그러나 분석가 영역을 벗어나면 세계는 인공지능(AI)에 대한 열풍이 다시 불고 있는 모습을 보고 있습니다. ChatGPT와 생성 AI 더 광범위하게 말해서요. 저는 미래를 예측하고 10년 후 AI가 어디에 있을지 말하려고 하지 않을 겁니다. 제가 말씀드릴 수 있는 것은 기업에서 AI를 사용하는 것이 ChatGPT가 있든 없든 계속해서 성장하고 진화할 것이라는 것입니다. 그리고 여러분은 앞으로 수년간 그 혜택을 누리기 위해 AI를 활용해야 합니다.

생성 AI가 모든 것을 지배할 수 있는 유일한 AI일까?

과거에는 설계에 있어서 어려움이 많았는데, 인공 지능 그리고 기존의 머신 러닝을 구현하면 기업에서 AI를 구현할 수 없습니다. 데이터 코퍼스를 얻고, 준비하고, 모델을 빌드하고, 훈련시키고, 프로덕션에 투입하는 데 많은 작업이 필요했습니다. 여러분이 성공했다고 가정해 보겠습니다. 그것은 모델을 유지 관리하고 시간이 지남에 따라 정확도와 효과를 떨어뜨릴 수 있는 다양한 형태의 "드리프트"를 처리하는 데 더 많은 에너지와 리소스를 소비해야 한다는 것을 의미할 뿐입니다.

컴퓨팅 파워가 증가하고 데이터 세트가 커짐에 따라 기업에서 AI가 성장하고 있습니다. Forrester 분석가, Diego lo GuidiceAI, 머신러닝, 딥러닝을 구현하는 비율은 67년 2021%에서 73년 2022%로 증가했습니다.

이 글을 쓰는 시점에서 AI 도입이 100%에 가깝다고 주장하고 싶습니다. 그러나 여기서 "도입"이 무엇을 의미하는지에 대한 문제입니다. "전통적인" 인공 지능은 물론 이미 다음과 같은 것들을 촉진하고 있습니다.

• 다양한 사용 사례에 대한 권장 사항
• 자동화된 문서 처리
• 알고리즘 거래
• 공급망 계획
• 사이버 보안

현재 머신 러닝의 주요 응용 프로그램은 일상적인 작업을 더 쉽게 만들고, 쉽게 자동화되는 작업의 경우 사람보다 더 빠르게 처리합니다. 이러한 형태의 AI는 일상 업무에서 빠르게 보편화되고 있습니다. 의심할 여지 없이 속도, 시간 절약, 준수 사항 등의 가치를 제공합니다. 하지만 이것들은 이제 기업을 위한 테이블스테이크입니다.

생성적 AI로 대표되는 이 새로운 기계 지능의 물결은 - 그것이 얼마나 진정으로 "지능적"이든 아니든 - 분명히 엄청난 양의 탐색과 투자를 촉발했습니다. 그럴 만한 이유가 있습니다. ChatGPT와 Bard나 Dall-E와 같은 다른 생성적 AI 도구는 기술적 경이로움입니다.

생성적 AI는 상당한 가치를 창출할 잠재력이 있으며 모든 형태의 작업에 큰 영향을 미칩니다. 엄청난 양의 데이터를 구현하고 놀라운 일을 할 수 있기 때문에 생성적 AI가 다른 형태의 머신 인텔리전스를 대체할 것이라고 생각하기 쉽습니다. 모든 문제에 대한 솔루션을 생성하려면 영리한 "신속한 엔지니어링"과 능숙한 "미세 조정"만 있으면 됩니다. 왜 안 되겠습니까?

ChatGPT는 인간의 작업을 가속화할 수 있습니다. 저는 최근에 뉴잉글랜드의 작은 농장의 IT 운영을 관리하는 여러 가지 역할을 하는 소프트웨어 테스터에 대한 이야기를 들었습니다. 농장 경영진은 테스터에게 수화 시스템에 대한 특정 IoT 솔루션을 찾아달라고 요청했습니다. 일반적으로 며칠이 걸릴 수 있는 작업에서 테스터는 ChatGPT를 사용하여 몇 시간 만에 거의 60개의 요구 사항 목록을 만들었습니다. 그는 농업 IT 분야에서의 지식과 난해한 경험을 생성 AI와 결합하여 작업을 서두를 수 있었습니다.

