AI 활용의 대중화, 그리고 딜매치와 AI

최근 AI의 간단한 역사

2016년 알파고가 이세돌 9단을 이긴 것을 전후로 해서, AI에 대한 관심이 전세계적으로 급격하게 커졌습니다. 2024년인 지금은 그로부터 벌써 8년이 지났네요.

그리고 2년 전인 2022년 11월, ChatGPT가 세상에 나왔습니다. 그로부터 아직 2년도 채 되지 않았다는 것이 놀랍습니다. 처음 나왔을 때는 아직은 충분히 똑똑하지 않다, 혁신이다 갑론을박이 많았었는데, 무서운 속도로 성능을 높여가고 있습니다. 이에 자극을 받아 메타도 LLaMa 같은 거대언어모델을 발표하는 등, 전 세계의 빅테크들이 거대언어모델 개발에 뛰어들어 경쟁하고 있습니다.

이것이 IT서비스 회사들에게 무엇을 시사하는지, 그리고 딜매치 서비스라는 프롭테크 사업에는 어떤 의미인지 일천한 고민을 해본 것을 좀 써보려고 합니다.

AI 모델 구축 방식의 변화

최근 3~4년 사이에, AI를 개발하고 서비스/제품에 적용한다는 개념이 빠른 속도로 바뀌는 것을 느끼고 있습니다.

그 전에는 AI를 개발하고 서비스/제품에 적용한다는 것은, 기술기업들만이 연구개발을 통해서 접근할 수 있는 것이라고 여겨졌습니다. 지도학습(supervised learning)이라는 방법을 사용해서 AI 모델을 만들고 학습시키기 위해서는 데이터가 엄청나게 많이 필요합니다. 이미지 판독 같은 경우에도 최소 수만~수십만장이 필요할 수 있고, 그 원천 데이터에다가 메타데이터를 레이블링해야 합니다. 레이블링 작업은 사람이 해야 하기 때문에 비용이 많이 듭니다. 이렇게 데이터셋을 구축했으면, GPU가 달린 컴퓨터를 사용해서 수많은 시간을 들여서 모델을 학습시켜야 합니다. 학습을 시키면 성능을 시험해보고, 성능이 잘 안나오면 다시 모델을 조금 수정해서 다시 학습시키고 시험해보는 과정을 되풀이합니다. 이렇기 때문에 AI 모델을 개발한다는 것은, 많은 비용을 들여서 데이터셋을 확보해야 하고, 연구인력이 있어야 하고, 연구에 필요한 장비와 시간, 비용이 들어가는 일이었습니다.

하지만, ChatGPT가 나오면서 판도가 확 바뀌었다는 생각이 듭니다.

ChatGPT는 LLM, 그러니까 거대언어모델이라는 범주에 속합니다. 구축 비용이 정확히 알려져 있지는 않지만, 몇 가지 루머들을 볼 때, 예전 모델인 GPT-3 같은 경우에, 단일 훈련을 실행하는데에 13만~460만 달러, 한화로는 13억원~46억원 정도가 소요된다고 합니다. 그런데 훈련/학습은 한 번으로 이루어지지 않고, 여러 회차(iteration)를 거쳐야 하는 경우가 많고, 또 연구의 접근전략이나 파라메터 등을 조정해가면서 모델을 구축하기 때문에, 최종적으로 구축에 소요된 금액이 얼마가 될지는 상상이 안됩니다.

그래서 이제는 많은 AI 회사들이 자체 모델을 만드는 것에서 방향을 선회하고 있는 것 같습니다. 어차피 자체 개발을 하더라도 ChatGPT보다 성능이 좋게 만들 정도의 자금력을 투입하기도 어렵고, 시간이나 자원도 부족하기 때문입니다. 이제 모델을 직접 만드는 것은 빅테크 정도가 아니면 접근하기 어려운 영역이 되어가고 있는 것 같습니다. 물론 그 와중에도 소수 정예의 엄청나게 뛰어난 기술기업이 성장할 기회는 있겠지만요. 

