AI의해 변화될 앞으로의 1년

앞으로의 1년은 인공지능을 통한 변화가 엄청나게 일어나겠다고 생각한다. 변화를 이야기하기에 앞서, 현재까지의 변화에 대한 개인적인 감상을 소개한다.

그림을 그려주는 AI

생성형 AI의 대표 주자 중 하나인, 그림을 그려주는 AI의 발전 속도는 쇼크였다. 기억에 남는 사례만 추려봤다.

GauGAN이 나온 것은 2019년 3월이었다. 이 정도 수준이 가능하다는 것은 놀라웠지만, 아직 한참 멀었다고 생각했다.

그다음에 기술이 좋아졌다고 생각했던 건, Meta의 Animated Drawings. 그림만 그리면 움직이게 해준다는 것이 신선했다. 여기까지 발전한 것이 2021년이다.

역시 충격은 2022년부터였다. DALL-E 2는 그럴싸한 이미지를 만들어냈다. "말 타고 있는 우주 비행사"라는 키워드만으로도.

스테이블 디퓨전은 그림계에 커다란 충격을 줄 정도였고, '손'만 리터칭하면 쓸만한 사람 그림이 나올 정도였다.

GauGAN으로부터 스테이블 디퓨전까지 삼 년 반이 걸렸다. 기술이 엄청나게 변화되었다는 것이 느껴졌다. 컴퓨팅 성능의 발전속도가 늦춰진 것도 한몫했을 것이다. 컴퓨터 업계도 이제 성장할 만큼 했던 것 같다고 생각했었다.

그림을 그려주는 AI는 비주얼로 내게 충격을 주었다고 할 수 있다.

Chat GPT의 등장

내 머릿속의 AI는 탠서플로우로 숫자 인식하는 것에서 멈춰있었다. AI는 어디까지나 랜덤이라 생각했다. '잘 조정된' 주사위 던지기라 생각했다. 그래서 Chat GPT가 나왔을 때도, 오히려 부정적이었다. AI가 정말로 생각을 가지고 답변을 하는 것도 아니고, 사실이 아니어도 아무 말이나 할 수 있기 때문이다.

올해 1월부터는 생각이 달라졌다. 새로운 기능을 개발하면서, 변수명을 정해야 할 일이 많아졌다. 이름을 짓는 것은 어렵다. A가 좋을지, B가 좋을지 묘한 뉘앙스의 차이를 나는 잘 인식하지 못한다.

그래서 Chat GPT의 도움을 받아봤다. ‘A는 이런 뜻이고, B는 저런 뜻이다. 그래서 B가 더 적합하다.’ 너무나도 편했다. 변수명을 지을 때 물어볼 수 있는 원어민이 하나 생긴 기분이었다.

그렇지만 ChatGPT가 만능은 아니다. 정말로 버그 해결을 척척 해주지는 않는다. 소스를 그대로 올리지 못하는 것도 원인일 것이다. 그래서 구글링해도 안 나올 때만 사용한다. Chat GPT의 답변이 도움이 되기보단, Chat GPT의 답변에서 인사이트를 얻어 문제를 해결한다.

신기한 AI였던 그림 AI와는 다르게 Chat GPT는 유용한 도구였다. 이제는 변수명이 고민될 때는, Chat GPT에 물어본다.

서론이 길었다. 이처럼 내게 AI는 '신기한 도구'에서 '유용한 도구'로 변했다.

변하는 것과 변하지 않는 것

알파고로 인해 사회 전반적으로 AI에 대해 관심이 폭증 했었다. 그러나 마케팅 용어 이상의 효과는 보이지 않았다. 그리고 AI는 기업 정도의 규모가 되어야 효용을 느낄 수 있었다. AI 상품 추천이 개인에게 직접적인 이득을 주진 않았다. Chat GPT는 달랐다. 개인에게 유용한 도구가 되었다. 그래서 사회에 직접적으로 변화를 가하게 될 것이라고 생각한다.

