고평강

고객 인터뷰가 중요한 건 알겠는데...

"고객은 답을 안다"
"모르는 게 있으면 고객에게 물어라"

성공한 스타트업 대표분들이나 사업 관련 유명 서적에서 항상 나오는 말이죠

저도 첫 프로덕트를 만들 때 잠재 고객이 될 수 있는, 또는 실제 고객들을 계속 인터뷰하면서 가설 검증하고
기획 등에 참고하려고 했던 거 같습니다.

하면서 계속 느꼈던 건 결국 '알맞은 가설'을 가지고 '알맞은 고객'에게 '알맞은 질문'으로 답을 얻어내는 게 중요하다는 거였어요.

근데 그 '알맞은 고객'이라는 게 정말 찾기 힘들더라구요.

특히 이전 프로덕트가 '라이브커머스 채팅 CS 솔루션' 이다보니 '라이브커머스를 자주 하면서 채팅이 너무 많아 불편함을 겪은 사람'을 찾아야 해서 링크드인 게시물과 댓글을 하나하나 정독했던 기억이 있습니다.

그런 경험을 하다 보니 "고객 인터뷰 리크루팅 과정에서의 불편함을 해결해보자"라는 생각을 하게 됐고
소셜 미디어 (링크드인, 레딧, 인스타그램, 유튜브 등)의 중요성과 맞물려 'Lucid AI'라는 제품을 만들게 됐습니다!

Lucid AI는 소셜 미디어에 공유된 고객 경험을 바탕으로 최적의 인터뷰 대상군을 자동으로 리크루팅해주는 서비스에요.
예를 들어 Lucid AI를 제 경험에 접목 시킨다면 "최근에 틱톡 샵 라이브/유튜브 쇼핑 라이브를 하다 채팅을 놓쳐서 힘들어 한 사람들" 이라고 검색해서 찾을 수 있겠죠.

사람들의 소비 패턴이 점점 다양해지고, 소셜 미디어가 선제적 리뷰이자 트렌드의 지표가 되는 지금,

내 브랜드의 잠재 고객/고객에 대해 명확히 이해함으로써 더 좋은 브랜드를 만들 수 있도록 Lucid AI가 돕겠습니다 :)

내 AI가 자동차를 100원에 팔았다구요?

최근 OpenAI의 Sora, Dall-e 등을 보면 AI의 성능이 굉장히 가파르게 발전하고 있다는걸 체감하게 됩니다. OpenAI의 AI와 로봇의 결합 영상을 보면 단순히 텍스트의 답변을 생성하는걸 넘어서 스스로 물체와 상황을 인식하고, 해야 할 일을 한 후 스스로 평가까지 하는걸 볼 수 있죠.

그런데 왜? AI는 여전히 산업의 최종 결정권자가 될 수 없을까요? 사회적 인식, 책임 소재 등 여러 문제가 있겠지만 가장 큰건 ‘여전히 AI에게는 불안정한 부작용이 있다’가 아닐까 싶습니다.

AI가 발전하는 만큼 그걸 공격하고, 규칙을 어겨 원하는 답을 얻어내는 기술도 함께 발전하고 있습니다. 실제로 AI에게 쉐보레 차를 1달러에 팔아달라고 하니 승인한다던가, 이미지 상의 글씨를 우선 인식해 25달러 수표를 1만 달러로 인식한다던가와 같은 문제는 외국에서도 지속해 제기돼왔죠.

LLM 서비스가 사람과 가까워질수록, 더 많은 기능을 연결해 가질수록 이런 리스크는 불어가기만 합니다.

그렇다면 이걸 어떻게 해결해야 할까요?

여러 답이 있겠지만 제가 생각하는 답은 수많은 공격 시도에 대한 데이터 학습과 안정성을 테스트해 지속적으로 개선할 수 있는 방법의 확보입니다.

내가 생각치도 못한 취약한 부분을 파악하고 개선할 수 있도록 보조해주는 것이죠. 실제로 LLM 모델을 탈옥시키는 레드팀 챌린지와 같은 대회가 점차 생겨나고 있습니다.

LLM 서비스 개발자 여러분은 어떤가요? 어떻게 보안에 대비하고 있고 보안의 필요성에 대해 어떻게 생각하시는지 의견을 남겨주세요!

늘어가는 AI, 그러나

작년 11월 30일, 세상을 뒤흔든 하나의 프로덕트가 출시됐다. 바로 OpenAI의 ChatGPT의 이야기다.

ChatGPT는 잔잔한 호수의 돌을 던지듯 AI의 발전이 와닿지 않던 사회에게 AI가 이제는 하나의 대세가 됐음을 알렸다. 기업들은 뒤늦게 LLM의 방식을 추구하기 시작했고, 교육계는 ChatGPT의 방대한 지식의 남용을 방지할 방법을 고민했으며, 투자계 역시 LLM과 인공지능에 집중되고 있다. 그만큼 기술의 발전은 수많은 이점과 변화를 가져왔다. 사람들은 정보의 대중화를 말하며 "누구나 무엇의 전문가든 될 수 있다!" 라 말하곤 했다.

