넷플릭스가 3.5년 만에 돌파한 100만 사용자를 쳇GPT는 출시 5일 만에 달성하였고, 두 달 만에 월간 활성 사용자 (MAU) 1억 명을 돌파하였다. 마이크로소프트사의 빌 게이츠는 “인공지능이 모바일폰과 인터넷과 같은 혁신적인 기술로써 혁명적이라고 생각한다”고 밝혔다.

독보적으로 세계 반도체 생산에 필요한 노광장비 EUV를 생산하는 엔비디어의 CEO 젠슨 황 역시 ‘AI는 아이폰과 비견되는 사건’으로 표현했다. AI의 근간을 이루는 핵심은 인간의 자연어를 이해할 수 있는 거대 언어 모델(LLM)과 인터넷에 공개된 데이터의 바다-빅데이터이다. 

정형, 비정형의 데이터들은 다양한 빅데이터 분석 방법을 통해 인간에게 유용한 정보를 제공할 수 있다. 2023년 3월 에 공개된 GPT-4의 파라미터(변수)는 수 조억 개로 1,750억 개의 GPT-3.5를 능가하며 월 20불의 사용료로 최신의 데이터에 근거한 정보를 제공해 준다.

대화 1회당 최대 영문 2만5천 단어(한글 책 18페이지 분량)을 기억한다. OpenAI가 제공하는 서비스는 먼저 거대 언어모델을 기반으로 분류/생성/대화/변환/요약 등의 텍스트와 관련된 기능을 제공한다. 

다음으로 여러 프로그래밍 언어를 지원하는 코드에 특화된 모델을 기반으로 자연어 기반 코드(프로그래밍 언어) 생성기능을 제공한다. 활용방식은 로우 코드앱 활용 지원, Legacy(구형)시스템 프로그램 언어의 새로운 시스템 환경 언어로의 변환, 자연어 검색에 대한 SQL, 쿼리
문 작성 등이다.

그리고 DALL·E2서비스 등 자연어 기반 이미지 생성 및 제공된 이미지의 OutPainting, Inpanting, Styletransfer 기능을 제공한다. 대비할 것이 많겠지만, AI는 인간과 흡사한 대화 능력으로 정보 탐색 비용을 줄이며, 기업의 업무 생산성 향상에 기여할 것으로 보인다.

Python, C#, Java 등 여러 프로그래밍 언어를 지원할 수 있어 프로그래밍 언어 간 장벽이 해소되어 API접근성 향상과 소프트웨어 개발이 보다 용이해진다. 

마이크로소프트사의 애저 OpenAI의 4가지 활용 사례 (표1)를 보면 고객 질의에 대한 맞춤형 답변 생성(Content Generation), 고객 상담 로그에 대한 요약 및 정보 추출 (Summarization), 자연어 기반 소프트웨어 개발 코드 및 SQL 작성(Code Generation), 개인화된 제품 추천 등 정보 검색 및 지식화(Semantic Search) 등으로 향후 산업별 특 화 솔루션으로 진화 중이라고 한다. 

데이터 관리의 조직화 

그러나 위에서 설명한 인공지능 쳇GPT의 첨단 기술을 향 유할 수 있는 기업은 그리 많지 않은 것으로 보인다. 보안의 문제는 차치하더라도 아직도 많은 기업이 조직의 경쟁력을 좌우하는 주요 자산인 데이터에 대한 관리 룰이나 시스템, 관리 조직 등에 대한 운영이 미비하기 때문이다. 

실제로 포천 1,000대 기업과 주요 기관 임원을 대상으로 2023년 실시한 설문조사에서 우리 기업이 데이터 기반으로 운영된다고 응답한 이는 전체의 24%에 그쳤다. 데이터 기반 조직의 핵심은 데이터 전략을 비즈니스 전략에 맞추는 것이다.

조직의 전략적 목표를 뒷받침하지 않는 데이터 전략은 의미가 없다. 비즈니스 전략의 주요 목표를 이해하고, 그런 다음에 데이터로 지원 가능한 영역들을 판별해야 한다. 바로 그 영역들이 데이터 전략의 주요 목표가 된다. 

예를 들어, 중소기업이 자금관리를 위한 계획을 수립하고 실행하는 과정에서 거래처로부터의 입출금 데이터를 기반으로 매출 매입활동의 실행력을 측정할 수 있다. 이때 비 즈니스 목표는 매출 매입에 따른 원활한 자금관리이며, 데이터 전략은 매출 매입 데이터와 은행의 입출금 데이터를 상호 비교 분석함으로써 비즈니스 목표를 지원하는 일일 것이다. 

또 다른 예로 고객의 피드백을 실시간으로 수집하는 사례를 들 수 있다. 과거에 설문조사 등 제한적인 방법으로 오랜 시간과 비용을 써야 얻을 수 있는 고객의 목소리를 이제는 디지털 기반으로 빠르게 수집할 수 있다. 이런 데이터 를 바탕으로 제품과 서비스를 개선한다면 속도감 있는 제품전략을 뒷받침할 수 있다.

제품 성능과 디자인을 개선하는 피드백을 통해 차세대 기능을 선제적으로 도입하고 제품 포트폴리오를 재구성할 수 있다. 이때 비즈니스 목표는 제품 혁신이며 데이터 목표는 고객의 피드백 데이터의 수집과 분석이다. 

데이터 관리는 많은 시간과 노력이 필요하다. 예를 들어 전기(Electrification)는 어느 날 갑자기 발견돼 마법처럼 좋아진 것이 아니다. 전기를 안전하게 생성하는 방법, 현장에서 받아들일 수 있는 설계를 변경하는 방법, 전기의 까다로운 속성을 처리하는 방법 등 모든 분야의 사람들이 자신의 임무를 수행한 결과이다.

이렇게 되기까지 무려 한 세대가 지난 것과 같이 기업의 경쟁력을 좌우하는 데이터의 조직 화 또한 그러한 노력이 수반되어야 가능하다. 쳇GPT와 같은 첨단 인공지능(AI) 기술을 활용해 보다 나은 비즈니스 가치를 창출하려면 지금부터 기업의 내부 데이터부터 챙겨볼 일이다.