2022년 11월 22일은 지구상의 거의 모든 산업의 근간을 뒤흔든 전환점이었습니다.
이날 OpenAI는 지금까지 개발된 인공지능 챗봇 중 가장 진보된 ChatGPT를 출시했습니다. 이를 계기로 소비자들의 질문에 대한 답변을 제공하는 것부터 과학적 돌파구를 찾는 연구자들의 작업을 가속화하는 것까지, 비즈니스의 효율성을 높이는 데 도움이 되는 생성형 AI 애플리케이션에 대한 수요가 촉발되었습니다.
이전에 AI를 도입했던 기업들도 이제 최신 애플리케이션을 서둘러 채택하고 배포하고 있습니다. 새로운 텍스트, 이미지, 사운드, 애니메이션, 3D 모델, 심지어 컴퓨터 코드까지 생성하는 알고리즘의 능력인 생성형 AI는 사람들의 업무와 놀이 방식을 변화시키며 빠른 속도로 발전하고 있습니다.
이 기술은 대규모 언어 모델(LLM)을 사용하여 쿼리를 처리함으로써 사람들이 정보 검색 및 컴파일과 같은 수작업에 투입하는 시간을 획기적으로 줄일 수 있습니다.
그 가능성은 매우 높습니다. PwC에 따르면 AI는 2030년까지 전 세계 경제에 15조 달러 이상을 기여할 수 있습니다. 그리고 AI 도입의 영향력은 인터넷, 모바일 광대역, 스마트폰의 발명을 모두 합친 것보다 더 클 수 있습니다.
생성형 AI의 핵심은 가속 컴퓨팅입니다. 가속 컴퓨팅은 CPU와 함께 GPU, DPU, 네트워킹을 사용하여 과학, 분석, 엔지니어링은 물론 소비자 및 기업 사용 사례 전반의 애플리케이션을 가속화합니다.
신약 개발, 금융 서비스, 소매 및 통신부터 에너지, 고등 교육 및 공공 부문에 이르기까지 다양한 산업 분야의 얼리어답터들이 가속 컴퓨팅과 생성형 AI를 결합하여 비즈니스 운영, 서비스 제공 및 생산성을 혁신하고 있습니다.
신약 개발을 위한 생성형 AI
오늘날 방사선 전문의는 AI를 사용하여 의료 이미지의 이상 징후를 감지하고, 의사는 AI를 사용하여 전자 의료 기록을 스캔하여 환자 인사이트를 발견하며, 연구자는 AI를 사용하여 신약 발견을 가속화합니다.
기존의 신약 개발은 5,000개 이상의 화합물을 합성해야 하는 자원 집약적인 과정으로 평균 성공률이 10%에 불과합니다. 또한 대부분의 신약 후보가 시장에 출시되기까지 10년 이상이 걸립니다.
이제 연구원들은 생성형 AI 모델을 사용하여 단백질의 아미노산 서열을 읽고 몇 주 또는 몇 달이 아닌 몇 초 만에 표적 단백질의 구조를 정확하게 예측하고 있습니다.
생명공학 분야의 글로벌 리더인 암젠(Amgen)은 NVIDIA BioNeMo 모델을 사용하여 분자 스크리닝 및 최적화를 위해 모델을 맞춤화하는 데 걸리는 시간을 3개월에서 단 몇 주로 단축했습니다. 이러한 유형의 훈련 가능한 기반 모델을 통해 과학자들은 특정 질병에 대한 연구를 위한 변형을 생성하여 희귀 질환에 대한 표적 치료법을 개발할 수 있습니다.
단백질 구조를 예측하거나 대규모 실제 및 합성 데이터 세트에서 알고리즘을 안전하게 훈련하는 등, 생성형 AI와 가속 컴퓨팅은 질병의 확산을 완화하고 맞춤형 치료를 가능하게 하며 환자 생존율을 높일 수 있는 새로운 연구 영역을 열어가고 있습니다.