하지만 과연 그럴까?

방대해진 능력과 내용은 분명 모든 이에게 도움이 되지만 같은 칼도 누가 쥐느냐에 따라 천하의 명검이 될수도, 그저 식칼이 될수도 있듯이 ChatGPT는 지식인에게 더 상냥했다. 실제로 삼성 SDS에서 업로드한 ChatGPT 응용법이나, ChatGPT 실전 활용에 관한 책 상품들이 이 말을 대변한다.

그렇다. 기술의 발달은 평등도 공평도 추구하지 않고 주어진 박스를 더 많이 쓸 수 있는 이가 더 많은 혜택을 얻는 이른바 혜택 쟁탈전이 됐다고 할 수 있다.

사실 이렇게 말은 해도 시대가 급격히 변하는 이 시대에 지식의 편차에서 비롯한 불공평은 불합리 할지언정 불가피한 존재라고 생각된다.

하지만 걷지 못하는 이들을 위해 휠체어와 저상버스를 개발했듯, 불가피한 불합리 속의 사람들을 위해 AI의 활용도를 보정해주는 AI를 위한 AI가 필요한 시점이 아닐까

왜 한국엔 OpenAI가 없는가

기술이 끊임없이 발전하는 요즘, 가장 주목 받는 키워드가 무엇이냐 묻는다면 단언컨대 생성형 AI, 우리가 아는 OpenAI의 ChatGPT라고 말할 수 있겠다.

-그림1. 하이퍼블로바X 개발 일정(출처: 네이버,서울경제)

지난 21일, 네이버는 기술 채널 '채널 테크'를 통해서 대화형 에이전트 '클로바X(CLOVA X)'와 생성형 AI 기반 검색 서비스 '큐(Cue:)'의 베타 서비스 공개 일정을 밝혔다. 작년 11월 최초 베타 버전이 공개된 ChatGPT 서비스나 New Bing에 비해 다소 느린 시작이라 볼 수 있다.

그림2. 글로벌 250대 생성 AI 스타트업 기업 그래프(출처: 머니투데이, 고석영 기자/정서희 인턴)

또 올해 초 CB인사이트에서 발표한 '글로벌 250대 생성AI 스타트업 기업'에 따르면 국내 소속 기업은 단 3곳으로, 126개를 차지하는 미국과 대비해 현저히 낮은 수치를 보였다. 단순히 기술이나 자원의 격차 만으로는 설명하기 힘든 차이를 보인 것이다. 충격적인 차이를 보고 나는 깊은 고민에 빠졌다.

왜 우리는 OpenAI와 같은 First Mover가 될 수 없었는가? 이 질문에 대해 나를 포함한 많은 이들은 데이터의 양과 질에 초점을 맞췄다.

LG AI 연구원 최정규씨는 "우리도 한국어에 집중하다가 영어를 포함한 바이링구얼(2개 이상 언어 구사)을 지향하게 됐다. 한국어 데이터는 전세계 인터넷 데이터 중 0.6%에 불과한 반면 영어는 60%를 차지하더라" 라며 AI 연구에서 한국어 데이터의 고충을 설명했다.

그와 동시에 영미권 책과 달리 한국은 저작권이 있는 자료의 경우 라이선스를 얻으려면 개개인 생산자에게 컨택을 해야한다며 데이터 차이가 발생하는 이유도 설명했다.

'데이터의 부족'이라는 문제는 단순히 생성형 AI 개발에 국한되는 문제가 아니다. 데이터의 수집과 학습은 AI를 포함한 딥 테크 분야에서 필수 불가결한 과정이다. 따라서 데이터 수집 과정이 어렵다면 결국 우리는 영미권 데이터에 의존하는 Fast Follower 중 하나가 될 수 밖에 없다. 딥 테크 산업은 차세대 산업 분야로 계속해 성장하고 있고 이 분야에서 주도권을 잡지 못한다는 것은 큰 문제이다. 이것이 정부와 기업인들 모두 AI 발전 속도를 따라잡기 위한 해결 방안을 고민하고 있는 이유이다.

이를 해결하는 것은 단순하다. 앞서 언급된 인터넷 상에 존재하는 데이터의 원 소유자와 수요자 사이 컨택 과정이 효율적으로 처리되면 해결된다.

누군가 데이터를 생산하는 개개인에게 생산 직전 AI 학습을 위한 데이터 공유를 허가 받아 모아둔다면 데이터 수요자는 저작권적 고민 없는 고품질의 데이터를, 공급자는 자신의 데이터 가치에 맞는 보상을 받을 수 있지 않을까.

LLM 분야를 넘어 미래의 새로운 Innovative Deep tech 분야에서 주도권을 쟁취하기 위한 합리적 데이터 생산, posti가 이끌어 가보려 한다.