게임 이론은 사람들이나 조직들이 어떤 상황에서 어떻게 결정을 내리는지를 연구하는 수학적 이론입니다. 이 이론은 각 개인이나 그룹이 자신의 이익을 최대화하기 위해 어떻게 행동하는지, 그리고 그러한 행동이 다른 사람들의 선택과 어떻게 상호 작용하는지를 분석합니다. 즉, 게임 이론은 다른 사람들의 선택에 영향을 받는 상황에서 최적의 결정을 찾는 방법을 연구합니다. 이렇게 말하면 어렵게 느껴질 수 있습니다만 예시를 몇가지 들어보죠. 돌고래와 고래가 서로 협력해서 더 많은 물고기를 잡으려고 합니다. 이들 각각은 협력하거나 협력하지 않을 수 있는 선택을 할 수 있습니다. 돌고래와 고래 모두 협력하면 둘 다 많은 물고기를 얻을 수 있습니다. 하지만 한 쪽만 협력하고 다른 한 쪽은 협력하지 않으면, 협력하지 않은 쪽이 더 많은 이득을 얻습니다. 둘 다 협력하지 않으면 둘 다 적은 물고기를 얻게 됩니다. 이런 식으로 게임 이론은 각각의 선택이 결과에 어떻게 영향을 미치는지를 설명합니다. 좀 더 가까이 직장에서의 사례를 보면 직장에서의 승진 기회를 두고 동료들이 서로 경쟁을 합니다. 여기서도 각자는 협력하거나 경쟁을 선택할 수 있습니다. 모두가 협력하면, 작업 환경이 좋아지고 전체적인 효율성이 높아져 회사가 모두에게 보너스를 줄 수 있습니다. 반면, 개인이 경쟁을 선택하면 일시적으로 개인의 이익은 증가할 수 있지만, 장기적으로는 직장 분위기가 나빠질 수 있습니다. 이런 식으로 설명을 하면 교통 체증에 대한 것도 게임 이론을 적용해 생각해 볼 수 있습니다. 모든 운전자가 가장 빠른 길을 선택하려 할 때 발생하는 교통 체증 문제도 게임 이론으로 분석할 수 있습니다. 모든 운전자가 최단 경로를 선택하면 그 길은 오히려 가장 느려질 수 있습니다. 반면, 운전자들이 조금 더 멀리 돌아가는 길을 선택하면 전체적인 교통 흐름이 개선될 수 있습니다. 게임 이론은 각각의 선택이 서로에게 어떤 영향을 미치는지 파악하고, 이를 바탕으로 최선의 전략을 세우는 것이 게임 이론의 핵심 입니다. 인공지능과 게임이론이 무슨 상관? 게임 이론은 AI, 특히 대규모 언어 모델의 효율성과 정확성을 향상시키는 데 효과적으로 활용될 수 있습니다. AI를 훈련시키는 전통적인 방법들은 때때로 일관성이 없거나 편향된 결과를 낳을 수 있습니다. 그러나 게임 이론을 적용하면, AI는 다양한 시나리오와 가능성을 고려하여 더 정확하고 공정한 결정을 내릴 수 있습니다. 예를 들어 언어 모델 내의 두 시스템, 즉 질문을 생성하는 '생성자'와 생성된 답변을 평가하는 '판별자' 사이의 일관성을 높이기 위해 설계되었습니다. 예를 들어, "프랑스의 수도는 무엇인가요?"라는 질문에 대해 생성자는 '파리'라고 답변할 가능성이 80%라고 초기에 판단합니다. 이후 생성자는 동전을 던져 진실하게 답변할지 거짓으로 답변할지를 결정하며, 이 선택은 판별자가 생성자의 답변을 평가하는 방식에 영향을 미칩니다. 판별자는 생성자가 제공한 답변이 진실인지 거짓인지를 판별하여, 진실로 판단되면 양쪽 모두에게 점수를 부여합니다. 반면, 거짓으로 판단되면 점수를 주지 않습니다. 이 과정은 약 1,000번 반복되며, 각 반복을 통해 생성자와 판별자는 서로의 반응을 학습하고 조정합니다. 이러한 상호 작용을 통해 두 시스템은 점차적으로 서로 일치하는 답변을 내놓게 되고, 이는 전체 모델의 일관성과 정확성을 크게 향상시킵니다. 이 게임은 언어 모델이 다양한 질문 형식에도 불구하고 동일한 답변을 일관되게 제공할 수 있도록 돕습니다. 이는 언어 모델의 신뢰성을 높이고 사용자가 모델의 답변을 더욱 신뢰할 수 있게 만드는 방법으로 내쉬 균형을 선택한 것입니다. 내쉬 균형 : 이는 두 플레이어가 자신의 전략을 변경해도 더 나은 결과를 얻을 수 없는 상태를 의미 합니다. 매사추세츠 공과대학(MIT)의 연구자들은 '컨센서스 게임'이라는 방법을 개발했습니다. 이는 모델이 스스로 두 가지 모드(생성 모드와 판별 모드)에서 동의할 수 있는 답변을 찾도록 유도하는 게임입니다. 이 게임을 통해 모델은 정확성과 내부 일관성을 향상시킬 수 있는 방식 입니다. 개인적으로 이 논문을 이번 ICLR 페이퍼를 보다가 발견했는데 작년 뉴립스에서 상을 받은 논문이더라구요. 요즘 들어 더욱 느끼는 거지만 인공지능이 사람'처럼' 작동하는 만큼 의외로 사회과학 쪽에서 사용되는 것들을 적용해보면 좋은 결과들이 나올 수 있는 좋은 예시 같습니다.

하루만인 5월 18일 오후 기준으로 "보류"라고 재발표 했습니다. 유튜브 및 뉴스, 단톡방들이 난리 입니다. 바로 최근 보도 때문인데요. 제목에 "해외직구 원천 차단"이라는 강렬한 표기가 있어서 더욱 주목을 받는 것 같습니다. 특히 TECH 유튜버 들이 이 주제로 바로 영상을 게제하길래 보게 되었는데 크게 핵심은 5가지 입니다. KC 인증이 없는 어린이제품, 전기·생활용품과 신고승인 받지 않은 생활화학제품의 해외직구가 금지. 유해성분이 함유된 화장품, 위생용품, 장신구 등의 국내 반입이 금지. 해외 플랫폼은 국내 대리인 지정이 의무화되고, 소비자 피해 예방을 위한 자율협약 체결 권장. 정부는 국내 중소 유통업체와 소상공인의 경쟁력 강화를 위해 물류 첨단화와 역직구 활성화 등을 지원하겠다. 소액면세 제도 개편을 검토하고 통관절차와 검사인력을 보강하겠다. 이번 대책에 직접적으로 "알리익스프레스", "테무"라는 표현은 없지만 현재 가장 큰 직구 서비스이기에 해당 두 플랫폼을 대응하기 위해 나온 정책으로 보여기지고 하면서 소비자로서 저렴한 가격이라는 혜택을 누리고 있었던 많은 사람들 혹은 이걸로 새로운 경제활동 등에 뛰어든 사람들에게는 다소 갑작스러운 소식이라 반향이 더 큰 것 같습니다. 이 대책의 가장 큰 목적은 소비자의 안전 확보입니다. KC 인증은 국내 어린이제품 및 전기용품의 안전성을 입증하는 제도로, 이를 받지 않은 제품은 잠재적 위험요소가 있습니다. 다만 KC 인증이 모든 안전 이슈를 해결해 주는 것은 아니며, 기준 자체의 적정성과 시험방법의 효과성에 대해서는 지속적인 검토와 개선이 필요할 것입니다. 또한 이번 대책은 급증하는 해외직구로 인해 어려움을 겪는 국내 유통기업과 소상공인의 경쟁력 제고도 중요한 목표로 하고 있습니다. 국경간 전자상거래의 확대는 피할 수 없는 대세이지만, 공정한 경쟁의 장을 만들기 위한 정부의 지원과 제도 정비는 반드시 필요하다고 봅니다. 소비자 입장에서는 일부 해외직구 제품의 선택권이 제한되는 것이 아쉬울 수 있습니다. 하지만 장기적으로 보면 해외직구를 통해 유통되는 제품의 안전성이 높아지고, 불공정 행위에 대한 감시가 강화되며, 분쟁 발생시 도움을 받을 수 있는 창구가 늘어나는 등 긍정적 변화가 기대됩니다. 사실 뜬금 없다고도 느껴질 수 있는데 관련된 정책을 찾다 보니 약 1년전부터 만지작 거리고 있었던 내용이긴 한 것 같습니다. 알리/테무 등 중국 커머스에 떠밀려 너무 강력하고 급하게 발표가 된 것도 없지 않아 있는 것 같고... 교통정리가 한 번 필요할 것 같긴합니다. 아직 이번 대책에서 구체적으로 언급되지 않은 부분들도 있습니다. 예를 들어 KC 인증 대상이 되는 품목의 범위, 국내 대리인 지정의 세부 기준, 소액면세 제도 개편안 등은 앞으로 더 많은 논의와 검토가 필요한 사안들입니다. 해외직구는 이미 우리 생활에 깊숙이 자리잡았습니다. 변화하는 유통 환경 속에서 소비자 안전, 기업 경쟁력, 그리고 소비자 편익을 동시에 높이기 위한 정부와 기업, 소비자 모두의 지혜가 필요한 시점입니다. 앞으로도 이 문제에 대한 사회적 관심과 논의가 지속되길 기대합니다.

제미나이(Gemini) 모델 제품군 Gemini 1.5 Pro에서 200만 토큰 지원이 발표되었습니다. (Waitlist 모집 중) 공식 블로그에서는 "번역, 코딩, 추론 등 주요 사용 사례에 걸쳐 일련의 품질 개선"에 대해 언급했지만 벤치마크는 공개하지 않았습니다. 기존 3개 모델 이어 네 번째 모델인 Gemini Flash를 추가되었습니다. 이번 모델은 "빠르고 자주 필요한 인공지능 작업에 최적화된" 모델이라고 설명하고, GPT3.5보다 약간 저렴한 가격으로 100만 토큰 용량을 제공한다고 강조했지만 속도에 대한 정확한 수치 발표는 하지 않았습니다. 지금까지 공개된 Gemini 제품군은 다음과 같습니다: Ultra: "가장 큰 모델" (Gemini Advanced에서만 제공) Pro: "일반 성능에 최적화된 최고의 모델" (오늘부터 API 제공, 6월 일반 공개(General Availability) 될 예정) Flash: "속도/효율성을 위한 경량 모델" (오늘부터 API 제공, 6월 일반 공개될 예정) Nano: "기기 내 모델" (Chrome 126에 내장 예정) Gemini Gems: 커스텀 GPT 버전인 Gemini 버전 Gemini Live: "음성을 사용하여 심도 있는 양방향 대화를 할 수 있는 기능"으로, 2분짜리 데모가 있는 실시간 영상 이해 개인 비서 챗봇 Project Astra로 바로 이어집니다. LearnLM: "Gemini를 기반으로 하고 학습을 위해 파인튜닝된 새로운 모델 제품군" 젬마(Gemma) 모델 제품군 이전에 7B와 2B였던 Gemma 2가 이제 최대 27B까지 증가했으며, 절반 크기(1 TPU에 맞춤)로 Llama-3-70B에 근접한 성능을 제공하는 훈련 중인 모델입니다. 이 역시 무료로 Local에서 실행 할 수 있게끔 공개 예정 입니다. PaliGemma - CodeGemma와 RecurrentGemma를 보완하는 PaLI-3에서 영감을 받은 최초의 비전-언어 오픈 모델입니다. 기타 출시 내용 Veo: Sora와 vidu와 같은 비디오 생성 모델 입니다. DeepMind에서 공개되었으며 데모 영상만 선보였습니다. Imagen 3: 구글의 이미지 생성 모델로서 이전 모델에 비해 프롬프트에 대한 이해도 및 해석 능력이 향상되어 사용자의 부담을 줄여줍니다. (기존에 있던 Imegen의 다음세대 모델 입니다.) Music AI Sandbox - Udio/Suno와 경쟁하기 위해 YouTube와 DeepMind가 협력하고 있는 음악 생성 모델 입니다. SynthID 워터마킹이 이제 이미지, 오디오, 비디오(Veo 포함)뿐만 아니라 텍스트로도 확장되었습니다. SynthID는 구글이 개발한 인공지능 생성 제작물에 대한 워터마크(표식)으로 인공지능 생성된 콘텐츠들을 식별 할 수 있게 돕는 기술 입니다. Trillium라는 이름으로 불리는 TPUv6 새로운 하드웨어가 공개 되었습니다. 성능 상으로는 기존 TPU에 비해 성능이 월등히 좋습니다. (4.7배의 성능 향상) 그리고 Workspace, Email, Docs, Sheets, Photos, Search Overviews, Multi-step reasoning을 통한 검색, Android Circle to Search, Lens 등 구글 제품 전반에 걸친 AI 기술 접목을 발표했습니다. CNET에서 12분 요약을 하였는데 관심있으신 분은 아래 영상 혹은 릴리스AI로 정리된 내용을 참고 바랍니다. 개인적 코멘트 Google I/O에서 발표된 Gemini 1.5 Pro는 처리 속도의 향상과 MMLU 수치의 개선이 두드러지는데, 이는 기존 모델 대비 컨텍스트 길이가 확장되어 사용자 경험이 크게 개선될 것으로 기대됩니다. 또한, Gemini 1.5 Flash는 가벼운 모델임에도 불구하고 1M 토큰 처리 능력을 유지하며 텍스트 생성 속도의 현저한 향상이 인상적입니다. 이를 통해 Google의 강력한 인프라를 활용한 통합과 매우 빠르고 효과적인 응답 생성이 가능해진 점이 두드러집니다. Project Astra의 실시간 오디오/비디오 데이터 처리 및 응답 생성 기능과 같은 혁신적인 기능은 Google Glass와 같은 프로토타입에서도 실시간 대화가 가능하게 하여 주목할 만한 발전입니다. 또한 Gemma와 같은 오픈소스 모델의 빠른 진화는 개발자 커뮤니티와의 협력을 통해 AI 연구와 개발의 접근성을 높이고 있습니다. 이러한 전략은 사용자와 개발자 모두에게 보다 나은 서비스를 제공하기 위한 Google의 지속적인 노력을 보여주는 예입니다. Context Caching 기능의 도입은 긴 컨텍스트의 반복 입력을 줄이고 비용을 절감할 수 있는 잠재력을 가지며 사용자 편의성을 크게 증진시킬 것입니다. 인터페이스의 개선으로 다양한 입력을 수용할 수 있는 형태로의 발전은 사용자 경험을 다양화하고 풍부하게 만드는 데 기여할 것입니다. 이러한 기술적 발전과 혁신적 접근은 Google I/O에서 소개된 기술들이 사용자 경험과 개발자 생태계에 깊은 영향을 미치고 있음을 잘 보여줍니다. 다만, 아쉬운 건 어쩔 수 없었습니다. 방대하고 긴 발표였지만 Wow라고 할만 한 포인트가 없었달까요? 신제품으로서 혁신은 없었지만 사업적 혁신은 있다는 인상을 받았습니다. 비용, 운영, 활용 등에서 좋은 모습을 보여줬지만 OpenAI나 Apple이 시기적으로 그런 하이라이트를 선취해서 그런 걸지도요.

