산업계에서는 ‘분석형 AI’라고 부르는 기존 방식으로 이미 많은 가치를 창출했다. 하지만 분석형 AI 대부분은 특정 작업을 수행하도록 개발되었기 때문에 광범위하거나 새로운 상황에 적용하기 어렵다는 한계를 갖고 있다. 반면 ‘생성형 AI’는 이런 한계를 뛰어 넘어 다양한 상황에도 적용 가능하다. 그래서 분석형 AI는 데이터 분석과 의사결정에 탁월한 능력을 갖춘 박식한 전략가에 가까운 반면, 생성형 AI는 참신하고 창의적인 콘텐츠를 제작하는 아티스트에 가깝다. 이러한 특징은 응용 분야를 보면 잘 드러난다. 분석형 AI는 비즈니스 인텔리전스, 금융 모델링, 예측 분석 등에 적합하고 생성형 AI는 예술, 디자인, 콘텐츠 생성 등 창의적인 분야에서 더 많이 활용된다.
--- p.11

아직은 대부분의 책이 주로 기술 설명, 도구 사용법, 프롬프트 활용에만 초점을 맞추고 있을 뿐 실제 산업 현장에서 생성형 AI를 적용한 비즈니스 성공 사례를 다루는 서적은 찾기가 어렵다. 그러다 보니 내가 만나본 산업계 종사자들은 생성형 AI를 활용해 자신의 가치를 높이는 것에 대한 갈증이 높았으며, 비즈니스 적용 사례에 대해서도 궁금해했다. 기업에서 새로운 과제를 기획할 때 제일 먼저 하는 일 역시도 이른바 ‘선진 혹은 성공 사례’를 찾는 일이다. 하지만 생성형 AI 분야에서는 널리 알려진 예가 그리 많지 않다. 생성형 AI가 대두한지 얼마 안 된 것도 있지만 기업이 자신의 성공 사례를 외부에 공개하길 꺼리기 때문이다.
--- p.17

AI는 직무를 설명하는 구인 광고 초안을 작성하고, 후보자 응답을 분석하고, 채용 직무와 후보자 역량을 비교하는 리포트를 작성해주는 등의 반복적이고 노동집약적인 업무를 대신 해줄 수 있다. 채용 담당자들은 챗GPT를 이용해서 이러한 일들을 이전보다 훨씬 빠르게 해결할 수 있다.
--- p.48

식품 기업 네슬레부터 소비재 기업 유니레버에 이르기까지 세계 최대의 광고주들은 이미 생성형 AI를 이용해 광고를 제작하고 송출하고 있다. 영국의 세계 최대 광고 회사 WPP는 소비재 기업과 협력해 광고 캠페인에 생성형 AI를 활용하고 있다. 기존 광고 제작비의 5~10% 비용으로도 광고를 만들 수 있으며 더 이상 광고 촬영을 위해 북극이나 아프리카로 갈 필요도 없다.
--- p.66

LG그룹은 엑사원(EXAONE)이라 명명된 산업용 자율 AI 에이전트의 사용을 그룹 내 전자, 화학, 바이오, 통신 등의 생산 라인에 광범위하게 적용할 예정이다. 설비의 셧다운을 예측하고 감지하는 것부터 부품 조립 시 발생할 수 있는 이상 탐지도 가능하다. 생산성 향상, 비용 절감, 품질 개선이라는 삼박자를 갖춘 스마트 팩토리 사례라 할 수 있다.
--- p.82

투자 은행 및 자산관리 회사인 모건 스탠리는 2023년 9월 자산 관리 어드바이저와 지원 부서 직원을 위해 GPT-4를 기반으로 하는 생성형 AI 비서를 출시했다. 바로 모건 스탠리 AI 어시스턴트(AI @ Morgan Stanley Assistant)이다. 이 도구를 이용하게 되면 약 10만 건의 연구 보고서와 문서를 빠르게 액세스할 수 있다. AI 어시스턴트는 자산관리 어드바이저가 이용할 수 있도록 방대한 보고서 및 문서 더미에서 빠르고 심층적인 통찰력 제공을 목표로 한다. 또 각종 조사 작업에 걸리는 시간을 줄여 고객에 더 많은 시간을 할애하고 집중할 수 있도록 했다.
--- p.118

생성형 AI는 의료 분야에서 혁신을 주도하며 신약 개발, 임상 진단, 의료 데이터의 합성 및 관리까지 다양한 분야에서 활약하고 있다. 새로운 신약 후보를 신속히 발견하는 것은 물론이고 기존 약물을 새로운 방법으로 조합해서 신약 후보를 만들기도 한다. 또한 신약 임상에 필요한 데이터셋의 부족을 AI로 만든 데이터로 채우기도 한다.
--- p.126

