안녕하세요.

강의 잘듣고 있습니다.

많은 도움이 되네요.

감사합니다.

예비창업패키지 초안 AI 도우미 도슨티 문서똑똑

어제 예창패, 초창패 공고가 나왔어요!

예창패, 초창패 초안 AI 작성기 문서똑똑을 만들었습니다! https://www.docenty.ai/apps/business-plan/chochangpae

docenty.ai 기술을 활용해서 사업계획서 초안 hint를 주고, 작성 방법에 대한 AI 상담도 해 줍니다!

전문가 유료 상담도 연결해 줍니다!

교육에서의 AI 활용 영역은 무궁무진합니다.

점점 변화하는 고전 교육

교육은 교육자와 학습자의 상호작용이 매우 중요한 산업입니다.

이러한 상호작용이 원활하게 이루어지도록 하기 위해 고전적인 성격이 강한 산업이었죠.

언어나 수학 등 학문적인 과목 중심의 교육 체계가 주를 이루었으며, 대부분의 교육 기관에서 일관적인 교육과정이 적용되었습니다. 또한, 대부분의 교육은 오프라인을 중심으로 흘러가고 있었습니다.

출처 : 에듀인사이드

그러나 점차적으로 이러한 고전 교육에 대한 인식이 변화하기 시작하였고, 코로나 19 이후 변화가 정점을 찍게 되었습니다.

가장 큰 변화는 바로 비대면 교육에 대한 진입장벽 완화인데요, 대면 접촉이 불가해지면서 비대면으로 교육을 진행할 수 밖에 없게 되며 학습자 및 보호자는 비대면 교육에 대한 중요성을 점차 깨닫기 시작하였습니다.

증가하는 수요에 맞추어 많은 에듀테크 플랫폼 및 기업들이 생겨나기 시작하였고, 온라인 교육 시장이 급속도로 성장해나갔습니다.

모두가 비대면 교육에 어느 정도 익숙해진 지금, 사람들에게 더욱 손쉽고 편리한 교육을 제공하기 위해 많은 교육 기관 및 기업들은 AI를 서비스에 접목시키고 있습니다.

오늘은 교육 시장에서 어떤 AI가 활용되고 있는지, 그리고 Dalpha는 어떤 교육 관련 AI를 개발하였는지 설명 드리도록 하겠습니다.

내 학생을 위한 맞춤형 관리 시스템

출처 : 셔터스톡

최근 교육에서 가장 중요한 키워드 중 하나는 바로 ‘초개인화’입니다.

각 학습자는 선호하는 학습 스타일이나, 학습적 역량, 선호도 등이 매우 상이합니다.

그러나, 1:1 수업을 제외하고는 교육자 혹은 교육 기관의 물리적인 한계로 인해 개인별로 맞춤화된 형태의 교육을 제공하기 쉽지 않습니다.

이러한 문제를 해결하기 위해 최근 교육 산업에서 AI를 활용한 개인화가 떠오르고 있으며, 다양한 에듀테크 기업에서 AI를 실제로 도입하고 있습니다.

Dalpha 역시 초개인화를 위한 AI를 개발하였고, 하단에서 더욱 상세히 설명 드리도록 하겠습니다.

개인화 학습 큐레이션

모든 학생은 각자에게 알맞는 교육 커리큘럼이 존재하지만 어떤 학습 로드맵을 따라가야 하는지 명확히 알지 못합니다.

그러나, 이는 매우 반복적인 수작업일 뿐만 아니라 모든 개인 학습자의 성향 및 학습 수준 등을 판단하기는 쉽지 않습니다.

따라서, AI는 학습자의 행동 데이터를 토대로 난이도나 학습 수준, 시기 등에 맞추어 맞춤화된 교육 콘텐츠를 추천할 수 있습니다. 예를 들면, 학습 수준이 높은 학생이 기본 개념 관련 콘텐츠를 학습했다면 더욱 심화된 버전의 콘텐츠를 추천하는 식을 들 수 있습니다.

일반적인 온라인 강의나 교육 자료 플랫폼에서 이를 가장 효과적으로 활용할 수 있으며, AI가 더욱 정확하고 맞춤화된 콘텐츠를 추천하여 학습자가 더욱 몰입도 있게 학습을 할 수 있도록 합니다.

학습자 집중도 모니터링

학습자에게 적합한 콘텐츠를 추천했다면, 이제 학습자가 실제로 교육 콘텐츠를 바탕으로 학습을 진행하게 됩니다.

그러나 온라인 교육의 가장 큰 문제 중 하나는 보호자가 학습자가 얼마나 잘 학습하고 있는지를 측정할 수 없다는 것입니다. 매번 보호자가 학습자의 옆에서 모니터링할 수도 없기 때문에 오히려 자유도가 높은 것이 학습 경험을 해치는 역효과를 낳게 됩니다.

이러한 문제로 인해 실제로 온라인으로 교육하는 것을 꺼려하는 보호자가 존재하며, 이러한 문제를 해결한다면 오프라인만큼이나 학습자의 집중도를 모니터링할 수 있습니다.

AI는 실시간으로 학습자의 얼굴을 분석하여 집중도를 모니터링할 수 있습니다. 학습자의 시선이나 표정 등을 분석하여 강의를 수강한 이후에 학습자의 집중도 그래프를 가시화합니다.

이를 통해, 보호자는 학습자가 얼마나 학습에 집중했는지를 모니터링할 수 있음과 동시에 간접적으로 해당 학생의 학습 리듬까지 파악할 수 있습니다.

학습 리포트 생성

교육에서 가장 중요한 것 중 하나는 ‘지속성’입니다.

학습을 통해 획득한 인사이트를 바탕으로 학습 경험을 더욱 고도화해 나가는 것이 핵심입니다.

그러나, 정성적인 교육자의 조언만으로는 학습자가 어떤 부분에서 강하고 약한지, 혹은 학습 추이가 어떻게 되는지를 트래킹하기에 한계가 존재합니다.

따라서, 그 동안 학습했던 데이터와 경험을 바탕으로 AI가 학습자에 대한 인사이트를 담은 리포트를 생성할 수 있습니다.

정답/오답 데이터, 학습 진행 상황 등을 바탕으로 특정 주제에 대한 이해도, 강/약점, 실시간 등급 변화 추이 등을 제공함으로써 학습자의 향후 학습 방향성을 수립하는 데에 도움을 줄 수 있습니다.

비록 교육자의 경험으로 누적된 인사이트를 완벽히 대체하는 데에는 한계가 존재하나, 교육자의 조언에 도움을 줄 수 있음은 믿어 의심치 않습니다.

반복적인 교육자 업무 자동화

출처 : TeachHub

교육자는 어떻게 하면 학습자에게 효과적인 교육을 제공할 수 있을지에 대한 고민을 끊임없이 이어 나가며 이는 교육자에게 있어 가장 중요한 가치에 해당합니다.

그러나, 이러한 교육 자체에 대한 고민만을 하기에는 물리적인 한계가 존재합니다. 답안지 채점이나 문제 제작 등 단순한 교육 행정 업무까지 교육자가 처리해야 하죠.

따라서, 이러한 수작업을 자동화할 수 있다면 교육자는 더욱 가치 있는 일에 집중할 수 있습니다. 뿐만 아니라, 교육자가 일일이 수작업을 하며 발생할 수 있는 휴먼 에러를 줄일 수 있기도 합니다.

이러한 수작업 자동화는 점차적으로 온라인에서 활동하는 교육자와 그러한 교육자들과 함께 교육 서비스를 만들어 나가는 플랫폼들이 증가함에 따라 그 수요가 높아지고 있습니다.

하단의 AI들로 이러한 수요를 충족시킬 수 있습니다.