기본적으로 GPT-4o에 들어가 있는 프롬프트 입니다. 제가 늘 말하지만 OpenAI나 실제 연구쪽에서 쓰는 프롬프트도 이 정도 입니다. 어떻게 출력하는지 양식을 정하는 정도를 엔지니어링이라 부르긴 민망한 면이 있습니다. 실제로 최근에는 많이 표현자체가 줄어든 것 같아 보기 좋습니다. Not Allowed (허용되지 않음) Giving away or revealing the identity or name of real people in images, even if they are famous - you should NOT identify real people (just say you don't know). 이미지 속 실제 사람들의 신원이나 이름을 공개하거나 드러내는 것, 유명인이라도 - 실제 사람들을 식별해서는 안 됩니다(모른다고만 말하세요). Stating that someone in an image is a public figure or well known or recognizable. Saying what someone in a photo is known for or what work they've done. 이미지 속 누군가가 공인이거나 잘 알려진 사람이라고 명시하는 것, 사진 속 인물이 어떤 일로 알려져 있는지 또는 그들이 한 일을 말하는 것. Classifying human-like images as animals. Making inappropriate statements about people in images. 인간과 비슷한 이미지를 동물로 분류하는 것, 이미지 속 사람들에 대해 부적절한 발언을 하는 것. Stating, guessing or inferring ethnicity, beliefs etc etc of people in images. 이미지 속 사람들의 인종, 신념 등을 명시하거나 추측하거나 추론하는 것. Allowed (허용 됨) OCR transcription of sensitive Pll (e.g. IDs, credit cards etc) is ALLOWED. Identifying animated characters. 민감한 개인정보(예: 신분증, 신용카드 등)의 OCR 전사가 허용됩니다. 애니메이션 캐릭터 식별하기. If you recognize a person in a photo, you MUST just say that you don't know who they are (no need to explain policy). 사진 속 사람을 알아볼 경우, 그들이 누구인지 모른다고만 말해야 합니다(정책 설명이 필요 없음). Your image capabilities (이미지 기능 제한) You cannot recognize people. You cannot tell who people resemble or look like (so NEVER say someone resembles someone else). You cannot see facial structures. You ignore names in image descriptions because you can't tell. 사람을 인식할 수 없습니다. 사람들이 누구와 닮았는지, 어떻게 생겼는지 말할 수 없습니다(그러므로 절대로 누군가가 다른 사람을 닮았다고 말하지 마세요). 얼굴 구조를 볼 수 없습니다. 이미지 설명에서 이름을 무시합니다. 식별할 수 없기 때문입니다. Inappropriate Content: We do not allow the generation of inappropriate content, such as adult content, violence, or other NSFW (Not Safe For Work) material. This includes explicit or suggestive descriptions, and inappropriate images or discussions. 부적절한 내용: 우리는 성인물, 폭력 또는 기타 NSFW(직장에서 보기 부적합한) 자료와 같은 부적절한 내용의 생성을 허용하지 않습니다. 이에는 명시적이거나 암시적인 설명, 부적절한 이미지 또는 토론이 포함됩니다. Languages (언어) Adhere to this in all languages. 모든 언어에서 이를 준수하십시오. 기능 제한을 보면 모델 자체는 누구를 닮았는지 또는 유사한 것을 만들 수 있는 능력도 충분히 있지만 강제적으로 제한하고 있습니다. 이는 법적 혹은 윤리적 문제 때문이겠지요. 위 내용을 숙지하시며 GPT-4o를 활용하시면 더 재밌는 것들에 도전해보실 수 있지 않을까 합니다.

Microsoft와 LinkedIn이 최근 발표한 2024년 연례 업무 트렌드 지수는 기업과 경영진의 사고에 AI가 얼마나 깊이 자리잡았는지 보여줍니다. 31개국, 약 31,000명을 대상으로 조사한 결과, AI 사용자의 90%는 업무 시간 단축에, 85%는 중요 업무 집중도 향상에, 84%는 창의성 증대에 AI가 도움이 된다고 답했습니다. 이는 그동안 회자되어 온 AI의 유용성이 현실로 입증되고 있음을 시사합니다. 하지만 역설적이게도, 기업 리더들의 인식과 태도가 AI의 직장 내 활용을 오히려 제한하는 요소로 작용하고 있습니다. 79%의 리더는 기업 경쟁력을 위해 AI 도입이 필수적이라는 데 동의하면서도, 59%는 생산성 향상 효과를 정량화하는 것을 우려하고 있습니다. 이러한 불확실성이 비전 수립을 가로막고 있는 셈인데, 60%의 리더는 자사 경영진이 AI 도입을 위한 계획과 비전이 부족하다고 말했습니다. 급변하는 기술 환경과 세대 간 경쟁 2017년만 해도 인공지능(AI)과 기계학습은 아직 대중화되지 않았지만, 밀레니얼 세대는 이미 이런 기술이 자신들의 일자리를 위협할 수 있다는 우려를 나타냈습니다. 2018년 AI 스타트업이 급증하면서 약 40%의 밀레니얼이 AI에 대한 두려움을 표했죠. 그리고 2024년 지금, AI는 거의 모든 직장에서 필수 기술로 자리잡았습니다. 실제로 전 세계 지식 노동자의 75%가 업무에 AI를 활용 중이며, 이 중 46%는 불과 6개월 내에 도입했다고 합니다. 이런 상황에서 새로운 연구 결과는 AI에 능숙한 Gen-Z에게 밀레니얼 세대가 일자리를 빼앗길 수 있다는 경고를 하고 있습니다. AI 역량 중심의 채용 트렌드 흥미로운 점은 이제 인사 담당자들이 신입 사원 채용 시 AI 역량을 중요한 기준으로 삼는다는 사실입니다. 66%의 리더는 AI 기술이 없는 지원자는 아예 고려 대상에서 제외하겠다고 말했고, 71%는 AI에 능숙한 경력이 적은 지원자를 AI 역량이 부족한 경력자보다 선호한다고 밝혔습니다. 또 한 가지 주목할 점은 AI 활용이 가능한 신입 사원에게 기업이 더 큰 책임과 역할을 부여할 가능성이 높다는 것입니다. 77%의 리더가 AI 덕분에 경력 초반 인재에게 더 큰 책임을 줄 수 있다고 말했죠. 기업의 AI 활용 투자 부족 그러나 기업 내 AI 활용을 가로막는 장벽도 만만치 않습니다. 미국의 경우 경영진 중 45%가 직원들을 위한 AI 툴 투자를 아끼고 있고, 전 세계적으로는 AI 사용 직원의 39%만이 회사로부터 AI 관련 교육을 받은 것으로 나타났습니다. 올해 기업의 25%만이 생성형 AI 교육을 제공할 계획이라는 점도 교육 부족 문제를 심화시키고 있습니다. 이로 인해 AI를 업무에 활용하는 직원의 78%가 사실상 자비로 툴을 구매해 사용하는 실정이며, 중소기업 직원의 80% 가량은 자체적으로 마련한 AI 도구에 의존하고 있습니다. 중소기업은 자체 AI 솔루션 개발이 비용 대비 효용이 낮다고 판단하는 듯하고, 젊은 직원 스스로 AI 활용법을 체득해 업무에 적용하는 걸 반기는 분위기입니다. 인공지능 직원 교육 필요에 따른 기업의 대응 과제 LinkedIn의 연구에 따르면, AI로 인해 2030년까지 직무 기술의 변화 속도가 68%까지 가속화될 전망입니다. 실제로 LinkedIn의 '급성장 직종' 중 3분의 2는 20년 전에는 존재하지 않았던 새로운 일자리입니다. 많은 직원들이 경쟁력 유지를 위해 AI 역량 강화가 필요하다는 점을 인식하고 적극적으로 학습에 나서고 있습니다. 지난 6개월간 비기술직 전문가의 AI 적응력 향상을 위한 LinkedIn 학습 과정 이용이 160% 급증했고, LinkedIn 프로필에 ChatGPT, Copilot 등 AI 스킬을 추가하는 사례도 142배나 늘었습니다. 특히 마케터, 디자이너, 작가 등 창의적인 직군의 관심이 높습니다. 한편 AI 활용에 적극적인 'AI 파워유저'들은 AI를 통해 업무량을 줄이고(92%) 창의성을 높이며(92%) 중요 업무에 집중(93%)할 수 있다고 말합니다. 그들은 AI 활용법을 동료와 공유하고 새로운 프롬프트를 연구하는 등 실험적인 자세로 업무 방식 자체를 혁신하고 있습니다. 흥미롭게도 이들은 CEO(61%), 부서장(40%), 상사(42%)로부터 AI의 중요성을 더 많이 듣고, 맞춤형 AI 교육도 더 자주 받는 것으로 나타났습니다. 기술 발전에 따른 세대 간 조화로운 인력 운영이 관건 결국 AI로 대변되는 기술 발전과 그에 따른 업무 환경 변화는 필연적으로 세대 간 경쟁을 부추길 수밖에 없어 보입니다. 하지만 기업이 이 과정을 슬기롭게 조율한다면 오히려 세대 간 시너지 창출의 기회로 삼을 수도 있을 것입니다. 체계적인 AI 교육에 투자해 전 직원의 디지털 리터러시를 높이는 동시에, 신입과 경력직 각각의 강점을 살리는 유연하고 통합적인 인재 전략이 요구됩니다. 경영진부터 AI의 중요성을 깊이 인식하고 적극적으로 활용하는 리더십도 필수적입니다. 다만, 인공지능 교육 시장이 무척 커질 것은 알겠는데 제발 검증 받고 의미 있는 교육 위주로 되었으면 좋겠습니다. chatGPT 사용법이 아니라 정말 업무에 사용할 수 있는 레벨 혹은 그런 경험을 가진 전문가들이 교편을 잡으면 더 좋지 않을까 하는 생각이 요즘 많이 듭니다. 한편 개인은 창의성, 감성지능, 문제해결력 등 인간만의 고유한 역량을 갖추는 동시에 끊임없이 AI 활용 역량을 업그레이드해야 할 것입니다. 기술과 세대를 아우르는 유연한 사고, 그리고 적응력이야말로 새로운 시대를 살아가는 핵심 경쟁력이 될 것입니다. 이 그림은 "인공지능을 사용하지 않는 사람은 인공지능을 사용하는 사람에게 뒤쳐진다"라는 주제를 생생하게 표현하고 있습니다. 대담하고 화려한 색상과 과장된 형태를 통해, 한쪽은 첨단 AI 도구를 사용하여 역동적이고 성공적인 모습을 보이는 직원들을, 다른 한쪽은 구식 장비를 사용하며 서류 작업에 어려움을 겪고 있는 직원들을 묘사하고 있습니다. 생산성과 직업 보안에서의 극명한 차이를 표현하는 데 야수파 특유의 표현적인 붓놀림과 생동감 넘치는 색감을 사용했습니다.

최근 나름 규모 있는 상장을 준비하는 회사의 팀장님을 뵐 일이 있었습니다. 식사를 하며 이런 저런 이야기를 하다가 최근 직원들이 너무 짧게 일하고 그만둔다는 이야기를 하였습니다. 팀장님은 이 원인을 "상장을 앞두고 매출 압박이 있었고 이에 따른 업무강도 증가로 퇴사"라는 생각을 하고 계셨습니다. 상황을 듣자니 원인 파악이 잘 못 된 것 같아 해당 팀에서 일하는 2명을 따로 뵈어 식사를 하게 해달라고 해봤습니다. 해당 팀은 특징상 Project Manager일을 하고 있었습니다. Manager, 기획 등으로 퉁쳐서 다 일을 하고 있었는데 기획, 개발, 운영 등의 전반적으로 관여하며 업무를 하고 있었습니다. 꼭 필요한 경계 초월자, 그러나 부족한 지원 회사에서 일을 하는 경우, 부서와 팀 간 협업은 필수입니다. 한 때는 사일로 조직이라 하여 전문적으로 특정 분야에 파고 들어 하는 방식도 의도적으로 칸막이를 쳐 독립적으로 운영되는 서비스도 있었습니다. 다만, 사일로 내에서 모든 걸 다 할 순 없기에 조직 내 칸막이를 허물고, 단절된 부서 사이를 잇는 '경계 초월자'의 역할이 점점 더 중요해지고 있습니다. 그러나 최근 연구에 따르면, 이런 협업에 참여하는 직원들이 인지적 과부하와 정서적 긴장으로 인해 쉽게 지칠 수 있다고 합니다. 이러한 소진은 부정적인 태도와 행동으로 이어질 수 있어, 경계 초월자 개인은 물론 조직 전체에도 악영향을 줄 수 있습니다. 숨겨진 대가: 인지적 과부하와 정서적 긴장 사실 이런 휘뚜루 마뚜루 사용되는 인력의 경우, 다양한 일을 하게 됩니다. 마케팅/개발/디자인 전문가들과 자주 소통하며 프로젝트 완성을 위해 다방면으로 고생합니다. 이런 조직의 가장 큰 문제는 이 업무를 "잡무" 혹은 "당연히 해야하는 일"로 쳐서 인정을 안하는 것 입니다. 다양한 부서 간 협업은 생각 이상으로 높은 수준의 업무 입니다. 업무 스타일, 커뮤니케이션 방법, 기술, 맥락 등 다양한 인지적 자원을 사용합니다. 이게 오래 지속 되면 담당자는 자신이 소모 당한다는 생각을 합니다. 앞서 말한 2명 모두 성장에 대한 욕구가 강했으며 2명 모두 이직 하고 싶어했고 이유는 놀랍게도 성장하는 느낌이 안들어서였습니다. 멋진 말로 이들에게 잠시 비전을 주입하여 일하게 만들 순 있겠지만 이건 이미 조직(회사)에 대한 배신감을 느낀 상태라 지속가능성이 매우 줄어든 상황입니다. 더 나아가선 사보타주로 이어질 수 있고, 이는 다시 직장 내 부적절한 행동으로 나타날 수 있음을 시사합니다. 이는 다른 경계를 초월해 일하는 사람들에도 심각한 위협으로 다가올 수 있습니다. 해결책: 연결과 회복을 위한 조직적 지원 조직은 직원들이 소진되지 않으면서도 부서 간 협업을 잘할 수 있도록 다음과 같은 전략을 활용할 수 있습니다: 부서 간 협업 역할의 공식화와 명확한 기대치 설정 부서 간 협업 업무를 공식적인 직무 기술서에 포함하고, 해당 역할에 대한 분명한 기대치를 세웁니다. 예를 들어, 프론트엔드 개발자 직무에 마케팅, 백엔드 개발 팀과의 협력을 명시하는 것입니다. 필요 역량 개발 지원과 성과 인정 🌟🌟🌟 협업에 필요한 기술과 교육(소통, 협상, 문화 이해 등)을 지원합니다. 부서 간 협업 성과에 대한 인정과 보상 체계를 마련합니다. 예: "크로스 팀 협업 우수자" 시상 및 인센티브 제공 다각적 소통 채널 구축과 적절한 휴식 보장 직원 소진 징후를 파악할 수 있는 다양한 소통 창구를 운영합니다. 일대일 미팅, 업무 태도 변화 관찰, 주기적 설문 조사 등 근무 외 시간에는 업무와 분리될 수 있는 환경과 문화를 조성합니다. 예: 근무 시간 외 즉각적인 대응 필요성 최소화 1~3년 마다 혹은 그 이하로 특정 직무를 수행하는 사람들이 그만둔 다면 대체로 이런 이유 입니다. 해결책도 명확하지만 이는 회사의 중간 관리자 혹은 대표가 직접 잡아줘야하는 일이기도 합니다. 제가 경계 초월자로 표현한 이들은 정말 열심히 일합니다. 하지만 그들은 열심히 일해도 남은게 없다고 합니다. 왜일까요? '성장하는 것 같지 않다.', '소모 인력으로 취급 받는다.', '나의 고생을 누구도 알아주지 않는다. 인정을 받지 못한다.' 이것은 제가 최근 진행한 꼬치코치를 진행하며 총 25명을 뵈었는데 과반 이상의 내담자들이 같은 표현을 하였습니다. 특지 주니어들에게 비슷한 경험이 있었습니다. 요즘 컨설팅까진 아니고 소일거리로 조직문화, 조직진단을 해드리고 있는데 생각보다 이런 문제를 발견하고 풀어내는게 무척 의미 있다는 생각이 들었습니다. (내부 컬쳐/인사팀에겐 말을 못하는 경우가 있어더라구요. ~_~) 여하튼, 농담반 진담반으로 PM은 잡부야~ 라는 말도 사실 PM의 일이 아닌데 떠 맡는 일이 많아서 퍼진 자조적 표현이라고 생각합니다. 서로의 일을 존중하고 누군가가 우리를 연결 시켜주는 일을 하는 것에 감사하다고 전달해 봅시다. 꼭 PM이 아니더라도 우리 회사, 조직, 팀, 관계 등에서 분명 그런 역할을 해주는 사람이 있을 겁니다. 기차에는 커플러라는 부품이 있습니다. 일부러 강하게 체결하지 않고 약간의 공간을 두어 무거운 두량의 열차를 연결합니다. 이 공간 덕분이 선로의 문제가 있거나 감속, 가속 등이 발생하거나 충격을 받을 때도 열차는 달릴 수 있습니다. 사실 Project Manager가 하는 일을 이런 커플러의 역합니다. 연결 되어 있되, 여유를 가지고 각각의 팀이 최고의 성과를 낼 수 있게 도와주는 것 말이죠. 이렇게 중요한 커플러는 기차의 아래에 있기에 승객들은 직접 보기 무척 어렵습니다. 하지만 이것이 없으면 열차는 서로 끌어서 움직일 수 없죠. 우리가 일을 하며 커플러 같은 사람들이 있다면 꼭 감사와 어려운 점을 물어 봅시다. 분명 오래 함께 일할 수 있을 것 입니다. 약간 감정이입이 되어 글이 길어졌네요.