금융 서비스를 위한 생성형 AI
최근 NVIDIA의 설문조사에 따르면, 금융 서비스 업계에서 가장 많이 사용되는 AI 활용 사례는 고객 서비스 및 심층 분석으로, 자연어 처리 및 LLM을 사용하여 고객 문의에 더 잘 대응하고 투자 인사이트를 발견하는 것으로 나타났습니다. 또 다른 일반적인 응용 분야는 개인화된 뱅킹 경험, 마케팅 최적화 및 투자 안내를 지원하는 추천 시스템입니다.
고급 AI 애플리케이션은 업계가 사기를 더 잘 방지하고 포트폴리오 계획, 리스크 관리, 규정 준수 및 자동화에 이르기까지 은행 업무의 모든 측면을 혁신할 수 있는 잠재력을 가지고 있습니다.
비즈니스 관련 정보의 80%는 주로 텍스트와 같은 비정형 형식으로 되어 있어 생성형 AI의 주요 후보가 됩니다. 블룸버그 뉴스는 금융 및 투자 커뮤니티와 관련하여 하루에 5,000건의 기사를 생산합니다. 이러한 스토리는 적시에 투자 결정을 내리는 데 사용할 수 있는 방대한 비정형 시장 데이터의 보고입니다.
NVIDIA, 도이치뱅크, 블룸버그 등은 금융 애플리케이션을 강화하기 위해 도메인별 독점 데이터로 학습된 LLM을 개발하고 있습니다.
금융 트랜스포머, 즉 “핀포머(FinFormers)”는 컨텍스트를 학습하고 구조화되지 않은 금융 데이터의 의미를 이해할 수 있습니다. Q&A 챗봇을 구동하고, 금융 텍스트를 요약 및 번역하고, 거래 상대방 위험에 대한 조기 경고 신호를 제공하고, 데이터를 신속하게 검색하고, 데이터 품질 문제를 식별할 수 있습니다.
이러한 생성형 AI 도구는 독점 데이터를 모델 학습 및 미세 조정에 통합하고, 데이터 큐레이션을 통합하여 편견을 방지하며, 가드레일(guardrails)을 사용하여 금융 관련 대화를 유지할 수 있는 프레임워크에 의존합니다.
핀테크 스타트업과 대형 국제 은행은 내부 및 외부 이해관계자에게 서비스를 제공하기 위한 정교한 가상 비서를 개발하고, 초개인화된 고객 콘텐츠를 제작하고, 문서 요약을 자동화하여 수작업을 줄이고, 테라바이트 규모의 공공 및 민간 데이터를 분석하여 투자 인사이트를 창출하기 위해 LLM과 생성형 AI의 사용을 확대할 것으로 예상됩니다.
소매업을 위한 생성형 AI
전체 쇼핑 여정의 60%가 온라인에서 시작되고 소비자들의 연결성과 지식 수준이 그 어느 때보다 높아진 오늘날, AI는 소매업체가 변화하는 기대치를 충족하고 치열한 경쟁에서 차별화할 수 있도록 지원하는 중요한 도구가 되었습니다.
소매업체들은 고객 경험을 개선하고, 동적 가격 책정을 강화하고, 고객 세분화를 생성하고, 개인화된 추천을 설계하고, 시각적 검색을 수행하기 위해 AI를 활용하고 있습니다.
생성형 AI는 구매자 여정의 모든 단계에서 고객과 직원을 지원할 수 있습니다.
특정 브랜드 및 제품 데이터로 학습된 AI 모델은 강력한 제품 설명을 생성하여 검색 엔진 최적화 순위를 개선하고 고객이 원하는 제품을 정확하게 찾을 수 있도록 지원합니다. 예를 들어, 생성형 AI는 제품 속성이 포함된 메타태그를 사용하여 “저당” 또는 “글루텐 프리”와 같은 다양한 용어를 포함하는 보다 포괄적인 제품 설명을 생성할 수 있습니다.