답안지 자동 채점

매번 수백 명의 답안지를 일일이 채점하는 것은 매우 번거로운 작업입니다.

객관식 답안지의 경우, OMR 기기를 통해 더욱 빠르게 채점을 할 수 있게 되었지만 주관식 답안지는 여전히 교육자가 일일이 채점을 해야 한다는 수작업이 존재합니다.

이러한 주관식 단답형 답안지를 OCR 기술을 통해 자동으로 채점할 수 있습니다. 기존 답안지를 바탕으로 학습자가 작성한 답안을 AI가 자동으로 비교하여 정/오답에 대한 판단을 내릴 수 있는 것이죠.

뿐만 아니라, 평균이나 중앙값 등의 대표값을 자동으로 산출함으로써 특정 시험이나 문제지에 대한 학습자들의 성적 분포도를 가시화할 수 있습니다.

에세이 자동 첨삭

앞서 언급한 주관식 답안지 자동 채점이 단답형 답안과 관련된 이야기였다면, 에세이 자동 첨삭 AI는 조금 더 긴 서술형 주관식 문항을 채점하게 됩니다.

학습자가 작성한 에세이를 AI가 분석하여 오타나 문법 등을 교정하고 어색한 문맥을 첨삭합니다. 또한, 해당 에세이에 대한 서면 피드백을 자동으로 작성할 수 있습니다. 이 학생은 주술 관계를 더욱 신경 써야 한다는 등의 피드백을 효율적으로 줄 수 있게 되는 것이죠.

예시 답안 에세이가 존재한다면 더욱 정확도 높은 AI 결과를 받아볼 수 있습니다.

문제 자동 생성

AI는 문제를 자동으로 생성할 수도 있습니다.

개념 등이 포함된 교육 자료와 추출하고자 하는 문제와 비슷한 형태의 문제를 입력하면, 해당 Input을 바탕으로 비슷한 문제를 생성하는 것이죠.

생성된 초안을 바탕으로 교육자가 직접 수정할 수 있게 함으로써 더욱 완성도 높은 문제를 빠르게 제작할 수 있게 됩니다.

똑똑한 AI 학습 어시스턴트

출처 : 조선에듀

지금까지 학습 보호자, 그리고 교육자에게 도움이 될 만한 AI에 대해 설명드렸는데요, 사실 교육에서 가장 중요한 주체는 학습자라고 보아도 무방합니다.

학습자의 학습 경험을 극대화하기 위해서는 보호자나 교육자가 옆에서 학습을 보조해주는 것이 정말 중요하지만, 상시 학습자의 옆에서 학습 경험을 보조해 주기에는 물리적인 한계가 존재합니다.

학습자들은 학습을 할 때 구글링을 하거나, ChatGPT 등을 활용하곤 하지만 정말 필요로 하는 정보를 빠르게 획득하는 데에는 아직 역부족인 상황입니다.

따라서, 학습자가 활용하는 교육 플랫폼에서 학습자를 위한 어시스턴트가 마련되어 있다면 더욱 손쉽게 학습을 할 수 있을 것입니다.

온라인 강의 STT/TA

온라인 강의를 수강한 이후에, 복습을 진행하거나 추후 학습에 도움이 될 만한 정보를 얻기 위해서는 다시 강의를 돌려보아야 한다는 번거로움이 존재합니다.

온라인 강의를 수강한 후에 내용이 기억나지 않거나 복습이 필요한 경우에 강의 내용을 텍스트로 볼 수 있다면 더욱 편리하게 복습을 할 수 있습니다.

텍스트로 변환된 강의에 대한 요약본을 받아보거나, 원하는 키워드를 검색하는 기능을 추가할 수도 있습니다. 예를 들어, 영어 강의에서 ‘문장 형식’이라고 검색한다면 교육자가 언급하였던 문장 형식과 관련된 내용을 편리하게 찾아볼 수 있는 것이죠.

AI 질의응답 튜터

AI 질의응답 튜터는 학습자의 질문에 적합한 답변을 제공할 수 있습니다.

플랫폼이나 교육자가 보유한 교육 자료를 바탕으로 학습을 진행하여, 해당 자료들을 기반으로 학습자의 질문에 답변을 할 수 있습니다.

더 나아가, 특정 질문을 했을 때 해당 질문에 대한 답변을 얻을 수 있는 유사한 학습 자료를 추천해줌으로써 학습자의 경험을 극대화합니다.

이 외에 자연스럽게 외국어로 대화할 수 있는 AI 외국어 회화 튜터도 존재합니다.

무궁무진한 교육 산업에서의 AI 활용 영역

지금껏 교육 산업에서 활용될 수 있는 AI에 대해 말씀을 드렸는데요, 이 외에도 교육 AI는 정말 무궁무진하다고 생각합니다. 실제로 많은 에듀테크 기업들이 AI를 도입하고 있기도 하고요.

Dalpha에서도 교육 산업에서 적용 가능한 AI를 다수 구비하고 있으니, AI Store를 통해 둘러보셔도 매우 좋을 것 같습니다 :)

그럼, 다음 글에서 다른 산업에서 효과적으로 활용할 수 있는 AI에 대해 상세히 설명 드리도록 하겠습니다!

교육 AI 보러 가기

현재 존재하는 강력한 AI 텍스트 탐지기 Binoculars

Binoculars 는 AI로 생성한 텍스트를 탐지하는 도구입니다. 연구팀에 따르면 무려 90%의 정확도를 자랑한다고 하네요.

연구팀이 github에 논문과 도구를 공개했습니다. GitHub - ahans30/Binoculars: Binoculars: Zero-Shot Detection of LLM-Generated Text

연구진은 메릴랜드 대학교, 카네기 멜론 대학교, 뉴욕대학교, 엘리스 연구소 등에서 참여했습니다.

ChatGPT가 생성한 텍스트로 테스트 해봤습니다. AI-Generated 가 나오네요.

이번에는 제가 쓴 텍스트로 해보겠습니다.

사람이 썼다고 나오네요...!

물론 에러율이 있기 때문에 잘못 판단되는 것은 주의해야 겠습니다.

하지만 때로는 AI 텍스트 탐색기가 필요한 상황이 있을 때 활용해 보세요~!

세계 최초로? GPT의 영상제작 기능을 UNLOCK했습니다!

세계 최초로 도전해봤습니다. 그리고 나온 놀라온 결과물...! 원래 영상 제작 기능이 없는 GPT4를 끈질기게 설득해서 영상과 음원 생성 기능을 구현하게 되었습니다. 그 놀라운 과정을 최초로 공개합니다.

AI IR PPT 제작 솔루션 사전 신청 오픈!

안녕하세요, AllaboutConnecting입니다.

지난 번에 잠깐 소개드렸던 저희 AI IR 제작 솔루션 사전 신청이 오픈 되어서 공유드립니다~

많은 관심 부탁드립니다!

https://betairpresentation.imweb.me/?redirect=no&_gl=1*laxkgk*_ga*MjIyMjA5Mzk2LjE2OTIxNzg3MTk.*_ga_HP37L08LP3*MTcwNTY3MTgzNi44LjAuMTcwNTY3MTgzNi42MC4wLjA.&_ga=2.232017308.2045099198.1705671837-222209396.1692178719&_gac=1.23824968.1705387291.CjwKCAiAzJOtBhALEiwAtwj8ttrbuQQJnq-wAO7INKvTGsE38MUJjE6UG4Fb36hq5QS-8R-6GAjtChoCbPIQAvD_BwE

링크 복사

[Tech for impact] Drone Video Analysis LAB(DVA LAB) 후기

안녕하세요, VISIT Inc. CTO 이자 DVA LAB 랩장 한서우입니다.
5개월 간의 카카오임팩트와 모두의연구소의 지원을 받은 Tech for impact 유일무이한 1기 DVA LAB 활동을 마치고, 직접 작성한 랩 활동 회고 및 카카오 임팩트 커넥트 데이 후기를 공유하고자 글 남깁니다.

