AI

[ComputerWorld] 2025년에 기대되는 생성형AI의 다음 단계

H.Hoper 2025. 1. 1. 12:32

2024년에는

  • 생성형 AI(genAI) 시범 프로젝트의 급증
  • 높은 실험 비용 및 불확실한 효과에 대한 우려 제기
  • 이는 기업들이 비즈니스 결과에 초점
  • 데이터 품질 개선
  • 인재를 육성하는 데 집중

 

2025년에는

  • 대기업들은 AI 전략 우선
  • GenAI 프로젝트를 지원하기 위해 비즈니스-IT 협업 강화
  • 대규모 언어 모델(LLM) 시범 프로젝트에서 실제 프로덕션 전환 예상
  • SLM(소규모 언어 모델)도 주목받으며 특정 작업을 효율적으로 처리하는 데 기여
  • 기업들은 데이터를 관리하고 AI를 보다 효과적으로 활용하기 위해 새로운 기술 및 아키텍처를 채택 예정

 

[ 예측 AI와 생성형 AI]

  • 예측 AI
    • 기계 학습과 통계를 사용하여 과거 데이터를 기반으로 미래 이벤트나 행동을 예측하는 기술
    • Forrester는 전체 AI 사용 사례 중 50% 이상이 예측 AI로 전환될 것으로 전망
    • 유지보수, 개인화, 공급망 최적화, 수요 예측 등에서 검증된 응용 프로그램으로 투자 이동 전망
  • 생성형 AI
    • GAN(생성적 적대 신경망)과 같은 심층 학습 방법을 활용하여 새로운 콘텐츠(예: 이미지, 텍스트, 비디오, 합성 데이터) 생성
  • 생성형 AI와 예측 AI의 시너지
    • 미래에는 예측 결과를 활용하여 생성형 AI의 출력을 향상시키는 접근 방식 증가 예상
    • Forrester는 현재 28%에서 2025년까지 35%로 증가 예상

 

[ SLM(small language models)의 부상 ]

  • SLM
    • 경량화된 생성형 AI 모델, 100억 개 이하의 매개변수를 가진 모델
    • 모델의 뉴럴 네트워크 크기, 매개변수 수, 훈련 데이터 양이 적어 더 적은 컴퓨팅 리소스 소비
    • LLM보다 비용 효율적이며, 정확성과 관련성 면에서도 더 나은 성능 제공
  • 효율성
    • SLM은 온프레미스나 프라이빗 클라우드에서 배포 가능
    • 이는 보안과 프라이버시를 자연스럽게 강화
  • 범위
    • SLM은 금융, 헬스케어, 법률 서비스와 같은 전문화된 산업에서 우수한 성능 발휘
  • 대표 모델
    • Google Gemini Nano, Microsoft Orca-2–7b, Meta Llama-2–13b 등

 

[ 에이전틱 AI(Agentic AI)의 가능성 ]

  • 과제: 다중 모델 간의 시너지, RAG(정보 검색 강화 생성) 기술, 특수화된 전문 지식 간의 정렬은 여전히 해결되지 않은 과제
  • 성공 요인: 2025년까지 기업 CIO의 30%가 데이터 최고 책임자(CDO)를 IT 팀에 통합하여 AI 이니셔티브를 주도할 것으로 예상

 

[ 멀티모달(Multimodal) AI의 성장 ]

  • 멀티모달 AI는 텍스트, 이미지, 비디오, 오디오와 같은 다양한 데이터 유형을 처리하며, 이들의 상관관계를 분석
  • 응용 분야
    • 의료: 의료 영상, 환자 기록, 실험실 결과를 통합하여 진단 및 치료 개선
    • 금융: 고객 전화 문의 분석으로 문제 해결 지원
    • 자동차: 카메라, GPS, LiDAR 데이터를 통합하여 자율주행, 응급 대응, 내비게이션 최적화

 

[ AI의 성공을 위한 준비와 리더십 ]

2025년에는 다음 세 가지 요소가 조직의 성공을 좌우할 것으로 예상

  • 강력한 리더십: AI 전략을 주도하는 리더십의 중요성
  • 데이터 품질: 깨끗한 데이터 인프라를 구축하는 것이 필수
  • AI 인재 개발: 기업 요구를 충족시킬 수 있는 전문 인력을 양성

 

결론

  • 생성형 AI는 2025년에도 계속해서 진화하며, 예측 AI와의 시너지를 통해 새로운 혁신 구현
  • 조직들은 효율적이고 지속 가능한 AI 솔루션을 통해 복잡한 문제를 해결하며, 비즈니스 성과를 극대화에 집중