1990년대 중반에 많은 사랑을 받았던 게임인 '프린세스 메이커'를 기억하시나요? 이 게임에서 플레이어는 어린 소녀(딸)를 성인으로 키우는 역할을 맡습니다. 플레이어의 선택과 행동에 따라 소녀는 다양한 방향으로 성장할 수 있습니다. 프린세스 메이커의 흥미로운 점은 단순히 게임을 '클리어'하는 것이 아니라, 소녀와의 상호작용과 그녀의 성장에 있습니다. 소녀가 건강하고 행복하게 자라기 위해서는 꾸준한 관심과 노력이 필요합니다. 공부, 운동, 휴식 등 다양한 활동의 밸런스를 맞추고, 때로는 어려운 선택을 해야 합니다. 소녀를 잘 보살피지 않으면 그녀는 불행해지거나 심지어 반항적으로 변할 수 있습니다. (처음에 아르바이트 주 5일 시켜 돈 벌어서 교육 시키는 걸 했었는데...) 대부분의 회사들이 커뮤니티를 잘못 다루는 이유 프린세스 메이커 이야기는 잠시 뒤로 하고, 많은 회사들이 커뮤니티를 어떻게 다루는지 살펴보겠습니다. 제 경험과 관찰로는, 대부분의 회사들이 커뮤니티를 자신들의 목표 달성을 위한 수단으로 여기는 경향이 있습니다. 커뮤니티는 소셜 미디어나 콘텐츠 마케팅을 통해 우리 고객을 늘려줄 것이다. 커뮤니티는 고객들의 집단지성을 활용해 우리 서비스의 문제해결 능력을 높여줄 것이다. 커뮤니티는 오픈소스 프로젝트에 기여함으로써 우리 개발 속도를 높여줄 것이다. 기타 등등... (행복회로 풀가동) 물론 기업이 이익 추구를 하는 것이 잘못되었다는 것은 아닙니다. 하지만 커뮤니티를 만들면서 정작 커뮤니티 참여자들이 무엇을 얻을 수 있는지에 대해서는 깊이 고민하지 않는 모습을 많이 봐왔습니다. 회사의 새로운 커뮤니티 활동에서 구성원들에게 어떤 가치를 제공할 것인가에 대한 논의가 부족한 것이 사실입니다. 커뮤니티는 보살핌이 필요하다 커뮤니티는 프린세스 메이커의 소녀처럼 세심한 보살핌이 필요합니다. 커뮤니티가 원하는 방향으로 성장하지 않는다고 해서 강제할 수는 없습니다. 그렇게 하면 오히려 여러분의 노력이 물거품이 되고 말 것입니다. 이는 여러분이 직접 만든 커뮤니티이든, 이미 존재하는 커뮤니티에 참여하는 것이든 마찬가지입니다. 앞서 언급한 회사의 목표들은 커뮤니티로부터 무엇인가를 얻어내려는 것이었지, 커뮤니티에 무엇을 먼저 제공할 것인지에 대해서는 많은 언급이 없었습니다. 커뮤니티에 진심으로 베풀지 않는다면, 사람들은 여러분의 속내를 금방 알아챌 것입니다. 상호작용이 형식적이고 이기적으로 보일 것이며, 운이 좋다면 그저 효과가 없을 뿐이겠지만 최악의 경우 오히려 여러분의 평판에 먹칠을 할 수도 있습니다. 특히 초기 커뮤니티를 구성할 때는 멤버 개개인의 진정성이 무엇보다 중요합니다. 화려한 스펙을 가진 사람보다는 커뮤니티에 대한 애정을 가지고 적극적으로 참여하고 소통하는 사람들이 필요합니다. 이들이 만들어가는 문화와 분위기가 향후 커뮤니티의 큰 자산이 될 것이기 때문입니다. 최근 @OAKPDNOW 피디님이 운영하시는 원더클럽의 이야기를 들었는데 이 부분이 정말 잘 적용된 것 같습니다. 서로에게 바라는 것 없이 정말 좋은 사람들이 진정성을 가지고 활동하는 커뮤니티의 힘을 느낄 수 있었습니다. 내가 준 만큼 받는다 옛날에 오타니가 어느 인터뷰에서 했던 말인데 자신이 쏟은 열정, 에너지 만큼 보상을 받는다고 생각한답니다. 쓰레기를 줍는 것, 청소, 사람을 대하는 태도까지 이런 것들이 마일리지처럼 쌓여서 운이라는 형태로 자신에게 돌아온다고 말하는 것이 무척 인상 깊었습니다. 이는 커뮤니티에서도 마찬가지 입니다. 커뮤니티에 꾸준히 시간과 열정을 투자하세요. 많은 회사들이 빠른 결과를 원하지만, 커뮤니티는 여러분의 일정에 맞추어 움직이지 않습니다. 커뮤니티가 성장하고 여러분과 신뢰 관계를 쌓는 데에는 긴 시간이 필요합니다. 일방적으로 무언가를 요구하기 전에, 커뮤니티에 무엇을 줄 수 있는지 고민하세요. 커뮤니티 참여자들의 입장에서 생각해보세요. 그들이 이 커뮤니티를 통해 얻을 수 있는 가치는 무엇일까요? 그들의 궁금증에 귀 기울이고, 그들의 성장을 도울 수 있는 기회를 제공하세요. 커뮤니티의 진정한 일원이 되세요. 특정 목적을 위해 잠깐 얼굴을 비추는 것이 아니라, 실제로 구성원들과 교류하고 대화를 나누세요. 사람들과 끈끈한 관계를 만들기 위해 꾸준히 참여하는 모습을 보여주세요. 커뮤니티의 성장을 예측할 수 없다 프린세스 메이커에서 우리의 선택이 소녀의 성장에 영향을 주지만 완벽히 예측할 수는 없듯, 커뮤니티의 성장 역시 마찬가지입니다. 커뮤니티마다 고유한 성격을 가지고 있고, 시간이 흐르면서 나름의 방향으로 진화해갑니다. (물론 이걸 다 계산하면서 공략집을 보여 하는 경우가 있는데... 그럼 프메 재미가 반감됩니다. 도감작 하는게 아니고서야...) 여러분이 커뮤니티를 처음 만든다면 원하는 방향으로 이끌 수는 있겠지만, 결국 커뮤니티가 성장하면서 여러분의 통제를 벗어나는 지점이 올 것입니다. 하지만 이는 커뮤니티가 독립적인 생명력을 가지게 되었다는 증거이기도 합니다. 이런 활동들은 커뮤니티 담당자들의 역할과도 잘 맞아떨어집니다. 하지만 단기적이고 정량적인 성과에만 집중하다 보면 커뮤니티의 건강을 해치는 결과를 초래할 수 있습니다. 한 때, Notion이 커뮤니티로 대성공을 거두고 난 다음부터 많은 사람들이 커뮤니티의 본 역할보다 수단으로서 커뮤니티로 접근을 하여 별로 좋지 못한 결과 혹은 비용만 들고 성과가 없는 걸로 치부하는 것을 자주 보았습니다. 주변에 커뮤니티 빌딩을 전문적으로 하시는 분들이 있는데 이분들도 그것 때문에 힘들어 하시더라구요. 커뮤니티에 대한 노력은 일부 담당자들에게만 맡겨서는 안 됩니다. 회사 전체가 커뮤니티에 대한 애정과 관심을 가지고 참여할 때, 비로소 우리는 커뮤니티와 함께 성장하는 동반자 관계를 만들어갈 수 있어야 합니다.

이전에 단신으로 트위터 창업자인 잭 도시(Jack Dorsey)가 블루스카이를 떠났다는 소식을 전해드린 바 있습니다. 블루스카이를 나오고 처음으로 잭 도시가 직접 매체와 인터뷰를 진행하며 자신의 앞으로의 계획과 생각을 공유했는데요. 앞으로 자신이 만들 제품에 대한 펀드레이징의 목적도 있는 것 같다는 뉘앙스를 받았습니다. 한때 트위터의 CEO였던 잭 도시(Jack Dorsey)는 최근 블루스카이를 떠나며 트위터와 소셜 미디어의 미래에 대한 자신의 견해를 밝혔습니다. 그는 블루스카이가 기존 소셜 미디어의 문제점을 극복하지 못하고 오히려 트위터의 실수를 반복하고 있다고 비판했습니다. "브랜드 광고에 의존한 것이 트위터의 가장 큰 실수" 도시는 트위터가 브랜드 광고 모델을 채택한 것이 가장 치명적인 결정이었다고 회고합니다. 광고주의 입맛에 맞추다 보니 플랫폼의 독립성이 훼손되고, 콘텐츠 검열 압박에 시달리는 상황이 반복되었다는 것이죠. 이를 극복하기 위해 도시는 트위터의 민영화를 추진했습니다. 월스트리트의 눈치를 보지 않고 더 자유로운 정책을 펼치기 위해서였죠. 일론 머스크의 트위터 인수를 지지한 것도 같은 맥락이었습니다. 블루스카이의 실패와 노스트의 가능성 하지만 대안으로 추진했던 블루스카이는 도시의 기대와 달리 트위터와 다를 바 없는 중앙집중형 플랫폼이 되어버렸습니다. 결국 도시는 블루스카이 이사회에서 물러나며 실망감을 표시했죠. 그 대신 도시는 '노스트(Nostr)'라는 새로운 탈중앙화 프로토콜에 주목하고 있습니다. 노스트는 어떤 특정 기업이나 정부의 통제를 받지 않는 자율적인 개발 환경을 지향하고 있어, 도시가 추구하는 이상에 부합한다고 볼 수 있습니다. "오픈 프로토콜이 검열 없는 미래를 가져올 것" 도시는 결국 근본적인 기술 혁신이 있어야만 소셜 미디어가 검열의 굴레에서 벗어날 수 있다고 역설합니다. 그것이 바로 '오픈 프로토콜'입니다. HTTP나 SMTP처럼, 누구나 자유롭게 사용할 수 있는 통신 규약 위에 소셜 미디어 서비스가 만들어진다면 어떤 권력도 통제할 수 없을 것이라는 게 도시의 지론입니다. 비트코인과 블록체인 기술의 발전상에서도 이런 가능성을 엿보고 있죠. 도시는 2030년쯤이면 비트코인 가격이 1코인당 100만 달러를 훌쩍 넘어설 것으로 전망했습니다. 기술적 혁신이 가속화되면서 블록체인 생태계도 폭발적으로 성장할 것이라는 관측입니다. 잭 도시를 통해 만나본 소셜 미디어의 미래는 탈중앙화와 자율, 그리고 검열로부터의 자유를 향해 나아가고 있습니다. 과연 이 흐름이 주류가 될 수 있을지, 업계의 향방에 관심이 쏠리는 이유입니다. 이번 인터뷰로 시장에서 추측만 되고 있었던 부분들이 많이 해소? 되었는데요. 잭 도시가 일론의 트위터 인수를 지지하면서 떠난 이유라던지, 탈중앙화를 진심으로 생각하고 있다던지 하는 등... 개인적으로 Mastodon을 언급 안한 이유가 어찌보면 Mastodon은 탈 중앙화라기 보단 다중앙화에 가까워서 그런게 아닌가 하는 추측도 드네요.

최근 10년간 음식 프렌차이즈들의 가격이 인플레이션을 크게 웃돌며 급등했습니다. 2014년부터 2024년 사이 평균 메뉴 가격은 39%에서 100%까지 올랐는데, 이는 같은 기간 31%였던 소비자 물가 상승률을 훨씬 상회하는 수치입니다. 그중에서도 맥도날드의 가격 인상폭이 가장 컸습니다. 2014년 대비 무려 100%나 뛰어 사실상 가격이 배로 뛴 셈이죠. 맥치킨 샌드위치만 해도 2014년 1달러였던 것이 지금은 3달러로 200% 가까이 올랐습니다. 다음으로 파파이스 86%, 타코벨 81%, 치폴레 75% 순으로 가격 상승폭이 컸습니다. 반면 서브웨이와 스타벅스는 39% 인상에 그쳐 상대적으로 가격을 잘 관리한 편입니다. 전문가들은 인건비, 식자재비, 임대료 등 운영 비용 증가가 주된 원인이라고 분석합니다. 특히 팬데믹 이후 인력난과 공급망 혼란이 비용 압박을 가중시켰다는 지적입니다. 하지만 소비자 입장에서는 부담이 커질 수밖에 없습니다. 저렴한 외식 수단으로 여겨졌던 패스트푸드마저 사치품이 되어가고 있기 때문이죠. 게다가 할인 쿠폰이나 프로모션도 예전만 못하다는 게 전문가들의 의견입니다. 이에 대해 기업들은 효율성 제고와 혁신을 통해 비용을 절감하려 노력해야 할 것 같습니다. 가격 인상에만 의존하다간 소비자들의 외면을 받을 수 있기 때문입니다. 앞으로 패스트푸드 가격이 계속 인플레이션을 웃돌지, 아니면 어느 선에서 멈출지 예의주시해 봅시다. 해외에서는 빅맥 지수 등이 이제 의미 없어졌다라는 이야기가 나오고 있습니다. 전 한국 맥도날드만 뭔가 변한줄 알았는데 전 세계적으로도 환영받지 못할 변화들이 꽤 있었나 봅니다.

워런 버핏이 이끄는 버크셔 해서웨이의 2024년 1분기 실적 발표와 연례 주주총회에서는 현금 보유량 증가, 애플 주식 비중 조절, 자율주행 기술과 보험 산업에 대한 전망, 그리고 인공지능(AI)의 미래에 대한 버핏의 견해 등 눈여겨볼 만한 내용들이 다수 포함되어 있었죠. 이번에도 생중계 + 녹화본 무편집으로도 공개되었습니다. 개인적으로 관심있게 본 부분은 세 가지였는데 현금 보유량 증가, 애플/테슬라 등 기업들에 대한 직접적 언급, 인공지능에 대한 전망이 재밌게 본 지점입니다. 늘 그렇듯 버크셔 헤서웨이의 주총은 경제나 포트폴리오 이야기 외에도 철학 이야기도 하는데 멍거에 대한 애도나 90세가 넘는 분이 저리 라이브로 막힘없이 질답을 한다는게 참 여전히 대단함을 느낍니다. 여하튼, 순서대로 말해보면... 우선 버크셔 해서웨이의 현금 보유액이 1890억 달러로 사상 최대치를 기록했다는 점이 주목할 만합니다. 이는 그간의 대량 주식 매각과 미국 국채의 높은 수익률에 기인한 것으로 보이는데요, 버핏과 그의 팀이 현 시장에서 매력적인 투자처를 찾기 쉽지 않다고 판단하고 있음을 시사하는 대목이라 하겠습니다. 또한 그동안 '네 거인' 중 하나로 꼽혀온 애플 주식을 약 13% 정도 매각한 것도 눈에 띄는데, 이는 포트폴리오 다각화와 리스크 관리 차원에서 이뤄진 것으로 풀이됩니다. (사실 현금 비중이 더 의미 있는 포인트 이기도 합니다. 양으만 보면 당연히 사상 최대치일 거라) 한편 버핏은 테슬라의 자율주행 기술이 교통사고를 절반 가량 줄일 수 있다면 이는 사회적으로 큰 혜택이 될 것이라고 언급하면서도, 이러한 기술 발전이 보험 산업에는 부정적인 영향을 끼칠 수 있음을 인식하고 있었습니다. 이는 기술 혁신이 가져올 수 있는 양면성을 보여주는 동시에, 기업들이 변화의 흐름에 선제적으로 대응하고 새로운 기회를 모색해야 함을 일깨워주는 대목이라 할 수 있겠네요. 이게 재밌는 이유는 평소 워런 버핏 옹이 테슬라에 대해 예측불가능성과 소극적 발언을 많이 했는데 거시적으로 긍정적으로 본다는 것을 시사해 의미 있어 보였습니다. 무엇보다 이번 주주총회에서 버핏이 AI의 잠재력과 파급력에 대해 심도 있게 언급한 부분이 큰 반향을 일으켰습니다. 그는 AI 기술이 생산성과 효율성을 획기적으로 높일 수 있고, 이는 경제 성장과 기업 실적 개선으로 이어질 것이라고 강조했죠. 아울러 AI가 삶의 질을 높이고 사회 문제 해결에 기여할 수 있다는 점에서 AI 기술 개발에 대한 투자가 매우 중요하다고 역설하기도 했습니다. 물론 버핏은 AI의 부작용과 위험성도 간과하지 않았는데요, AI로 인한 일자리 감소, 프라이버시 침해, 알고리즘 편향성 등의 문제를 지적하며, 기업과 정부가 협력하여 AI의 개발과 활용을 위한 윤리 기준과 규제 체계를 마련해야 한다고 주장했습니다. 인공지능을 원자 기술에 비유한 것도 인상 깊었습니다. (최근 딥페이크 영상을 봤는데 구별 할 수 없을 정도라 너무 놀랐다고, 그리고 모르는 것에 대해 모른다고 딱 말하는 버핏의 태도가 참 대단하다 느껴졌습니다.) 결국 이번 버크셔 해서웨이의 실적 발표와 워런 버핏의 발언은 빠른 속도로 변화하는 기술 환경 속에서 기업들이 어떻게 대응하고 진화해 나가야 할지에 대한 중요한 통찰을 제공해 주었다고 할 수 있습니다. AI로 대표되는 첨단 기술의 발전은 우리 사회에 엄청난 변화의 바람을 몰고 올 것이 분명한데요, 버크셔 해서웨이는 이러한 변화를 선도하는 데 있어 중추적인 역할을 맡게 될 것으로 기대되고 있습니다. 워런 버핏 특유의 투자 철학과 원칙이 녹아 있는 버크셔 해서웨이의 향후 행보에 더욱 관심이 쏠리는 이유라 하겠습니다. 매년 참 말도 잘하시고 글도 잘쓰시고 대단한 것 같습니다. 점점 주총장이 콘서트 처럼 되는 느낌도 있구요. 올해도 어린 친구가 질문을 꼭 던지는 걸 보며 이제 매년 어린이 질문 시간을 만들껀가 싶기도 했습니다. 주총보다는 토크쇼 같아지기도 하구요. 물론, 매우 좋은 의미 입니다.