하지만 생성 AI만으로는 이를 실현할 수 없습니다.

생성적 AI는 지식 노동자를 증강시킬 수 있습니다. 하루 종일 수많은 법률 문서를 생산하는 법률 회사는 생성적 AI를 사용하여 관련된 사건에 맞는 맞춤형 문서를 생산할 수 있습니다.

이러한 예에서 절약된 시간이 유익하기는 하지만, 여전히 일상적인 작업을 더 쉽게 만들 뿐입니다. AI에서 짜낼 수 있는 가치가 더 많습니다.

Somnath Singh의 최근 기사에서 “지폐 게이츠: 사람들은 다가올 일을 깨닫지 못한다"  싱은 ChatGPT와 같은 생성적 도구에 의해 촉진된 이 새로운 AI 흐름이 곧 기업이 비즈니스 문제를 해결하는 방식을 바꿀 것이라고 주장합니다.

싱은 독자들에게 "기술적인 작업과 비기술적인 작업의 경계가 더 이상 존재하지 않는 세상"이라는 아이디어를 제시합니다. 이는 의심할 여지 없이 사실입니다. 사람들은 일을 하고 목표를 달성하기 위해 특정 분야에서 덜 기술적인 기술이 필요할 것입니다.

하지만 생성 AI만으로는 이를 실현할 수 없습니다.

복합 AI: 함께라면 더 좋다

한 걸음 물러서서 생각해보면, 인공지능이라는 용어가 광의의 용어라는 것을 기억하는 것이 유용합니다. 그리고 모든 신생 기술과 마찬가지로, 특정 형태의 AI와 관련된 화제는 상당한 소금 한 알과 함께 받아들여야 합니다. 어떤 종류의 AI에 대해 이야기하고 있는지 스스로에게 물어봐야 합니다. 이를 통해 특정 AI 기술이나 기법을 사용하여 특정 과제를 해결하거나 조직의 기회를 열어줄 수 있는지 확인하는 데 도움이 됩니다.

머신 인텔리전스를 통해 문제를 해결하는 것은 실제로 거의 항상 다면적입니다. 주어진 AI 기술이 아무리 풍부하거나 고무적이라 하더라도(생성 AI는 확실히 풍부하고 고무적입니다) AI를 통해 작업을 증강하거나 자동화하는 한 측면만 다룹니다. 따라서 인공 지능으로 실제 문제를 해결하려는 경우 하나가 아닌 여러 AI 기술을 혼합해야 할 가능성이 큽니다. 또는 Gartner가 말했듯이: 합성 AI.

복합 AI는 여러 AI와 고급 분석 기능을 결합하여 더 나은 — 그리고 더 신뢰할 수 있는 — 결과를 생성하는 것을 목표로 합니다. 예를 들어, 지식 그래프는 종종 인간의 의사 결정을 증강하거나 자동화할 때 또는 가상 에이전트와 상호 작용할 때 생성 AI를 보완하는 데 사용됩니다. 이름에서 알 수 있듯이, 인간의 경험과 판단을 포착하는 좋은 방법입니다. 디지털 형태로 인간적 요소를 주입하면 더 나은 결과를 얻을 수 있습니다. 그리고 질문에 대한 시스템에서 생성한 응답에 대한 사용자의 신뢰도가 높아집니다.

복합 AI의 예는 다음과 같습니다. 보험 회사 고객이 사고 후 차량 사진을 찍을 수 있는 애플리케이션이 있습니다. 이를 통해 손상 평가가 자동으로 생성됩니다. 이 평가에 따라 보고서가 생성됩니다. 차량이 완전 파손된 것으로 간주되면 차량 소유자를 위해 가장 가까운 견인 회사에 전화가 걸립니다.

이 사례의 보험 조직은 수동 작업과 인간의 의사 결정을 자동화하기 위해 여러 AI 프레임워크를 사용하고 있습니다. 이미지 인식은 손상을 포착하고 평가합니다. 머신 러닝은 손상된 차량을 해당 브랜드와 모델의 차량과 비교하여 손상을 판단합니다. 생성 AI는 보고서를 생성합니다. 이 합성 AI는 차량을 완전 파손으로 간주하고 견인 회사에 전화하여 차량을 픽업하는 행동 방침을 결정할 수 있습니다.