사실 이러한 인식은, 'AI를 딜매치 서비스에 도입하기 위해서 인재풀을 보강한다면, 어떤 역량을 가진 인재가 필요할까?'라는 장기 전략을 구상하던 와중에 구체적으로 전개되었습니다. 생각을 해보니, 과거에는 AI 연구자가 필요한 시대였지만, 이제는 소위 AI 기획자가 필요한 시대로 바뀌고 있는 것이 아닐까 하는 생각이 들었습니다.

AI 사용의 대중화

다시 정리하면 이제는 AI 모델을 구축할 필요가 없어졌습니다. 구축 비용이 0이 되었습니다. 게다가, ChatGPT와 경쟁구도이면서도 오픈소스로 공개되어 어느 누구든 가져다 사용할 수 있는 LLaMA 같은 오픈소스 모델도 있습니다. 하지만 구축 비용 없이 사용할 수 있는 그러한 모델을 가져다가 자체 컴퓨터에 놓고 구동한다 하더라도, GPU가 장착된 서버를 서비스의 성장에 따라서 계속 확충해야 하고, 유지보수를 해야하고, AI를 유지보수 할만한 기술을 가진 고급 인력을 고용하고 있어야 하고, 주기적으로 최신 데이터로 업데이트를 해줘야 하는걸 생각하면, OpenAI의 API를 종량요금으로 사용하는 것이 총관리비용(TCO) 측면에서 월등히 저렴합니다.

IT 역사를 거슬러 올라가 보면, 이런 현상은 클라우드 컴퓨팅에서도 일어났었습니다. 예전에는 자체 IDC를 구축하고, 물리적으로 서버 컴퓨터를 데이터센터에 장착하던 시대를 지나서, 이제는 AWS, Azure, GCP라는 클라우드 서비스 상에서 웹사이트의 버튼만 클릭하면, 아니, 웹사이트에 들어갈 것도 없이 노트북에서 한두줄의 프로그램 코드만 실행하면 온갖 사양의 컴퓨터가 1분도 안되어 생성됩니다. 사용자는, 사용한 만큼만 돈을 냅니다. 초기에는 사용한 시간(hr)당 돈을 냈습니다. 10분을 사용해도, 1시간을 꽉 채워 사용해도 똑같이 1시간 분량의 돈을 냈습니다. 몇년 지나자 분(min)당으로 돈을 내게 바뀌었습니다. 10분을 사용하면 10분만큼의 돈을 냅니다. 2017년부터는 초(sec)당으로 돈을 냅니다. 컴퓨터를 만들고 허무는 주기가 엄청나게 빨라졌습니다. 이러한 클라우드 변혁의 시기 동안 엄청나게 다양한 웹서비스들이 폭발적으로 늘어났고, 혁신의 속도가 엄청나게 빨라졌습니다.

감히 예상해본다면, 향후 몇년간 AI의 활용도 이와 같을거라고 봅니다. AI의 구축/운영이, 동네 마트에서 물건을 사는 것처럼 엄청나게 쉽고 저렴해졌습니다. AI의 개발 비용이 엄청나게 싸지고, 엄청나게 빨라질거고, 전통적인 방법이던 데이터 구축, 모델 학습 같은 것은 거의 필요없어질 것 같습니다. (마치 순수과학처럼, 모델/엔진 자체를 만드는 것을 목표로 하는 일부 기술기업들이나, 언어모델이 아닌 특수한 필요를 가진 기업들을 제외하면 말이죠.) 관건은, 누가 먼저 응용 아이디어를 고안하고 실행에 옮겨 사업화를 할 것인지인 것 같습니다. 

