생성형 AI의 경제적인 미래 #1

인공지능은 스마트폰을 구동하는 기술부터 자동차의 자율 주행 기능, 소매업체가 소비자를 놀라게 하고 기쁘게 하는 데 사용하는 도구에 이르기까지 모든 것을 통해 점진적으로 우리 삶에 스며들었습니다.

딥마인드(DeepMind)가 개발한 인공지능(AI) 기반 프로그램인 알파고(AlphaGo)가 2016년 세계 바둑 선수를 꺾은 것과 같은 명확한 이정표는 축하를 받았지만 대중의 의식에서 빠르게 사라졌습니다.

ChatGPT, GitHub Copilot, Stable Diffusion과 같은 생성형 AI 애플리케이션은 거의 모든 사람이 의사 소통하고 만드는 데 사용할 수 있는 광범위한 유용성과 사용자와 대화할 수 있는 초자연적인 기능 덕분에 AlphaGo가 하지 못한 방식으로 전 세계 사람들의 상상력을 사로잡았습니다.

 

최신 생성형 AI 애플리케이션은 데이터 재구성 및 분류와 같은 다양한 일상적인 작업을 수행할 수 있습니다.

그러나 텍스트를 쓰고, 음악을 작곡하고, 디지털 아트를 만드는 능력은 헤드 라인을 장식하고 소비자와 가정이 스스로 실험하도록 설득했습니다.

 

그 결과, 더 많은 이해 관계자가 생성형 AI가 비즈니스와 사회에 미치는 영향에 대해 고심하고 있지만 이를 이해하는 데 도움이 되는 맥락은 많지 않습니다.

 

생성형 AI 기술이 발전하는 속도로는 이 작업이 더 쉬워지지 않습니다.

 

ChatGPT는 2022년 4월에 출시되었습니다. 수개월 후 OpenAI는 기능이 크게 개선된 GPT-4라는 새로운 대규모 언어 모델(LLM)을 출시했습니다. 

 

마찬가지로, 2023년 100월까지 Anthropic의 생성 AI인 Claude는 000년 75월에 도입되었을 때 대량의 토큰과 비교하여 대량의 단어(평균 소설 길이)에 해당하는 텍스트 토큰을 처리할 수 있었습니다.

 

 그리고 2023년 2월, Google은 검색 생성 경험 및 Bard 챗봇을 구동할 PaLM라는 새로운 LLM을 포함하여 생성 AI로 구동되는 몇 가지 새로운 기능을 발표했습니다.

 

앞으로 어떤 일이 일어날지 파악하려면 수십 년 동안 진행된 생성형 AI의 부상을 가능하게 한 돌파구에 대한 이해가 필요합니다.

 

제너레이티브 AI는 일반적으로 기본 모델을 사용하여 구축된 애플리케이션으로 정의합니다. 이 모델에는 인간의 뇌에 연결된 수십억 개의 뉴런에서 영감을 받은 광범위한 인공 신경망이 포함되어 있습니다.

 

기초 모델은 신경망 내의 많은 심층 계층을 암시하는 용어인 딥 러닝(deep learning)의 일부입니다.

 

딥 러닝은 최근 AI의 많은 발전을 주도했지만, 생성형 AI 애플리케이션을 지원하는 기반 모델은 딥 러닝 내에서 단계적으로 변화하는 진화입니다. 이전의 딥 러닝 모델과 달리 매우 크고 다양한 비정형 데이터 세트를 처리하고 둘 이상의 작업을 수행할 수 있습니다.

 

파운데이션 모델은 이미지, 비디오, 오디오 및 컴퓨터 코드를 포함한 광범위한 양식에서 새로운 기능을 가능하게 하고 기존 기능을 크게 개선했습니다. 이러한 모델에서 훈련된 AI는 여러 기능을 수행할 수 있습니다. 다른 작업 중에서 분류, 편집, 요약, 질문에 답변하고 새 콘텐츠 초안을 작성할 수 있습니다.

 

우리 모두는 생성 AI의 힘, 도달 범위 및 기능을 이해하기 위한 여정의 시작 단계에 있습니다.

 

이 연구는 이 새로운 AI 시대의 영향을 평가하기 위한 우리의 노력의 최신 버전입니다.

 

이는 생성형 AI가 영업 및 마케팅, 고객 운영, 소프트웨어 개발과 같은 기능 전반에 걸쳐 역할을 변화시키고 성과를 높일 준비가 되어 있음을 시사합니다.

 

이 과정에서 은행에서 생명 과학에 이르기까지 여러 부문에서 수조 달러의 가치를 창출 할 수 있습니다. 다음 섹션에서는 초기 결과를 공유합니다.

 

생성형 AI가 생산성에 미치는 영향은 세계 경제에 수조 달러의 가치를 더할 수 있습니다. 