DVA LAB에서는 드론과 AI를 활용하여 제주큰남방돌고래의 서식지를 보존 및 건전한 관광문화를 만들기 위한 프로그램을 5개월 동안 11명의 개발자가 직접 개발했습니다.

DVA LAB 1기 활동이 공식적으로 마무리 되었습니다. DVA LAB 전체 활동을 돌아보면 매순간이 고민의 연속이였고, 실제로 도움이 되는 서비스를 만들고 싶다는 욕심이 때로는 원동력이 되고 때로는 중압감이 되어, 5개월이란 시간을 보냈습니다. 그 시간 속에서 동료로부터 많이 배웠고, 새로운 가치를 배우고, 아직 구체적인 단어로 형용할 수 없는 무언가를 느끼기도 했습니다. DVA LAB을 통해 저는 변화한 것 같습니다.

제가 존경하는 분의 말을 빌어 '변화'에 대해 정의하고 싶습니다.
"변화가 그런 것이긴 하더라고. 잠도 거의 못자고 정신도 잘 차려지지 않고 우리가 너무 무리를 한 것은 아닐까, 그런 이야기를 하면서 이만큼 좋지 않았다면 이렇게 무리를 할 일도 없다고 생각한다고 했었는데. 그런 상징적인 ‘무리’를 가능하게 하는 것들이 모여 변화를 만들어내는 것일지도 몰라."

추측하건데 '우리 DVA LAB도 세상과 자기 자신을 변화 시키지 않았을까?' 하는 생각이 듭니다.

자세한 DVA LAB 후기는 아래 링크드인 게시물을 확인해주시면 좋을 거 같습니다.

----------------DVA LAB 및 Tech for impact 설명----------------

• Tech for impact란? ‘테크포임팩트’는 모두의 연구소와의 협력을 통해 각종 사회문제를 기술로 풀어나가기 위한 개발자를 모집하고 이를 해결하는 과정을 지원하는 ‘임팩트 기술 커뮤니티’를 운영하고 있습니다.

• DVA LAB이 궁금하다면? https://brunch.co.kr/@andkakao/269

• 모두콘2023 영상 : https://youtu.be/IbaIHJfgX1M?si=Jgf7OcyjdhWXcjUB

• Tech for impact 성과발표회(Connect Day 23) : https://brunch.co.kr/@andkakao/276

(2024 AI Part 1) AI Application 에서 성공 사례가 나와야 한다

안녕하세요,

AI 이미지 어시스턴트, 플라멜(Flamel)을 만들고 있는 이정민 입니다.

이번 CES 2024 에서도 AI 가 많은 주목을 받았습니다.

사실상 AI를 따로 외칠 필요가 없이 자연스러운 존재로 다가가는 계기가 되는 것이 아닌가 합니다.

특히 CES 기간 동안 AI 관련 주목할 만한 소식은 개인적으로 2가지였다고 생각합니다.

한 가지는 AI를 위한 디바이스 r1의 출시와 다른 한 가지는 AI로 인한 빅테크의 레이오프 였습니다.

CES 를 둘러보고, 해외 글을 열심히 읽어보면서 2024년 AI 생태계에 대해 개인적으로 산업과 기술의 영역에서 생각해본 바를 이번에 적어보고자 합니다.

오늘은 산업 중에서도 첫 번째 내용입니다.

--

1. 2024년에는 Business Layer 에서 활약하는 팀이 등장해야만 한다.

2. 기술이 필요하다. 그래서 기본적으로 AI 스타트업은 ML 엔지니어가 필요하다.

3. 단순히 기술만 있다고 이기는 것도 아니다. 제품으로서 바라보아야 한다.

4. 이미 사용자에게 AI는 AGI 이다. AGI를 표방하는 UI/UX를 기획해야 한다.

--

1.     2024년에는 Business Layer 에서 활약하는 팀이 등장해야만 한다.

해당 제목은 등장한다가 아니라 해야한다에 주목하는 의미임을 다시 한 번 강조하고 시작합니다.

개인적으로 생성 AI 와 관련된 글로는 Sequoia Capital 이 게재한 것이 가장 주목할 만한 글로 생각됩니다. ChatGPT가 출시되기 직전 2022년에 첫 번째, 그리고 작년에 두 번째 글을 발표했는데요.

해당 Act 2 (2023) 글은 크게

• Act 1 (2022) 글에서 예측한 내용 중 맞았던/틀렸던 것

• 생성 AI 에서 모델/프로덕트 레벨에서 성공할 가능성을 높이는 Framework
  (또는 Playbook, 다만 정답이라고는 절대 말 못함)

로 구성되어 있습니다.

일단 위 글에서는 아래 내용에 주목해 볼만 합니다.

"킬러앱은 나왔으나 버티컬한 세분화는 나타나지 않았다."

Vertical separation hasn’t happened yet. We still believe that there will be a separation between the “application layer” companies and foundation model providers, with model companies specializing in scale and research and application layer companies specializing in product and UI. In reality, that separation hasn’t cleanly happened yet. In fact, the most successful user-facing applications out of the gate have been vertically integrated.

아마 작년 VC 에서 바라본 생성 AI 스타트업에 대한 시각을 한 문장으로 정리하면, 버티컬이 중요하다 입니다. 그런데 정작 현재까지 성공은 버티컬에서 나오지는 않았습니다.

즉, 올해는 해당 시각에 대한 검증이 역으로 이루어질 수도 있습니다.

일단 버티컬 어플리케이션(Vertical Application)이 등장하지 못했던 이유는 두 가지입니다.

1. 2023년에는 사용자가 아직 생성 AI를 사용할 준비가 안되었다.

   
   먼저, 사용자가 AI에 대해 잘 모릅니다.
   희한하죠, 뉴스에서는 매일 생성 AI에 대해 언급하고 있으니까요.

   그런데 주위에 생성 AI를 사용해본 사람, 그리고 지금도 사용한 사람을 돌아본 적이 있으신가요?

   
   아래 자료를 보시면 한국은 최하위권 수준으로 생성 AI에 관심을 보이고 있음으로 밝혀졌습니다. 심지어는 세계 최고 유망한 AI 스타트업을 보유한 미국조차도 전반적으로 큰 관심이 있다고 보기에는 어려움이 있어 보입니다.

   

   실제로 이 부분은 제가 CES 등 그간 부스 활동을 하면서도 느낀 지점이었습니다.
   AI가 이미지도 생성할 수 있나 라는 물음에서 ChatGPT 들어본 적은 있다 정도의 답변에서 말이죠.
   
   사실 사용자 입장에서는 생성 AI라는 단어가 1년도 되지 않았기 때문에 당연한 상황일지도 모릅니다.
   일반 사용자에게 성공적으로 접근한 AI 프로덕트 수를 세어보면 한 손으로도 가능하지 않을까 생각합니다. 그 정도로 아직은 생성 AI 에 대한 구체적인 사용처를 찾지 못했다고 보여집니다.
   
   즉, 모바일 시대에는 '연결', '공유' 라는 키워드가 있었고 사용자들이 호응했던 것과는 대비가 되는 상황입니다.

   다음으로, 사용자가 AI를 어떻게 사용해야 할 지 잘 모릅니다.

   아래 화면을 보아주세요.

   

   ChatGPT 에서 볼 수 있듯이 생성 AI 시대 가장 대표적인 UI 는 Chat Interface 입니다.

   그런데 말입니다. 무엇을 입력해야 할 지 감이 잘 오시나요?
   완전한 자유도가 있지만, 그만큼 사용자에게 모든 것을 넘겨주어 부담을 주기도 합니다.