AI 친화적인 서비스, 디자인

너무 핑크빛 전망은 아닐까 싶어서 좀 생각을 해봤습니다. 아마 이런 생각을 하는 분들도 있을 것 같아요. '하지만 지금 당장 ChatGPT를 봐도, ChatGPT가 내 ㅇㅇㅇ 업무를 대신 해주지는 못하지 않느냐'라는 생각이 들 수도 있을 것 같아요. 저도 글-언어, 대화라는 수단으로 ChatGPT에게 도움을 받는 것이 좀 제한적이라는 느낌이 들거든요.

그런데, 역시나 IT의 역사를 생각해보면, 컴퓨터가 처음 나왔을 때도, '컴퓨터가 펜을 쥐고 종이에 글을 쓰지는 못하지 않느냐', '글 내용은 사람이 타이핑으로 기록할 수 있다 하더라도, 디자인 요소를 표현하지는 못하지 않느냐', '컴퓨터에 글 내용을 입력하고 저장할 수는 있다 하더라도 종이에 그리지는 못하지 않느냐' 등등의 의문이 있었을 것 같아요. 하지만 모두들 알다시피, 이러한 문제들은 지금 시대에는 어느 정도 해결되었죠. 직간접적으로, 컴퓨터를 통해서 책 내용을 쓰고, 전자인쇄를 하고, 그래픽 디자인도 이제는 종이로 하는 분들보다는 포토샵 같은 컴퓨터 소프트웨어를 통해서 하는 경우가 더 많을 것 같습니다.

가만 생각해보면 이런 문제들은 재미있는 방법으로 해소되었는데, 컴퓨터가 사람에 맞추게 하기보다는, 사람이 컴퓨터가 이해하기 쉬운 방법으로 작업하기 시작했습니다. 사람이 펜으로 글을 종이에 쓰고 그걸 컴퓨터에게 알아듣게 입력하기보다는, 아예 사람이 글을 쓸 때부터 컴퓨터 상에서 쓰게 되었죠. 그림도 아예 그릴 때부터 컴퓨터 상에 태블릿 같은 것으로 그리고요. 그리고 정말 물리세계와의 상호작용이 필요한 작업, 이를테면 인쇄 같은 것을 할 때만 컴퓨터 세계에서 벗어나서 물리세계로 나오게 되었죠.

모바일 시대를 지나면서도, 초기에는 많은 웹사이트들이 데스크탑의 큰 화면을 기준으로 만들어졌기 때문에 모바일 기기로 볼 수 있는 웹서비스들이 많지 않았지만, 반응형 디자인이 등장하고, 이제는 아예 데스크탑보다는 모바일 기기를 우선하여 웹사이트를 만드는 등, 기술이 환경을 극복하기보다는 환경을 기술에 적응시키는 방법으로 문제가 해결되기도 했습니다.

이러한 역사적인 맥락을 현 시점에 대입해본다면 어떤 상상이 가능할까요. 지금은 아직 ChatGPT가 실험용 유리병 안에 격리되어 들어있고, 인간이 글과 대화라는 수단으로 제한적으로 물어보고 응답받는 식으로 ChatGPT를 사용하고 있지만, ChatGPT가 유리병 바깥의 세계를 직접 인식하고 제어하게 된다면 지금과는 많이 달라질 것 같습니다. 안그래도 불과 지난달에 GPT-4o가 그런 가능성을 보여주었습니다. 대화라는 언어 수단 뿐만 아니라, 물리 세계의 시각, 청각을 사용해서 감각을 지각하고, 역시나 언어나 이미지라는 수단을 통해서 의사표현을 할 수 있게 된 것을 우리는 보고 있습니다. 과거 불과 2년도 안되는 시간 안에 발달해온 ChatGPT의 발전 속도를 생각하면, 현재의 이 감각 채널을 다중으로 활용하는 능력이 더욱 발달할 것이라고 예상할 수 있습니다.