판례 검색, 소송 예측, 계약 검토와 분석, 문서 자동화 등 많은 문서를 다루는 법률 회사 입장에서 리걸테크는 시간을 절약해주는 서비스로 인식된다. AI의 자연어 처리와 머신러닝 기술을 사용해서 자동화를 하게 되면 효율성을 크게 높일 수 있기 때문이다. 해외에서는 리걸테크 기술을 활용한 법률 서비스가 빠르게 확산되고 있다. 이미 대형 법률 회사와 회계법인들은 이 기술을 활용해 노동집약적인 업무를 효율화하고 있다. 리걸테크 스타트업도 다수 등장했다. 국내에서도 대형 법률회사가 AI 변호사를 도입했다는 보도가 있고, AI를 이용해 간단한 소송 자료를 자동으로 작성해주는 스타트업도 출범했다.
--- p.142

챗GPT를 비롯한 생성형 AI 챗봇이 자동차 내비게이션 시스템, AI 음성비서 시스템 및 운전자 보조 시스템과 통합되어 자동차 운전 경험과 안전성을 높이고 있다. 생성형 디자인과 AI가 자동차 설계 과정에 통합되면서, 자동차 디자인은 더욱 개성 있고 최적화된 형태로 발전한다. 다양한 운전 환경과 사용자 선호도를 분석하여 그에 맞는 최적의 차체 형태와 내부 공간 구성을 제안한다.
--- p.172

디코리파이는 가구와 인테리어 제품을 주로 취급하는 미국의 온라인 소매업체 웨이페어가 제공하는 가상 룸(room) 스타일러로, 생성형 AI를 사용하여 사용자가 집을 디자인하고 가구를 쇼핑할 수 있도록 돕는 서비스다. 사용자의 피드백을 반영해서 방에 가구를 배치한 다양한 인테리어 이미지를 생성할 수 있다.
--- p.181

픽사는 기존 애니메이션 제작 과정의 한계점을 해결하고자 생성형 AI를 도입했다. 그 결과 애니메이션 영화를 위한 스토리라인, 배경 이미지, 캐릭터 디자인, 음악 등을 자동 생성함으로써 애니메이션 수준의 상승과 함께 제작 시간,비용 등을 절감할 수 있었다.
--- p.196

포보스는 ‘애들레이드’와 ‘버티’라는 두 가지 AI 도구를 개발했다. 2023년에 출시된 애들레이드는 생성형 AI를 사용하여 독자가 알고자 하는 내용과 관련성 높은 포브스 기사들을 검색해 맞춤형으로 제공한다. 이보다 앞서 2019년에는 글 기고자(기사 작성자)에게 주제 추천, 초안 기사 작성, 문법 검사 등의 기능을 제공하는 AI 기반 콘텐츠 관리 시스템 버티를 개발했다.
--- p.244

로레알은 화장품의 새로운 트렌드를 누구보다 먼저 발견하고 소비자의 요구에 맞춘 제품을 개발해 왔다. 로레알은 세계 많은 나라에서 모아온 대규모 데이터 베이스를 이용해 생성형 AI 챗봇을 장착한 가상 메이크업 체험 도구인 로레알 뷰티 지니어스를 출시했다. 개인의 사진 정보를 활용해 피부 톤과 상태 등을 확인하고 적합한 화장품이나 화장 방법 등을 추천한다.
--- p.254

자연어 처리 분야에서도 비슷한 문제가 나타난다. 일부 자연어 처리 시스템은 ‘의사’와 같은 직업 명칭을 남성과 강하게 연결지어 처리하고, ‘간호사’와 같은 명칭은 여성과 연결지어 처리하려는 경향을 보인다. 훈련 데이터에 내재된 성별 편향이 학습되었기 때문이다. 이미지 생성 분야에서도 편향성을 보여주며 ‘CEO’라는 단어에 대해서는 주로 남성 이미지를, ‘주방’이라는 단어에 대해서는 여성 이미지를 생성하는 사례가 있다.
--- p.265

