런 의미에서 프롬프트 엔지니어링은 이 모델이 도대체 무엇까지, 어디까지 가능한지를 반복적인 실험을 통해 발견해나가는 것입니다. 그리고 이런 실험을 해나가는 사람은 필요하죠.

모델은 똑똑해지는데 이 모델이 어디까지 가능할지는 아무도 모르기 때문에 그 실험은 계속되어져야 하고, 실험을 하기 위해서라도 사람은 늘 필요합니다.

(개인 의견: 휴, 제가 원하는 답을 잘 받아낼 수 있는 법만 마스터 하면.. 제가 AI로 대체되진 않겠죠?ㅎㅎ)

🙋 AI Thinking을 잘 하려면 어떻게 해야할까요?

뤼튼: 일단은 직장이 많이 변할 거에요. 지금도 특정 영역 (세무, 법률, 코딩..등)에서는 AI가 더 월등한 결과를 보여주고 있고요. 그렇기에 기존 세상과는 많이 달라질 것이고, AI 모델을 만드는 사람들 조차도 어느정도까지 효율성이 있고, 어디까지 역할을 대체할 수 있는지 모르는 상황입니다. AI의 발전을 느리게 하자는 무브먼트도 실리콘밸리에서는 있고요. 그렇기에 우리가 이 시대에 살아남고, 버티려면 Flexible한 마인드셋이 필요합니다. 나를 둘러싼 변화가 많을 것이기 때문에 그런 것에 일희일비하지 않고 유연하게 행동해야해요.

심규현 대표님: AI의 Hallucination은 언제 해결될지 몰라요. 얘가 던지는 말이 사실인지 검증하고, 의심하고, 어떻게 활용할 것인가에 대한 방법론을 잘 생각해보는 것이 중요하다고 봅니다. 유튜브에 보면 블로그 글을 자동으로 생성해서 수익 올리기 등의 콘텐츠 등이 있는데 사실 그런 걸 보면 너무 잘못된 정보로 사람들이 ai를 사용하는 것이 아닌가 생각이 드네요.

성윤모 팀장님: AI는 책임을 질 수 없다는 것이 가장 큰 이슈입니다. 누가 책임을 질건가요? 예를 들어 자율주행을 통한 배송의 경우 운전은 대신해줄 수 있으나 배송하는 것이 일의 전부일까요? '안전'하고 '신속'하게 '배송'하는 것이 본질인데 그렇다면 그 안전성에 대해서는 누가 책임지고 보장할 건가요? 기술이 그 책임을 질 수 있을까요? 결국엔 사람이 주체가 된 기업이나, 사람이 책임을 져야 합니다. 그 일을 하는 사람을 더 쉽고 덜 힘들게 도와줄 순 있지만 대체할 순 없어요. 그런 의미에서 '책임감'을 기반으로 생각해보시는 건 어떨까요?

🙋 AI 기술이 Bubble이라고 말하는 사람들이 있어요. Bubble을 어떻게 넘을 수 있을까요? 미래를 전망하신다면?

심규현 대표님: Bubble의 정의가 무엇일까요? 투자금이 과도하게 유입된 것이 문제인지, 기업들이 많이 생겨난 것이 문제인지 그 문제정의가 우선시 되어야 합니다. 제가 보기에 AI Scene에서는 투자금 유실은 일어나지 않을 것 같고, 경쟁력을 갖추는 프로덕트들이 출현하며 건전하게 발전할 것 같습니다. 거대 모델은 인공지능 연구의 한 분야일 뿐이에요. B2B 영역, 연구 분야 등 세부 가지들이 자라고 있고, 이 가지들을 통으로 묶어 LLM이라고 퉁친 것입니다. 이걸 버블이라고 보기엔 실제로 존재하는 시장들을 묶어서 큰 시장으로 보이는 것 뿐이라고 봅니다.

이세영 대표님: 물론 Generative AI 기술을 놓고 봤을 때 보여지는 지표는 전례가 없을 정도로 빠른 속도를 보이고 있습니다. 사람들에게 바로 와닿고, 실용성이 높다는 점 때문에 이정도까지 성장할 수 있었어요. 그런데 전례가 없었다고 이게 잘못일까요? 저는 합의된 Hype이라고 생각합니다.

성윤모 팀장님: 버블이 무엇인지 정의하는 것에 동의합니다. 새로운 기술이 비즈니스와 접합되는 시점에 과도한 자금과 인력과 관심의 집중을 저는 버블로 봅니다. 그렇게 되었을 때 거품처럼 꺼지지 않기 위해서는 99.99% 신뢰를 낼 수 있는 영역과 90% 신뢰를 낼 수 있는 영역을 확실히 인지하여 각 상황에 맞는 제품을 내는 것이 중요합니다. 특정 업무를 "대체"하는 것과 "보조"하는 것은 굉장히 큰 차이가 있기 때문에 현실적인 기술의 한계점을 인식하고 그에 맞는 제품을 만드는 것이 중요하다고 생각합니다.

99.99%의 신뢰를 보여야 해요. 실제로 비즈니스 단에 접목되어서 가치를 만들 때 사람이 하고 있는 일을 99.99% 대체하는 것과 90%정도 도와주는 것은 다릅니다. 기술의 발전에 대한 환상만 갖고 90%정도의 수준인데 99.99% 대체한다고 생각해 시장으로 뛰어들면 그게 버블이죠. "이거 분명 잘된다니까~?"하는 기대를 버리세요. 할 수 있는 것과 할 수 없는 것을 구별하는 것이 인간의 성숙함입니다.

__________________________________________________________________________________________

짬내서 달려간 시간이 너무 유익한 질의응답으로 채워져서 행복했던 수요일 저녁이었습니다.

제가 운영하고 있는 Club AIIT에서는 AI Scene을 구성하고 있는 다양한 분들을 만나뵙고, 인사이트를 얻고, 공유하는 것을 목표로 하고 있는데 해당 세션에 참여해주신 패널분들도 한번 모셔보고 싶다는 생각이 강하게 들었어요!! 😇😇 좋은 세션 만들어주신 Disquiet 운영진 분들께도 감사 드립니다.

👀👀 혹시 AI커뮤니티를 만들어 나가는 것에 관심 있으실까요? 그렇다면 Club AIIT에서 함께 해보시는 건 어떨까요? 함께 꾸려나가실 분들도 찾고 있으니 관심 있으시면 편하게 말씀해주세요!