Generative AI For Everyone 후기 - 브런치

생성형 AI에 대해 알아보자 주변에서 AI 때문에 많은 직업이 사라질 거라는 이야기, 신입을 덜 뽑을 거라는 이야기를 자주 들었다. 직접 AI를 써보니까 단순 반복 업무에서는 확실히 효율적이었다. 취업을 준비를 다시 하면서 테크 쪽에 있으면서 AI를 모른다는 건 이제 어렵겠다는 생각이 들었다. 그런데 유튜브나 SNS를 보면 대부분 AI 제품을 소개하는 이야기뿐이었다. AI가 뭔지에 대한 내용도 간혹 있었지만 잘 와닿지는 않았다. 내가 평소에 쓰는 AI라고 해봐야 ChatGPT나 Claude 정도였다. 생성형 AI라는 말은 알고 있었지만, 막상 생성형 AI가 뭔지 제대로 설명하라고 하면 할 수 없었다. 이참에 한 번 제대로 알아보자는 생각이 들었고, Andrew Ng 교수님의 강의를 듣게 됐다. Andrew Ng 교수님의 설명에 따르면, AI는 여러 기계학습 도구와 방법론의 집합이다. 그중 기계학습은 데이터를 통해 규칙을 직접 찾도록 만드는 방식이다. 사람이 일일이 규칙을 입력하는 대신, 데이터를 보여주면 패턴을 학습해 스스로 예측하거나 판단할 수 있게 만드는 것이다. Andrew Ng 교수님의 설명에 따르면, AI는 여러 기계학습 도구와 방법론의 집합이다. 그중 기계학습은 데이터를 통해 규칙을 직접 찾도록 만드는 방식이다. 사람이 일일이 규칙을 입력하는 대신, 데이터를 보여주면 패턴을 학습해 스스로 예측하거나 판단할 수 있게 만드는 것이다. 생성형 AI는 콘텐츠를 생성하는 AI 시스템이다. 특히, 텍스트, 이미지, 오디오를 생성하는 AI가 생성형 AI다. ChatGPT, Gemini, Claude 모두 생성형 AI를 기반으로한 서비스다. 텍스트, 이미지, 비디오를 생성하기 때문이다. ChatGPT나 클로드 외에도 AI는 이미 우리 삶에 녹아 있었다. 웹 검색, 위조품 탐색, 추천 시스템도 AI 기술을 사용한다. AI는 범용기술이다. 전기가 왜 좋은지가 설명하기가 어려운 것처럼 AI가 왜 좋은지 설명하기는 어렵다. 안 좋아서가 아니라, 어디서든 쓸 수 있기 때문이다. 텍스트 중심의 생성형 AI는 LLM기반이다. LLM은 긴 텍스트 요약, 초안 작성, 그리고 채팅에 쓸 수 있다. 이중에 챗봇 시스템이 인상적이었다. 사람과 상담할 때는 사람이 모든 기술, 가이드라인을 숙지해야하는데 이제 AI기술을 적용하면 사람은 암기에서 감독을 하는 역할로 바뀐다. 가이드라인 숙지, 및 적용은 AI한테 맡기고 감정 판단, 품질 판단은 사람이 하게 된다. 이런 시스템을 만드는 건 재미있을 것 같다. AI가 사람의 작업을 처리하기 위해서는 상대방의 텍스트를 보고 키워드를 확인 한 뒤에 필요한 API를 호출하는 해야한다. 이런 것은 결국 사람의 손을 또 타야하는데 이걸 만드는 것이 재미있어 보인다. 프롬프트를 작성할 때 내용이 구체적이어야한다. 갓 대학을 졸업한 새내기한테 시킬 때 어려움 없이 수행할 수 있다면 좋은 프롬프트라고 교수님이 팁을 주셨다. 그리고 응답이 안 좋으면 고쳐나가면 된다. AI 기술을 사용하는 프로젝트는 SDLC와 큰 차이는 없어보인다. 오히려 검증-반복이 많이 들어가는 것 같다. 응답 품질을 계속 검토해서인 듯 하다. 