   

   이를 'Blank Page Syndrome' 이라고 합니다. 다시 말해 빈 화면에 어떤 말을 해야 원하는 결과를 얻을 수 있는 지 모른다는 것입니다.

   그래서 무언가 엄청난 것이라는 것을 들어본 적은 있지만, 매번 ChatGPT 에게 물어보는 것은 날씨가 어떤가, 어떤 주식이 잘될 것인가 이고, Adobe 에서는 생성이 아니라 배경 지우기를 사용하는 데 그치고 있는 것입니다. (물론 누끼를 자동으로 따는 것이 엄청난 효용성을 가져다 주기는 합니다.) 즉, 사용자의 기대감에 못 미치는 사용성을 보여주고 있는 것입니다.
   

2. 굳이 버티컬 어플리케이션이 필요한가? ChatGPT (한국은 Wrtn) 로 대표되는 horizontal 서비스에서 다 할 수 있다.

   앞에서도 말씀드린 것처럼 일반 사용자에게 있어 AI가 필요한 이유가 아직 정확히 정의되지 않았습니다. 즉, 목적은 무언가를 생성한다는 것이지만 '무엇'을 생성해야 하는 지에 있어 사용자에게 파편화된 수만 가지의 니즈가 존재하고 있다는 의미입니다. 현재와 같은 상황에서 사용자 수를 늘리기 위해서는 결국 접점을 많이 만들어야 한다는 뜻이며, 이는 한 기능에 특화된 것이 아님을 의미합니다.

   예시를 하나 들어보겠습니다. 사람들은 보통 쉐이크쉑 보다 맥도날드를 3배 이상 많이 간다고 합니다.
   그 이유는 무엇일까요? 가격일 수도 있습니다.

   또 한편으로는 갈 이유가 많아서 일 수도 있습니다. 일반적으로 버거만 먹을 수도 있고요. 아침에는 머핀을, 오후에는 커피를 간단히 테이크아웃 할 수도 있습니다.
   즉, 사용자가 자주 올 수 있도록 이유를 많이 만들어 준 것입니다.

   

   다시 AI 프로덕트로 돌아오면 OpenAI 는 ChatGPT 를 운영하면서 다양한 사람들의 니즈를 알았고, 대신 일일이 맞추어 줄 수는 없지만 서비스에 유입시키려면 한 공간에서 그 목적을 채워줘야 한다라는 사실을 인지했습니다. 그래서 OpenAI는 Plugin 에 이어 GPT store 라는 형식으로 텍스트의 생성, 분석에서 이미지에 이르기까지 다양한 역할을 수행하게 만들었습니다.

   그러다 보니 사용자에게 있어 ChatGPT 와 같은 기존 플랫폼이 아닌 다른 서비스를 이용해야 하는가에 대한 설득이 안 되고 있는 상황입니다.
   
   물론 이 부분은 1번 이유가 해결이 되면 풀릴 문제라고 보여집니다.
   구체화된 니즈가 확인되는 순간 정체성이 모호한 플랫폼 카테고리의 서비스는 상당한 어려움을 겪을 수 있습니다.

그렇다면 올해는 어떤 양상이 펼쳐질까요?

저는 이미 지난 2년 간 상당한 규모의 자본 투입이 이루어진 것을 보았을 때,

당장은 시장 도메인에 따른 버티컬 어플리케이션에 대한 수요가 크게 나타나지는 않을 것으로 판단하고 있습니다.

(수요가 특정되었다면 이미 나왔어야 하는 시점이지만 아직 그렇게 되지는 않았다는 점, 버티컬 어플리케이션 플레이어에 대한 자본 투입이 생각보다 더딘 점이 근거)

그 이유는 여전히 사람들에게 생성 AI 에 대한 접근 장벽이 높은 것처럼 보여지는 것 때문입니다.

아직은 작은 규모의 시장에서 이것 저것 세분화해서 프로그램을 사용할 만큼의 성숙도에 도달하지 못했기 때문에 적어도 2024년에는 기존 플레이어의 플랫폼식 운영이 어느 정도 성과를 낼 것이라고 생각합니다.

다만 Infrastructure Layer 에 있는 빅테크 입장에서는 다양한 Application 이 등장해 성공하는 것이 중요할 수도 있습니다.

언젠가 "생성 AI 관련 매출은 엄청난 성장을 거두었다" 라는 기사를 본 적이 있으실 것입니다.
과연 누가 사용하는 것일까요? 기업입니다.

(AI 기업 매출 추정 자료) https://www.techopedia.com/top-10-ai-revenue-leaders

당장 OpenAI 의 2023(e) 매출이 $1.6B, 원화로 2.1조에 달하는 데, 대부분이 API 비용으로 추산됩니다.

(180M ChatGPT 가입자 수 x 1% 전환율 x 12개월-사실 Pro 출시는 12개월도 되지 않음으로 비용 추산해보면 대부분은 API 비용임을 짐작케 함)

결국은 수요자가 아닌 또 다른 공급자인 기업이 현재 대부분의 AI 스타트업의 매출 향상에 기여했다고 보여집니다. 왜 그런가 하면, 일단 추가적인 R&D 없이도 서비스를 출시하기 쉬워졌고(잘하려면 R&D 를 무조건 해야하지만 출시 자체에 있어서는 R&D 없이 가능), 생성 AI 라는 키워드 자체가 주가 등의 실질적인 가치 향상에 기여하는 부분이 있기 때문입니다.

(화살표는 자본의 흐름, 결국 Business 영역에 있는 제2, 제3의 공급자의 입장에서 더 큰 가치를 주지 못하면 자본의 흐름이 끊긴다는 의미)

다만 현재로서는 원 공급자가 아닌 '또 다른 공급자'로서 고객을 유치할 유인을 확보한 상황은 아닌 상황인 것은 고민을 남기는 지점으로 보여집니다.

API는 일반 사용자가 이용하는 형태는 아닙니다. 즉, 내부 생산성 개선 목적으로 사용하는 것이 아니라는 의미이며, 이는 제품으로서 외부 사용자에게 다른 큰 가치를 제공해주어 돈을 벌 수 있어야 함을 뜻합니다.

일단은 기대감이 가득하기에 모든 기업에서 추진하고 있지만, 실제 사용자 입장에서 더 큰 가치를 만들어내는 상황이 만들어지지 않는다면 결국 비즈니스 어플리케이션 분야에서 사용을 줄일 것이며, AI 인프라 기업 또한 서버 인프라 사용을 줄이게 될 것이고, 이는 서버 인프라에도 차례대로 영향을 주어 무너질 수도 있음을 의미합니다.

그렇기 때문에, 인프라 기업 입장에서 시장의 기대감을 키워 생성 AI 분야 내 Iconic 한 플레이어를 키워내어야 그 동안 투입한 비용에 대한 ROI 를 높일 수 있어 현재도 투자를 과감히 진행하고 있습니다.

2023년 AI 스타트업에 투자한 금액 중 2/3 이 빅테크에서 나온 피치북 보고서가 이를 대변합니다.

(참고로 한국에서 AI 기업에 가장 관심을 보이는 곳은 통신 3사 입니다.)

그렇다면, 현재 빅테크가 주목하고 있는 AI 스타트업은 어디가 있으며, 우리는 이 곳에서 무엇을 확인해야 할까요?

대표적인 예시로 생성형 검색 엔진 Perplexity 가 있습니다.
(기타 참고할 기업은 Midjourney, Pika Labs 가 비슷한 Playbook 으로 성장. Cursor.sh 도 재밌는 기업)

Perplexity 는 AI 기반 검색 엔진입니다.

