생성형 AI는 제품 및 서비스를 보다 손쉽게, 저렴한 비용으로 만들고 개선할 수 있게 만듭니다. 경쟁에서 앞서기 위해 많은 기업은 전략을 다시 고심하고 고객에게 가치를 더할 새로운 방법을 찾아야 합니다. 

기업이 어떻게 하면 생성형 AI를 기회로 전환할 수 있을까요? 

1. 사용 가능한 공개용 AI 도구를 도입한다.

 기업은 직원들에게 대규모 언어 모델(LLM)의 기성품이나 비슷한 유형의 생성형 AI를 제공할 수 있습니다. 그림을 그려주는 생성형 AI 미드저니Midjourney나 텍스트나 이미지를 주면 영상을 만들어주는 런웨이Runway 같은 도구를 통해 기존 업무를 더욱 효과적이고 효율적으로 처리할 수 있습니다. 단기적으로, 이런 AI 도구를 경쟁사보다 더 빨리 도입하거나 더 잘 활용하는 기업이 경쟁우위를 점할 수 있을 것입니다.

2. AI 도구를 커스터마이징한다.

 기업은 고객 서비스 과정에서 쌓은 데이터와 노하우를 활용하는 맞춤형 생성형 AI 도구를 만들 수 있습니다. 제품의 상호작용 등을 통해, 맞춤형 추천과 같은 새로운 기능을 수월하게 개발하여 고객 경험을 개선할 수 있습니다. 예를 들어 은행과 기타 금융기업은 ‘생성형 AI 은행원’을 구현할 수 있습니다. 인간인 은행 직원이 기존 고객에게 추천한 내용으로 훈련한 다음에 투자 조언을 원하는 고객에게 고객 상황과 니즈에 맞춰 조언할 수 있습니다. 

3. 자동화 및 지속적인 데이터 피드백 순환구조를 만든다.

 생성형 AI 도구를 완전히 구현하고 나면 이를 통한 서비스나 제품을 고객이 사용하는 자연스러운 과정에서 믿을 만한 신호가 만들어집니다. 이 신호는 자동으로 AI 도구에 피드백으로 전달되며, 생성형 AI를 통해 얻은 피드백으로 사람이 개입하지 않은 상태에서 기능을 개선할 수 있습니다. 고객이 원하는 결과를 내는 데 얼마나 유용했는지 추론할 수 있도록 하는 AI 도구를 도입하면 기업은 신뢰성이 매우 큰 신호를 얻을 수 있을 것입니다.

AI 모델 구현 시 고려사항은 무엇일까요?

생성형 AI의 장점을 온전히 누리려면 막대한 비용과 기술 전문성이 필요하고 이는 구현 레벨이 올라갈수록 늘어납니다. 

생성형 AI 도입 초기에서 주로 부딪치는 문제는 사내 데이터 담당 직원이 공개적으로 사용 가능한 생성형 AI 도구를 활용할 때 사내 데이터를 어디까지 공유할 수 있는지 입니다. 회사의 고유한 데이터를 공개적인 도구에 적용할 때마다 데이터 보안과 경쟁력 손실 우려가 뒤따른다. 이를 해결하는 보안 관련 생성형 AI 전문 업체가 등장하며, 대응에 노력을 기울이고 있는 상태입니다. 

생성형 AI 도입 중기에서는 맞춤형 AI 도구를 훈련하고 미세 조정fine-tuning해 응답의 관련성을 높이고, 허위 정보를 생성하는 할루시네이션Hallucination을 최대한 줄여 정확성을 높이는 데 집중해야 합니다.

생성형 AI 도입 후기에서는 제품 및 서비스와 함께 일부 사내 프로세스를 다시 디자인해 고객 경험 전반에 생성형 AI 서비스가 매끄럽게 녹아들게 만드는 데 초점을 맞춰야 한다. 이를 통해 기업이 얻는 피드백 시그널의 범위와 깊이, 품질이 극대화될 것입니다.

생성형 AI 기술의 보다 폭넓은 도입이 기대되는 지금, 가장 유리한 위치에 있는 기업이란, 독자적인 고객 데이터를 구할 수 있고 이를 자체적 개선이 가능한 피드백 순환 구조에 제공할 수 있는 기업일 것입니다. 생성형 AI가 선사하는 기회를 제대로 포착하려면 적절한 실행이 필요하며, 이를 기술적인 문제가 아니라 하나의 전략으로 대해야 합니다.

이와 관련한 더 자세한 내용은  HBR 2024. 1-2월호 "생성형 AI, 실존적 위협에서 경쟁우위로 바꾸기"를 참고하시기 바랍니다.

출처 : HBR 2024. 1-2월호 "Turn Generative AI from an Existential Threat into a Competitive Advantage. How to factor the new technology into your strategy"