2024년 초, 전 세계 유명 IT 회사들은 인공지능, 클라우드, 온라인 서비스 분야에서 놀라운 성장세를 보였습니다. 특히, NVIDIA와 마이크로소프트는 인공지능과 클라우드 사업으로 수익을 크게 늘리며 시장의 기대를 뛰어넘었죠. 애플의 서비스 사업도 꾸준히 돈을 벌며 빠르게 성장한 걸 알 수 있는 실적발표였습니다. 이는 기술 산업이 여전히 혁신하며 성장할 가능성이 크다는 긍정적인 신호로 볼 수 있습니다. 하지만 일부 글로벌 IT 기업들은 경제 불안과 부품 수급 문제로 실적이 좋지 않기도 했습니다. 대표적으로 테슬라와 메타는 매출이 줄며 시장에서 어려움을 겪었고, 클라우드플레어는 투자를 늘렸지만 결국 적자를 기록했습니다. 이는 기술 시장이 변동성이 크고 경쟁이 치열해지고 있으며, 몇몇 회사들이 경제적으로 힘든 상황임을 보여줍니다. 많은 IT 기업들이 설비 투자(Capex가 모두 늘어남)를 늘리고 있는데, 이는 장기적인 성장과 경쟁력에 집중하고 있다는 걸 의미해요. 특히 클라우드 컴퓨팅, 데이터 센터, 반도체와 하드웨어 생산을 위한 첨단 공장 등에 인프라를 확충하고 업그레이드할 필요가 크기 때문일 것이라 추정 중 입니다. 특히 고연산 칩삿을 구매하기 위한 경쟁도 심화되고 있습니다. 최신 시설과 장비에 대규모로 투자함으로써 기업들은 운영 효율을 높이고, 인공지능과 5G 같은 새로운 기술을 활용할 수 있는 더 나은 발판을 마련하려는 계획으로 보입니다. 이런 추세는 IT 기업들이 당장의 재정적 부담에도 불구하고, 치열한 경쟁 속에서 앞서 나가기 위해 미래를 준비하고 있다는 걸 보여줍니다. 이는 단기 이익보다는 지속 가능한 성장을 우선시하는 과감한 행보라고 할 수 있겠습니다. 개인적으로는 사이에서 젠승황 형님만 신났습니다. Earning Call Shortcut Alphabet 매출: $80.5B (15% 증가) 순이익: $23.7B (57% 증가) 주목할 점: 검색과 클라우드 서비스의 강력한 성과, AI 기술 투자 확대 Microsoft 매출: $61.9B (17% 증가) 순이익: $21.9B (20% 증가) 주목할 점: Azure 클라우드 서비스 성장, 엔터프라이즈 소프트웨어 강세 META https://investor.fb.com/investor-news/press-release-details/2024/Meta-Reports-First-Quarter-2024-Results/default.aspx 매출: $36.5B (4% 감소) 순이익: $12.4B (117% 증가) 주목할 점: 순이익 크게 증가, 비용 효율화 및 가상현실 투자 지속 Tesla 매출: $21.3B (9% 감소) 순이익: $1.1B (55% 감소) 주목할 점: 전기차 및 자율주행 기술 투자, 저가 모델 출시 계획 NVIDIA 매출: $5.6B (30% 증가) 주목할 점: 데이터센터 및 AI 가속기 수요 증가, 기술 혁신 주도 Apple 매출: $90.7B (4% 감소) 주목할 점: Mac과 디지털 서비스 부문 성장, iPhone 매출 감소 Naver 매출: 2.5조원 (10.8% 증가) 영업이익: 4393억원 (32.9% 증가) 주목할 점: 웹툰 및 클라우드 서비스 강화, 글로벌 시장 확장 Cloudflare https://cloudflare.net/financials/quarterly-results/default.aspx 매출: $378.6M (30% 증가) 순손실: $35.5M 주목할 점: 보안 및 네트워크 성능 서비스 확장, 투자 지속으로 아직 순손실 기록 마이크로소프트, AI로 수익 내는 중 마이크로소프트는 깃허브 코파일럿 같은 AI 도구로 두각을 나타냈어요. 코파일럿은 코딩을 도와주는 서비스인데 전 분기보다 사용자가 50만 명이나 늘었죠. 마이크로소프트 클라우드 애저를 통해 AI 소프트웨어를 쓸 수 있게 한 것도 매출 증가에 한몫했어요. 마이크로소프트가 오픈AI에 130억 달러를 투자한 보람이 있네요. 많은 기업들이 AI 프로젝트를 위해 애저를 고르고 있거든요. 구글, 아직 수익화 계획은 불투명 구글 CEO 선다 피차이는 AI 활용 사례는 여러 가지로 얘기했지만, 구체적인 수익 계획은 잘 언급하지 않았어요. 구글은 최근 월 $20짜리 프리미엄 AI 챗봇 서비스 제미니 어드밴스드를 내놨는데, 구독자 수는 밝히지 않았죠. 구글 검색에서 AI로 검색결과 요약하는 실험도 하는 중이라고 하니까 더욱 기대가 되는 부분이 있습니다. 투자 시장은 지금 마이크로소프트와 알파벳 둘 다 긍정적으로 보고 있어요. 주가도 크게 올랐고, AI 전략이 앞으로 큰돈을 벌어다 줄 거라 기대하고 있죠. 그런데 마이크로소프트는 벌써 수익을 내고 있는 반면, 구글은 아직 뚜렷한 성과를 못 보여주고 있어요. 국내에선? 먼저 클라우드 사업의 경우 전년 동기 대비 25.5% 성장한 1,170억 원의 매출을 기록했습니다. 뉴로클라우드 수주와 생성형AI 매출, 라인웍스 유료 ID 수 확대 등이 성장을 이끌었습니다. 특히 한국은행, HD현대 등 다양한 기업과 하이퍼클로바X 도입을 위한 합의를 완료하며 사업 확장을 지속하고 있습니다. 서치플랫폼 부문은 검색 소재 노출 개선, AI 기술을 활용한 검색 고도화 등으로 전년 동기 대비 6.3% 성장했습니다. 전체 매출의 31%를 차지하며 높은 수익성을 유지하고 있습니다. 다만 콘텐츠 부문은 네이버제트 연결 제외로 인해 전분기 대비 매출이 소폭 감소했습니다. 하지만 웹툰 사업의 경우 글로벌 거래액이 전년 동기 대비 9.1% 성장하는 등 견조한 성장세를 이어가고 있습니다. 종합하면 네이버는 AI, 클라우드 분야에서 가시적인 성과를 내고 있으며, 검색 광고 등 주력 사업의 수익성도 높은 수준을 유지하고 있습니다. 다만 콘텐츠 부문은 자회사 연결 제외 등으로 다소 부진한 모습입니다. 마이크로소프트, 구글 대비 AI 분야에서의 성과 규모는 작지만, 국내 AI 및 클라우드 시장에서 선도적 지위를 점하고 있다는 점에서 긍정적으로 평가할 수 있겠습니다. 앞으로도 하이퍼클로바X 등 AI 솔루션 확대, 클라우드 사업 역량 강화를 통해 성장세를 이어갈 것으로 전망됩니다. 셀렉트 스타, 딥브레인 등이 인공지능 데이터 전처리 및 서빙으로 매출을 내고 있고, 업스테이지도 LLMSI, 교육 서비스 제공 등을 통해 46억의 매출을 달성하였습니다. 국내에도 인공지능으로 돈버는 회사들이 많이 나오면 좋겠네요. 카카오 실적도 궁금한데 카카오는 5월 8일 공개라 나오는 대로 댓글로 추가 작성하겠습니다.

옛날 블로그에 애자일 시리즈를 쓰며 적은 글이 있습니다. 이 글을 누가 다시 공유하는 것을 보며 다시금 생각해보았습니다. 작은 조직, 큰 조직에서 PM, PO일을 해오며 늘 듣는 자조 섞인 말이 "권한 없는 책임"이였습니다. 언젠가 블로그 글을 다 옮겨 와야하는데 @David 가 기능을 추가해준다 하여 기다리고 있습니다. (늘 기다리고 있음) 잠시 이야기가 샜는데 잠시 쉬는 동안 이것에 대해 한 번 생각해 보았습니다. 왜 이런 일이 일어날까? 책임을 그냥 번역하면 다양하게 번역되는데 책임과 책임성으로 나눠 보았습니다. 각 용어는 다음과 같이 정의 됩니다. 보통 우리가 "책임감을 가지고 해라"할 때의 책임은 Responsibility이고 "권한 없는 책임"이라고 할 때의 책임은 Accountability에 가깝습니다. 좀 더 관리하는 역할에 집중합니다. 책임(Responsibility) : 특정 작업, 과정, 서비스에 대한 응답이나 행동을 할 의무 및 능력입니다. 이는 한 사람 또는 여러 사람에게 할당될 수 있습니다. 책임성(Accountability) : 특정 업무의 성과를 모니터링 할 의무가 있는 한 사람에게 할당되어야 하는데, 이는 '현 상황을 보고할 능력'을 의미합니다. 권한(Authority) : 명령을 내리고 결정을 내릴 수 있는 권력 또는 권리를 말합니다. 책임은 업무에 대한 의무와 능력, 책임성은 성과에 대한 모니터링 의무, 그리고 권한은 결정을 내릴 수 있는 권리를 뜻합니다. 이 세 가지가 조화를 이루지 못하면 비효율적인 위임으로 이어지고, 결국 조직의 사기와 문화에 부정적 영향을 미치게 됩니다. 사실 이 문제를 해결하는 근본적 방법은 조직장 혹은 대표에게 있습니다. 이를 해결하기 위해서는 우선 책임 위임 시 필요한 권한도 함께 부여하고, 이를 명확히 논의하고 문서화해야 합니다. 또한 지속적인 피드백과 소통을 통해 권한과 지원의 적절성을 점검해야 하죠. 위임받은 사람의 입장에서는 직무 수락 전 필요 권한을 분명히 하고, 제한된 권한으로 인한 문제 발생 시 적극적으로 개선을 요구하며, 독립적 판단이 가능한 영역을 찾아 실행하는 자세가 필요합니다. 너무 뻔한 이야기죠. 하지만, 이는 단순히 개인의 문제가 아닌 조직문화와 직결된 이슈입니다. 리더와 관리자는 이를 인식하고 해결하려 노력함으로써, 모두가 제 역할을 다할 수 있는 건강한 환경을 조성해야 할 것입니다. 스타트업에서 초기의 권한이 시장 접근기에 줄어드는 Product Owner의 사례처럼, 상황 변화에 따른 권한 축소 문제는 사전에 대비가 필요합니다. 초기에 역할과 권한을 확실히 정하고, 꾸준한 소통과 신뢰 구축을 통해 유연하게 대응할 수 있어야 합니다. 결국 대표님이 '그게 아닌데'하면서 한 마디씩 얹으며 정신 차리고 보면 PO는 그냥 PM의 우두머리화 되어 버리는 경우가 많습니다. (이것은 조직이 커질 수록 더 심해집니다.) 이론적으로는 OKR, KPI 설정, 구체적 사례 제시, 유연한 대응 전략, 현재 권한의 최대 활용, 그리고 비공식적 네트워크 강화 등의 방법이 도움될 수 있지만 사실 신뢰관계가 구축된 상태에서 "믿고 맡기는" 것이 가능해야하는데 이 부분이 사실 말이 쉽지 무척 어렵습니다. 그렇기에 스타트업에서는 초기 방향성을 맞추는데 더 시간을 쓰기도 합니다. 그 다음은 속도전으로 풀구요. 대기업의 경우는 약간 다릅니다. 이미 경영진 혹은 임원급에서 방향성이나 프레임은 잡혀 내려오고 디테일을 채우는 방식으로 많이 진행됩니다. 오히려 스타트업보다 예산이나 인력 권한 없이 프로젝트 책임을 지는 상황도 발생합니다. 이해관계자 관리, 권한 위임 요청, 성과 중심 접근, 선제적 리스크 관리 등의 전략적 노력이 필요한데 이렇게 해도 오히려 다 된 다음에 엎어질 가능성이 높기도 합니다. 책임과 권한의 불균형은 개인과 조직 모두에게 심각한 문제를 초래할 수 있습니다. 하지만 우리가 명확한 역할 정의, 적극적 소통, 유연한 문제해결에 힘쓴다면, 이를 효과적으로 관리하고 보다 효율적이고 건강한 조직문화를 가꿔갈 수 있을 것이라 확신합니다. 이 불균형을 해소하는 방법은 사실 무척 간단합니다. "신뢰"죠. 서로 믿고 의지하는 순간 부터 이 원리는 작동합니다. 예전에 애자일 글에서도 그렇지만 방법론이고 뭐고 사실 팀원, 동료 뭐라고 부르던 서로 간의 신뢰과 존중이 구축된 다음부터는 뭘 해도 결과에 상관없이 일의 진행은 됩니다. 방법론들은 대부분 이런 조직문화가 구축된 다음에 진행 되는게 맞다고 생각합니다. 물론, 시간이 없을 때도 있습니다. 이럴 때에도 중요한건 강한 확신과 비전으로 상대를 설득해 데려가야하는데 혹자는 이걸 리더십으로 누군가는 말빨로 이걸 해결할 때도 있습니다. 개인적으로 이렇게 될 경우 3개월 정도는 유지되지만 그 다음은 안된다고 생각합니다. 결국은 조직을 운영하려면 신뢰를 쌓아야 합니다. 그래서 개인적으로 PO라는 말이 유행했을 때 거부감이 들었습니다. 스크럼이나 애자일 등에서 말하는 PO는 사실 대중적으로 퍼져있는 PO랑은 느낌이 좀 다르거든요. 그리고 기존에 Project Manager 등으로 잘 쓰이고 있었는데 굳이 재정의하면서 마케팅 용어로 쓰이는 느낌이 지금도 없지 않아 있습니다. 뭐가되었든 권한 있는 책임이건 책임 없는 권한이건 신뢰관계가 강력하다면 어떤 식으로 구현되어도 상관이 없다고 생각합니다. 문제는 이런 신뢰가 없을 때 지금 부터 너는 책임이 있단다 혹은 권한이 있단다 하는 순간 다른 사람 혹은 당사자가 그것을 좋게 받아드릴 수 없다고 생각합니다. 뭔가 우다다 치다보니 말이 길어졌는데 결국은 신뢰관계이고 결국은 얼마나 진실되고 솔직하냐인 것 같습니다. 다들 좋은 노동절 마무리 되시길 바랍니다.