이번 시리즈 B 라운드에서 약 1,000억원 ($73.6M) 을 유치했고, 투자자의 명단에는 제프 베조스 아마존 창업자 뿐만 아니라 실리콘밸리 내 유명 개인 투자자가 많이 포함되어 있습니다.

Perplexity 가 놀라운 점은,

• UI 가 ChatGPT 랑 크게 달라 보이지 않는다는 점 -> ChatGPT 와 비교하여 차별성을 드러내기 쉽지 않다는 의미

  

• 가격도 ChatGPT 랑 동일한 점 -> ChatGPT 이상의 가치를 주어야 한다는 의미

  

• API 를 이용한 Third-party app 이라는 점 -> 같은 모델을 ChatGPT 보다 훨씬 제한적으로 사용하기에 성능 개선이 쉽지 않다는 의미

  

입니다.

그런데 GPT 에 대한 권한을 훨씬 많이 가지고 있는 빅테크 Microsoft 의 Bing Chat 의 50% 수준에 달하는 검색량을 2023년에 처리했고, 앱 다운로드 수 100만 건 이상, 방문자 수 4,500만명을 기록하는 등 엄청난 성장세를 보였습니다. 어떻게 한 것일까요?

일단 Perplexity 는 검색 지향 AI를 표방했습니다.
링크드인에 표시된 소개를 빌리면 첫 문장은 "The most powerful answer engine." 이라고 합니다. 그리고 뒤에 오는 문장이 바로 "Powering curiosity with answers backed by up-to-date sources." 입니다.

즉, ChatGPT 를 경험해본 사용자 중 새로운 내용에 대한 검색이 불가능하다, 환각 현상(Hallucination)으로 정확한 결과가 나오지 않는다 라는 문제를 느낀 사용자에게 빠르게 접근한 것입니다.
그리고 결과 값에 대한 보증을 제대로 찾아준 UI를 구성해내었습니다. 이는 후속 글에서 더 자세히 다루겠습니다.

검색을 타겟한 것이 효과적이었던 것이 처음 ChatGPT 가 등장했을 때 언론에서 가장 많이 다루었던 이야기가 "구글은 이제 죽었다" 였습니다. 사람들이 가장 빠르게 연상했던 도메인이었다는 뜻입니다.

그리고 구글이라는 빅테크의 엄청난 레거시 서비스를 대체하겠다 라는 포부는 상당한 파급력이 있었습니다. 구글이 단순 검색만 하는 것은 아니지만, 구글의 최대 매출원은 검색 광고로 2022년 기준 $162B 로 전체 매출의 약 72%를 차지했습니다. 이런 구글의 현재 기업 가치는 $1.8T에 달합니다. 악화되고 있는 검색 경험을 제공하지만 여전히 엄청난 숫자를 자랑하는 기업을 제친다라는 점이 그들의 마음을 사로잡았습니다.

그래서 저희가 Perplexity 로 부터 배울 점은

• 사람들이 AI를 통해 쉽게 연상할 수 있는 지점은 어디인가?

• 사람들이 불편함을 느끼기 시작한 레거시 서비스가 어디인가?

• 해당 분야에 특화된 UI 는 무엇인가?

• 서드 파티로도 충분히 잘할 수 있는 역량과 가능성이 존재하는가?

입니다.

이에 대한 내용이 후속 글에 정리가 될 예정입니다.
아참, 이번 글에 있었던 이미지는 모두 AI 가 생성한 것입니다. 바로 Flamel 에서 말이에요.

안녕하세요? 가입인사 드립니다. 반갑습니다!

ggg

안녕하세요, 디스콰이엇 처음입니다.

이번에 창업 진행하면서, 프로덕트도 공유하고, 네트워킹도 하고, 팀원도 모집하고자 가입했습니다.

스타트업 IR 피칭을 생성형 AI를 통해 해결하고자 하는 기업입니다.

이번에 뉴스레터를 발행하여 베타 버전 수요조사를 하고자 합니다.

많은 관심 부탁드리겠습니다(꾸벅)

2000년도에 웹프로그래머로 활동하다

다른일을 하게 되어서 프로그래머 일을 그만두었다가

딥러닝에 관심이 있어서 요세 공부중이라 들어와봤습니다

잘 부탁드립니다

AI를 활용해서 증가하는 생산성 (20~80%)

Ethan Mollick 이 Boston Consulting Group과 수행한 연구 결과를 보면 GPT-4를 사용한 컨설턴트가 12.2% 더 많은 작업에 접근하고, 25.1% 더 빨리 완료했으며 도구가 없는 컨설턴트보다 40% 더 높은 품질의 결과를 만들어 낸다는 것을 발견했다. 출처

Github copilot을 활용했을 때 개발자들은 55% 더 빠르게 코딩 작업을 완료했다. (2시간 41분에서 1시간 11분으로) 또 반복되고 힘든 일에 대한 작업을 AI에 맡김으로써 응답자의 60~75%가 일에 대한 만족도를 느꼈다고 한다. github blog

법률, 프로그래밍, 글쓰기 등을 다룬 다른 연구 결과들을 종합해 볼 때 전반적으로 20~80%의 향상이 있었다고 한다. 이는 업무에 있어 AI가 꽤 중요한 역할을 할 것이라는 의미한다. 출처

나 또한 실제로 AI를 활용했을 때 생산성이 증가하는 것을 느낀다. 특히 코딩 영역에서 많이 사용하는 것 같다. 정보 처리나 활용에 있어서도 생산성이 많이 증가했다. 올해는 비즈니스나 콘텐츠 영역에서 활용도를 높여보고 싶다.

기술 변화를 사회가 받아들이는 것은 생각보다 느리다. 빌 게이츠에 따르면 AI가 일반 대중에게 받아들이기 전까지 1년 정도의 시간이 필요한 것으로 보인다. 이미 많은 사람들이 사용을 해봤지만 그것을 받아들이는데에는 최소 1년 정도의 타임 프레임이 있는 것이다.

물론 얼리 어답터들에게도 AI는 아직도 탐구해야할 미지의 영역이다. 잘 만들어낸 프롬프트가 어느 정도의 역할을 할지, GPT-4 등 LLM을 어떤 영역에 까지 활용할 수 있을지, 이걸 바탕으로 무엇을 해야 할지 많은 질문들이 남아 있다. 어디까지 가능한지 모르기 때문에 위험과 기회를 내포하고 있는 셈이다.

왜 생산성을 증가시키는 것이 중요할까? 생산성을 증가시키는 만큼 우리가 원하는 것을 성취할 수 있는 확률(성공)이 올라가기 때문이다. 그리고 이건 정말 감동적인 일인것 같다.

Numpy

사실, 이제는 python을 사용하는 분들에게는 numpy가 정말 많이 사용되어서 친숙하고 익숙하죠.

정말 어떻게 보면 별거 아니지만, 제가 처음 numpy를 접했을 적 추억을 회상하는 느낌으로 numpy가 python에서 왜 중요한지 정리해 볼게요.

제가 알기로는 numpy를 거쳐서 하는 연산의 속도는 python 속도가 아니라, C언어 코드에 근접하는 속도라고 알고 있어요. (제가 처음 python을 접할 당시에는 프로그램이 돌아가는 속도가 C언어로 짠 코드 >> python으로 짠 코드 였어요.)

따라서, 단순히 list 안에 들어있는 성분을 찾을 때도, python 기본 코드로 for loop을 돌리는 것보다, numpy의 indexing 기능들을 이용하는 것이 더 빠르죠. (지금도 그런지는 모르겠지만요)

그리고 기본적으로 행렬 연산도 numpy 연산이 더 간편하고 빨라서 어찌 보면 tensor의 기본적인 사용법이 numpy에서 시작했다고 해도 과언이 아닐 거에요.

