AI 기업들의 비즈니스 모델!
다 같은 AI 기업? AI 기업들의 비즈니스 모델 간단 정리!
요즘 IT 뉴스에서는 AI 스타트업이 투자를 받거나 인수되었다는 소식을 자주 접할 수 있습니다. 월스트리트저널에 따르면 생성형 AI 스타트업에 들어가는 벤처 자금이 2022년 48억 달러에서 올해 5월 127억 달러로 3배 가까이 증가했다고 하죠. 특히 빅테크 기업들의 공세가 뜨거운데요. 마이크로소프트, 구글, 아마존 등 CSP 기업들은 물론이고 세일즈포스, 데이터브릭스 등 SaaS 기업들도 AI 스타트업에 주목하고 있습니다.
이제 막 시작된 AI 시대, 앞으로 새로운 AI 기업들이 수도 없이 나오고 그 규모는 상상할 수 없을 만큼 거대할 것으로 전망됩니다. 그런데 이렇게 많은 AI 기업들은 다들 어떤 비즈니스를 하고 있는 걸까요? 오늘 베스픽에서는 AI 기업의 종류와 비즈니스 모델을 간단하게 살펴보았습니다.
챗GPT가 불러온 본격 LLM 전성시대
현시점 가장 유명한 AI 스타트업은 챗GPT를 만든 오픈 AI가 아닐까 싶은데요. 이들의 기술력은 GPT라는 초거대 언어 모델(LLM)에 있습니다. 현재는 GPT-4까지 나와있죠. 초거대 AI라고도 불리는 LLM은 다양한 자연어 처리(NLP) 작업을 수행할 수 있는 머신러닝 모델인데요. 쉽게 말해 학습용 데이터를 던져주면 AI가 그것을 스스로 학습해 지식을 얻고 관련된 질문이나 요청에 응답합니다. 이러한 LLM을 기반으로 챗GPT와 같은 챗봇이나, 다른 생성형 AI 서비스를 만들 수 있는 것이죠.
사실 2010년대 후반부터 마이크로소프트(MS)나 구글 등 빅테크 기업들은 이미 LLM을 출시해 왔는데요. 오픈 AI를 통해 LLM이 대중화되면서 더 많은 기업들이 LLM 개발에 뛰어들고 있는데요. 구글이 투자한 앤트로픽(Anthropic), 빌 게이츠와 엔비디아가 투자한 것으로 알려진 인플렉션 AI(Inflection AI), 오라클이 인수한 코히어(Cohere) 등이 LLM을 만드는 기업들입니다. 우리나라 기업들도 에이닷, 믿음, 하이퍼클로바X와 같은 초거대 AI 모델을 발표하기도 했죠.
여기서 잠깐!
왜 ‘초거대’ 언어 모델이라고 하나요?
머신러닝에서 얼마나 더 깊이 학습할 지를 정해주는 것을 파라미터라고 하는데요. 파라미터가 많을수록 AI는 더 정교하게 학습을 하며, LLM의 ‘초거대’라는 이름은 이러한 파라미터가 매우 많다고 해서 붙여졌습니다. 일반적으로 파라미터가 수십억 개 이상이면 LLM이라고 불리는데요. 챗GPT에 사용된 GPT-3.5는 1천750개, 구글의 PaLM 2는 3천400억 개의 파라미터를 가지고 있다고 합니다.
최근에는 버티컬 클라우드, 버티컬 SaaS와 마찬가지로 LLM 역시 산업 특화 모델이 나오고 있는 추세인데요. 구글이 만든 보안에 특화된 LLM ‘Sec-PaLM’과 의학 분야에 특화된 ‘Med-PaLM 2’이 대표적입니다. 또한 얼마 전에는 하나은행에서 금융에 특화된 LLM을 만들겠다고 발표하기도 했죠. 이처럼 앞으로는 더욱 다양한 LLM이 나올 것으로 보입니다.
Google Cloud는 오늘 Sec-PaLM이라는 전용 대규모 언어 모델을 사용하여 사이버 보안 운영을 혁신하는 것을 목표로 한다고 발표했습니다 .
이번 주 샌프란시스코에서 열리는 RSA 콘퍼런스 2023에서 발표된 Sec- PaLM은 Google Cloud Security AI Workbench라는 새로운 제품을 지원하는 생성형 인공 지능 모델입니다. 사이버 보안 운영을 위해 조정되었습니다.