CEO와 CTO는 서로 긴밀히 협력해야 한다. CEO는 CTO에게 필요한 자원과 지원을 제공하며 프로젝트의 진척 상황을 지속적으로 모니터링 한다. 그리고 CTO는 CEO에게 정기적으로 기술적 진척 상황과 발생 가능한 리스크를 보고한다. AI 모델의 학습 과정에서 데이터 품질 문제가 발생하면 CEO에게 이 문제의 심각성을 설명하고 해결을 위한 추가 자원 배분이나 전략 수정의 필요성을 논의한다. 성공적인 AI 애플리케이션 개발은 통찰력과 중장기 선견력을 가진 CEO의 전략적 비전과 강력한 지원 그리고 경험이 풍부하고 유능한 CTO의 기술적 리더십이 조화를 이룰 때 가능하다.
--- p.279

고객 데이터의 외부 전송 우려는 특히 법률 업계처럼 고객의 민감한 민형사 정보를 다루는 영역에서는 심각한 문제가 아닐 수 없다. 이에 대한 대책으로 LLM을 계속 사용하면서도 보안에 대해 매우 엄격한 규칙을 적용하고 감시를 하자는 의견이 있지만, 이러한 접근 방법에 회의적인 기업은 준대형 언어 모델(sLLM, Sub Large Language Model)의 도입을 통해 AI 기술의 혜택을 누리면서도 보안에 대한 우려를 해소하려고 한다.
--- p.290

온디바이스 AI는 챗GPT와 같은 LLM을 기반으로 하는 AI와 작동 방식이 완전히 다르다. 큰 규모의 LLM은 클라우드를 통해 원격지에 있는 데이터센터의 서버 등 컴퓨팅 자원을 바탕으로 연산한 뒤 결과 값을 넘겨 받는다. 하지만 온디바이스 AI는 데이터를 클라우드로 전송하지 않고 로컬 디바이스에서 처리한다. 즉, 정보를 서버로 보내지 않고 자체적으로 정보를 모으고 연산한다. 디바이스 내에서 구현되도록 AI가 가벼워진 것이라 할 수 있다.