제가 예전에 정리해본 많이 사용하는 numpy 기본 코드들이에요.

import numpy as np                   # numpy 모듈을 불러오기


a = [i for i in range(10)]           # 임의의 리스트 생성
a_np = np.array(a)                   # 생성한 리스트를 numpy 자료형으로 만듦
result = (a_np[1:]+a_np[:-1])/2.0    # numpy 연산을 수행
print(result)

a = [i for i in range(10)]
b = [10-i for i in range(10)]
a_np = np.array(a)
b_np = np.array(b)

result = a_np + b_np                 # numpy 연산을 수행
print(result)

a = [0.0 for _ in range(10)]
a_np = np.array(a)

for i in range(10):
	b = [j for j in range(10)]
	b_np = np.array(b)
	a += b                             # numpy 연산을 수행

print(a)

a = [i for i in range(10)]
a = np.array(a)

b = np.arange(10)

print(a, b)

a = [0.0 for _ in range(10)]
a = np.array(a)

b = np.zeros(10)

print(a, b)

a = np.arange(10)
idx = a==5
print(a[idx])

a = np.arange(10)
search = np.array([1, 2, 3])
mask= np.isin(search, a)
print(a[mask])

15년 동안 사업만 했는데, 2023년에 망했습니다. 실패하고 나서 보이는 것들!(feat. 생성AI 활용 예창패 챌린지)

안녕하세요? 젠트리입니다.

2024년도 어느 새 4일이 훌쩍 지나갔습니다.

저는 IT 사업만 15년 운영하다, 2023년 크게 망해버렸습니다. 😪

모든 걸 잃어버리고 실패한 현재 모습과 한 때 잘 나갔던 과거 모습이

자꾸만 비교되어 제 자존감은 밑바닥으로 떨어졌습니다.

지금은 몇 개월 방황 끝에, 마인드셋을 새롭게 장착하고,

현재 제 자신을 찾아가는 과정에 있지만,

몇 개월 동안은 한강에 수십 번 갈만큼, 힘든 시기를 보냈습니다.

(물론 뛰어내릴 용기는 없었습니다.)

사업을 크게 실패해 보니, 그제서야 보이는 것이 몇 개 있어 여러 분들께 공유드립니다.

읽어보시면 너무나도 당연한 얘기이지만, 이 중에 지금 놓치고 있는 것이 분명히 있으실 거예요. 놓치고 있는 게 있으시다면, 2024년에는 꼭 챙기시길 바랍니다!

1️⃣ 매일 체력 관리, 멘탈 관리하고 계신지요?

시간이 없다는 핑계로, 오늘도 미루지 않으셨나요?

제가 모은 재산, 가족만큼 믿었던 동업자, 몇 년간 쌓았던 기술력,

이 모든 것을 다 잃고 나서야 깨달았습니다.

무엇을 다시 시작하려고 해도 체력적으로 안 따라주고,

밑바닥까지 떨어진 자존감을 다시 일으켜 세우려 해도

왠만한 정신력으로는 안되더라고요.

이 때 엄청난 후회가 밀려왔습니다.

"평소에 체력단련과 멘탈 관리를 잘해둘 걸..."

아침 루틴을 통해 시각화, 명상, 독서 등으로 정신무장을 하고,

매일 운동하는 습관을 기르는 것이 가장 중요한 것 같습니다.

단 10분을 하더라도, 매일하는 습관을 길러보세요.

생각이 바뀌고, 다시 시작하겠다는 마음에 가슴이 펴지고,

두 다리에 힘이 들어가니, 무엇이든 해보겠다는 의지가 생겼습니다.

2️⃣ 내가 가장 좋아하는 일, 가장 잘하는 일, 돈이 되는 일을 하고 계신지요?

저 같은 경우, 비개발자 출신이지만 사업 기획에 자신이 있어,

투자 유치와 정부과제를 받기 위해 테크 기업으로 사업 세팅을 했습니다.

그러다보니 개발자를 뽑거나, 개발자와 동업을 해야만 했죠.

저는 그들의 동기부여가 중요하다고 생각하여,

제가 가장 좋아하는 일, 가장 잘하는 일 보다는

그들이 좋아하고, 잘하는 것에 포커스를 맞추어

아이템을 도출하고 사업을 시작했습니다.

결국 사업을 실패하고 보니, 저한테 남은 것은 빚 밖에 없더군요.

물론, 실패의 가장 큰 원인은 저에게 있습니다.

제가 기술에 대해 전문가 수준으로 잘 알거나,

그 정도 수준으로 배우겠다는 학습 의지가 있었다면,

끌려다니지 않고, 관리를 더욱 잘 할 수 있었을 거예요.

실패를 하고나서 가장 후회가 되었던 것은,

그들이 없더라도, 제가 가장 좋아하고, 잘하는 것을 했다면,

그리고 그것을 소비자가 구매할 수 밖에 없는 비즈니스 모델로 만들었다면,

적어도 사업을 포기하지는 않았을 것 같습니다.

3️⃣ 지금 현재 멘토나 롤모델이 계신지요?

인생을 살다가 너무나 힘들어서 포기하고 싶을 때,

인생의 내비게이션이 되어주는 멘토나 롤모델이 있으신가요?

큰 실패를 하고나서 눈 앞이 깜깜해져 아무 것도 보이지 않을 때,

저의 상황과 가장 비슷했던 사례를 찾기 위해

책이나 블로그, 유튜브 등을 검색하기 시작했습니다.

그들의 극복 사례를 보고 힘을 얻었고,

그들이 성공한 습관 방식을 똑같이 따라하면서

제 것으로 만들기 위해 지금도 노력하고 있습니다.

저의 멘토이자, 롤모델은 켈리 최 회장님과 이윤재 회장님이십니다.

켈리 최 회장님은 30대 후반에 사업 실패로 빚 10억 원이 생겼고,

40세에 다시 시작하여 '켈리 델리'를 연매출 7,000억 원의 글로벌 기업으로 성장시켰습니다.

현재는 본인 사업 외에도, 책 3권 출판('파리에서 도시락을 파는 여자', '웰씽킹', '100일 아침 습관의 기적'), 유튜브 활동, 부끌 강연 등

본인의 실패 극복 방법과 선한 영향력을 많은 사람들에게 전달해주고 계십니다.

이윤재 회장님은 45년 이상 사업을 하시면서, 빚 1,000억 원의 회사를

글로벌 매출 1.2조 원 기업으로 성장시켰습니다.

회장님의 회사 '지누스'는 침대 매트리스를 진공 압축하여

공장에서 집으로 직배송하는 시스템으로,

아마존에서 매트리스 분야 북미 1위를 차지했는데요.

이윤재 회장님은 2022년 3월에 지누스 회사의 경영권을

현대백화점 그룹에 약 8,000억 원에 매각하고,

후배 창업가를 위한 투자자로 활동하고 계십니다.

이 분들의 성공 습관을 요약하면 다음과 같습니다.

1) 아침에 일찍 일어나서, 아침 루틴을 한다.

2) 책을 많이 읽는다.

3) 본인이 잘하고, 좋아하는 일을 한다.

4) 가족(가정)을 중요하게 생각한다.

5) 돈 보다 가치 있는 삶을 추구한다. (기부, 공헌, 신앙 등)

가장 기본 적인 것들이지만, 이걸 지키는 것이 제일 힘든 것 같습니다!

자신의 미래 모습을 꿈꾸고, 현재 그 꿈에 가장 가까이에 계신 분을 롤모델로 삼아,

그들의 성공 습관을 그대로 따라해 보면서 자기 몸에 습관화 해보시길 추천드립니다.

실패를 하고나서, 깨달은 것들은 더 많은데 글이 길어져서 일단 여기까지 공유해 드립니다. 🤗

실패를 해서 너무 쓰라렸는데, 오히려 실패를 해서 돌이켜보니,

그 시간들이 저를 찾아가는 과정이었습니다.