SiliconANGLE과의 인터뷰에서 Google Cloud Security의 엔지니어링 부사장인 Eric Doerr는 Security AI Workbench가 위협 과부하, "고통스러운" 도구 및 넓어지는 인재 격차와 관련하여 기업이 직면한 문제를 해결하도록 설계되었다고 설명했습니다. 그는 오늘날 보안 팀이 점점 더 많은 수의 위협에 대처하기 위해 고군분투하고 있으며 많은 수작업이 수반되는 시스템 보안을 유지하는 일상적인 수고를 지적했습니다.
많은 조직이 이러한 문제를 처리하는 데 필요한 숙련된 직원을 채용할 수 없다는 사실은 도움이 되지 않습니다.
Sec-PaLM은 이미 수백 가지의 최첨단 사이버 보안 위협에 직면했으며 이 경험을 바탕으로 동일한 공격이 다른 곳에서 성공하는 것을 방지합니다. Google에 따르면 회사의 "세계적 수준의 위협 인텔리전스"와 고급 사고 분석을 결합하여 맬웨어 감염을 차단합니다. "보안의 언어는 복잡할 수 있지만 매일 바뀌지는 않습니다."라고 Doerr는 말했습니다.
증가하는 위협을 해결하기 위해 Google Cloud Security AI Workbench는 여러 도구에 대한 액세스 권한을 팀에 제공합니다. 여기에는 Sec-PaLM을 사용하여 위협이 될 수 있는 잠재적 악성 스크립트 및 ID의 동작을 분석하고 설명하는 VirusTotal Code Insight가 포함됩니다. Doerr는 "악성 코드를 식별하고 이전에 본 적이 없는 경우에도 무엇을 하는지 이해할 수 있습니다."라고 말했습니다.
한편 Mandiant Breach Analytics for Chronicle은 Google의 Mandiant 팀에서 수년간 축적된 위협 인텔리전스를 기반으로 하며 고객에게 진행 중인 활성 보안 위반을 자동으로 알릴 수 있습니다. Sec-PaLM을 사용하여 상황을 파악하고 이러한 공격에 즉시 대응할 수 있습니다.
보안 팀이 직면하는 일상적인 수고는 주로 강력한 자동화를 통해 줄어듭니다. 애플리케이션 개발자는 Google이 자체 개발자 워크플로에서 사용하는 것과 정확히 동일한 오픈 소스 소프트웨어 패키지를 사용할 수 있는 기능을 조직에 제공하여 취약성의 위험을 줄이는 새로운 서비스인 Assured OSS를 사용하여 보안을 개선할 수 있습니다. Sec-PaLM을 활용하여 가장 관련성이 높은 위협을 찾아 요약하고 대응하는 새로운 도구인 Mandiant 위협 인텔리전스 AI를 사용하면 위협 사냥 임무가 경감됩니다.
Google Cloud Security AI Workbench는 또한 보안팀이 직면한 인재 부족을 해결하는 데 많은 역할을 합니다. Chronicle AI는 개발자 및 시스템 관리자와 같은 비보안 인력이 자연어 쿼리를 사용하여 위협과 위험을 해결할 수 있도록 지원합니다. 이러한 사용자는 복잡한 구문이나 스키마를 이해할 필요 없이 수십억 개의 이전 보안 이벤트를 대화식으로 검색하고 후속 질문을 하고 탐지를 생성할 수 있습니다. “전문가가 아니더라도 원하는 쿼리를 만들 수 있습니다.”라고 Doerr는 말했습니다.
또 다른 도구인 Security Command Center AI는 복잡한 공격 그래프를 사람이 읽을 수 있는 설명으로 변환하여 특정 애플리케이션과 시스템이 일반적인 보안 위협에 노출되는 방식을 보여줍니다. 이러한 위험이 얼마나 심각한지 식별하고 사용자가 이를 해결하기 위해 취할 수 있는 권장 조치를 생성합니다.
Doerr는 "각 공격 경로를 취하여 실제로 악용 가능한 경로인지 확인합니다."라고 설명했습니다. "제너레이티브 AI는 그것을 보고 해당 공격 경로에서 무슨 일이 일어나고 있는지 분석하고 즉시 할 일을 제안할 수 있습니다."
Sec-PaLM의 가장 흥미로운 측면 중 하나는 시간이 지남에 따라 더 스마트해질 것이라는 Google의 약속입니다. Google에 따르면 고객은 규정 준수 요구 사항을 충족하면서 개인 데이터를 플랫폼에서 사용할 수 있으므로 보안 팀이 직면한 새로운 위협과 과제를 식별하면서 작업을 학습할 수 있습니다.