앞으로의 1년은 지금보다 더 많이 바뀔 것이라 생각한다. 거대한 데이터 센터에서만 돌아갔던 AI가 어느 순간 최적화되어, 핸드폰에서도 가동할 수 있을지도 모른다. 더불어서 AI가 들어간 제품이 엄청나게 늘어날 것이다.

우리는 어느 순간에 변화된 삶을 마주하게 될 것이다. 마이크로소프트가 발표한 MS365 코파일럿만 봐도 그렇다. PPT를 만들 때, AI의 도움을 받는 것은 이제 자연스러운 일이 될 것이다.

그러나 반대로, 변화하지 않는 것도 있다. 풀 뽑는 걸 Chat GPT가 해주지는 않을 것이다. 물건을 나르는 것도 마찬가지다.

인공지능이 바꿀 수 있는 것은 한정적이다. 그렇기에 자신이 어느 쪽에 많이 노출되어 있는가에 따라, AI의 발전속도를 체감하는 것이 달라질 것이다. 2023년이 사무직에게 있어서 엄청난 혁신이 있었던 한 해가 될 것이다. 반대로 사무직이 아니라면 별 차이 없을지도 모른다.

변하는 것

생성형 AI는 기존과 달리 규칙이 필요 없다. 반면에 항상 동일한 결과를 내놓지도 않는다. 어찌 보면 컴퓨터를 통해 자동화했지만 오차가 발생하는 것이다. 그러기에 생성형 AI를 통해 생산성을 올릴 수 있는 곳은 아래와 같은 사례라고 할 수 있다.

1. 전통적인 방식으로는 자동화가 어려운 업무(보고서 자료 준비 등)
2. 오차가 생겨도 가능한 업무(기계는 오차가 있으면 안 된다)

이런 업무를 많이 하고 있다면, 변화를 받아들일 준비를 해야 한다. 남들이 생성형 AI를 잘 활용해서 생산성을 끌어 올리고 있을 때, 본인은 생성형 AI를 사용하지 않는 것을 고집한다면, 뒤처지게 될 것이다. 보고서를 하루에 2장 만드는 사람과, 20장을 만드는 사람으로 갈리게 될 수도 있다.

변하지 않는 것

반대로, 기계를 다룬다든지, 실패하면 안 되는 일들을 하고 있다면 큰 차이는 없을 것이다. 물리적인 업무라면 별로 영향을 안 받을 것이다. 운전은 여전히 사람이 하고 있을 것이고, 발표도 사람이 하고 있을 것이다.

직업의 변화

생성형 AI에 의한 해고는 크지 않을 것이다. 그러나 업무가 달라진다. 위에서 언급한 것과 같이 AI는 완벽하지는 않기 때문에 오차가 존재한다. 그러기에 AI를 검증할 사람이 필요하다. 사람이 적절하게 AI의 응답 오차를 수정해야 한다. 위에서 언급한, 보고서 자료 준비가 대표적인 예다.

AI가 보고서 자료 준비를 빠르게 처리할 수 있다고 하더라도, AI가 생성한 내용이 올바른지 확인하는 것은 결국 사람의 역할이다. 만약 AI가 부자연스러운 문장을 생성한다면, 사람이 직접 수정해야 한다. 이러한 이유로, AI가 생성한 방대한 양의 정보를 빠르게 읽고 적절하게 수정하는 일이 더 많아질 것으로 생각한다.

마찬가지로, 많은 양의 정보가 올바른지 확인하고 수정하는 역량이 중요해질 것이다.

결론

장밋빛 미래를 제시했지만, 마치 4차산업 혁명이나 메타버스처럼 1년 뒤에는 AI 열풍이 줄어들 것이라 생각한다. 물론 AI는 생활 속에 많이 녹여졌을 것이다. 단지 앞으로 1년의 변화 강도가 유지되지는 않을 것이라 생각하기 때문이다.

요약

• 그림 생성 AI기술의 성장 속도와 Chat GPT를 보았을 때, 생성형 AI 성장 속도는 빨라질 것이다.
• 생성형 AI에 의해 앞으로 1년은 사무직에서 엄청난 변화를 일으킬 것이다.
• 생산성을 높이기 위해 생성형AI를 적극적으로 활용해야 한다.