이미 Microsoft에서는 엔터프라이즈 솔루션인 Microsoft 365에 Copilot을 탑재하는 작업을 사활을 걸고 있는 것으로 보입니다. 기존의 Office 제품군, PowerPlatform, Microsoft Graph API 등에 걸친 MS 전 제품 생태계를 GPT가 제어할 수 있도록 연동작업을 하고 있는걸로 보입니다. 간단하게는 Word 문서도 직접 써주고, Excel 데이터를 이해해서 새 시트에 그래프를 그려주기도 하고, PPT에 장표를 만들어주기도 하고요.

딜매치와 AI

이렇게 AI 도입 비용이 엄청나게 저렴해졌고, 진입장벽이 낮아진데다, AI가 할 수 있는 영역이 점점 확대되는 시기에, 딜매치는 AI를 어떻게 활용할 것인가 하는 것이 CTO로서의 저의 고민 중 하나입니다. 지금 이 시장은, 누군가 재빠르게 좋고 기발한 아이디어를 실현해서 빠르게 시장을 선도하기에 너무 좋은 환경이라고 느껴집니다. AI 도입비용이 저렴해졌다고는 하지만, 아직도 아는 사람만 쓰고 있는 상황이기 때문이죠.

딜매치에 가장 먼저, 빠르게 적용해볼 수 있는 것에는 무엇이 있을까 생각해보다가, 내부적으로 활용하는 것이 제일 빠르게 적용해볼 수 있겠다 싶었습니다.

그래서 가장 처음에 적용해본 것은 뉴스 클리핑입니다.

딜매치 위클리를 받아보시는 분들은 일주일 동안 부동산개발 시장의 주요 뉴스들을 받아보고 계실텐데요. 뉴스 클리핑을 자동화하기 위해서 주요한 키워드들을 선정하고, 키워드에 해당하는 뉴스들을 매일 5백여건씩 수집하고 있습니다. 이렇게 수집된 뉴스들을 ChatGPT를 사용해서 각 헤드라인별로 부동산개발 분야와의 관련성, 중요도 등을 점수로 매기고 있습니다. 그리고 카드 뉴스에서는 뉴스 본문을 간단하게 간추려서 제공해드리고 있는데, 텍스트를 요약하는 것은 ChatGPT가 가장 잘 하는 일 중에 하나죠. 뉴스를 3백글자 이내로 요약하는 GPTs도 만들어서 사용하고 있습니다. 아직은 자동으로 카드 이미지를 생성해서 업로드하는 부분까지는 못하고 있는데, 시간이 날 때마다 연구하고 있습니다.

또 가능성을 가지고 보고 있는 부분 중에는, 메세지 코치가 있습니다.

딜매치에는 여러 딜들이 올라오고 있고, 각 딜들에는 다양한 분들이 제안 메세지를 보내주고 계십니다. 그런데 어떤 제안 메세지는 정중하고 상세한 내용을 담고 있어서 상대방이 응답을 하고 싶어지게 만드는가 하면, 어떤 제안 메세지는 한 줄 정도로 단도직입적이고 너무 짧아서 '이런 메세지에 응답이 올까?' 하는 걱정이 되는 경우도 있습니다. ChatGPT는 글쓰기에 강합니다. 내부적으로 실험해본 결과를 보니, 메세지를 상당히 정중하고 세련되게 고쳐주는 가능성을 볼 수 있었습니다. 부동산개발 분야의 업무는 대화, 그것도 이메일 등의 텍스트 메세지를 통해서 이루어지는 경우가 많은데, 혹시라도 내가 신경 못써서 놓친 부분들을 잡아서 정중하고 세련되게 제안해주는 코치를 두시는 것도 회원 분들에게 도움이 되지 않을까 생각이 듭니다.

이와 같이 딜매치에서는 회원분들의 업무 생산성에 직접적인 도움이 되기 위하여 AI를 활용하는 방안을 연구하고 모색하고 있습니다.

회원분들도 의견이나 아이디어가 있으시다면 댓글로 알려주시면, 연구개발을 거쳐서 회원분들께 돌려드리도록 하겠습니다.

긴 글 읽어주셔서 감사합니다.