AI 가상 비서는 전사적 자원 관리 시스템을 확인하고 고객 서비스 메시지를 생성하여 구매 가능한 품목과 주문이 언제 배송될지 고객에게 알려주고 주문 변경 요청을 지원할 수도 있습니다.
NVIDIA Inception의 글로벌 기술 스타트업 네트워크에 소속된 스타트업 Fashable은 생성형 AI를 사용하여 가상 의류 디자인을 생성함으로써 제품 개발 과정에서 실제 원단이 필요 없게 되었습니다. 독점 데이터와 시장 데이터를 모두 학습한 모델을 통해 패션 디자인이 환경에 미치는 영향을 줄이고 소매업체가 현재 시장 트렌드와 취향에 따라 옷을 디자인할 수 있도록 지원합니다.
리테일러는 AI를 사용하여 고객의 관심을 사로잡고 유지하며, 우수한 쇼핑 경험을 제공하고, 적시에 적합한 제품을 고객에게 매칭하여 매출을 높일 수 있습니다.
통신을 위한 생성형 AI
통신 업계를 대상으로 한 NVIDIA 설문조사에서 응답자의 95%가 AI를 활용하고 있다고 답했으며, 3분의 2는 AI가 회사의 미래 성공에 중요할 것이라고 답했습니다.
고객 서비스 개선, 네트워크 운영 및 설계 간소화, 현장 기술자 지원, 새로운 수익 창출 기회 창출 등 생성형 AI는 통신 산업을 재창조할 수 있는 잠재력을 가지고 있습니다.
통신사는 네트워크 장비 및 서비스, 성능, 티켓 문제, 현장 조사 등에 대한 독점 데이터로 진단 AI 모델을 학습시킬 수 있습니다. 이러한 모델은 기술 성능 문제의 문제 해결을 가속화하고, 네트워크 설계를 추천하고, 네트워크 구성의 규정 준수 여부를 확인하고, 장비 장애를 예측하고, 보안 위협을 식별 및 대응할 수 있습니다.
핸드헬드 디바이스의 생성형 AI 애플리케이션은 장비를 스캔하고 가상 튜토리얼을 생성하여 수리 과정을 안내함으로써 현장 기술자를 지원할 수 있습니다. 그런 다음 가상 가이드를 증강 현실로 강화하여 기술자가 3D 몰입형 환경에서 장비를 분석하거나 원격 전문가에게 지원을 요청할 수 있습니다.
통신사에게도 새로운 수익 기회가 열립니다. 대규모 엣지 인프라와 방대한 데이터 세트에 대한 액세스를 통해 전 세계 통신사는 이제 기업 및 정부 고객에게 서비스로서의 생성형 AI를 제공하고 있습니다.
생성형 AI가 발전함에 따라 통신 사업자는 이 기술을 사용하여 네트워크 성능을 최적화하고, 고객 지원을 개선하고, 보안 침입을 탐지하고, 유지 관리 운영을 강화할 것으로 예상됩니다.
에너지를 위한 생성형 AI
에너지 산업에서 AI는 예측 유지보수 및 자산 최적화, 스마트 그리드 관리, 재생 에너지 예측, 그리드 보안 등을 지원하고 있습니다.
노후화된 인프라와 새로운 정부 규정 준수 규정으로 인해 증가하는 데이터 요구 사항을 충족하기 위해 에너지 사업자는 생성형 AI를 모색하고 있습니다.
미국에서는 전력 회사들이 발전 및 송전 인프라를 검사, 유지보수, 업그레이드하는 데 매년 수십억 달러를 지출하고 있습니다.
최근까지 비전 AI를 사용하여 검사를 지원하려면 수작업으로 수집하고 태그가 지정된 수천 장의 그리드 자산 사진으로 알고리즘을 학습시켜야 했으며, 새로운 구성 요소에 대한 학습 데이터도 지속적으로 업데이트해야 했습니다. 이제 생성형 AI가 이러한 작업을 처리할 수 있습니다.
