사진 : 티맥스가이아 김재성 대표
우리가 살고 있는 사회는 인공지능(AI)과 관련된 기사로 매일 아침을 시작할 정도로 AI 기술의 급격한 발전으로 새로운 변화의 물결을 맞이하고 있다. 특히 생성형 AI가 디지털 문서 시장에 어떤 혁신을 가져올지에 대한 논의는 지속해서 확대되고 있으며 이미 다양한 분야에서 생산성과 효율성 향상을 위해 생성형 AI 도입은 빠르게 증가하고 있다.
이미 시장에 공개된 생성형 AI API를 이용하거나 자체 기술로 개발한 생성형 AI를 문서 소프트웨어(SW)에 적용해 문서 작성 및 문서 이해 효율성을 크게 향상시키고 있다. 문서 초안 작성, 이메일 작성, 콘텐츠 초안 작성, 맞춤형 이미지 생성 등의 기능을 통해 문서 작성 시간을 단축한다. 또 AI 기반의 자동 요약 및 번역을 통해 문서 활용성을 높이고 문서 이해도를 향상시킬 수 있다. 더 나아가 AI가 특정 주제에 관한 글을 생성할 수 있는 능력은 사람의 창의성을 보충하며 다양한 분야에서 빠르게 적용되고 있다.
그러나 이러한 기술 도입은 동시에 몇 가지 문제점을 야기하고 있다. 가장 큰 문제는 인간의 창의성 보호와 윤리적 문제다. AI가 문서를 생성하면 저작권 문제나 개인정보 보호 문제가 발생할 수 있으며, 이는 법적으로 해결해야 할 과제로 남아 있다. 그리고 AI가 생성한 정보의 정확성과 신뢰성 역시 항상 보장되지 않는 것이 문제점으로 지적되는 상황이다. 눈을 돌려 비즈니스 현장에 적용해 보면, 기업과 공공기관에서 생성형 AI가 적용된 문서 SW 사용은 현실적으로 어려운 상황이다. 생성형 AI는 대규모 데이터 학습을 통해 사용자에게 정보를 제공하는데, 이 과정에서 회사 기밀 문서 및 데이터 유출, 개인정보 유출, 해킹 등의 심각한 보안 문제를 초래할 수 있다.
이러한 문제점을 해결하기 위해서는 두 가지 방법이 있다. 첫째는 기존 문서를 데이터베이스(DB)화시키는 것이다. 기존 문서 DB를 생성형 AI에 학습시킨다면, 기존 데이터를 토대로 문서 초안 작성, 맞춤형 문서 수정 등 신규 문서 작성 측면에 강점이 있다. 사용자 맞춤형 문서를 제공함으로써 지금의 생성형 AI 도구보다 문서 작성 시간을 단축해 주고 업무 활용성을 높일 수 있다. 그리고 문제점으로 꼽혔던 기존 데이터 활용성, 보안성, 신뢰성을 해결할 수 있다.
둘째는 LLM 모델의 파인 튜닝(Fine-Tuning)이다. 기존의 생성형 AI를 조직에 맞게 미세 조정하는 것으로 기업이 보유한 데이터셋을 학습시키는 것이다. 다만 이를 위해서는 기존 문서를 충분한 양의 라벨링 데이터로 바꾸는 작업을 해야 한다. 그리고 실시간 학습이 어렵기 때문에 특정 시점마다 학습을 반복해야 하며, 다만 보안 문제는 여전히 존재한다.
결국 문서 업무에 AI 도입을 위한 근본적인 해결책은 문서를 최초 생성할 때부터 DB화를 시키는 것이다. 이를 통해 많은 데이터 셋을 학습시키거나 튜닝을 위한 추가 비용을 들이지 않고, 경량 LLM 모델만으로도 기업에 필요한 성능을 구현할 수 있다.
생성형 AI와 디지털 문서의 결합은 현대 사회의 기술 발전에 큰 영향을 미치고 있다. 이런 기술이 가지고 올 윤리적 문제와 정보 신뢰성에 대한 사회적 문제를 관리하고 해결해 나갈 수 있다면 인간의 효율성과 창의성은 더욱 향상되고 발전될 것이며, 인간의 삶과 문화에 새로운 지평을 열어줄 발판이 될 것이다.