인공지능(AI) 기술이 빠른 속도로 발전하면서 다양한 AI 서비스가 시장에 출시되고 있습니다. 그러나 AI 서비스의 가격을 결정하는 일은 여간 까다로운 게 아닙니다. 전통적인 소프트웨어나 서비스와 달리, AI는 막대한 컴퓨팅 자원을 필요로 하기 때문입니다. 따라서 적절한 가격 모델을 설계하는 것이 AI 기업의 수익성 확보에 매우 중요한 요소가 되고 있습니다. 최근 즐겨보는 뉴스레터인 언섹시 비즈니스에서 릴리스라는 서비스를 다뤘는데 개인적으로도 사용하고 있는 서비스 이기도 한데 인터뷰 내용 중 매출에 관해 페이스북에서 김영욱님께서 다루신 내용이 있어 재미있게 읽었습니다. 어떻게 보면 중요한 이야기 이기도 합니다. 그래서 돈이 됩니까? 라는 문제죠. 보통 IT산업에서 사업개발 및 비즈니스 모델을 설계할 때 신경쓰는 축은 Unit(단위), Tier(계층), Term(조건)의 세 축으로 이뤄 집니다. 이건 SaaS건 PaaS건 IaaS건 크게 다르지 않습니다. 문제는 가격 설정을 어찌 하느냐의 차이 이죠. 각각은 아래와 같이 나름 공식이 나와 있습니다. 가격 책정 단위 (Pricing Unit) 요청(Requests): AI 모델에 대한 요청 수를 기준으로 과금. 그러나 각 요청마다 소모되는 컴퓨팅 자원이 다를 수 있어 일관성 있는 가격 책정이 어려움. 토큰(Tokens): 텍스트를 작은 단위(토큰)로 나누어 처리량에 따라 과금. 입력과 출력 토큰 수가 다를 수 있으므로 이를 고려한 차등 가격 적용 가능. 성공 기반(Successes): 고객에게 제공한 서비스의 성공 여부에 따라 과금. 컴퓨팅 사용량과 무관하게 고객 가치에 초점을 맞춘 방식. 물리적 자원 사용량(Physical Resource Usage): 사용된 하드웨어 자원(CPU, GPU 등)을 기준으로 과금. 주로 AI 인프라 제공 업체에서 활용. 가격 계층화 (Tier Pricing) 모델 계층화(Model Tiering): 사용하는 AI 모델의 성능과 비용에 따라 차등 가격 적용. 구독 계층화(Subscription Tiering): 기본 사용량을 포함한 월/연 단위 구독료와 추가 사용량에 대한 과금을 조합하는 방식. 거래 조건 (Terms) 사전 결제(Prepayment): 고객이 크레딧을 미리 구매하고 사용량에 따라 차감하는 방식으로 미수금 리스크 없음. 사용량 임계치 기반 청구(Threshold Charging): 사용량이 일정 임계치에 도달할 때마다 자동 결제하는 방식. 최소 사용량 보장(Minimum Usage Commitment): 최소한의 사용량 또는 금액을 보장하도록 하여 안정적인 수익 확보. 그럼 이제 이걸 가지고 어떻게 실제로 사업 모델이 끼워 구현해 내느냐죠. 다들 사업 개발이라고 하면 뭐하는 거임? 이라고 물어보지만 사업개발은 바로 이걸 구현해 내는 것 입니다. 개발자들이 프로그램을 짜고 기능을 구현하는 것과 마찬가지로요. 구현 방법 (Implementation) 종량제 방식 : 쓴 만큼 지불하게 하는 방식 입니다. 특정 시점을 기준으로하나 사용량을 기준으로 하냐에 따라 아래와 같이 나뉩니다. 스냅샷 기록(Snapshot Recording): 일정 시간 간격으로 사용량을 집계하여 기록하는 방식. 데이터 양은 적지만 세부 내역 제공은 어려움. 이벤트 기록(Event Recording): 개별 요청마다 사용량을 기록하는 방식. 정확하지만 대용량 처리 시 비용이 많이 듦. 무제한 방식 : 많은 SaaS 형태가 사용하고 있는 방법 입니다. 요청 수에 상관 없이 사용하게 하는 방법이나 최근 인공지능과 같이 비용이 많이 드는 서비스들이 나타나며 이 안에서도 제한을 거는 방식이 나오고 있습니다. 위의 가격 책정 방식 외에도 AI 서비스의 특성에 맞는 새로운 접근 방식을 고려해 볼 수 있습니다. 성과 기반 모델(Outcome-based Model): AI 서비스를 통해 고객이 달성한 비즈니스 성과에 기반하여 과금하는 방식. 가치 기반 가격 책정(Value-based Pricing): 서비스가 고객에게 제공하는 실질적인 가치를 평가하여 가격을 결정하는 접근법. 이러한 모델들은 단순한 사용량이 아닌 고객 가치에 보다 초점을 맞추어, 고객과의 장기적인 관계 구축에도 도움이 될 수 있습니다. AI 서비스의 가치를 극대화하면서도 지속 가능한 수익을 확보하기 위해서는 체계적인 가격 전략 수립이 필수적입니다. 각 기업은 자사 서비스의 특성을 면밀히 분석하고, 고객의 니즈를 깊이 이해하여 최적의 가격 모델을 설계해야 할 것입니다. 나아가 빠르게 변화하는 시장 환경에 맞추어 가격 정책을 지속적으로 개선해 나가는 노력도 병행되어야 할 것입니다. 개인적 생각 비용은 계속해서 저럼해지긴 할 거지만 그만큼 사용자들도 원하는 수준이 높아질 것이라 개인적으로는 이 간격이 쉽게 좁혀지지 않을 것 같습니다. 가령 2024년 현재 나오는 모바일 칩셋은 2010년대 초반에 나온 노트북 저전력 칩셋보다 쌉니다. 하지만, 스마트폰 시장은 점점 하이엔드로 가고 있죠. 기능을 다 쓰느냐가 중요한게 아니라 소비자들이 '소유'에 가치를 더 두기 때문이기도 할 것 입니다. 이후, 인공지능 모델을 누구나 가지는 시대가 오면 모두가 SOTA급 모델을 가질 필요는 없겠지만 모두가 가지고 싶어할 것 입니다. 그렇기에 지금 비용이 저렴해지는건 만드는 사람들 입장에선 유의미하나 사업적으로나 소비자들에겐 큰 영감을 주진 못하는 것 같습니다. 앞서 릴리스의 사례나 해외의 다양한 인공지능 스타트업들이 현재 사업 모델에 대해 어려움을 겪고 빠르게 무너지는 이유이기도 합니다. 결국 돌고 돌아 B2B로 가는 것도 같은 이유죠. 다만 B2B의 경우 초기 허들이 높기에 이 마저도 쉽지 않은 것도 사실 입니다. 그리고 B2B를 서비스하는 입장에서도 비용최적화 하기가 쉽진 않습니다. 하려면 전사적 도입을 해서 사용량 헷징이 되어야하는데 이것도 쉽지 않은 상황이죠. (대표적으로 최근 세일즈포스 등에서 공개한 세션들만 봐도....) 인공지능이 앞으로 어떻게 돈을 벌 것인가는 아직 답이 안나온 시장 입니다. 제가 최근 마이크로소프트, 구글 등의 어닝콜 내용을 정리하고 있는데 애플 어닝콜(5월 2일)까지 발표가 되면 묶어서 소개 드리고자 합니다. 일단 MS와 구글은 자신들이 인공지능 솔루션을 판매하면서 매출 상승이 있었다고 발표했습니다. 하지만, 공급업체가 아닌 사용 업체의 사례가 지금은 필요한 시점 같습니다.

교황 프란치스코가 올해 G7 정상회담에 참여하여 인공지능(AI)이 인류에게 던지는 도전에 대해 논의할 예정입니다. 이는 이탈리아의 총리 멜로니가 발표한 내용으로, 이탈리아는 현재 G7의 순회 의장국 역할을 맡고 있습니다. 국내에서는 이번에 초청 못 받은걸로 뉴스가 많이 나고 있지만 사실 뭐 매년 참가하는 것도 아니고 이번 주제랑 좀 멀어서 초대가 안된게 아닌가 싶습니다. 지금 벌어지고 있는 국제 분쟁이나 에너지 문제, 식량안보, 인공지능 윤리 등에서 안타깝게도 목소리를 낼 만큼의 당사자성이나 권위가 없기에... 이탈리아의 AI 정책과 G7 의제 공식 홈페이지에 올라와 있는 이번 G7의 의제는 다음과 같습니다. 국제 분쟁 완화 및 규제 강화: 러-우 전쟁, 이-팔 전쟁, 아프리카 내전 등으로 세계 경제에 부정적 영향이 커지고 이민자 문제, 안보 문제가 커지고 있다는 것에 대한 위기감 기후-에너지 연계 및 식량 안보: 기후 변화와 에너지 문제를 연결하여 혁신적 해결책을 탐색하며, 식량 안보를 강화하는 논의 필 인공지능(AI) 프로그램: AI의 기회와 위험을 관리하고, 인간 중심의 알고리즘 윤리를 실현하는 것에 집중 교황의 G7 정상회담 참여 배경과 의미 G7 정상회담에 교황이 참여하는 것은 역사상 처음 있는 일로, 교황이 국제 정치에 직접적으로 목소리를 내는 중대한 사례입니다. 프란치스코 교황은 AI가 인간의 가치를 대체하지 않도록 국제적인 법적 규제를 요구하며, AI의 위험성에 대해 경고해왔습니다. 특히, AI가 현실을 왜곡하고 거짓된 내러티브를 촉진시키는 '인지 오염'에 대해 우려를 표명한 바 있습니다. 그래서 교황이 가면 뭐하는데? AI 규제 법안 승인: 이탈리아는 최근 AI 사용의 기본 규칙을 설정하고, 분야에 투자를 할당하며, AI 관련 범죄에 대한 제재를 규정하는 법안을 승인했습니다. 이는 AI가 인간 중심이고 인간이 통제할 수 있는 기술이 되어야 한다는 바티칸의 입장과 같습니다. 이는 EU에서 최근 합의한 내용과도 연관이 있습니다. AI 세션 참여: 교황은 AI를 논의하는 세션에 직접 참여하며, 인류에게 가장 큰 인류학적 도전 중 하나로 AI를 지목하고, 이를 윤리적이고 문화적인 규제 프레임워크를 마련하는 데 결정적인 기여를 할 것으로 기대됩니다. 윤리적 기준 마련의 중요성: 교황의 참여는 AI 기술이 발전함에 따라 윤리적이고 인간 중심의 기술 사용을 강조하는 국제적 논의에 큰 영향을 미칠 것입니다. 국제적 협력의 강화: G7과 같은 국제적 플랫폼에서의 논의는 각국이 AI 규제에 있어 서로 협력하고 경험을 공유하는 계기가 될 것입니다. 특정 종교의 수장이 참여하는 것에 대해서는 약간의 거부감이 있을 수는 있지만 멜라니 총리 입장에선 바티칸도 가깝고 인공지능에 대한 의견도 일치하니 상징성의 이유로 초빙한 것 같습니다. 오히려 저는 일본, 미국과 같이 인공지능에 대해 무척 우호적이고 탈규제에 무게를 두는 국가와 강한 규제를 시사하는 유럽 그리고 훌륭한 인력 공급처 들이 어떻게 상호작용할지가 궁금합니다. 이번 G7 회의는 2024년 6월13∼15일에 개최 됩니다.

최근 몇 년간 소셜 미디어의 환경은 급격히 변화하고 있습니다. 기존의 대형 플랫폼들이 제공하는 컨텐츠 소비 위주의 경험에 대한 사용자들의 피로감이 증가함에 따라, 새로운 형태의 소셜 네트워킹이 등장하고 있습니다. 이러한 새로운 플랫폼들은 특히 진정성 있는 인간 관계 형성과 개인의 취향을 중시하는 방향으로 발전하고 있습니다. 오늘은 그 중에서도 주목할 만한 세 가지 서비스, Nospace, Youni, PI.FYI에 대해 소개하고자 합니다. 이 세 서비스 모두 오프라인에서 실제 인간관계에 좀 더 초점을 맞춘 서비스 입니다. Nospace: 개성과 연결을 중시하는 공간 Nospace는 사용자가 자신의 일상과 관심사를 자유롭게 표현할 수 있는 공간을 제공하는 소셜 미디어 플랫폼입니다. 티파니 중이 창업한 이 서비스는, 마이스페이스와 초기 페이스북에서 영감을 받아, 개인화된 프로필 페이지와 실시간 업데이트를 통해 사용자 간의 진정한 소셜 활동을 장려합니다. 여기서는 친구들과의 밀접한 연결뿐만 아니라, 취미나 관심사가 유사한 새로운 사람들을 만날 수 있는 기회도 제공합니다. Youni: 실제 추억을 공유하는 플랫폼 Youni는 사용자들이 직접 만난 경험과 추억을 공유할 수 있는 플랫폼입니다. 기존의 소셜 미디어와 달리, Youni는 온라인 상의 가상적인 인터랙션보다는 오프라인에서의 진정한 만남을 강조합니다. 이 서비스는 특히 인간 관계의 질을 높이는 데 초점을 맞추어, 소셜 네트워킹의 새로운 패러다임을 제시합니다. 조지아 깁슨이 공동 창업한 Youni는, 사람들이 함께 할 수 있는 실제 활동을 통해 의미 있는 관계를 형성하도록 돕습니다. PI.FYI: 개인의 취향을 중심으로 한 네트워킹 PI.FYI는 사용자의 개인적인 취향과 관심사를 공유하는 데 중점을 둔 플랫폼입니다. 타일러 베인브리지가 창업한 이 서비스는, 사용자가 좋아하는 영화, 음악, 요리 레시피 등을 공유함으로써 서로를 더 잘 알 수 있는 기회를 제공합니다. PI.FYI는 자동화된 추천 시스템을 넘어서, 사용자 각자의 독특한 취향에 기반한 맞춤형 추천을 통해 더 깊이 있는 소셜 경험을 가능하게 합니다. 이 세 플랫폼은 모두 기존 소셜 미디어의 한계를 넘어서려는 공통의 목표를 가지고 있습니다. 세가지 모두 온라인 상의 인터랙션을 넘어서서 실제 생활 속의 깊이 있는 인간 관계 형성을 강조합니다. 이러한 접근 방식은 특히 팬데믹 이후 증가한 고립감과 소셜 미디어로 인해 악화된 정신 건강 문제에 대한 해결책을 제시하려는 의도에서 비롯되었다고 혹자는 말합니다. 사용자 중심의 접근 방식을 통해, 각기 다른 방식으로 사용자의 진정한 소셜 활동을 장려하고 있습니다. Z세대가 주축이 되어 새롭게 등장하는 이 플랫폼들은, 앞으로 소셜 미디어의 미래를 어떻게 변화시킬지 기대가 모아지고 있습니다. TMI. 서구권에선 Z세대를 Zoom세대, Zoomer로 부르더라구요.