구글은 시큐리티 AI 워크벤치의 기능이 여름 동안 점진적으로 출시될 예정이며 현재 프리뷰로 이용할 수 있는 VirusTotal 코드 인사이트와 앞으로 몇 달 안에 다른 기능을 이용할 수 있게 될 것이라고 말했다.
Robert Hof의 보고와 함께
SiliconANGLE의 공동 설립자인 John Furrier의 메시지:
귀하의 지지 투표는 우리에게 중요하며 콘텐츠를 무료로 유지하는 데 도움이 됩니다.
아래의 원클릭은 무료로 심도 있고 관련성 있는 콘텐츠를 제공하려는 우리의 사명을 지원합니다.
Amazon.com CEO Andy Jassy, Dell Technologies 설립자 겸 CEO Michael Dell, 인텔 CEO Pat Gelsinger 및 더 많은 조명 및 전문가를 포함하여 15,000명 이상의 #CubeAlumni 전문가가 포함된 커뮤니티에 참여하십시오.
생성형 AI, 어디까지 왔나? 어디까지 발전할까?
챗GPT처럼 LLM을 기반으로 만든 AI 서비스를 생성형 AI라고 합니다. 아마 가장 많이 등장하는 AI 스타트업 유형도 생성형 AI 서비스일 것 같은데요. 지금도 생성형 AI 기업은 빠르게 늘어나고 있기에 정확한 수를 알기는 어렵지만, 전 세계 생성형 AI 시장 규모는 2031년까지 연평균 32%로 성장해 1,265억 달러 규모에 달할 전망이라고 합니다.
예전에 생성형 AI가 적용되는 분야를 4개 정도로 간단히 소개했던 기억이 나는데요. CB인사이츠에 따르면 지금은 콘텐츠, 이미지, 코드 생성은 물론 단백질 디자인부터 특허 생성까지 50개 이상의 분야에서 생성형 AI 설루션이 나오고 있습니다.
여기서 잠깐!
Generative AI vs Predictive AI, 어떻게 다른가요?
두 가지 모두 머신러닝을 활용한다는 점은 같지만 Predictive AI는 주어진 데이터의 정보와 패턴을 분석해 결과를 예측합니다. 유튜브 알고리즘이나 마케팅 툴에 있는 소비자 행동 예측 기능 등은 여기에 해당하겠죠. 반면 Generative AI는 주어진 데이터의 패턴을 분석해 새로운 콘텐츠를 만들어냅니다. 인간의 창의성을 모방해 실제로 존재하지는 않지만 있을 법한 결과물을 만드는 것이죠. 챗봇부터 이미지, 카피라이팅, 프로그래밍 등 다양한 영역에서 생성 AI가 활용되고 있습니다.
생성형 AI는 개발 속도가 빨라지는 동시에 기능도 고도화되고 있는 추세인데요. 단일 정보만을 처리하는 것이 아니라 이미지, 음성, 영상 등의 복합적인 정보를 처리하는 멀티 모달(Multi-Modal, 의사소통 채널) 모델로 진화하고 있습니다. GPT-4 모델도 이미지 이해 기능이 추가되었다고 하고요. 구글의 AI 챗봇 바드 역시 최근 음성으로 대답 듣기, 프롬프트에 이미지 활용하기 등 새로운 멀티 모달 기능들을 선보였습니다.
GPT-4, PaLM 2… 노코드로 이용하는 방법?
결국 많은 기업들이 원하는 것은 우리 회사에 맞는 AI를 구축하는 일일 텐데요. 어떻게 시작하면 좋을까요? 처음부터 기업 데이터를 기반으로 한 AI 언어 모델을 만드는 방법이 있겠지만 시간과 비용이 많이 들겠죠. AI 전문 지식도 필요하겠고요. 따라서 이미 출시된 다양한 LLM을 활용하는 것이 더 합리적일 수 있습니다. 그래서 LLM을 간편하게 활용할 수 있도록 지원하는 다양한 서비스들이 나오고 있습니다.