생성형 AI 기반 제품을 개선할 때 사용할 수 있는 기술들이 있다. 프롬프팅, RAG, 파인튜닝, 또는 직접 LLM을 모델링하는 것이다. 생성형 AI가 무엇인지, AI의 장점과 한계, 그리고 성능을 더 잘 끌어내는 방법에 대해 알게 됐다. AI가 만능은 아니다. 하지만 자료 조사, 고객 상담, 문서 초안 작성처럼 반복적이고 시간이 많이 드는 일에서는 확실히 도움이 될 것 같았다. 반면 글의 품질을 판단하는 일, AI가 만든 결과물이 정말 괜찮은지 확인하는 일, 고객 상담 흐름을 설계하는 일은 여전히 사람이 해야 한다고 느꼈다. AI는 만족도를 조사할 수는 있어도, 만족이 무엇인지 스스로 느끼지는 못하니까. 교수님은 직업이란 여러 과제의 집합이라고 설명하셨다. 그리고 AI는 그중 일부 과제를 더 빠르고 쉽게 처리할 수 있게 도와준다고 했다. 이 말에는 공감했다. 다만 현실은 이론처럼 단순하지는 않다고 느꼈다. 결국 사람을 고용하는 것도 사람이고, 고용주는 사람을 비용으로 본다. 비용보다 더 큰 가치를 만들 수 있어야 고용할 이유가 생긴다. 지금은 예전처럼 사람을 적극적으로 뽑는 시기는 아닌 것 같다. 대신 다르게 보면, 개인이 무언가를 만들기에는 더 좋은 시대가 된 것 같기도 하다. AI 덕분에 혼자서 할 수 있는 일의 범위가 넓어졌기 때문이다. 앞으로는 프리랜싱처럼 특정 과제를 해결해주는 일이나, 문제를 해결하는 시스템 자체를 만드는 사람이 더 많아질 것 같다. 2023년에 처음 프로그래밍을 배워서 그런지, 지금까지도 개발 언어나 방법론을 얼마나 엄격하게 지켜야 하는지에 대한 고민이 많았다. 그런데 이 강의를 듣고 나서는, 예전처럼 거기에만 매달릴 필요는 없겠다는 생각이 들었다. 이제는 AI가 나보다 더 잘 작성하는 부분도 있고, 결국 더 중요한 건 그 코드가 내가 의도한 대로 제대로 동작하는지 확인하는 일이라고 느꼈다. 물론 코드를 읽을 수는 있어야 한다. 오히려 그건 더 중요해질 것 같다. 개발에 대한 부담은 조금 줄어들 것 같다. 대신 문제를 발견하고, 그 문제에 맞는 시스템을 설계하는 일이 더 중요해질 것 같다. 예를 들어 챗봇이라면, 사용자가 어떤 질문을 했을 때 어떻게 답할지, 그 답을 위해 어떤 시스템들을 연결해야 할지까지 생각해야 한다. 제품을 만드는 사람 입장에서는, 시스템을 설계할 수 있다면 프로토타입을 넘어 실제 제품까지 만들 수 있는 시대가 온 것 같다. 물론 인프라까지 모두 대체하는 건 어렵겠지만, 마이크로 SaaS 정도는 충분히 가능하지 않을까 싶다. 이제 AI가 무엇인지, 무엇을 할 수 있고 없는지 어느 정도 감이 잡혔다. 그래서 앞으로는 실제로 AI를 활용해서 뭔가를 만들어보고 싶다. 특히 추천 시스템이나 챗봇 시스템을 직접 만들어보고 싶다. 예를 들어 이미지 캡처 기반 챗봇 같은 것도 생각하고 있다. 평소에도 캡처한 내용을 설명받으려고 Claude에 일일이 올리는 게 번거로웠는데, 캡처하자마자 상황을 이해하고 설명이나 가이드를 주는 시스템이 있으면 꽤 편할 것 같다. 챗봇도 처음에는 고객 상담에만 쓰이는 줄 알았는데, RAG나 파인튜닝 같은 방법을 활용하면 학습 서비스처럼 더 다양한 형태로도 만들 수 있을 것 같다. 생각보다 할 수 있는 게 많아서 재밌어 보인다.