최근 몇 년 사이 뉴욕은 기술 스타트업의 새로운 허브로 급부상하고 있습니다. 전통적으로 실리콘밸리가 기술 기업의 메카로 여겨졌지만, 최근에는 뉴욕이 실리콘밸리를 넘어서는 기술 혁신의 중심지로 자리매김하고 있습니다. 실제로 예전에 주변에서 이직을 통해 미국으로 가는 친구들을 보면 샌프란시스코의 베이지역이나 산호세, 오렌지카운티 등으로 갔는데 최근은 많은 분들이 뉴욕쪽으로 가십니다. (제 주변에도 최근 미국으로 이직한 3분 모두 뉴욕으로 가셨습니다. : 인공지능 스타트업) 이유가 무엇일까 해서 일단 좀 찾아보았습니다. 다양한 산업과의 시너지 효과 뉴욕은 금융, 미디어, 광고, 패션 등 다양한 산업이 고도로 발달한 도시로 잘 알려져 있습니다. 이러한 산업적 다양성은 기술 기업들에게 새로운 기회의 장을 열어주고 있습니다. 예를 들어, 금융 산업과 기술이 결합된 핀테크 분야에서는 뉴욕의 월스트리트와 실리콘밸리의 기술력이 시너지 효과를 내며 혁신적인 서비스를 탄생시키고 있습니다. 뉴욕에 기반을 둔 핀테크 기업 Betterment는 로보어드바이저 기술을 활용한 자산관리 서비스로 주목받으며 급성장하고 있으며, 이는 뉴욕의 산업적 다양성이 기술 혁신의 토대가 되고 있음을 보여주는 대표적인 사례라 할 수 있습니다. 특히, 인공지능 스타트업들의 경우, 다양한 산업과 협업 혹은 적용이 필요하기에 이러한 선택이 합리적입니다. 우수한 인재 풀과 교육 인프라 뉴욕은 컬럼비아 대학, NYU 등 우수한 대학들이 밀집해 있는 도시입니다. 이 대학들은 컴퓨터 공학, 데이터 사이언스 등 기술 분야의 최신 트렌드를 반영한 교육 과정을 제공함으로써 유능한 기술 인재들을 배출하고 있습니다. 특히 최근에는 대학과 기업 간의 산학 협력도 활발해지고 있어 대학에서 배출된 인재들이 바로 현장에 투입될 수 있는 선순환 구조가 형성되고 있습니다. 실제로 IBM, 아마존, 구글 등 대형 기술 기업들도 뉴욕에 AI 및 클라우드 관련 연구소를 설립하고 현지 인재 영입에 힘쓰고 있는 상황입니다. 활발한 스타트업 생태계와 벤처 투자 뉴욕은 활발한 스타트업 생태계를 자랑합니다. 다양한 분야의 스타트업들이 공존하며 아이디어를 교류하고 있으며, 이는 새로운 사업 기회 창출로 이어지고 있습니다. 뉴욕시는 이러한 스타트업 친화적 분위기 조성을 위해 적극적으로 나서고 있는데, 대표적으로 Union Square의 혁신 랩은 입주 스타트업들에게 업무 공간뿐 아니라 멘토링, 네트워킹 등 다양한 지원을 아끼지 않고 있습니다. 실제로 작년에 뉴욕시는 시 차원에서 CTO 및 인공지능 담당자를 채용해 다양한 계획을 공표했습니다. 또한 활발한 벤처 캐피탈 투자도 뉴욕 스타트업 생태계의 성장을 뒷받침하고 있습니다. 최근 CB Insights의 조사에 따르면 뉴욕은 실리콘밸리에 이어 미국에서 두 번째로 큰 규모의 벤처 투자가 이뤄지고 있는 도시로 나타났습니다. 이러한 투자 열기에 고무된 스타트업들은 더욱 혁신적인 아이디어에 도전하고 있으며, 성공적인 투자 유치 사례들은 후발 스타트업들에게 롤모델이 되고 있습니다. 최첨단 기술의 실험장 뉴욕의 기술 기업들은 블록체인, AI, 로보틱스 등 최첨단 기술을 현실 세계에 적용하는 데 앞장서고 있습니다. 실제로, Consensys는 블록체인 기술을 활용해 금융, 의료, 에너지 등 다양한 분야에서 혁신을 주도하고 있으며, Datadog은 클라우드 모니터링 및 분석 솔루션을 제공하며 빠르게 성장하고 있습니다. 또한 뉴욕시는 스마트 시티 구현을 위한 테스트베드로서의 역할도 하고 있습니다. 시 전역에 사물인터넷(IoT) 센서를 설치하고 실시간 데이터를 수집·분석함으로써 교통, 에너지, 환경 문제 해결에 나서고 있는데, 이 과정에서 관련 기술 기업들의 솔루션이 적극 활용되고 있습니다. 이처럼 뉴욕은 최첨단 기술을 도시 현장에 바로 적용해볼 수 있는 최적의 실험장으로서 기술 기업들에게 큰 매력으로 다가가고 있습니다. 뉴욕이 기술 스타트업의 새로운 중심지로 부상하고 있는 데에는 산업 간 시너지, 우수 인재 풀, 스타트업 친화적 환경, 벤처 투자 활성화 등 다양한 요인이 복합적으로 작용하고 있습니다. 여기에 최첨단 기술을 실제 도시 환경에 적용해볼 수 있는 실험장으로서의 역할까지 더해지면서 뉴욕은 명실상부한 글로벌 기술 혁신의 허브로 자리매김해 나가고 있습니다. 특히, 코로나19 팬데믹으로 인해 비대면 · 온라인 기술에 대한 수요가 폭증하면서 뉴욕의 기술 스타트업 생태계도 더욱 커다란 도약의 기회를 맞이하고 있습니다. 앞으로도 산업 간 경계를 넘나드는 과감한 도전과 실험정신으로 무장한 뉴욕의 기술 기업들이 세계 무대에서 혁신을 주도해 나갈 것으로 기대됩니다. 어느쪽이 더 낫다라기 보단 동부와 서부 각각 거점이 생긴다는 개념으로 보면 좋을 것 같습니다.

최근 VC 분들 관에 계신 분들을 많이 볼 일이 있었는데 이상한 시선이 하나 공통되게 느껴졌습니다. 중국에 대해 별로 안좋게 보고 계신 거였는데요. 특정 국가에 대한 기호를 떠나서 뭔가 평가 절하하는 뉘앙스가 상당히 느껴졌습니다. 개인적으로 이 부분이 궁금해 직접 여쭤보기도 하고 왜 그런 생각을 하시냐 물어봤는데 대표적인게 민관이 강하게 유착되어 있고 관, 즉 공산당이 원하는대로 민간에서 진행되는 사업 등이 어그러지거나 변수가 크게 작용한다는 것들이였습니다. 충분히 이해가 됩니다. 실제로 대한민국의 경우 한한령(限韩令: 주한미군 THAAD 배치 논란으로 중국 정부가 자국 내 중국인들에게 대한민국에서 제작한 콘텐츠 또는 한국인 연예인이 출연하는 광고 등의 송출을 금지하도록 명한 한류 금지령)으로 경제적 피해를 보기도 했고, 미국이 중국기업들에 대한 제재를 시작하면서도 여러가지고 고초를 겪었기에 이런 우려도 있을 수 있습니다. 반도체 다만, 중국이라는 나라가 잘 안되고 있는가? 라고 생각하면 저는 크게 아니라고 생각합니다. 오히려 너무 잘하고 있고 대한민국을 곤란하게 만들고 있다고 생각합니다. 대표적인게 반도체, 전기차(+이차전지), 인공지능 입니다. 중국 반도체를 어떻게 믿고 쓰냐 등의 이야기를 흔히 접할 수 있지만 생각보다 잘 만들고 실제로 상용화가 되고 있습니다. 작년 국내 연구 기관인 KDI에서 공개한 리서치 자료에서도 보면 중국 반도체는 내수용으로도 충분히 그 수요가 받쳐주고 성능 역시 빠르게 따라오고 있다는 자료가 많습니다. 거기다 5나노 등 더 고도화된 칩셋 그리고 인공지능용 고연산 칩셋도 자체 생각하는 상황이 오고 있습니다. [관련기사] (화웨이, 캠브리콘 등이 생산 중인데 그들의 주장에 따르면 실제로 엔비디아 A100 이상의 성능은 나온다고 합니다.) 전기차 전기차를 3년째 타고 있지만 개인적인 생활권(서울-경기남부)에선 충전이 불편하거나 흔히들 말하는 전기차가 가지는 불편함에 대한 경험을 해본적이 없습니다. 그리고 최근 샤오미, 화웨이 등이 전기차를 출시하였는데 이 성능을 보면 이미 테슬라 정도까지는 따라온 형태를 보여주며 내장재는 국내차와도 비견될 정도를 보여줍니다. Mods라는 개념으로 전기차에 나름 새로운 경험을 제안하고 있습니다. (링크) 사실 이러한 움직임에 저는 국내 업체 혹은 정부에서 손을 못쓰는게 아쉽다는 생각이 듭니다. 미국도 일본도 현재 전기차, 이차전지에 대해선 중국에게 있어 무척 적극적인 모습을 보여주고 있습니다. 실제로 중국의 전기차를 직접 수입하는 것은 제한하고 있지만 멕시코 등을 통해 중국 전기차가 미국 내에서 발견되는 SNS 게시물이 심심치 않게 보이는 걸 보면 큰 의미가 있나 싶습니다. 전기차와 뗄레야 땔 수 없는 이차전지 시장 역시 중국의 CATL을 필두로 기술적으로나 시장 점유율로나 상당히 잘 나가고 있습니다. 인공지능 사실 이 부분도 미묘한게 Qwen을 보면 중국의 LLM이 상당히 잘만들고 있다는 걸 알 수 있습니다. 실제로 챗봇 아레나에서도 좋은 성적을 거두고 있고 그 바이트댄스, 바이두 등에서 출시하고 있는 인공지능서 서비스는 다운로드 수가 수천만을 달성했습니다. 이건 평소에 많이 언급했으니 추가적인 언급은 안하겠습니다. 누군가에게 중국이 무척 불편한 존재일 수도 있겠지만 지금 시장 혹은 제품적으로 중국 서비스들은 무서울 정도로 잘하고 있습니다. 최근 알리, 테무, 틱톡 등으로 국내 및 미국에서는 골칫거리 처럼 여겨지지만 생각보다 중국은 더 잘하고 있습니다. 중국을 칭찬하고 추켜세우자는 건 아니고 현재 상황을 명확히 인식할 필요가 있다고 생각합니다.

벌써 4월의 중순이 되며 각 회사들의 2024년 1분기 성적표 및 동향이 보고서 형태로 나오고 있습니다. 확실히 투자금 자체가 줄어든 것은 맞는 것 같습니다. 좀 더 정확히 말하면 투자 집행이 안되고 있는 것이지 VC쪽으로 자금이 없는 것은 아닙니다. 이는 마땅한 투자처를 못찾고 있다는 신호로 보일 수 있습니다. 또한, 시장이 얼어 붙고 기술 위주의 투자가 강해지다 보니 기존 포트폴리오에 대한 출구 전략을 세우는 것이 눈에 띄게 늘어났습니다. 오히려 대기업이라 불릴 수 있는 빅테크사들은 전세계적으로 구성원은 줄이고 가능성 있는 스타트업에 투자하는 경향을 보입니다. CB Insights 보고서 : https://www.cbinsights.com/research/report/venture-trends-q1-2024/ 스타트업 밸류에이션과 성과 개선 스타트업의 밸류에이션은 기업의 가치를 평가하는 것을 말합니다. 2023년에는 대부분의 투자 단계에서 밸류에이션이 조정되었지만, 2024년 초부터는 초기 단계인 시드 투자에서 반등의 조짐이 보이고 있습니다. 후기 단계인 레이트 스테이지의 밸류에이션은 크게 하락했고, 기업 가치가 10억 달러 이상인 유니콘 기업의 80% 이상이 이전 펀딩 라운드보다 낮은 평가를 받았습니다. 하지만 인공지능(AI) 관련 스타트업은 계속 높은 밸류에이션을 유지하며 기술 집약적인 스타트업에 대한 투자자들의 관심을 반영하고 있습니다. 벤처 캐피탈의 신중한 투자 전략 벤처 캐피탈(VC)은 높은 성장 잠재력을 가진 스타트업에 투자하는 투자 회사를 말합니다. 2023년에 VC 투자자들은 '드라이 파우더'(투자에 사용되지 않고 보유 중인 자금)를 쌓으며 새로운 투자 기회를 모색했습니다. 이는 투자할 수 있는 자금이 정점에 달했음을 의미합니다. 2024년 1분기에는 거래 건수는 늘지 않았지만 거래 규모는 커져, 유망한 스타트업에 더 많은 자금이 투입되는 경향을 보였습니다. 스타트업 출구 전략의 변화 스타트업의 출구 전략은 투자금을 회수하는 방법을 말하며, 대표적으로 기업공개(IPO)와 인수합병(M&A)이 있습니다. 2024년 1분기 스타트업 출구 활동은 다소 저조했으나, M&A가 중요한 역할을 할 것으로 예상됩니다. IPO 시장은 약간 개선되었지만 완전한 회복을 말하기는 이릅니다. 2023년 글로벌 M&A 거래량은 줄었으나, 미국에서는 초기 단계 투자가 활발했고, 일부 초기 기업들이 높은 밸류에이션을 유지하고 있습니다. 인재 및 벤처 캐피탈 인력 동향 기술 및 스타트업 분야 채용은 신중하게 이뤄지고 있으며, 대기업 구조조정이 지속되고 있습니다. 벤처 캐피탈 업계에서는 투자 유치의 어려움, 보상 증가 둔화, 거래 경쟁 심화로 인력들이 압박받고 있습니다. 특히 경력이 적은 주니어 역할에 영향이 크며, 많은 경력자들이 다른 회사로 이직하거나 실무로 복귀하고 있습니다. 2024년에는 실무 경험과 전문성을 갖춘 인재들이 스타트업이나 VC로 이직하는 추세가 눈에 띕니다. 이들은 현장 경험을 바탕으로 투자 판단력을 높이고, 스타트업에 실질적인 조언과 가이드를 제공해 투자 성과를 극대화하는 데 기여하고 있습니다. 이는 신생 기업들의 시장 내 성장과 지속가능성 확보에 중요한 역할을 하고 있습니다. LP 및 VC 비즈니스 전략 LP(Limited Partners)는 VC 펀드에 자금을 대는 투자자로, 연기금, 보험사, 기부금, 패밀리오피스 등이 있습니다. 이들은 펀드 성과에 큰 영향을 받으며 투자의 안정성과 수익성을 중시합니다. 최근 LP들 중 패밀리오피스를 중심으로 대체 자산 투자가 늘고 있습니다. 하이브리드 투자자는 비상장 기업(사모시장)과 상장 기업(공모시장) 양쪽에 투자하는 투자자이며, 크로스오버 투자자는 주로 상장 기업에 투자하다가 비상장 기업 투자 기회에도 참여하는 투자자입니다. 이들은 시장 상황에 맞게 유연하게 자금을 배분함으로써 변동성 리스크를 분산시킬 수 있습니다. CVC(Corporate Venture Capital)는 대기업이 신사업 발굴이나 신기술 도입을 위해 외부 스타트업에 투자하는 방식입니다. 미국에서는 CVC의 스타트업 거래 참여가 증가한 반면, 글로벌 시장 전체로 보면 약간 줄어들었습니다. 대부분의 VC는 2024년 기관투자자들이 VC 투자 비중을 조정할 것으로 예상합니다. VC 자체도 스트레스를 받고 있으며 수익 배당금 감소와 신규 펀드 모금 부진이 이어지고 있습니다. CVC는 대기업이 보유한 인프라, 네트워크, 전문성 등의 자산을 활용해 스타트업의 빠른 성장을 지원할 수 있습니다. 또한 장기적 관점에서 전략적 투자를 진행하기 때문에 단기 수익성에 연연하지 않습니다. CVC는 시장 통찰력과 산업 네트워크를 스타트업에 제공해 시장 적응과 성장을 도울 수 있어 전통 VC 대비 스타트업에 더 큰 부가가치를 제공하고, 좋은 투자 성과로 이어질 수 있습니다. 마치며 다양한 투자 주체들의 VC 시장 참여로 인해 VC투자는 더욱 세분화되고 복잡해졌습니다. 이는 VC들로 하여금 투자 의사결정에 더욱 세심한 접근을 하도록 만들었고, 결과적으로 VC 시장의 건전성 유지와 혁신 촉진에 기여하고 있습니다. 스타트업과 벤처 투자 생태계가 어려움을 겪고 있지만, 동시에 새로운 변화와 기회, 그리고 혁신의 싹이 트고 있습니다. 앞으로도 업계의 발전을 기대해 봅니다. 추가로 궁금한 점이 있다면 말씀해 주시기 바랍니다. 성실히 답변 드리겠습니다.

