| 마이크로소프트 365 환경에서 코파일럿을 실제로 어떻게 활용할 수 있는지 단계별로 설명한 실용서다. 이론보다는 실습 위주로 구성돼 있어 초보자도 부담 없이 따라갈 수 있다. 엑셀, 워드, 파워포인트 등 실무에서 자주 쓰는 기능 중심이라 업무 효율을 높이는 데 직접적인 도움이 된다. AI 도구를 처음 접하는 직장인에게 특히 적합하다. |
| 알지 못했던 조금씩 배워가는중. 알지 못했던 조금씩 배워가는중. 알지 못했던 조금씩 배워가는중. 알지 못했던 조금씩 배워가는중. 알지 못했던 조금씩 배워가는중. 알지 못했던 조금씩 배워가는중. 알지 못했던 조금씩 배워가는중. 알지 못했던 조금씩 배워가는중. |
|
생성형 AI가 출몰하고 편리해진 점이 많다. 개발자에게 확인해야 하는 사항을 묻기 전에 ChatGPT, Geminai, Claㅕde 등에 확인하며 스스로 기본 배경지식을 쌓아서 보다 효과적인 대화를 할 수 있었기 때문이다. 문제라면 네트워크 보안상, 계약조건상 고민할 부분은 존재한다. 허용되지 않는 데이터를 익명처리가 되겠지만 LLM기반 생성형 AI에 자료를 올리는 것은 어쨌든 공개가 되어 활용된다는 점이다. 이 일이 만들 나비효과는 인간이 정확하게 파악하기 어렵다. 하지만 대부분의 생성형 AI는 최신 데이터를 업데이트하고 사용자 환경에 적용하기 위해서는 on-line이란 조건이 필요하다. 유럽의 정보보호, 사생활보호에 관련된 GDPR에서도 서버의 소재를 강조한 이유는 교역의 장벽임과 동시에 필요한 부분이다. 우리나라도 인공지능 사용의 거부감이 없는 대신에 기업과 재산권을 보호하는 측면에서 보면 이 부분은 어려운 부분이다. 업무적으로 사용할 때, 경쟁사의 자료는 과감하게 투입해서 분석해 보지만 나와 기업자료를 넣지 않는다. 온프라미스라는 edge형 제품들이 특화될 수 있겠지만 이것도 주기적으로 업데이트를 하거나 RAG를 활용해 데이터를 불어오는 것도 이해가 된다. 어쨌든 손이 많이 가는 것도 사실이다. 최근 다양한 생성형 인공지능의 경쟁이 생기며 여기저기 사용하고, 서로 비교해보기도 한다. 슈퍼앱이라고 불리는 Agentic AI를 통해서 사용작의 목적과 범위에 맡게 적합한 인공지능을 선택하는 서비스 기획이 많다. 이 부분에 관심이 많기도 하다. 유튜브도 보고, Agentic AI를 좀 보려다 매일 접하는 코파일럿을 좀 보려고 책을 샀다. 조금은 아쉬운 부분이 있다. 예제의 수준이 너무 낮고, 설명이 거의 반복형이기 때문이다. 아마 초보자가 기본을 이해하는 반복학습의 개념에 적합한 책이다. 예제 몇 개 보면 다 할 수 있는 수준이다. 반면 배워야 할 점은 결국 인공지능이 처리하는 과정에서 중요한 인간의 역할이다. 질문은 인간이 한다. 물론 인공지능에게 목적에 따라 인터뷰를 통해 분석하게 해서 결과를 받아 시도한다고 해도 궁극의 질문의 인간의 역할이다. 명확한 것은 사람이나 인공지능이나 5 W1 H(육하원칙)과 시간 순서, 시간 흐름에 따른 단계등 논리적인 입력이 중요하다는 것이다. 결론적으로 인공지능의 결과는 질문하는 인간의 지식과 논리적 구조적 질문의 형태에 따라 결과가 달라진다는 사실이다. 인간은 모르는 것은 말하기 어렵다. 내 앎의 범위가 나를 도와주는 인공지능의 범위 확장에 결정적인 영향을 준다는 사실이다. 처리과정은 인공지능이 LLM의 벡터형 DB에서 처리한다고 보면 된다. 내가 공학자는 아니지만 3차원 DB형태가 상상해 본다. 각각의 DB가 구축되고, 각 DB 간의 통계적 확률적 근접성에 따라 거리가 형성되어 연결되었다고 해야 할까? 문제는 인간의 오류성은 인간이 생성한 DB에도 존재한다는 것이다. 할루시네이션에 대한 논쟁을 보면 나를 이런 생각이 든다. '원판이 그런데 그런 일이 없다고 상상하는 근거가 뭐야?' 