인과적이고 효과적

여기에서 저는 더욱 흥미로운 복합 AI의 한 형태인 인과적 AI에 대해 이야기하게 됩니다.

인과적 AI는 생성적 AI 또는 머신 러닝 예측 및 자동화 이상입니다. 이러한 기술은 개념에 대한 이해가 없습니다. 분별력이 없습니다. 인과적 AI는 입력을 분석하고 모델이 적절하게 훈련된 경우 인간과 같은 결정을 내릴 수 있습니다. 인과적 AI를 사용하면 특정 시스템이나 워크플로 내에서 직원의 판단을 포착할 수 있습니다. 이를 통해 작업을 자동화하는 것이 아니라 의사 결정을 개선하는 것입니다.

인과적 AI를 사용하면 전문가의 능력을 높이고 더 빠르게 더 나은 결정을 내릴 수 있는 능력을 갖출 수 있습니다. 시간이 지나면서 해당 모델을 특정 클래스의 결정에 신뢰할 수도 있습니다. 적절한 데이터 세트를 사용하고 특정 클래스의 결정을 신뢰하면 조직은 이제 전체 인력을 더 빠르고 더 나은 의사 결정 능력으로 보강할 수 있습니다.

아직 몇 년은 남았지만, AI의 다음 단계입니다. 그런 기술로 실현할 수 있는 가치를 상상해 보세요. 인과적 AI는 시간을 절약하고 달러를 버는 것 이상입니다. 예측 예측 이상입니다. 특정 고객 세그먼트에 대한 제안된 판매 전략에 대한 권장 사항과 함께 예측 예측입니다. 예를 들어, 인과적 AI는 주식 시장 데이터를 분석하고 금융 기관이 주가, 경제 지표, 연방 정책 및 뉴스 헤드라인 간의 관계에 따라 정보에 입각한 투자 결정을 내리는 데 도움을 줄 수 있습니다.

조직이 머신 러닝을 사용하여 공급망 프로세스를 따라 작업을 자동화할 수 있는 반면, 인과 AI는 인간의 작업을 복제할 뿐만 아니라 인간의 의사 결정을 복제하고 프로세스의 병목 현상과 비효율성을 식별할 수 있습니다. 식별할 수 있을 뿐만 아니라 성과를 개선할 수도 있습니다.

인과적 AI는 더 나은 결과를 창출하는 또 다른 방법입니다.

인과 AI 및 기타 복합 AI 구현은 기술적 작업과 비기술적 작업의 경계를 생산적으로 모호하게 만드는 데 도움이 되므로 AI 지원 애플리케이션 개발에 투자한 투자 수익을 확인할 수 있습니다. 스마트 앱 기하급수적으로 성장하기 시작했습니다.

흥분해라

"기술은 그 모든 결과와 함께 지속적인 변화를 의미합니다."

기술의 약속, FFP 콜만

AI는 항상 스스로를 밀어붙이며 방금 바꾼 게임을 바꿀 것입니다. 그 결과와 그것으로부터 얻을 수 있는 가치를 이해하는 것이 항상 조직을 앞으로 나아가게 하는 방법입니다. 저에게 AI의 흥분은 그것이 무엇을 복제할 수 있는지가 아니라 우리가 그것으로 무엇을 할 수 있는지, 그리고 어떤 종류의 복잡한 문제를 해결할 수 있는지에 있습니다.

AI에 대한 과대광고가 다시 고조되기 시작하면, 그것은 아마도 인간의 판단을 적용하면서도 작업을 수행하는 데 필요한 기술적 전문성을 낮출 수 있는 AI에 대한 것일 수 있습니다. 따라서 직업이 바뀌고, 직무 역할이 바뀌고, 산업이 붕괴될 것입니다.

하지만 그것이 바로 기술의 본질이 아니겠습니까?

단순히 과장된 홍보가 아닌, 어떤 AI 기술이 조직의 생존력을 유지하는 데 도움이 될지 판단하는 것은 여러분에게 달려 있습니다.