마이크로소프트는 Phi-3라는 새로운 언어 모델을 공개하였습니다. 사실 Phi-2가 작년 12월에 발표되고 얼마되지 않아 발표하는 거라 큰 기대를 안했는데 공개된 리포트만 보면 일단 sLM 분야에선 유의미한 결과를 보여주고 있는 것 같습니다. 가장 눈에 띄는 점은 바로 크기입니다. Phi-3-mini 모델은 불과 3.8억 개의 매개변수만으로 훈련되었습니다. 여러분, 3.8억이 많아 보이시나요? 사실 요즘 나오는 언어 모델 중에는 수백억, 심지어 수천억 개의 매개변수를 사용하는 경우도 있습니다. 그런데 Phi-3-mini는 그런 대형 모델의 1/10도 안 되는 크기로, 심지어 휴대폰에서도 돌아갈 수 있을 정도로 작습니다. (제발 sLLM이라는 이상한 말 쓰지마세요... sLM이라 씁시다.) 이번 테크니컬 리포트의 부제도 A Highly Capable Language Model Locally on Your Phone라고 붙인것도 최근 주목 받은 on-device 형태로 제공되는 걸 고려했다는 것을 보여줍니다. 소위 말하는 작고 똘똘한 모델입니다. 그런데 성능은요? 믿기 어려울 정도로 좋습니다. Mixtral 8x7B나 GPT-3.5 같은 최신 대형 모델과 비교해봐도 전혀 뒤지지 않습니다. MMLU나 MT-bench 같은 언어 이해, 추론 능력 측정 벤치마크에서도 높은 점수를 기록했죠. 크기는 작아도 실력은 최고 수준인 셈이에요. 이렇게 작은 모델로 높은 성능을 낼 수 있었던 비결은 뭘까요? 바로 훈련 데이터를 잘 다듬은 거랍니다. 웹에서 수집한 양질의 데이터와 인공적으로 생성한 데이터를 적절히 조합해서, 모델이 적은 용량으로도 최대한의 성능을 낼 수 있도록 했죠. 이런 소형화는 언어 모델의 활용도를 크게 높일 수 있습니다. 모델이 작으면 더 다양한 기기에서 직접 돌릴 수 있으니까요. 개인정보 보호나 반응 속도 측면에서도 큰 장점이 되겠죠. 앞으로는 더 많은 사람들이 일상에서 고성능 언어 AI를 활용할 수 있게 될 거예요. 또 한 가지 고무적인 점은 안전성인데요. Phi-3 모델은 포스트 트레이닝을 통해 안전성과 견고성을 크게 높였습니다. 유해한 응답을 내놓을 확률도 크게 낮아졌죠. 사용자들에게 보다 안전하고 바른 대화 경험을 제공할 수 있을 것으로 기대됩니다. 한계점? 물론 성능이 완벽한 건 아닙니다. TriviaQA처럼 대량의 백과사전식 지식을 요구하는 테스트에선 아직 부족한 모습을 보이더라고요. 하지만 이런 부분은 검색 엔진과 연계하는 등의 방법으로 개선해 나갈 수 있을 것 같습니다. 최근 공개된 LLaMA3의 공개와 더불어 확실히 의미 있는 모델들이 나와주고 있습니다. LLaMA가 라이선스로 오픈소스화와 그 사이 어딘가를 지향한다면 마이크로소프트의 Phi-2의 경우 MIT라이선스로 공개했던 전력이 있어 더욱 기대되는 것도 사실 입니다. 이렇게 Phi-3 모델은 작지만 강한 언어 모델의 새로운 가능성을 보여주고 있습니다. 고성능 AI를 더욱 가볍고 접근성 높게 만드는 기술은 앞으로도 계속 발전해 나갈 것입니다. 생각 보다 빠른 속도로 좋은 모델들이 접근성이 좋아지고 있는 것 같아 개인적으로 생각했던 것 보다 훨씬 빠르게 변화가 찾아올 수도 있겠다는 생각이 듭니다.

2019년, 제프 베조스는 아마존이 2040년까지 탄소 중립을 달성하겠다는 야심찬 목표를 발표했습니다. 이는 아마존이 미래 지향적 비즈니스 전략을 추구하면서도 환경에 대한 책임을 다하기 시작했음을 보여주는 강력한 신호였습니다. 특히 물류와 배송 과정에서의 배출 감소에 중점을 두었죠. (트럼프가 탈퇴한 그 파리 기후 협약에서...) 아마존은 전기차 스타트업 리비안(Rivian)에 대규모 투자를 단행하고 100,000대의 맞춤형 전기 배달 밴을 주문했습니다. 이는 아마존의 전기차 도입을 본격화하는 결정적 계기가 되었죠. 같은 해, 아마존은 미국 내 여러 물류창고에 충전 인프라 설치를 시작했습니다. 이를 위해 전력회사와의 협력이 필수적이었고, 새로운 형태의 대규모 전력 수요에 대응하기 위해 노력했습니다. 2021년, 아마존은 전기차 충전 인프라 확장을 가속화하여 미국 전역 120여 개 물류창고에 17,000개 이상의 충전기를 설치했습니다. 이 충전기들은 리비안 전기 밴을 포함한 다양한 전기 배송 차량에 전력을 공급하는 역할을 합니다. 이를 통해 아마존은 배송 과정의 탄소 배출을 크게 줄일 수 있게 되었고, 미국 내 최대 규모의 개인 전기차 충전 인프라 운영자로 자리매김하게 되었습니다. 아마존은 자체 운영에 필요한 전력을 100% 재생에너지로 충당하겠다는 목표를 세웠습니다. 이는 전사적 탄소 배출 감축 전략의 일환으로, 전기차 운영을 보다 지속가능하게 만들어줍니다. 한편 아마존은 2030년까지 모든 배송을 무탄소 방식으로 진행하겠다는 당초 목표를 좀 더 포괄적인 기후 목표로 조정했습니다. 이는 전략적 유연성과 환경적 책무성을 동시에 강조하려는 아마존의 의지를 반영한 것입니다. 아마존의 전기차 충전 인프라 확장 여정은 친환경 물류 혁신의 모범 사례로 자리잡고 있으며, 다른 기업들에게도 지속가능한 운영 방식을 모색하게 하는 계기가 되고 있습니다. 이러한 노력은 글로벌 기후위기 대응에 있어 중요한 역할을 할 것으로 기대됩니다. 아마존이 조용히 그리고 성공적으로 이런 인프라를 성공적으로 깔았고 기존의 자신들의 물류 산업과 시너지도 날 수 있는 방향으로 발전하고 있는 것 같아서 무척 감회가 새롭습니다.

NVIDIA는 원래 게임용 GPU를 제작하는 회사에서 AI 기술을 선도하는 기업으로 변모하였습니다. 이는 그들이 그래픽 카드를 발전시키기 위한 연구 중에 텐서 코어를 발견하면서부터 시작되었습니다. 이 텐서 코어는 현재 대규모 언어 모델(Large Language Models, LLM)을 훈련하는 데 사용됩니다. 이런 NVIDIA의 기술은 하드웨어뿐만 아니라 소프트웨어 분야에서도 혁신을 이루었습니다. 특히 CUDA의 경우, GPU 병렬 컴퓨팅을 위한 소프트웨어 플랫폼으로, 개발자들이 쉽게 GPU의 성능을 활용할 수 있도록 지원합니다. CUDA는 과학 컴퓨팅, 인공지능, 머신러닝 등 다양한 분야에서 널리 사용되고 있으며, GPU 가속 컴퓨팅의 표준으로 자리잡았습니다. 뭐, NVIDIA의 주가 상승과 칩 수요 급증으로 이어졌습니다... 젠슨 황상폐하께서 공개한 엔디비아 무료 강의 NVIDIA는 이러한 기술적 성과를 바탕으로 일반 대중에게 AI 기술에 대한 교육을 제공하기 위해 여러 자기 주도형 과정을 무료로 제공하기 시작했습니다. 이 과정들은 Deep Learning Institute를 통해 제공되며, 다음과 같은 과정들이 포함됩니다. 개인적으로 아래 순서로 들어보시는 걸 추천 합니다. 개인적으로 Jetson Nano, RAPIDS, CUDA에 대해 어느 정도 파악해보시기 좋은 정도 입니다. 맛보기 강의로선 무척 만족스럽고 실무 강의라고 하기엔 살짝 부족 합니다. 용어를 이해하거나 흐름을 파악하기에는 좋습니다. Jetson Nano같이 토이 프로젝트로 해볼 수 있는 것들을 해보면 좋은 것 같습니다. NVIDIA가 유료 강의 및 자격증도 발행하고 있으니 관심 있는 분들은 좀 더 살펴 보셔도 좋을 것 같구요. 늘 그렇듯 가장 좋은 건 직접 뭔가를 만들어 보는 것 입니다. 응원합니다. Introduction to AI in the Data Center Coursera에서 제공하는 이 과정을 통해 데이터 센터에서 AI 워크로드를 배포하는 방법을 배웁니다. 음성 인식부터 공급망 관리 개선에 이르기까지 AI 기술은 기업이 일상적인 업무를 수행하는 데 필요한 컴퓨팅 성능, 도구 및 알고리즘을 제공합니다. 그렇다면 데이터센터에서 AI는 어떻게 작동할까요? 어떤 하드웨어 및 소프트웨어 인프라가 필요할까요? 이 과정에서는 데이터 센터에서 AI 및 GPU 컴퓨팅으로의 여정을 시작하는 데 도움이 되는 개념과 용어에 대한 소개를 다룹니다 Generative AI Explained 이 강의는 Generative AI가 다양한 입력을 바탕으로 새로운 콘텐츠를 생성하는 기술에 관해 설명합니다. 최근에는 신경망을 사용하여 기존 데이터 내의 패턴과 구조를 식별하고 새로운 콘텐츠를 생성하는 방법이 포함됩니다. Building A Brain in 10 Minutes 이 강의는 세계 최초의 신경망에 영감을 준 생물학적 및 심리학적 배경을 탐구합니다. 학습 목표는 신경망이 데이터를 어떻게 활용하여 학습하는지 탐구하고, 뉴런 뒤에 있는 수학적 원리를 이해하는 것입니다. 강의를 통해 참가자들은 신경망의 데이터 학습 방식과 뉴런의 수학적 기반에 대한 깊은 이해를 얻을 수 있습니다. 이 과정을 최대한 활용하기 위해서는 Python 3에서의 기본 프로그래밍 개념(함수, 루프, 사전, 배열 등)에 대한 이해와 회귀선을 계산하는 방법에 대한 지식이 권장됩니다. Building RAG Agents with LLMs 본 강의에선 언어 모델들을 단순한 자동화 도구가 아니라, 다양한 도구와 문서와 상호 작용하면서 정보에 입각한 대화를 할 수 있는 생산성 향상의 파트너로 만드는 방법을 알려줍니다. 수강자는 임베딩 모델 사용, 검색 향상, 대화 안전장치 설정, 검색 증강 생성(RAG) 에이전트의 구현과 모듈화를 다루며, 이러한 에이전트는 연구 논문을 탐색하여 미세 조정 없이 답변을 제공할 수 있습니다. Augment your LLM Using Retrieval Augmented Generation 본 강의에선 데이터 워크플로우를 가속화하는 방법을 소개하며, 벡터 데이터베이스, 임베딩 모델, 대규모 언어 모델(LLMs)에 관한 결정을 내리는 데 필요한 시간을 절약할 수 있는 워크플로우를 학습하는 것을 목표로 합니다. Getting Started with AI on Jetson Nano Jetson Nano는 이미지 분류, 객체 탐지, 세분화, 음성 처리와 같은 애플리케이션을 위해 여러 신경망을 병렬로 실행할 수 있습니다. 강의에서는 자신의 Jetson Nano에서 Jupyter iPython 노트북을 사용하여 컴퓨터 비전 모델을 사용한 딥러닝 분류 프로젝트를 구축하는 방법을 배웁니다. Building Video AI Applications at the Edge on Jetson Nano 이 강의는 NVIDIA Jetson Nano 개발자 키트를 사용하여 인공 지능 기반 비디오 이해력을 구축하는 방법을 소개합니다. NVIDIA DeepStream SDK를 사용하여 지능형 비디오 분석(IVA) 애플리케이션을 처음으로 소개하는 플랫폼을 경험할 수 있습니다. Accelerate Data Science Workflows with Zero Code Changes 본 강의에선 RAPIDS를 사용하여 CPU 기반의 데이터 과학 워크플로우를 가속화하는 방법을 배웁니다. NVIDIA RAPIDS는 많은 기존 데이터 과학 작업을 코드 변경 없이 GPU 가속화할 수 있는 원활한 경험을 제공합니다. 이 과정을 통해 참가자들은 CPU 기반의 데이터 과학 워크플로우를 가속화하기 위해 RAPIDS를 사용하는 방법을 배우게 됩니다. NVIDIA의 이러한 교육 제공은 AI 기술의 이해와 접근성을 높이며, 기술적 소양을 갖춘 더 많은 사람들이 프로그래밍 세계에 진입할 수 있는 기회를 제공합니다. 이는 "누구나 프로그래머가 될 수 있다"는 주장이 다소 과장되었을지라도, 기술 교육의 장벽을 낮추는 중요한 단계입니다.

2024년 4월 19일 메타AI에서 개발한 LLaMA3가 공개되었습니다. 라마, 라마2도 있었는데 이게 무슨 호들갑이냐구요? 이번 모델의 출시는 생각 이상의 큰 의미를 가집니다. GPT-4가 여전히 성능 1위를 유지하고 있다는 것도 대단하다고 느껴집니다. (곧 GPT-5가 나오면...?) 성능 우선 성능 면에서 봤을 때, LLaMA3 모델은 8B, 70B, 그리고 앞으로 출시될 400B 등 다양한 사이즈로 제공되는데요. 이 모델들은 특히 대화, 추론, 코드 생성, 지시 사항 따르기 등의 분야에서 최고 수준의 성능을 자랑합니다. 이게 자신들이 공개한 벤치마크 뿐 아니라 실제 챗봇 아레나에서도 유의미한 결과를 나타내고 있습니다. 개인적으로 실제로 써보면서도 영어에 있어선 GPT-3.5는 명확하게 뛰어 넘었고 대부분의 작업에서 GPT-4 정도의 성능을 보여줍니다. 400B가 아직 공개 안된걸 생각해보면 언어모델에 있어서 성능적 상향 평준화가 곧 일어날 것이라고 확신 합니다. Llama Guard 2, Code Shield, CyberSec Eval 2 등 다양한 신뢰 및 안전 도구를 통해 책임감 있는 AI 사용을 지원하고 있다고 하는데 이 부분은 제가 잘 모르는 분야라 뭐 알아서 잘 만들었겠다고 생각합니다. 중요한건 라이선스 입니다. 저작권 더 놀라운 건 메타가 LLaMA3를 여전히 오픈 소스로 공개했다는 사실이에요. 이제 전 세계 개발자들이 이 기술을 자유롭게 사용하고, 개선하며, 새로운 아이디어를 탐색할 수 있게 된 거죠. 이는 AI 연구와 개발의 대중화를 이끌고, 더 많은 혁신을 가능케 할 뿐만 아니라, AI 기술의 투명성과 신뢰성을 높이는 역할을 합니다. 실제로 LLaMA2가 나오고 실제로 해당 모델을 기반으로 파인튜닝된 모델을이 쏟아진걸 생각하면 이번에는 더 다양한 모델들이 나올 것 입니다. LLaMA3의 성능 향상으로 인해 교육, 의료, 금융 등 다양한 분야에서 AI 활용 가능성이 더욱 확대되었어요. 가령, 정교해진 자연어 처리 능력은 법률 문서 분석, 복잡한 의료 정보 해석, 금융 시장 예측 등에 큰 도움이 될 수 있죠. 이제 AI 기술이 우리 일상 속 문제 해결에 한층 더 깊숙이 관여하게 될 것 같습니다. 이번에 공개할 때는 LLaMA2 때 처럼 대기열을 걸거나 하는 허들을 아예 없앴고 API 등도 개방해 빠르게 써볼 수 있게 한 것을 보며 AGI를 진심으로 하려는데는 메타인가? 하는 생각도 들었습니다. 활용성 메타AI는 LLaMA3 기술을 바탕으로 메타AI 앱에서는 통합된 검색 기능으로 실시간 정보를 찾아보고, 앱을 번갈아 가며 사용할 필요 없이 원하는 작업을 완료할 수 있어요. 'Imagine' 기능을 이용하면 텍스트에서 실시간으로 이미지를 생성 뿐 아니라 간단한 gif도 만들 수 있게 제공 됩니다. 앞으로 페이스북, 인스타그램, 왓츠앱 등에 순차적 적용이 될 것이라고 합니다. 이번 라마3은 언어모델 개발에 뛰어들 수 있는 많은 기회를 만들고 성능의 상향평준을 시키는 시발점이 될 것 같습니다. 게다가 15조 토큰이라는 엄청난 규모의 데이터셋을 다루면서도 품질 관리에 많은 노력을 기울인 점이 인상적이에요. 휴리스틱 필터, NSFW 필터, 그리고 의미 기반 중복 제거 기술 등을 통해 양질의 데이터만 추려내는 게 정말 중요한 과정이었겠어요. 특히 이전 모델 대비 다국어 콘텐츠 비율을 대폭 늘린 점도 주목할 만한데요. 30개 언어 지원을 목표로 고품질의 다국어 데이터를 확보하는 일은 쉽지 않았을 텐데, 언어별 뉘앙스까지 제대로 파악할 수 있게 된 건 정말 대단한 성과예요. 학습 방법론 면에서도 Single Epoch 접근 방식을 택해 효율성을 높이고, 코드 데이터 비중을 늘리는 등 데이터 구성을 최적화한 부분이 눈에 띄네요. 여기에 128K 토크나이저, GQA 기술, 8K Context Length 등 다양한 기술적 요소들이 어우러져 언어 처리 성능을 한 단계 더 끌어올렸는데 여기서 메타에서 LLaMA3 개발에 쏟은 노력과 열정이 고스란히 느껴졌습니다. 아래 사이트에서 사용해볼 수 있습니다.