몇 개월 전부터 생성 AI 전문가들을 만나, 생성 AI가 무엇인지 알 수 있었고,

챗GPT와 미드저니를 학습하면서 뭐라도 다시하기 위해서

생성 AI를 제가 잘하고, 좋아하는 일에 활용하기 시작했습니다.

자기성찰을 해보니, 그래도 성과를 냈던 것이 지난 5년간 정부지원사업을 51억원 정도 수주한 것이었습니다. 결국 이것이 간절함을 빼앗아가서 매출 증대에 신경쓰지 못해 실패의 원인이 되기도 했지만, 사업 운영함에 있어서 매출 증대와 더불어 만일에 대비해서 정부지원금은 꼭 필요했던 것 같습니다.

이런 저의 경험이 조금이나마 도움이 될 수 있지 않을까 생각되어,

생성 AI를 활용한 정부지원사업 사업계획서 작성법, 사업 운영 팁들을

예비창업자나 초기창업자 분들께 알려드리려고 합니다.

지금이 정부과제 시즌이라, 바로 무료 강의를 개설했습니다.

관심있으신 분들은 신청 부탁드립니다.

그리고 생성 AI를 활용해서 수익화하기 위해

현재 블로그 글쓰기도 하고 있고, 인스타 릴스, 유튜브 콘텐츠를 배우고 있습니다.

저보다 뛰어나신 분들이 더 많겠지만,

저 또한 제가 생성 AI를 배우고 활용하면서 얻은 경험들을 공유하고 싶습니다.

이상 저의 지난 2023년을 회고하면서,

2024년 새해 다짐과 각오를 한 번 써봤습니다.

긴 글 읽어주셔서 감사합니다.

저의 실패가 조금이라도 힘이 되시길 바랍니다.

"실패는 간절함을 낳고, 간절함은 성공을 낳는다."

유저들은 생성AI 스타트업들한테서 무엇을 바라는가?

기술이 엄청나게 좋거나, 신기술이거나 vs 고객의 문제해결을 바로 해주는 서비스가 되거나

이틀전 새해부터 10X AI Club 1기 멤버분과의 커피챗을 하면서 많은 얘기를 나눴습니다.

저희는 둘다 생성AI의 사업적인 측면에서 많은 고민을 했었고, 생각했던 결들이 비슷해서 더욱 놀랐던 것 같아요.

최근에 다른 스타트업을 창업하고 있는 제 친구와 이런 얘기를 했어요.

이 세상에 존재하는 모든 사람들의 욕구/문제를 해결해주는 서비스는 이미 나왔고, 우리는 그 서비스들 중에서 끊임없이 더 나은 버젼을 만들 수 있는 기회를 찾고 있는 것이다.

예를 들어 기존에 고객 경험이 너무 좋지 않았던 계좌이체 경험을 "토스"는 핸드폰 번호만 있으면 공동인증서 없이 바로 돈을 송금할 수 있게 해줬고, "아마존"은 오프라인 북스토어를 직접 가지 않아도 온라인으로 구매할 수 있는 플랫폼을 만들었죠. 즉 지금도 대다수의 스타트업들은 끊임없이 무언가 혁신적인, 아무도 보지 못한 서비스를 만들고 있다는 것보다는 기존의 서비스들 중에서 더 나은 버젼을 찾고 있는 것입니다.

여기서 더 나은 버젼이라 함은 "고객 경험"이 중심이 되는 것 같아요. 고객 경험을 더 파고 들어가면, 고객들은 생각보다 더 빨리 자기가 서비스에서 얻고자 하는 것을 얻고 싶어합니다. 생각보다 참을성이 없습니다. "Spotify"는 한가지의 미션을 갖고 제품을 만들었는데, 그게 바로 "최대한 단 시간 내에 음악을 스트리밍할 수 있는, latency를 zero에 가깝게 만들자"라는 미션을 갖고 빌딩했습니다.

고객은 특히나 이 서비스에 쓰이는 기술에는 관심이 없습니다. 얼마나 신기술을 사용해서 이 프로덕트를 만들었는지 홍보해봤자 고객은 자신이 취득하고자 하는 것을 바로 얻지 못하면 떨어져나갑니다. 생성AI 업계로 돌아와보자면, 많은 스타트업들이 생성AI의 신기술을 이용해서 제품을 만들기 시작하는데, 분명 유저에게 자동 텍스트, 자동 이미지 생성, 업무 자동화 등과 같은 "와우" 팩터는 존재합니다. 하지만 그대로 가다가는 생성AI의 업계 특성상 큰모델을 갖고 있는 기업(incumbent)들과 경쟁을 하게 되는데, 그들을 따라잡기에는 인프라 부족, 네트워크 (moat) 부족으로 인해 악순환의 굴레에 접어들게 됩니다.

2022년 챗GPT라는 신기술이 나오고 유저들은 첫 "와우"를 경험했습니다. 이제 1년의 시간이 흘러 2024년이 됐는데, "와우" 팩터는 점차 줄어들었고, 기술싸움과 신기술 도입은 정말 큰 incumbent들에게 남겨졌습니다(Google, Meta, OpenAI, etc.). 스타트업들은 이들과 기술싸움을 하기 보다는 최대한 고객 경험을 향상시킬 수 있는 서비스를 만드는 것에 집중을 해야합니다.

여전히 생성AI 기술 서비스들에는 많은 취약점이 존재합니다. 아직까지는 새로운 시장이기 때문에, 얼마나 고객에게 좋은 경험을 제공해주는지에 따라 승패가 갈라질 것 같아요. 다른 SaaS 제품들과는 다르게, 여전히 일반인들은 생성AI에 대해 친숙하지 않기 때문에 가장 중요하게 여겨야할 포인트는 얼마나 이 제품을 편리하고 이해하기 쉽게 만드는지가 될 것 같습니다.

조금 더 자세하게 들어가자면 이런 포인트들이 될 수 있는거죠:

• 생성AI 답변을 생성하는데 걸리는 시간 증가 -> 이로 인한 유저 이탈

• 할루시네이션 -> 신뢰도 하락, 이로 인한 유저 이탈

• 내가 원하는 답변이 나올때까지 걸리는 시간 + 대화 횟수 -> 증가할수록 유저 이탈

• UI/UX가 헷갈려서 유저가 무엇을 얻을 수 있는지 잘 모르는 상황 -> 유저 이탈

• 가장 중요한건, 유저가 왜 내가 얻고자 하는걸 생성AI를 사용해서 해야하는지에 대한 이해시켜야함

이건 이제 제품의 타겟 고객층에 따라서도 달라지는데, 연령대가 높을수록 UI/UX에 더 집중을 해서 쉽게 이해할 수 있도록 해야하고, 연령대가 낮을수록 더 빠른 결과(zero latency)가 나올 수 있도록 해야할 것 같습니다. 생성AI 업계는 기술도 그렇고 user experience 측면에서 아직도 개선돼야할 부분들이 너무 많기 때문에 기회가 아직 많이 남아있다고 생각듭니다. :)

P.S.

혹시나 생성AI 스타트업을 만들고 계시는 팀이거나, 주변에 이런 생성AI 스타트업 팀을 알고 계시면 댓글에 달아주시거나 저한테 커피챗 요청해주세요!! 많은 대화를 나눠보고 싶습니다 :)

AI 검정치마가 부르는 잔나비 노래

RVC 이용해서 이전에 가볍게 만들어봤는데, 10X AI Club 톡방에서 이야기가 나온 김에 디스콰이엇에도 공유합니다! 재미있게 들어주세요 : )

유튜브에서 영상보고 궁금해서 들어왔습내다

이탈하는 유저들을 붙잡기 위해 ✡️타로 점을 배워버린 AI 펭귄 챗봇, 펭추리

안녕하세요, 디스콰이엇! 새해 첫 메이커로그로 인사드립니다. 저는 말하는 펭귄, 펭추리라는 챗봇 서비스를 개발하고 있는 김형준입니다. 오늘은 연말연시를 타겟으로 개발한 펭추리 타로보기 기능을 소개하고, 유저로부터 어떤 반응을 얻었는지, 그리고 어떤 점들을 배울 수 있었는지를 공유해보고자 합니다.