좋은습관연구소가 제안하는 44번째 습관은 생성형 AI를 사업에 활용하는 습관입니다. 생성형 AI가 뜨거운 열풍을 타고 우리 곁으로 다가왔습니다. 이미 많은 기업들이 생성형 AI를 우리 업에 어떻게 접목할지, 그러려면 무엇을 해야 하는지 고민하고 있습니다. <br/><br/><B>1부. 생성형 AI 도입 전략</B><br/><br/>1부에서는 생성형 AI를 도입하기 위해서 기업이 무엇부터 고민해야 하며, 도입 방법론에는 어떤 것이 있는지 소개합니다. 프롬프트 엔지니어링, API 통합, 플러그인 이용, AI 플랫폼 이용, 노코드/로우코드 플랫폼 이용 등 여러 방법을 제시하고 각각의 장단점이 무엇인지 소개합니다. 고객 정보 보안으로 외부 클라우드에 데이터를 업로드할 수 없는 기업인지, 생산성 향상을 위한 창의적 도구의 쓰임새가 더 많은 곳인지, 범용 지식이 바탕이 된 거대 언어 모델이 적당한 곳인지, 그렇지 않고 특화된 분야의 소형 규모의 언어 모델이 적당한지 등을 확인합니다. 이런 식으로 기업 입장에서는 자신의 사정에 맞춰 어떤 방식의 생성형 AI 도입 전략이 가장 유리한지를 판단합니다. <br/><br/><B>2부. 직무별 생성형 AI 활용 사례</B><br/><br/>실제 생성형 AI가 각 직무(인사,재무,기획,마케팅,개발,디자인,제조 등)에서 어떻게 활용되는지 다양한 사례를 소개합니다. 예를 들어, 인재 채용 과정에서 수많은 이력서의 검토와 면접 과정을 AI를 이용해 진행하고, 소수 인력으로 전 세계 지원자를 상대하며 인사 평가하는 기업 사례를 설명합니다. 이런 방식의 장점은 사람의 개입을 최소화 하기 때문에 채용 부정이나 오류 등을 없앨 수 있습니다. 그 외 개인 맞춤형 광고를 제작한다거나, 스마트 팩토리 운영을 통해서 관리 비용을 최소화 하는 방안을 생성형 AI를 이용해 찾는 사례도 소개합니다. <br/><br/><B>3부. 산업별 생성형 AI 활용 사례</B><br/><br/>3부에서는 본격적으로 산업별 생성형 AI 활용 사례를 알려줍니다. 금융, 의료 및 바이오, 법률, 자동차, 유통, 엔터테인먼트와 게임, 교육, 출판, 뷰티 등으로 나누고 분야별로 대표 기업들이 어떤 식으로 생성형 AI를 이용해 비즈니스 목표를 달성하는지 알려줍니다. 광고 카피를 뽑고, 애니메이션이나 게임의 스토리를 짜고, 음악을 만드는 등의 창조적 활동을 돕기도 하며, 여러 업무 지식이 포함된 데이터나 문서에서 간단한 질문만으로 원하는 정보를 얻을 수도 있습니다. 챗봇을 활용해 24시간 고객 응대를 하는 것은 이미 전 산업에서 보편적으로 사용하고 있으며, 의료나 법률 같은 전문 문서를 작성하고 검토하는 일에도 생성형 AI가 활용됩니다. 이외에도 실제와 구분이 불가능할 정도의 어떤 데이터를 생성해서 이를 활용해 여러 가지 가상 시뮬레이션을 해본다거나, 이상 징후가 나타나는 데이터를 찾아내는 등 여러 상황에서 생성형 AI가 활용됩니다. 실제 너무나도 다양하게 활용되고 있어서, 챗GPT나 미드저니 정도로만 생각해서는 절대 각 산업에서 현재 일어나고 있는 생성형 AI의 트렌드를 따라잡을 수 없습니다. 이 책을 통해서 각 산업의 선두 기업들이 생성형 AI를 이용해 어떤 비즈니스를 벌이고 있는지, 어떻게 수익화에 성공해가고 있는지 살펴보는 것이 중요합니다. <br/><br/><B>4부. 해결해야 할 문제와 다가올 미래</B><br/><br/>책은 마냥 생성형 AI를 찬양하지는 않습니다. 4부에서는 생성형 AI의 문제점과 도전 과제를 알아봅니다. 저작권의 문제와 편향성의 문제를 설명하고 개인정보 보호의 문제를 설명합니다. 그리고 과다한 에너지 사용 문제와 이를 피해 갈 방법이 있는지도 고민해봅니다. 무엇보다 기업이 어떤 점에 유의해야 하는지, CEO와 CTO는 어떤 역할을 해야 하고, 사업 부서와 개발 부서 등은 어떤 이해관계를 갖고서 각자의 역할에 충실해야 하는지 설명합니다. 마지막으로 생성형 AI의 미래는 어떻게 될 것이며, 초거대 언어모델에서 준대형 언어모델로 바뀌는 트렌드, 클라우드가 아닌 온디바이스에서 가동되는 생성형 AI의 필요성과 가능성도 살펴봅니다. <br/><br/><B>정리하면 </B><br/><br/>현재 우리가 웹으로 접속해서 프롬프트라는 방식으로 어떤 것을 요청해서 산출물을 만드는 방식만이 생성형 AI의 전부가 아님을 독자들은 꼭 기억해야 합니다. 이 책을 통해서 생성형 AI의 다양한 활용 트렌드를 확인하고, 우리 회사(업)에 적용 가능한 생성형 AI는 어떤 형태를 띠어야 하는지 아이디어를 얻었으면 합니다.

생성형 AI가 다시금 혁신을 유도하고 있다. 요즘 강연이나 세미나에서 제일 많이 받는 질문이 “생성형 AI를 기업이 어떻게 활용해야 하는가?”이다. 이제는 이런 질문을 받게 되면 이 책을 읽으라 간단히 말하면 된다. 이 책은 IBM 왓슨 연구소, 삼성전자, SK텔레콤 등을 거치며 AI의 산 증인으로 살아온 저자가 여러 기업의 생성형 AI 비즈니스 사례를 정리한 책이다. AI 시대, 비즈니스 트렌드가 무엇이고 어떤 준비가 필요한지 인사이트와 영감을 동시에 주는 책이다. 글로벌 비즈니스를 꿈꾸는 기업인과 미래를 준비하는 연구자, 오피니언 리더, 학생 모두에게 필독을 권한다.

챗GPT 이후 Antropic/Claude, Mistral, Upstage/Solar와 같은 생성형 AI 기술은 우리의 일상에 점점 더 깊게 녹아들고 일반지능(AGI)를 향해 달려가고 있다. 이 책은 생성형 AI의 다양한 활용 사례를 종합적으로 다루고 있다. 특히 인사, 마케팅, 디자인, 금융, 의료, 법률, 유통, 엔터테인먼트 등 다양한 산업 분야에서 생성형 AI가 어떻게 혁신을 일으키는지 소개하고 있다. 그리고 생성형 AI 활용 가이드라인과 함께 예상되는 문제와 도전에 대한 인사이트도 제공한다. 본인의 사업과 서비스에 생성형 AI를 적용하고 싶은 분이라면 꼭 읽어봐야 하는 책이다.