생성형 AI란 작업자가 명령어를 입력하면 AI가 기계학습(machine learning)을 통해 텍스트, 이미지, 오디오, 비디오 등 새로운 콘텐츠를 생성하는 기술을 의미한다. “명령어를 입력하면 기존의 데이터를 참조하여 결과물을 산출한다”라는 작업방식은 구글, 네이버 등 기존의 ‘검색엔진’과 비슷한 메커니즘을 따른다고 할 수 있다. 그러나 생성형 AI는 기존의 데이터를 학습하고 조합하여 체계화된 정보를 구성하거나, 아예 새로운 콘텐츠를 창조해 내는 등 컴퓨터가 인간 사고 및 업무의 방식과 유사하게 작동한다는 점에서 기존의 검색도구들과 구분된다. 이러한 차이는 “생성형 AI는 <검색엔진>에서 <응답엔진>으로의 이행을 뜻한다”라는 문장 속에 잘 녹아 있다고 본다.

ChatGPT 등 민간기업의 다양한 생성형 AI 기술들이 처음 소개된 이후 일반인들도 경험삼아 생성형 AI를 활용하여 새로운 문서, 이미지, 동영상 등의 콘텐츠를 제작하여 활용하는 사례들이 점차 증가하고 있다. 일반인이 프롬프트라고 불리는 몇 개의 문장을 입력하는 것만으로 새로운 보고서나 논문이 즉시 작성되고, 심지어 전문가 수준의 그림이나 영상을 만들어 낼 수 있다는 경험은 사실 우리에게 매우 충격적이고 단절적인 인상을 남겼다고 할 수 있다. 이는 생산성과 효율성 개선 방안을 두고 고민하는 정부와 기업에 있어서 향후 조직경쟁력에 영향을 미치는 주요한 경영요소로 받아들여지게 되었으며, 이에 새로운 기술환경 변화에 적응하기 위한 주요국의 바쁜 행보가 이어지고 있다.

가령, 미국의 뉴욕시는 지난 2023년 10월 시 업무와 공공서비스에 인공지능의 적용성을 높이기 위한 ‘뉴욕시 인공지능 도입 계획’(New York City Artificial Intelligence Action Plan)¹⁾을 발표하였다. 해당 계획안은 뉴욕시의 최고기술책임자(CTO)의 주재로 약 50페이지의 보고서로 작성되었는데, ‘AI 운영위원회’(AI Steering Committee)의 구성, 기획된 AI 과제들의 유형화 및 분류작업, 운영원칙과 가이드 라인 구성, AI 위험도 분석 및 평가 과정 구축, 그리고 지속적인 모니터링 절차 등 생성형 인공지능의 적용을 위한 일련의 체계화된 과업들을 체계화하여 제시하고 있다. 한국의 경우에도 지난 2023년 4월 대통령직속 디지털플랫폼정부위원회 주재로 ‘디지털플랫폼정부 실현계획’²⁾이 발표되었다. 동계획에는 “AI·데이터를 국가전략산업으로 육성”하고, 특히 교육, 안전, 에너지 등 주요 인프라에 신기술을 우선 적용하는 방안이 담겨 있다.

요컨대 생성형 AI는 기존 <검색엔진>을 <응답엔진>으로 전환하는 기술적 패러다임을 보이고 있으며, 정보의 탐색 및 (재)구성비용을 크게 저감하여 정부와 기업의 업무 생산성과 효율성의 제고를 꾀할 수 있을 것으로 기대되고 있다. 이에 생성형 AI에 대한 발빠른 전략구축과 적용방안 탐색의 속도전이 이루어지고 있는 상황이다.

생성형 AI는 아직 기술제안의 초기적 단계에 있고, 업무적용상의 이점과 위험에 대한 경험적 사례가 충분하지 못한 상황이다. 따라서 실무적으로 생성형 AI는 보고자료의 초안을 잡거나 아이디어의 개요를 구성하는 수준에서 주로 활용되어 보조적이고 보완적인 역할로 활용되고 있는 것으로 보고되고 있다. 즉 생성형 AI는 챗봇(chatbot)이나 문서번역 등 반복적, 상시적 업무에서 인간을 보조하거나 경우에 따라 대체하는 부분자동화 및 완전자동화 영역에서 주로 활용성이 탐색되고 있는 상황이다. 그리고 의사결정의 책임성, 투명성, 윤리성이 강조되는 정부 및 공공부문에서의 의사결정과 재량행위의 영역에서는 이러한 법적 쟁점으로 인하여 신중한 적용을 위한 학술적, 사회적 담론이 활발하게 이루어지고 있다. 이에 마이크로소프트 등 선도적인 개발사 역시 현재에는 자사의 오피스 프로그램 패키지나 검색엔진의 사용자 편의성을 높이기 위하여 코파일럿(co-pilot)이라고 불리는 어시스턴트 기능을 고도화하는 것을 선행하는 모습을 보이고 있다.