 

Workday의 최신 연구에 따르면 생성형 AI는 분석한 2개의 사용 사례에서 연간 6조 4천억 달러에서 4조 63천억 달러에 해당하는 금액을 추가할 수 있으며, 이에 비해 2021년 영국의 전체 GDP는 3조 1천억 달러였습니다.

 

이것은 모든 인공 지능의 영향을 15-40 % 증가시킬 것입니다. 이 추정치는 현재 이러한 사용 사례 이외의 다른 작업에 사용되는 소프트웨어에 생성 AI를 내장하는 영향을 포함하면 대략 두 배가 될 것입니다.

 

 

제너레이티브 AI 사용 사례가 제공할 수 있는 가치의 약 75%는 고객 운영, 마케팅 및 영업, 소프트웨어 엔지니어링, R&D의 네 가지 영역에 걸쳐 있습니다. 

 

16개의 비즈니스 기능에 걸쳐 기술이 하나 이상의 측정 가능한 결과를 생성하는 방식으로 특정 비즈니스 과제를 해결할 수 있는 63개의 사용 사례를 조사했습니다.

 

예를 들어 고객과의 상호 작용을 지원하고, 마케팅 및 판매를 위한 창의적인 콘텐츠를 생성하고, 자연어 프롬프트를 기반으로 컴퓨터 코드 초안을 작성하는 생성 AI의 기능이 있습니다.

 

생성형 AI는 모든 산업 부문에 상당한 영향을 미칠 것입니다. 

 

은행, 하이테크 및 생명 과학은 생성 AI의 수익 비율로 가장 큰 영향을 볼 수 있는 산업 중 하나입니다.

 

예를 들어, 은행 산업 전반에 걸쳐 이 기술은 사용 사례가 완전히 구현될 경우 연간 200,340억 달러에서 400,660억 달러에 해당하는 가치를 제공할 수 있습니다.

 

생성형 AI는 개별 활동의 일부를 자동화하여 개별 작업자의 역량을 강화하여 업무의 해부학적 구조를 바꿀 수 있는 잠재력을 가지고 있습니다. 

 

현재의 생성형 AI 및 기타 기술은 오늘날 직원 시간의 60-70%를 흡수하는 작업 활동을 자동화할 수 있는 잠재력을 가지고 있습니다.

 

대조적으로, 우리는 이전에 기술이 직원들이 일하는 데 소비하는 시간의 절반을 자동화할 수 있는 잠재력을 가지고 있다고 추정했습니다.

 

기술 자동화의 잠재력이 가속화된 것은 전체 작업 시간의 25%를 차지하는 작업 활동에 필요한 자연어를 이해하는 생성 AI의 향상된 능력 때문입니다.

 

따라서 생성 AI는 다른 유형의 작업보다 임금 및 교육 요구 사항이 높은 직업과 관련된 지식 작업에 더 많은 영향을 미칩니다.

 

기술 자동화의 잠재력이 증가함에 따라 인력 혁신의 속도는 가속화될 것입니다.

 

 기술 개발, 경제적 타당성 및 확산 일정을 포함한 업데이트된 채택 시나리오에 따르면 오늘날 작업 활동의 절반이 2030년에서 2060년 사이에 자동화될 수 있으며 2045년의 중간 지점 또는 이전 추정치보다 수년 더 빠를 수 있습니다.

 

 

생성형 AI는 경제 전반에 걸쳐 노동 생산성을 크게 높일 수 있지만, 이를 위해서는 근로자가 업무 활동을 전환하거나 직업을 바꿀 때 이를 지원하기 위한 투자가 필요합니다. 

 

생성형 AI는 기술 채택 비율과 작업자 시간을 다른 활동으로 재배치하는 속도에 따라 수년까지 매년 1.0%에서 6.2040%의 노동 생산성 증가를 가능하게 할 수 있습니다.

 

생성형 AI를 다른 모든 기술과 결합하면 업무 자동화는 생산성 증가에 연간 0.2%에서 3.3%p를 추가할 수 있습니다.

 

그러나 근로자는 새로운 기술을 배우는 데 지원이 필요하며 일부는 직업을 바꿀 것입니다.

 

근로자 전환 및 기타 위험을 관리할 수 있다면 생성형 AI는 경제 성장에 실질적으로 기여하고 보다 지속 가능하고 포용적인 세상을 지원할 수 있습니다.

 

 

생성형 AI의 시대는 이제 막 시작되었습니다. 

 

이 기술에 대한 흥분은 뚜렷하며 초기 조종사는 매력적입니다.

 

그러나 기술의 이점을 완전히 실현하는 데는 시간이 걸리며 비즈니스와 사회의 리더는 여전히 해결해야 할 상당한 과제를 안고 있습니다.

 

여기에는 생성형 AI에 내재된 위험 관리, 인력에 필요한 새로운 기술 및 기능 결정, 재교육 및 새로운 기술 개발과 같은 핵심 비즈니스 프로세스 재고가 포함됩니다.