그래서 출처, 데이터를 갖고 올 범위를 구체적으로 지정하고 명령하는 방식은 합리적이다. ChatGPT 하고 예전에 대화를 하며, '너 거짓말을 잘하는 거 아니냐?', '왜 반말을 찍찍하고 그러지'(요즘은 사라졌음), 무엇 무엇을 하도록 하여라(옛날 사극 말투 흉내)등 다양한 시도를 해보면 반응이 솔직하게 대답하거나 뻔뻔하게 비꼬고 대들거나 하기도 했는데 버전이 올라가며 최근엔 많이 좋아졌다. 한 가지 대화가 누적되며 질문의 경향(tendency)이 생길 수 있고 그러면 인공지능의 반응도 의도의 방향성에 편승한다는 생각을 할 수 있다. 인간이 확증편향을 갖듯이 대화란 inpu/output의 결과에 따라 발생이 불가피하다. 새창을 열어서 하거나 다른 인공지능에 가서 또 확인을 하는 건 현생이나 온라인 생활이나 차이가 없어 보인다. 빠르게 쫒기 위해서 학습을 선도하는 인공지능으로 한다는 말을 들은 것이 불과 몇 해 전이다. 이젠 각 인공지능이 상호 연결되리라고 생각하는데 이건 인간 때문에 잘 될는지 모르겠다. 그럼 경쟁사도 사용하고, 적대국도 사용하고 난리가 난다고 우려할 테니.. 게다가 모두가 같은 연장을 들고 있으면 차이가 더 줄어들기도 하고. 마지막 결과물을 보고 확인하고 그 이후의 의사결정은 아직도 많은 부분은 인간에게 할당된 부분이다. LLM과 영상을 묶어 VLM을 만들고, 궁극적으로 AGI처럼 VLA를 지향하지만 제한적으로 사용이 가능한 수준이 우선일 수밖에 없다고 생각한다. 왜냐하면 인간은 꼭 하란대로 안 하고 엉뚱한 짓을 하고 또는 생각하지 못한 창의적인 접근을 하기 때문이다. 이런 전제를 다 반영하기란 대단히 어려운 일이다. 터미테이너에서 인간을 제거한다는 것은 일종의 편향적 예외를 없애 시스템의 안정을 위한다는 생각이라고 접근하면.. 이런 점을 보면 매트릭스가 훨씬 잘 만든 구조라는 생각을 다시 하게 된다. 사실 내가 사용해 보면 코파일럿으로 완벽하게 하려면 내가 직접 만드는 것만큼 시간이 많이 소요된다. 이메일에 자꾸 나타나는 코파일럿과 메일 정렬(맥락 때문인데 이것도 제목중심인 듯)이 불편하던 것이 사실이다. 왜냐하면 네 아웃룩과 문서파일 DB는 똑같은 형태로 관리하기 때문에 코파일럿 없이 맥락을 찾기 쉽다. 까먹는 것을 방지하는 것은 코파일럿이 낫겠네. 어쨌든 Prototype과 개념, 내가 모르는 부분에 대한 코칭을 빠르고 쉽게 할 수 있는 부분이라고 생각한다. 이런 생각도 Agile process, PM관련 도서를 봐서 생긴 내 편향이자 지식일지 모르겠다. 속도의 장점, 내용의 보강(마치 집단지성의 지적처럼)은 좋은 점이다. 하지만 결국 질문과 결과물을 통해 행위로 방향은 인간이 결정하는 것이 현재의 단계라고 생각한다. 무엇보다 미래는 인공지능도 과거의 전제로 시뮬레이션하고, 인간도 자신의 경험과 지식으로 말이 좋아 예측이지 찍는 것 또는 선택을 하게 된다. 즉 인간 스스로 나아져야 할 부분은 계속 존재할 것이다. 최근 웹상의 데이터들 중 상당 부분 인공지능이 만든 데이터가 많다. 심지어 인간보다 많다고 하는 말도 있다. 새로움이 더해지지 않고 지금까지 인간이 만들어 온 데이터만 돌리고, 그 데이터를 활용해서 인공지능이 돌려서 조금 더 나아지겠지만 궁극적으로는 정체되는 것으로 수렴될 수밖에 없다. 모든 데이터는 인간과 자연으로부터 나오기 때문이다. 그보다 ChatGPT한테 뭘 시켰더니 오늘까지 한다고 하더니 못하고 12월까지 한다고 해서 기다리는 중이다. 일정관리와 약속을 안 지키는 인공지능을 보며 어이가 없기도 하지만 그건 만든 인간이 그러니 그러려니 하기로.. 그래도 딥시크, Kimi를 사용해 본 것보단 나으니 참기로. 서비스 사용자는 서비스구축 가성비에 관심이 없거든. Agentic AI를 생각하며 구매했는데 관련 책을 하나 더 사서 봐야겠다. #인공지능 #코파일럿 #Copilot #NLP #VLM #인간 #독서
|