이 책은 ＜길벗＞출판사로 부터 도서를 제공받고 작성한 리뷰입니다

총평

- 책의 난이도  : ★☆☆☆☆
- 추천 별점 : ★★★★★
- 추천 독자     : AI 서비스 기획 및 고도화를 앞둔 기획자와 PM
- 지은이         : 최진영
- 출판사         : 길벗

이 책에서는 기획자가 AI를 서비스에 도입할 때 필요한 필수 지식은 무엇인지.

그리고 어떤 지식과 어떤 매트릭스를 통해서 서비스를 만들어가야하는지에 대한 해법을 담고 있습니다.

우리는 최근 똑똑해진 AI의 등장으로 단순히 LLM만 붙이면 되는거아니야? 라고 생각할 수 있습니다. 하지만 실제로 LLM을 연결"만"시키면 문제점이 다양하게 발생합니다.

P.52에서는 이렇게 소개하고 있습니다.

LLM만으로 해결하기 어려운 문제는 크게 세 가지로 나눌 수 있습니다. (중략)

첫째, 의미 인식의 문제 -＞ 임베딩으로 보완
둘째, 근거 통제의 문제 -＞ RAG로 보완
셋째, 실행 연결의 문제 -＞ AI 에이전트로 보완

단순히 쇼핑몰에 환불을 요청하는 절차를 하나 자동화 하려고해도 임베딩, RAG, AI에이전트의 개념을 모두 알아야합니다.

책의 사례처럼 사람은 요구사항을 같은 말로 하지 않습니다.

누구는 이거 환불 어떻게해요? 라고 할 수도 있지만 누구는 ~~한 문제가 있는데 어떻게해요? 이거는 환불하고 이거는 교환해주시고 택배비는 어떻게되고~ 등 다양한 어법으로 나올 수 있습니다.

이 고객은 이 상품에 대해서는 환불, 이 상품에 대해서는 교환 또는 이 상품에 대해서는 피드백 등이 명확하게 나눠져야합니다.

또한 LLM이 명확하게 답변을 잘 하고 있는지 그 근거가 명확해야합니다. 그러려면 우리 자체의 지식 베이스도 잘 갖춰져야하며, 단순히 환불기간만 안내할게 아니라 접수 방법이라든지, 카드, 계좌 등의 환불 방법 등 다양한 내용을 잘 안내할 수 있어야 합니다.

이 예시가 결국 책 전부를 설명해주는 예시입니다.

그래서 4장부터는 하나씩 설명을 해주는데요. 먼저 고객의 문의에 대한 명확한 인식을 위해서 임베딩 기술에 대해서 설명하고 어떻게 서비스에 적용하면 좋은지 설명합니다.

임베딩은 책에서 설명하듯 복잡한 데이터를 벡터화 하여 그래프에 점으로 표시하고 근처에 위치한 것을 군집화(Clustering)하는 작업입니다. 비슷한 영역이 비슷한 벡터 공간에 위치하기 때문에 단순하게 하나의 특징만 가지고 매칭되는게 아니라 여러가지 특징이 동시에 비교될 수 있습니다.

그럼 이제 이 임베딩 가지고 뭘 할 수 있는데?

책에서는 임베딩을 통해서 군집화, RAG, 추천시스템, 이상탐지 이렇게 4가지의 기능을 넣을 수 있다고 말합니다.

군집화는 기본적인 특징이고, 이런 비슷한 특성을 통해 더 자세하게 추천을 해주거나 집단에서 벗어나는 특이한 이상 탐지를 하는 등의 작업을 할 수 있는거죠.

뿐만 아니라 책에서는 이런 기능들이 어떻게 실제로 적용되는지 사례도 알려주고 있어서 실제 내 업무에 어떻게 적용할 수 있을지를 더 생각해볼 수 있도록 해줍니다.

결론

이 책은 AI에 대해서 적용하고 싶지만 어렵고 잘 모르겠다고 생각되는 PM 분들에게 가장 적합한 책이라고 생각합니다. 내용자체가 어렵지 않아서 크게 읽는데 부담이 없고, 서비스 기획에 예시가 많기 때문에 내가 실제로 사용하는 서비스를 어떻게 변화시킬지 머릿속에 그려지는게 한결 편합니다.

다만 AI를 이미 잘 사용하고 있는 분들에게는 이미 아는 내용의 책일 가능성이 높으며, 책 자체가 두께가 얇고 임베딩, RAG, AI 에이전트 위주로 설명이 되어있기 때문에 이 카테고리에 한정된다고 볼 수 있겠습니다.