AI 엑스포 참관 후기

주요 참관 내용

1. LG AI 연구원
   • 엑사원이라는 거대언어모델(LLM)을 통해 LG 계열사들의 기술 자동화를 실행중이다. 그 예로 현재 LG화학에서 신약 개발에 엑사원이 활용되고 있으며, 연설자가 sLLM을 통해 신약에 특화된 학습을 통해 현재 연구가 진행중임을 밝혔다. sLLM(small Large Language Model)은 LLM(대규모 언어 모델)의 기능을 유지하면서도 상대적으로 작은 규모로 운영될 수 있도록 설계된 언어 모델이다. sLLM은 특정 작업이나 애플리케이션에 맞추어 더 빠르고 쉽게 맞춤화될 수 있다. 이는 다양한 산업과 환경에서의 응용을 가능하게 하며, 개별 사용자의 필요에 더욱 잘 맞출 수 있다.
2. 신한카드
   • 금융서비스다 보니, 로컬 기반의 LLM을 사용중임을 밝혔다. AI 솔루션 본부에서 사내 지식정보 데이터를 기반으로 학습한 GenAI(사내 AI)를 통해 상담사 업무 어시스턴트를 시작으로 대고객 커뮤니케이션에 적용했다. 업무 어시스턴트로는 메뉴얼 기반 데이터를 학습시켜, 직원 및 상담원들이 업무 메뉴얼을 질문하면 대답하는 LLM을 만들었다. 또한 GenAI를 활용하여 마케팅 기획 → 카피 생성 → 홍보 이미지 제작 → 실행 단계를 축소하여 마케팅 담당자가 GenAI를 활요하여 신속한 업무 수행이 가능하도록 했다.
3. 솔트룩스
   • 한국판 ChatGPT로 개발한 초거대 언어 모델 루시아(Luxia)를 만든 업체이다. 모회사인 솔트룩스는 자연어 처리, 데이터 학습을 통해 AI 모델을 생성하고, 다수의 자회사는 해당 모델들을 통해 다양한 서비스를 만드는 구조다. 한국어 데이터를 기반으로 LLM을 생성했기에 국내 서비스에 특화되었다. SaaS 형태로 지원되기 떄문에, 쉽게 사용이 가능하다.

본인 직무 또는 서비스와 관련된 기술 적용 가능성

1. 도메인 특화 AI 서비스
   • 도메인 특화 데이터를 학습한 sLLM을 통해 추천 서비스나 고객센터 챗봇을 서비스하면 고객에게 큰 가치를 부여할 수 있다.
2. 복잡한 코드 로직 조력자
   • 개발 업무를 진행하면서 느낀 점은 복잡하게 계산되어야할 로직이 많다는 것이었다. 개발자가 계산하다보면 휴먼 에러로 인해 버그나 오류가 발생할 수 있다. ChatGPT를 활용하여 복잡한 비즈니스 로직을 작성할 때 도움을 받아 정확한 아웃풋을 도출해 낼 수 있다.

인공지능 시대의 개발자의 역할 전망 (본인 인사이트)

• 국내 많은 기업들이 LLM 모델링 기술에 힘을 기울이고 있다. 하지만 AI세미나 연설자가 AI 인프라 비용이 미국과 약 50배(335조 vs 7조)에 차이가 난다고 전했다. 이를 듣고, 개발자는 AI학습 기술을 만드는 것보다는 미국의 다수 AI업체들(ex. 마이크로소프트, 메타, 아마존, 구글 등)에서 제공하는 AI학습툴을 통해 본인이 개발하고 있는 서비스의 기능들을 고도화 하는 것이 주 업무가 될 것이라고 생각했다. 세부적으로 생각하면, 본인 회사가 가지고 있는 데이터(도메인, 고객정보)를 앞서 말한 업체들이 사용하기 쉽게 만든 툴에 넣어, 우리가 원하는 아웃풋을 도출하고 이를 고객에게 전달하는 방식에서 기술적 이용자로 업무를 수행할 것이라 생각했다.

농기구가 발전하기 전에는, 사람이 일일이 곡식 한줌씩 캘 수 밖에 없었다. AI가 나오기 전에는, 개발자가 데이터에 대한 경우의 수에 대해 일일이 조건문 코드들을 작성할 수 밖에 없었다. 아이러니한 말이지만, 드디어 기계를 접한 개발자다.