한편 선도적인 정부와 기업들은 생성형 AI를 다음과 같은 업무에 접맥시켜 활용하는 모습을 보이고 있으며, 이는 관련 기술의 활용성을 탐색하고 있는 경영자와 관리자에게 참조의 실익이 있다고 본다.

대량의 문서를 검토하여 필요 정보나 문제 요소를 찾아내는 업무는 많은 인력과 시간 자원을 요구하나, 생성형 AI는 방대한 비정형 데이터 분석 및 페르소나 기반 접근법 사용에 효과적인 작업 도구로 활용될 수 있다. 가령, HR 부서에서 다량의 채용서류를 검토하여 스펙상 적합자를 추려내는 작업을 수행하거나, 법무부서에서 약관과 조항의 문제요소를 검사하는 등의 업무를 수행하는 상황에서 생성형 AI는 작업자를 보조 혹은 대체하여 정확하고 빠르게 업무를 처리할 수 있다. 특히 최근에는 인공지능이 과거의 텍스트 인식에서 음성, 이미지, 영상인식 등 다양한 형식의 투입정보를 인식하여 처리하는 ‘멀티모달’(multi-modal) 기능이 강화되어 소위 ‘멀티모달 생성형 AI’의 개념이 대두되고 있다. 따라서 CCTV 기록물로부터 필요한 상황정보를 추출해내거나, 방대한 이미지와 영상을 검색하여 필요한 요소를 탐색하는 등 다양한 업무에서 활용성이 증대될 것으로 전망된다. 관련한 기술적 솔루션으로 Kira Systems나 Juro 등이 대표적이며, 한국의 국세청은 금융거래상 이상 정보 등을 실시간으로 추적하여 감시하는 자체 솔루션을 운영 중이다.

생성형 AI는 번역, 녹취, 서식변경, 인용방식 수정 등 다양한 현지화(localization) 업무에서 조직자원을 절약하는 역할을 수행할 수 있다. 특히 최근에는 음성과 영상의 투입자료를 인식하는 멀티모달 기능과 연동되어 동영상의 필요에 따라 다양한 언어로 정확한 자막을 입력하는 솔루션이 개발되어, 다국적 OTT 기업 등에서 적극적으로 활용되고 있다. 이는 향후 멀티미디어를 다루거나, 국제적인 맥락에서 다양한 고객사들을 대상으로 하는 사업 영역에서 높은 활용성을 보일 수 있을 것으로 전망된다.

구글의 ‘듀엣 AI’ 등의 솔루션은 이메일, 스프레드시트 등 사무작업에 있어서 몇 개의 단어나 질문을 입력하면 콘텐츠의 초안을 주고, 작업자와 인공지능 간의 대화형 상호작용을 통해 초안을 고도화하는 사무용 대화형 콘텐츠 생성 기능을 제공하고 있다. 예를 들어, 반복적인 안내문이나 알림 이메일을 작성해야 하는 경우, 작업자가 필요한 콘텐츠의 방향성을 입력하면 생성형 AI가 메시지와 더불어 필요한 편집과 디자인을 얹어주는 서비스 등을 상정할 수 있다. 구글을 이를 ‘생성형 AI 워크스페이스’라고 부르고 있으며, 영상의학과의 판독문 작성, 법무부서의 검토문 작성, 프로그래머의 코드 작성, 설계부서의 설계 초안, 연구부서의 초안, 목차, 자료수집 파트 작성 등 다양한 분야에서 활용도를 제고할 수 있을 것으로 전망된다. 기본적인 아이디어는 작업자가 최소한의 자원을 투입하여 타깃 콘텐츠의 목업(mock-up) 등을 구성하고, 더 나아가는 경우 여기에서 도출된 영감으로 콘텐츠를 고도화하는 업무흐름을 골자로 한다. 이는 향후 콘텐츠 생산과 관련한 사무 일반에 광범위한 영향을 미칠 것으로 예상된다.