펭추리 서비스 소개

펭추리를 잠깐 소개하자면, 카카오톡에서 대화할 수 있는 귀여운 펭귄 캐릭터 챗봇입니다. 소소한 일상 대화를 나눌 수도 있고, 맛집을 추천받을 수도 있어요. (아직 펭추리와 대화를 한번도 안나눠보신 분들은 카카오톡 체널 추가하시고 인사를 건네보세요! 생각보다 훨씬 재미있습니다)

펭추리는 지난 12월 11일에 오픈했고 지금까지 205명의 유저들과 4200여건의 대화를 나눴어요. 펭추리 서비스 개발기와 초기 유저들의 반응이 궁금하신 분들은 지난 메이커로그를 참고해주세요!

아쉬웠던 리텐션과 성장세

출시 2주 뒤, 유저들이 보여준 지표들과 반응은 명확했습니다. 신규 유입은 줄고 있었고, 30 ~ 40명대를 유지하던 DAU도 15명 대로 눈에 띄게 줄었거든요. 무엇보다 펭추리가 유저들과 하루에 나누는 대화 건수가 100건 이하로 눈에 띄게 줄었습니다.

사실 원인은 명확했어요. 바로 펭추리가 빠르게 질린다는 거였습니다. 처음에는 몰입해서 30건, 40건씩 대화를 나누던 유저들도 금세 흥미를 잃고 이탈해버렸습니다.

고민끝에 둔 악수, 선톡 보내기

이탈하는 유저들을 붙잡기 위해서 펭추리가 유저들에게 선톡을 보내봤습니다. 잊고 있었던 펭추리가 먼저 선톡을 보내면 다시 활발하게 대화를 하지 않을까? 하는 기대에서였어요.

결과는... 처참했습니다. 선톡을 보내자마자 펭추리 체널을 차단한 유저가 20명 가까이 되었고, 답장을 보내는 유저들의 수가 기대에 크게 못미쳤습니다. 펭추리를 꾸준히 사용할만한 강력한 기능이 필요한 순간임을 직감했습니다.

새로운 기능이 필요하다!

유저 리텐션을 확보할 수 있을만큼 강력하면서도 펭추리가 가지고 있는 캐릭터 챗봇이라는 특징과 잘 맞아떨어지는 기능을 고민했고, 타로 기능이 눈에 들어왔습니다.

타로보는 챗봇은 이미 헬로우 봇이라는 성공 사례가 있었어요. 최근에는 원지랩스의 마이타로라는 서비스가 등장해서 생성 AI와 타로 서비스가 궁합이 잘맞는다는 걸 알 수 있었습니다. 헬로우봇은 룰 베이스 챗봇이고, 마이타로는 캐릭터를 전면으로 내세우지 않아서 충분히 차별화 할 수 있겠다 판단해서 개발에 들어갔습니다.

펭추리 타로 카드 만들기

먼저 펭추리 버전의 타로 카드를 만드는 작업부터 시작했습니다. 처음 펭추리 캐릭터를 만들었던 dalle 3를 활용했구요, 제가 가진 프롬프트 엔지니어링 스킬을 총동원해서 한장 한장 만들기 시작했습니다. 장장 일주일에 걸쳐서 22장의 메이저 아르카나 타로 카드들을 만들 수 있었어요.

만든 카드들 중에 가장 귀엽다고 자부하는 "1번 마법사"와 "7번 매달린 사람" 카드입니다. 타로 카드는 상징물들이 많이 포함되기 때문에 카드 한장 만드는데 정말 많은 노력이 들어갔습니다. 상징들을 빼먹지 않으면서도 귀여워야 한다는 나름의 원칙(?)에 맞춰서 22장의 카드를 한땀한땀 만들었습니다.

카카오톡 상에서 타로 점 보기 기능 구현

다음으로 카카오톡 상에서 타로 보기 기능을 구현했습니다. 타로 점 보기 버튼을 누르고 고민을 입력한 다음, 카드를 한 장 선택하면 타로 점을 봐주도록 최대한 심플한 유저 경험을 설계했습니다. 여러 시행착오가 있었지만, 다행이 오랜 시간을 들이지 않고 구현할 수 있었습니다.

실제로 구현된 타로 점 보기 기능입니다. 카카오톡 특성상 여러 장의 카드를 보여주고, 유저가 그중에 하나를 선택하는 UX를 구현하는데 한계가 있었어요. 어쩔 수 없이 버튼을 누르면 무작위로 카드를 한장 선택한 다음 타로 결과를 해설해주는 식으로 구현을 했습니다. 생각보다 깔끔하게 구현이 되어서 만족했어요 :)

배포 및 유저들의 반응 보기

애초의 목표는 연말 연시를 맞아서 새해 운세를 보고 싶어하는 사람들의 심리를 공략하는 거였어요. 다행히 기능 구현이 빨리 끝나서 12월 27일 저녁에 배포한 다음, 12월 28일 아침에 유저들에게 알림 메세지를 보냈습니다.

알림 메세지를 보낸 첫날 64건의 타로 점 보기가 이루어졌고, 이후로도 꾸준히 타로 점 보기 요청이 들어오고 있어요. 현재까지 전체 유저의 35% 가량인 72명의 유저들이 145건의 타로 점 보기를 요청했습니다. 예상했던 대로 유저들이 확실히 관심을 갖는 기능이구나 확인할 수 있었습니다.

유저들의 반발도 거의 없었어요. 이전에 기능 추가 없이 안부를 묻는 선톡을 보냈을 때에는 20명 가량의 유저가 아예 펭추리 체널을 차단했는데 이번에는 단 한명의 유저만이 차단했습니다.

그렇다면 성공인가요?

하지만 타로 기능으로도 유저들의 리텐션을 확보하기에는 부족했던거 같아요. 배포 후 4일 정도 지난 무렵부터 타로 점 보기 요청이 뚝 떨어지는 걸 확인할 수 있었습니다. 마케팅 없이, 유저들의 입소문을 타기를 기대했지만 실패했습니다. 기대를 많이 했던 피쳐였던 만큼, 상당히 속이 쓰렸습니다.

타로 보기 피쳐가 실패한 뒤로 상당히 고민이 많았습니다. 약간은 경시했던 마케팅 전략을 다시 생각해보게 되었어요. 그리고 앞으로 어떤 기능을 추가할지, 어떻게 유저들을 확보할 수 있을지 고민하면서 연말을 보냈던 것 같습니다.

앞으로의 펭추리의 계획은?

시련은 있어도 실패는 없는 법이죠! 앞으로의 펭추리 개발 방향은 전과 비슷합니다. 유저들이 펭추리와 놀 수 있는 기능들을 순차적으로 적용해나갈 생각이에요. 너무 재밌어서 계속 대화하고 싶은 챗봇이 바로 펭추리 제품이 그리고 있는 목표입니다.

아직 부족한 점 투성이인 챗봇이지만, 꾸준히 발전하고 있으니까요! 앞으로도 많은 관심 가져주시고, 사용해주시면 감사하겠습니다.

저는 다음에 더 재미있는 챗봇 서비스 개발기로 돌아오겠습니다.

감사합니다!

잘 부탁드려요 :)

새해 복 많이 받으세요~