Source: Foundation Large Language Model Stack
가장 대표적으로는 대화형 AI를 구축할 수 있도록 지원하는 플랫폼이 있습니다. CAIP(Conversational AI Platforms)라고 하는데요. 쉽게 말해 우리 회사에 맞는 AI 챗봇 구축을 도와주는 것입니다. AI 챗봇 서비스 역시 기존에도 존재했었지만 LLM을 기반으로 한 생성형 AI 비즈니스로 전환하고 있는 추세인데요. 이처럼 생성형 AI 서비스에 대한 수요가 증가하고, LLM을 활용해 직접 생성형 AI 서비스를 만들고 싶은 기업들도 많아지면서 이 둘을 이어주는 기업들도 빠르게 늘어날 것으로 보입니다.
Foundation Large Language Model(LLM) 및 툴링 환경
8개의 광범위한 범주로 분류할 수 있는 Generative AI 응용 프로그램 목록이 계속 증가하고 있습니다.
모든 회사는 소프트웨어 회사입니다. 곧 모든 회사는 AI 회사가 될 것입니다.
모두가 소프트웨어를 사용하고 있습니다. 곧 모두가 AI를 직접 사용하게 될 것입니다.
⭐️ 대화형 AI 업데이트를 보려면 LinkedIn 에서 저를 팔로우하세요 ⭐️
제너레이티브 AI 애플리케이션을 위한 이 매트릭스를 만드는 동안 저는 얼마나 많은 새로운 애플리케이션이 있는지, 그리고 그 중 얼마나 많은 애플리케이션이 아직 클로즈드 베타 테스트 중이거나 승인 프로세스(대기 목록) 대기 중이거나 곧 사용 가능할 것인지에 놀랐습니다.
Content & Idea Creation 및 Writing 어시스턴트 의 수는 엄청납니다.
의심할 여지 없이 이것은 지속 가능하지 않으며 이러한 많은 응용 프로그램에 대해 상당한 변화가 기다리고 있습니다. 이전 포스트 에서 말씀드린 것처럼 생존을 위해서는 진정한 부가가치와 차별화가 요구될 것입니다.
기본 LLM 기능이 성장하고 사용자 인터페이스가 성숙함에 따라 사려 깊은 IP 및 적절한 부가가치가 없는 LLM 기반 애플리케이션은 사라질 것입니다.
어느 정도까지 LLM 시장은 순진하고 사용자 지식과 통찰력이 커짐에 따라 LLM의 확장 역할을 하는 씬 클라이언트에 불과한 제품은 살아남지 못할 것입니다. 손전등 앱이 OS의 버튼으로 대체되는 것과 유사합니다.
2022년 11월 Base10은 Generative AI 소프트웨어 환경에 대한 매우 좋은 참조 및 개요인 Generative AI 환경 지도를 발표했습니다.
아래 지도는 내가 편집했으며 두 가지 요소를 고려합니다.
1️⃣ 기본 대규모 언어 모델 및 데이터 중심 도구
Foundation LLM 및 데이터 중심 도구 모음이 스택의 기반에 있습니다. 이러한 모델과 도구는 기본 수준의 인에이블러 역할을 한다는 점에서 기본입니다.
2️⃣ 초기 생성 언어 AI 도구
특히 콘텐츠 및 아이디어 생성, 작문 도우미, 생성 및 검색 도우미 영역에서 생성 AI 기반 응용 프로그램이 폭발적으로 증가했습니다.
Content & Idea Creation은 LLM 기반 Generative AI에서 가장 접근하기 쉬운 기능입니다. Writing Assistant 기능 과 함께 . 대부분의 제품이 이러한 범주에서 발견되는 것은 놀라운 일이 아닙니다.
이러한 제품의 두 가지 차별화 및 생존 영역은 다음과 같습니다.
- LLM과 UI 사이에 위치하는 적절한 부가 가치이며 이 레이어는 LLM API를 보강하는 측면에서 예외적이어야 합니다.
- 차별화의 두 번째 요소는 UX입니다. 사용자 경험은 또한 사용자 유지에 기여하기 위해 탁월해야 합니다.
세 번째로 널리 사용되는 구현 영역은 Generative & Search Assistants 입니다 . 이것은 기본적으로 지식 기반 역할을 하는 업로드된 콘텐츠가 있는 대화 기반 시맨틱 검색입니다. Data Extraction & Conversational Search 범주는 더 큰 규모일 뿐 거의 동일합니다.
하지만 제가 가장 관심을 갖고 있고 가장 잠재력이 있고 성장할 수 있다고 생각하는 분야는 Build Frameworks 입니다 . 빌드 프레임워크는 아직 초기 단계에 있지만 다음과 같은 측면에서 원칙이 나타나기 시작했습니다.