[출처: 전자신문]
사진 : 티맥스가이아 김재성 대표
우리가 살고 있는 사회는 인공지능(AI)과 관련된 기사로 매일 아침을 시작할 정도로 AI 기술의 급격한 발전으로 새로운 변화의 물결을 맞이하고 있다. 특히 생성형 AI가 디지털 문서 시장에 어떤 혁신을 가져올지에 대한 논의는 지속해서 확대되고 있으며 이미 다양한 분야에서 생산성과 효율성 향상을 위해 생성형 AI 도입은 빠르게 증가하고 있다.
이미 시장에 공개된 생성형 AI API를 이용하거나 자체 기술로 개발한 생성형 AI를 문서 소프트웨어(SW)에 적용해 문서 작성 및 문서 이해 효율성을 크게 향상시키고 있다. 문서 초안 작성, 이메일 작성, 콘텐츠 초안 작성, 맞춤형 이미지 생성 등의 기능을 통해 문서 작성 시간을 단축한다. 또 AI 기반의 자동 요약 및 번역을 통해 문서 활용성을 높이고 문서 이해도를 향상시킬 수 있다. 더 나아가 AI가 특정 주제에 관한 글을 생성할 수 있는 능력은 사람의 창의성을 보충하며 다양한 분야에서 빠르게 적용되고 있다.
그러나 이러한 기술 도입은 동시에 몇 가지 문제점을 야기하고 있다. 가장 큰 문제는 인간의 창의성 보호와 윤리적 문제다. AI가 문서를 생성하면 저작권 문제나 개인정보 보호 문제가 발생할 수 있으며, 이는 법적으로 해결해야 할 과제로 남아 있다. 그리고 AI가 생성한 정보의 정확성과 신뢰성 역시 항상 보장되지 않는 것이 문제점으로 지적되는 상황이다. 눈을 돌려 비즈니스 현장에 적용해 보면, 기업과 공공기관에서 생성형 AI가 적용된 문서 SW 사용은 현실적으로 어려운 상황이다. 생성형 AI는 대규모 데이터 학습을 통해 사용자에게 정보를 제공하는데, 이 과정에서 회사 기밀 문서 및 데이터 유출, 개인정보 유출, 해킹 등의 심각한 보안 문제를 초래할 수 있다.
이러한 문제점을 해결하기 위해서는 두 가지 방법이 있다. 첫째는 기존 문서를 데이터베이스(DB)화시키는 것이다. 기존 문서 DB를 생성형 AI에 학습시킨다면, 기존 데이터를 토대로 문서 초안 작성, 맞춤형 문서 수정 등 신규 문서 작성 측면에 강점이 있다. 사용자 맞춤형 문서를 제공함으로써 지금의 생성형 AI 도구보다 문서 작성 시간을 단축해 주고 업무 활용성을 높일 수 있다. 그리고 문제점으로 꼽혔던 기존 데이터 활용성, 보안성, 신뢰성을 해결할 수 있다.
둘째는 LLM 모델의 파인 튜닝(Fine-Tuning)이다. 기존의 생성형 AI를 조직에 맞게 미세 조정하는 것으로 기업이 보유한 데이터셋을 학습시키는 것이다. 다만 이를 위해서는 기존 문서를 충분한 양의 라벨링 데이터로 바꾸는 작업을 해야 한다. 그리고 실시간 학습이 어렵기 때문에 특정 시점마다 학습을 반복해야 하며, 다만 보안 문제는 여전히 존재한다.
결국 문서 업무에 AI 도입을 위한 근본적인 해결책은 문서를 최초 생성할 때부터 DB화를 시키는 것이다. 이를 통해 많은 데이터 셋을 학습시키거나 튜닝을 위한 추가 비용을 들이지 않고, 경량 LLM 모델만으로도 기업에 필요한 성능을 구현할 수 있다.
생성형 AI와 디지털 문서의 결합은 현대 사회의 기술 발전에 큰 영향을 미치고 있다. 이런 기술이 가지고 올 윤리적 문제와 정보 신뢰성에 대한 사회적 문제를 관리하고 해결해 나갈 수 있다면 인간의 효율성과 창의성은 더욱 향상되고 발전될 것이며, 인간의 삶과 문화에 새로운 지평을 열어줄 발판이 될 것이다.
[출처: 전자신문]