알고리즘은 소량의 이미지 학습 데이터로 수천 장의 물리적으로 정확한 이미지를 생성하여 현장 기술자가 그리드 장비의 부식, 파손, 장애물을 식별하고 산불까지 감지하는 데 도움이 되는 컴퓨터 비전 모델을 학습시킬 수 있습니다. 이러한 유형의 사전 예방적 유지보수는 가동 중단 시간을 줄여 그리드 안정성과 복원력을 향상시키는 동시에 현장에 팀을 파견할 필요성을 줄여줍니다.
생성형 AI는 또한 수동 조사 및 분석의 필요성을 줄여줍니다. McKinsey에 따르면 직원들은 하루 최대 1.8시간을 정보 검색에 소비하며, 이는 일주일 근무 시간의 거의 20%에 해당합니다. 에너지 기업은 생산성을 높이기 위해 회의 노트, SAP 기록, 이메일, 현장 모범 사례, 표준 자재 데이터 시트와 같은 공개 데이터를 포함한 독점 데이터로 LLM을 학습시킬 수 있습니다.
이러한 유형의 지식 저장소를 AI 챗봇에 연결하면 엔지니어와 데이터 사이언티스트는 고도의 기술적인 질문에 대한 즉각적인 답변을 얻을 수 있습니다. 예를 들어 터빈의 유압 시스템에서 피치 제어 문제를 해결해야 하는 유지보수 엔지니어가 봇에게 다음과 같이 질문할 수 있습니다: “X사의 터빈 모델에서 피치 제어 문제를 해결하려면 유압 또는 유량을 어떻게 조정해야 하나요?”라고 질문할 수 있습니다. 적절하게 학습된 모델은 사용자에게 구체적인 지침을 전달할 수 있으며, 사용자는 답을 찾기 위해 부피가 큰 설명서를 찾아볼 필요가 없습니다.
새로운 시스템 설계, 고객 서비스 및 자동화를 위한 AI 애플리케이션을 통해 제너레이티브 AI가 에너지 산업의 안전과 에너지 효율성을 향상하고 운영 비용을 절감할 수 있을 것으로 기대합니다.
고등 교육 및 연구를 위한 생성형 AI
지능형 튜터링 시스템부터 자동화된 에세이 채점까지, AI는 수십 년 동안 교육 분야에서 활용되어 왔습니다. 대학에서 AI를 사용하여 교사와 학생의 경험을 개선함에 따라, AI 중심 연구 이니셔티브를 구축하는 데 점점 더 많은 리소스를 투입하고 있습니다.
예를 들어, 플로리다 대학교의 연구원들은 학계에서 세계에서 가장 빠른 슈퍼컴퓨터 중 하나를 이용할 수 있습니다. 이 슈퍼컴퓨터를 사용하여 컴퓨터가 전자 의료 기록에 저장된 임상 기록의 의료 언어를 읽고 해석할 수 있는 자연어 처리 모델인 GatorTron을 개발했습니다. 의료적 맥락을 이해하는 모델을 통해 AI 개발자는 자동화된 의료 차트 작성으로 의사를 지원하는 음성-텍스트 앱과 같은 다양한 의료 애플리케이션을 만들 수 있습니다.
유럽에서는 뮌헨 공과대학교가 참여한 산학협력을 통해 유전체학 데이터로 훈련된 LLM이 특수 모델이 필요했던 이전 접근 방식과 달리 수많은 유전체 작업에 일반화할 수 있음을 입증하고 있습니다. 유전체학 LLM은 과학자들이 DNA가 RNA와 단백질로 번역되는 과정의 역학을 이해하여 신약 개발과 건강에 도움이 되는 새로운 임상 애플리케이션을 개발하는 데 도움이 될 것으로 기대됩니다.
이러한 유형의 획기적인 연구를 수행하고 가장 의욕적인 학생과 자격을 갖춘 학계 전문가를 유치하기 위해 고등 교육 기관은 예산을 모으고, AI 이니셔티브를 계획하고, 여러 분야에 걸쳐 AI 리소스와 혜택을 분배하는 대학 전체의 접근 방식을 고려해야 합니다.