- 프롬프트를 재사용 및 프로그래밍할 수 있도록 템플릿 프롬프트 만들기.
- 프롬프트 보관, 재사용 및 공유.
- 직렬 또는 병렬로 실행되는 여러 요청을 용이하게 할 수 있는 복잡한 API 생성.
- 실행할 다음 블록을 결정하는 코드 논리로 차단합니다.
- 여러 Foundation System에 액세스하고 활용할 수 있습니다.
마무리 중
Generative AI 제품의 확장은 경이롭고 수축은 불가피합니다.
생존을 위한 핵심 요소는 다음과 같습니다.
🛟 기존 및 성장하는 고객 기반
🛟 고객 유지
🛟 뛰어난 사용자 경험 및 UI
🛟 적절하고 진정으로 차별화된 IP 및 소프트웨어
마지막으로 Generative AI 공간의 복잡한 특성을 다시 설명하려면 아래 이미지를 고려하십시오.
GPT 또는 ChatGPT 기반의 수많은 Chrome 웹 확장 프로그램 중 일부만 보여줍니다.
여기서 잠깐
GPT-4와 PaLM 2 모두 노코드로 사용하고 싶다면?
HelpNow는 SaaS형으로 제공되는 대화형 AI 서비스 구축 및 운영 플랫폼입니다. 챗봇은 물론 보이스봇(콜봇)까지 제공하고요. 이 밖에 상담원 어시스트, VoC 분석, AI컨택센터 등의 기능도 사용 가능합니다. 그리고 최근에는 GPT 및 구글의 PaLM 2를 적용해 기업 문서를 업로드하면 해당 내용을 바탕으로 답변을 생성하는 챗봇과 보이스봇을 구축할 수 있습니다. 직접 시나리오를 구축하지 않아도 되기 때문에 빠르고 편리하죠. 직접 사용해보고 싶다면? 아래 링크를 통해 문의하세요!
HelpNow 자세히 보기
클라우드 기업들도 AI 시장에 본격적으로 뛰어들고 있습니다. 가장 선두주자는 단연 마이크로소프트(MS)인데요. 자신들이 투자한 오픈 AI와 함께 애저 클라우드 상에서 다양한 AI 기능을 이용할 수 있는 ‘애저 오픈AI 서비스’를 출시했습니다. AWS 역시 빠르게 추격 중입니다. 기업들이 자체 AI를 개발할 수 있는 클라우드 서비스 ‘아마존 베드록’을 선보인 것인데요. AI 기술을 구독 방식으로 간단히 사용할 수 있다는 점에서 이러한 비즈니스 모델을 ‘AIaaS(서비스형 AI)’라고 합니다.
이 외에도 AI와 관련한 다양한 비즈니스 모델들이 있습니다. 지난주 베스픽에서 다뤘던 AI 하드웨어 기업들도 있고요. AI가 학습하는 데 필요한 데이터를 유료로 제공하는 방법도 있습니다. 실제로 트위터나 레딧 등 SNS들은 AI가 자신들의 데이터를 무단으로 수집해 학습하지 못하도록 API를 유료화했고요. 같은 맥락에서 최근 오픈 AI는 세계 최대 뉴스 통신사인 AP통신과 협업을 통해 AP통신 뉴스를 기반으로 챗GPT를 학습시키겠다고 밝혔죠.
모든 기업이 AI 기업이 되지는 않겠지만, 모든 기업이 AI 기술을 사용할 것이라고 생각합니다.
AI를 얼마나 잘 활용하느냐가 기업의 미래를 좌우할 텐데요. 그러기 위해서는 AI와 관련한 기술력은 물론 트렌드를 잘 따라가는 것이 중요하지 않을까 하는 생각이 듭니다.
'say와 AI 챗봇친구 만들기 보고서' 카테고리의 다른 글
| 퍼셉트론 학습 알고리즘을 이용해 매일 매시간 새로운 아이템으로 부의 수익창출을 학습 [예제로 아이템들을 특성 벡터로 표현하여 수익률, 리스크, 거래량 등의 특성] (0) | 2023.08.18 |
|---|---|
| 엑셀 표도 번역해 줄 수 있어? (1) | 2023.08.18 |
| AI가 바꾼 직업의 세계! (0) | 2023.08.17 |
| 인공지능(지능형로봇/AI챗봇/챗GPT/의료AI) 관련주 (1) | 2023.08.17 |
| Auto-GPT 특징 (1) | 2023.08.17 |