이제는 범용화 단계에 접어든 챗봇(chatbot) 등 대화형 인공지능 외에도, 고객과 관련한 대규모 정형, 비정형 데이터를 학습하여 맞춤형 정보 및 광고 제공, 고객의 피드백 분석을 통해 제품과 서비스의 개발과 고도화에 반영하는 학습형 품질 개선절차 등을 설계하여 운영하는 방안을 탐색할 수 있다. 교육 분야에서는 비영리 온라인 교육콘텐츠 제공 기관인 ‘칸 아카데미’(Khan Academy)가 최근 GPT-4 기반으로 선보인 인공지능 튜터인 ‘칸미고’(Khanmigo)³⁾를 예시할 수 있다. 칸미고는 학생과의 대화를 통해 선호와 학습수준 등을 진단하고, 이에 맞춘 학습콘텐츠를 제공하고 필요한 정보를 설명하여 교육해 주는 인공지능 기반의 튜터링 솔루션이다. 이는 대화를 통해 정보를 제공하는 것을 주요 목적으로 하는 챗봇(chatbot) 서비스에 사용자의 속성 및 행태 정보 분석 기능을 연계하여 교육 및 튜터링에 활용한 예시라고 할 수 있다. 이는 조직에서의 교육훈련 등 HRD 관련된 영역에서 활용성을 모색할 수 있을 뿐 아니라, 조직의 규정이나 매뉴얼 등에 대한 정보제공 및 적용방안 제안 등 다양한 영역에서의 활용성을 제고할 수 있을 것으로 전망한다.

생성형 인공지능은 신약 개발 등의 분야에서 새로운 유형의 단백질을 설계하여 신약의 개발을 가속하는 등 창의적인 연구 기반의 자료 생성 및 개발 분야에서도 적용성이 모색되고 있다. 대표적으로 제너레이트 바이오메디슨과 워싱턴 대학이 공개한 ‘크로마’(Chroma)와 ‘로즈TTA 폴드 디퓨전’(RoseTTA Fold Diffusion) 등을 예시할 수 있다⁴⁾. 이러한 창의적인 콘텐츠의 생성은 인공지능을 활용한 지능화의 영역이라고 할 수 있는데, 문화 부문의 큐레이팅 및 콘텐츠 생성 등 다양한 영역에서도 활용도를 높일 수 있을 것으로 전망된다. 다만 지능화 인공지능의 경우, 향후 기술적인 수준을 보다 고도화하고 솔루션의 사용 비용이 크게 절감되는 것을 조건으로 범용성이 담보될 수 있을 것으로 예상되며, 이에 당장의 시스템 구축을 모색하기보다는 중장기적인 적용성을 탐색할 필요성이 있다고 본다.

본문에서 생성형 AI는 아직 기술제안의 초기적 단계에 있고, 업무적용상의 이점과 위험에 대한 경험적 사례가 충분하지 못한 상황이다. 따라서 사례로 제안한 활용유형들은 우리에게 각자의 업에 맞게 어떻게 활용하고 적용할 것인지에 대한 인사이트와 아이디어를 제공해 주는 기능을 갖는다고 받아들이고, 중기적 시계의 촘촘한 기획 없이 당장의 벤치마킹을 추구하는 것에는 신중할 필요가 있다.

특히 생성형 AI는 태생적으로 다음과 같은 문제를 가지고 있는 것으로 보고되고 있으므로 위험도에 따른 사전적 분석이 요망된다.

첫째, 생성형 AI는 겉으로는 그럴듯해 보이나 내용상 잘못되거나 무의미한 정보를 산출하는 소위 할루시네이션(hallucination) 현상을 보이는 것으로 보고되고 있다. 이는 인공지능이 정보학습 과정에서 “옳은 답”을 추구하기보다는 “기존 자료들의 내용 간 관계성을 조합”하는 것을 우선하기 때문에 나타나는 현상이며, 이에 인공지능 산출자료의 수용에 있어서 신중한 태도를 요한다고 할 수 있다.

둘째, 비용적 측면에서 생성형 AI는 구축 및 운용에 있어서 아직은 대규모 컴퓨팅 자원과 비용을 요구한다. 또한 고도화된 대형 모델의 경우 전문인력의 수급 등에 어려움이 예상된다.

셋째, 지능형 인공지능의 경우 의사결정을 수행한 이후의 공과에 따라 책임성, 투명성, 윤리성 등을 둘러싼 법적 쟁점이 제기될 수 있다. 가령, 행정기관에서 지능형 인공지능이 어떠한 개인활동의 위법성을 판단하여 처분을 내리는 경우, 해당 처분이 잘못된 것으로 판명되면, 담당자, 인공지능, 솔루션 개발자, 데이터 투입 담당자 등 다양한 주체 중에서 누가 관련한 책임을 질 것인지에 대한 법적 쟁점이 발생할 수 있다. 따라서 만약 조직의 담당업무가 당사자의 이익을 침해할 수 있거나 처분적 성격을 갖는 경우에는 인공지능의 적용성 탐색에 있어서 특히 매우 신중할 필요가 있다.