공공 부문을 위한 생성형 AI
오늘날 공공 부문에서 AI의 가장 큰 활용 기회는 공무원이 업무를 보다 효율적으로 수행하고 리소스를 절약할 수 있도록 지원하는 것입니다.
미국 연방 정부는 2백만 명 이상의 민간 직원을 고용하고 있으며, 이 중 3분의 2가 전문직 및 행정직에 종사하고 있습니다.
이러한 행정 업무에는 문서 초안 작성, 편집 및 요약, 데이터베이스 업데이트, 감사 및 규정 준수를 위한 지출 기록, 시민 문의에 대한 응답 등 시간이 많이 소요되는 수작업이 수반되는 경우가 많습니다.
정부 기관은 비용을 관리하고 일상적인 업무의 효율성을 높이기 위해 생성형 AI를 사용할 수 있습니다.
문서를 요약하는 생성형 AI의 기능은 정책 입안자와 직원, 공무원, 조달 담당자, 계약업체의 생산성을 높일 수 있는 큰 잠재력을 가지고 있습니다. 최근 미국 국가안보위원회에서 발표한 756페이지 분량의 인공지능에 관한 보고서를 예로 살펴보겠습니다. 보고서와 법률안은 수백 페이지에 달하는 학술적 또는 법률적 텍스트로 이루어진 경우가 많기 때문에, 몇 초 만에 생성되는 AI 기반 요약은 복잡한 내용을 일반 언어로 빠르게 분류하여 작업을 완료하는 데 필요한 인적 자원을 절약할 수 있습니다.
LLM으로 구동되는 AI 가상 어시스턴트와 챗봇은 온라인에서 사람들에게 관련 정보를 즉시 전달할 수 있어 재무부, 국세청, 차량관리국 등의 기관에서 폰 뱅크 업무를 담당하는 직원들의 업무 부담을 덜어줄 수 있습니다.
간단한 텍스트 입력만으로 AI 콘텐츠 생성을 통해 공무원이 간행물, 이메일 서신, 보고서, 보도 자료, 공익 광고를 작성하고 배포하는 데 도움을 줄 수 있습니다.
또한 AI의 분석 기능은 메디케어, 메디케이드, 재향군인회, 우체국, 국무부 등의 기관에서 제공하는 중요한 서비스의 전달 속도를 높이기 위해 문서를 처리하는 데 도움이 될 수 있습니다.
생성형 AI는 정부 기관이 예산 제약 내에서 일하고, 정부 서비스를 더 신속하게 제공하며, 긍정적인 여론을 형성하는 데 도움이 되는 중요한 도구가 될 수 있습니다.
생성형 AI – 비즈니스 성공의 핵심 요소
모든 분야에서 조직은 생성형 AI를 통해 직원의 생산성을 혁신하고 제품을 개선하며 고품질의 서비스를 제공하고 있습니다.
기업에서 생성형 AI를 실행하려면 방대한 양의 데이터, 심층적인 AI 전문 지식, 모델을 빠르게 배포하고 유지 관리할 수 있는 충분한 컴퓨팅 성능이 필요합니다. 기업은 DGX 클라우드에서 실행되는 NVIDIA AI 엔터프라이즈 소프트웨어의 일부인 NeMo 생성형 AI 프레임워크를 사용하여 빠르게 도입할 수 있습니다. 사전 학습된 NVIDIA의 기반 모델은 고유한 비즈니스 사용 사례에 맞는 맞춤형 생성형 AI 솔루션을 구축 및 실행하는 간소화된 접근 방식을 제공합니다.
비즈니스에서 생산성을 높이고, 작업을 자동화하고, 직원과 고객을 위한 새로운 기회를 창출하는 데 도움이 되는 강력한 생성형 AI 도구에 대해 자세히 알아보세요.