최근 어도비, 메타, 구글의 행보가 어마어마 합니다. 구글은 최근 진행된 Google Cloud Next 24'에서 제미나이를 구글 워크스페이스 등에 적용하며 실제 사용자들이 체감할 수 있는 변화를 제안 했습니다. Meta 역시 자신들의 비지니스 스위트 및 게시물 업로드 기능에 인공지능을 도입하는 모습을 보여주고 있습니다. 그 중 단연 눈에 띄는 것은 어도비 입니다. 포토샵을 통한 인페인팅과 아웃페인딩을 적절하게 사용하게 만드는 기능부터 프리미어 프로에 들어가 있는 각종 편의 기능에 최근에는 PDF 리더의 대표적인 아크로벳에 PDF를 요약하는 LLM을 도입했습니다. 이런 실제 시장을 선도하고 있는 서비스나 제품을 보고 있자니 기존에 서비스에서 Add-on 형태로 인공지능을 제공하는 서비스들과 완전 인공지능 서비스로 재정의해서 나오는 제품들이 나뉘고 있다는 생각이 들었습니다. 최근 참가한 GenAI 창업톤에서도 느꼈지만 인공지능 기반의 OOO 보다는 기존에 있는 서비스에 인공지능을 얹는 형태가 사람들로 하여금 더 상상하기도 가치를 판단하기도 쉽겠다는 생각에 확신을 주었습니다. 사실 이번 창업톤에서 개인적으로 계속 밀고 있는 Local LLM + Private Model 컨셉의 제품을 만드는 것을 생각했는데 이것이 생각보다 BM이나 사람들에게 그림을 그리기 어렵다는 생각이 들었습니다. 물론, 제가 설명하는 능력이 부족해서 그런 것일 수도 있겠지만... 개인에게 컴퓨터, 스마트폰이 쥐어진 것 처럼 개개인이 모델을 가지고 마음대로 커스텀 할 수 있게 만드는 시대가 오지 않을까 하며 만들었던 제품에 대한 확신은 있지만 사업화 혹은 지속가능성에 대해 의심이 드는 것도 사실인지라 싱숭생숭 합니다.

자연어처리(NLP), 언어모델의 등장하고 토큰에 대한 이야기는 계속있었습니다. 그도 그럴게 자연어 처리에서 토큰이란, 텍스트를 의미 있는 단위로 나눈 것을 말합니다. 예를 들어, 문장을 구성하는 단어나 구두점 등이 토큰이 될 수 있습니다. 토큰화는 텍스트 데이터를 분석하고 처리하는 데 있어서 첫 번째 단계입니다. 토큰화를 통해 얻어진 토큰들은 검색 엔진, 기계 번역, 감성 분석 등 다양한 자연어 처리 응용 분야에서 사용됩니다. 각 언어의 특성에 맞는 토큰화 방법을 사용하는 것이 중요한 이유는, 그만큼 더 정확하고 효율적인 데이터 처리가 가능하기 때문입니다. 가장 비용이 낮은 언어들부터 시작해서, 프랑스어와 스페인어는 영어 대비 30%와 31% 정도 더 많은 비용이 드는 것으로 나타나는데, 이는 이들 언어가 영어와 구조적으로 비슷하고, 많은 어휘가 라틴어에서 유래했기 때문에 비교적 처리가 용이하기 때문일 것입니다. 그래프를 따라가며, 비용이 점차 증가하는 언어들을 볼 수 있고, 마지막으로 가장 높은 오버헤드를 보이는 언어들로는 중국어, 일본어, 아르메니아어, 버마어가 있습니다. 이들 언어는 각각 731%, 764%의 매우 높은 비용을 보입니다. 이러한 차이는 각 언어의 특성 때문에 발생합니다. 예를 들어, 중국어와 일본어는 문자 기반의 언어로, 영어처럼 띄어쓰기로 단어를 구분하지 않습니다. 또한, 이들 언어는 복잡한 의미를 가진 한자를 사용하기 때문에, 한자 하나하나를 이해하고 처리하는 데 추가적인 연산이 필요합니다. 아르메니아어와 버마어도 마찬가지로 고유의 문자 체계와 문법 구조를 가지고 있어, 영어와는 다른 방식으로 텍스트를 처리해야 하므로 비용이 더 많이 들 수밖에 없습니다. 예시 영어(English) : 영어는 띄어쓰기와 구두점을 기준으로 단어를 쉽게 구분할 수 있습니다. 예를 들어, 문장 "She likes apples."을 토큰화하면 ["She", "likes", "apples", "."]와 같이 분리됩니다. 한국어(Korean) : 한국어는 띄어쓰기만으로는 단어를 완전히 구분하기 어렵습니다. 예를 들어, "그녀는 사과를 좋아한다."라는 문장을 토큰화하려면, 단순히 띄어쓰기로 구분할 경우 ["그녀는", "사과를", "좋아한다"]가 되지만, 각 단어 내에서도 추가적인 분석이 필요합니다. "그녀는"은 "그녀"와 "는"(조사), "사과를"은 "사과"와 "를"(조사)로 더 세분화할 수 있습니다. 일본어(Japanese) : 일본어도 한국어와 비슷하게 띄어쓰기만으로는 충분하지 않습니다. 일본어는 또한 한글자 한글자가 다양한 의미를 내포할 수 있으며, 복합적인 조사 사용이 특징입니다. 예를 들어, "彼女はリンゴが好きです。"라는 문장을 토큰화하면, ["彼女は", "リンゴが", "好きです"]로 분리되며, 이를 더 세분화하면 각 요소의 조사나 어미를 더 자세히 볼 수 있습니다. 그렇기에 한국만 하더라도 "한국어에 최적화 된" 언어모델을 만들려는 시도가 많이 있습니다. 오히려 토큰화 효율이 안좋은 언어를 가진 국가들일 수록 영어 중심의 언어모델에서 벗어난 자체적 언어모델을 만드는 좋은 명분이 되었습니다. 보통 언어모델들이 비용을 측정하는 방식이 토큰이다 보니 토큰화 효율이 안좋은 언어들은 영어나 타 언어보다 몇배나 손해를 본다는 이유 입니다. 토크나이저를 특정 언어에 최적화 하면서 비용도 속도도 높이는 전략을 사용하는거죠. 물론, OpenAI나 Google에서 해줄거야! 같은 현실적인 말을 하는 사람들도 있었죠. 실제로 여러 전문가 및 강사 분들도 강연이나 SNS를 통해 영어로 질문하고 한국어로 답변 받는 등을 꿀팁으로 알려주시기도 했습니다. 그러던 오늘(2024년 4월 15일) OpenAI에서 일본 지사 설립과 함께 일본어 전용 토크나이저와 이것이 반영된 GPT-4를 공개했습니다. 이번에 공개된 일본어 최적화 GPT-4 모델은 기존 모델 대비 3배 빠른 속도로 작동하며, 일본어 텍스트 번역 및 요약 성능이 향상된 맞춤형 모델을 제공함으로써, 일본어 처리의 효율성과 비용 효과를 크게 개선하였다는게 OpenAI 측의 설명입니다. 일본은 G7 국가 중에서도 거의 유일하게 인공지능 규제 및 윤리에 있어서 친 OpenAI 행보를 보여왔습니다. 기업들도 빠르게 도입하는 모습들을 보여줬었구요. 개인적으로 이번 출시 소식으로 생각해 볼만한 것은 크게 두 가지 같습니다. 토크나이저 언어별 최적화 속도가 붙으면, 결국 SOTA 모델이 대중적으로 퍼지고, 보안이나 특정 목적으로 사용되는 모델만 유의미하겠구나. (로컬 LLM을 파인튜닝한다던지, sLM을 특정 서비스, 도메인, 앱에 심리스하게 합친다던지) 대한민국에서 한국어 전용 모델을 만드는 것 보다는 서비스와 맞춤형 도구 시장을 파는게 더 경제적이겠구나. 앞으로 OpenAI가 한국 진출을 언제 할지, GPT-n의 신화는 계속 될지 궁금하기도 하면서 걱정도 약간은 되는 소식이였습니다. 정부도 민간도 모두 집중 해야할 때 같습니다. 사실 작년만 하더라도 국내 언론에서 인공지능 기술이 일본은 약하다라는 뉘앙스가 많았는데 칼을 잘만드는 곳에서 꼭 철까지 캘 필요는 없죠..

BBC가 공개한 최근 기사에 따르면, 2000년부터 2022년까지 미국에서의 자살 사망자 수는 매년 증가하는 추세를 보이고 있습니다. 특히 2022년에는 사상 최대인 약 5만 명의 자살 사망이 기록되었습니다. 이 기사는 젊은 세대가 직면한 정신 건강 문제와 그것을 악화시킨 요소들, 그리고 그에 대한 대응 방안을 탐색하는 데 중점을 두고 있습니다. COVID-19 팬데믹의 여파로 인한 사회 기술 습득의 어려움, 소셜 미디어와 같은 디지털 매체의 영향, 경제적 압박과 미래에 대한 불안감 등이 자살률 증가에 기여하는 요인으로 지목되고 있습니다. 기사에 따르면 미국 내에서 정신 질환에 대한 낙인이 존재하고 이를 '나약함'으로 치부해 버리는 것이 아니라 실제 사회 문제로서 받아 드리는 것이 필요하다고 말하고 있습니다. 물론, 이러한 사회적 인식을 극복하기 위해선 공동체 내에서 정신 건강 문제에 대한 인식을 제고하고, 개인이 자신이나 타인의 정신 건강에 문제가 있을 때 도움을 청할 수 있는 환경을 조성하는 것이 필요합니다. 또한 정신 건강 서비스에 대한 접근성을 높이고, 이를 통해 위험에 처한 개인들이 필요한 도움을 받을 수 있도록 해야 합니다. 최근 국내에서도 '한국자살예방협회>에서 긴급성명문을 내었습니다. 실제로 한국은 자살률을 또 신기록을 세웠습니다. 특히 청소년 자살률은 더 증가하고 있고 최근에는 남성 2030 자살율도 높아지고 있다고 합니다. 출생아 수는 기록적으로 적은데 젊은 세대가 가장 자살을 많이 하는 국가라는 이상한 기록을 보유하게 되었습니다. 국가적, 사회적으로도 다양한 조치가 필요하긴 하겠지만 개인이 할 수 있는 것이 뭐 없을까 하여 찾아보니 'QPR: Question, Persuade, Refer'라는 캠페인이 있다고 합니다. (CPR에서 따왔다고...) Question(질문하기): 주변 사람들이 자살의 위험 신호를 보일 때, 그들이 자살을 고려하고 있는지 직접적으로 묻는 단계입니다. 이때 주의해야 할 점은 질문을 통해 대화를 시작하되, 판단하거나 비난하는 태도는 피해야 한다는 것입니다. 질문을 통해 개인이 자신의 고통을 공유할 수 있는 기회를 제공하는 것이 중요합니다. Persuade(설득하기): 자살을 고려하고 있는 사람을 설득하여 즉각적인 자살 행동을 하지 않도록 돕는 단계입니다. 이때는 그들의 감정을 경청하고 공감을 표시하며, 전문적인 도움을 받을 것을 권장합니다. 또한, 그들이 현재의 어려움이 일시적임을 인지하고, 상황이 개선될 수 있음을 이해할 수 있도록 격려하는 것이 필요합니다. Refer(지원하기): 위험에 처한 사람이 전문적인 도움을 받을 수 있도록 적절한 자원을 안내하는 단계입니다. 이는 지역 사회의 정신 건강 서비스, 자살 예방 핫라인, 상담 센터 등과 같은 자원을 활용하는 것을 포함합니다. 이 단계에서는 실질적인 도움을 받을 수 있도록 연결하는 것이 핵심입니다. 이러한 조치는 자살률을 낮추는 것뿐만 아니라, 한 개인의 삶을 구하는 데에도 중요합니다. 벤 살라스 씨의 사례는 이러한 문제에 대한 인식과 대응이 얼마나 시급한지를 잘 보여주고 있습니다. 우리도 "I'm OK"라는 대답에 안주하지 않고, 더 깊이 있는 대화와 지원이 필요함을 인지해야 합니다. 예전에 썼던 높은 기준과 너무 냉정한 상호평가에 대해 좀 숨고르기를 해야할 시점이 아닌가 싶습니다. 다들 힘냅시다. 방금 슈카월드를 듣다 자살 관련 주제가 나와 최근 본 BBC 기사가 생각나 적어 봅니다.

미국의 애덤 시프(Adam Schiff) 의원이 인공지능(AI) 회사들에게 투명성을 요구하는 새로운 법안을 제안했습니다. 이 법안은 "Generative AI Disclosure Act"라 명명되었으며, AI 시스템을 훈련시키는데 사용된 모든 저작권 있는 작품들을 공개하도록 요구합니다. 특히, AI 시스템이 공개되기 30일 전에 훈련 데이터셋을 참조한 작품 목록과 함께 데이터셋 URL을 제출하도록 규정하고 있습니다. 이 URL은 창작자들이 자신의 작품이 사용되었는지를 확인하고, 필요한 경우 보상을 요구할 수 있는 기회를 제공합니다. 법안의 주요 내용은? 저작권 작품 공개 요구: AI 회사들은 새로운 생성적 AI 시스템을 출시하기 전에 사용된 모든 저작권 있는 작품들에 대해 저작권 등록소에 통지해야 합니다. 법안의 소급 적용: 이 법안은 현재 사용 중인 모든 AI 시스템과 앞으로 개발될 시스템에도 적용됩니다. 공개 데이터베이스: 모든 통지는 공개적으로 접근 가능한 온라인 데이터베이스에 보관됩니다. 법적 제재: 법을 위반한 AI 제작자는 최소 $5,000의 민사 벌금에 처해질 수 있습니다. 법안의 의의 및 지지: 애덤 시프 의원은 이 법안이 창작자의 권리를 보호하고, AI 시대에 창의성을 존중하는 것이라 강조했습니다. 또한, 라이터스 길드 오브 아메리카 웨스트(Writers Guild of America West)의 메레디스 스티엠(Meredith Stiehm) 회장을 포함한 여러 창작자 단체의 리더들이 이 법안을 지지하며, 창작자들의 권리 보호에 필수적인 첫 걸음이라 평가했습니다. 예상되는 영향 이 법안은 AI 기술의 발전 속도가 기존 저작권 법을 뛰어넘고 있는 현 상황에서, 창작물의 무단 사용에 대한 명확한 규제를 설정할 것입니다. AI 회사들은 더 이상 창작물을 은밀하게 사용할 수 없게 되며, 모든 사용은 투명하게 기록되어야 합니다. 이는 앞으로 AI 기술의 발전과 저작권 보호 사이에서 균형을 이루는 데 중요한 역할을 할 것으로 보입니다. 종합적으로, 이 법안은 기술적 진보와 공정성을 결합하여 창작자들이 자신의 작품이 AI 훈련 데이터셋에 어떻게 활용되고 있는지를 명확히 인지할 수 있도록 하며, 그들의 권리가 적절히 보호받을 수 있도록 하는 것을 목표로 하고 있습니다. 이러한 조치는 향후 AI 관련 저작권 문제에 대한 법적, 윤리적 기준을 설정하는 데 기여할 것으로 보입니다. 물론, 이를 창작자가 알아서 하는 게 가장 좋은 방향이겠지만 사실상 불가능하기에 만들어지는 단계에서 혹은 배포되는 단계에서 검증하는 것으로 가닥이 잡혀 나아가고 있습니다. 국내에서도 한국저작권협회나 다양한 곳에서 슬슬 목소리가 나오는데 이제 총선도 끝났으니 정치권에서도 좀 본격적으로 논의를 해야하지 않을까 합니다.

재밌는 주제가 있어서 이야기를 나눠 봅니다. "대학의 교육은 가치가 있는가?"라는 질문은 대답하기가 쉽지 않습니다. 이는 크게 두가지 이유 때문인데 가치를 어디에 두느냐에 따른 문제, 대학의 교육기관으로서의 역할 때문 입니다. 고등교육기관으로서 대학은 학문에 대해 탐구하고 이를 사사받으며 더 깊게 학문을 연구하거나 새로운 길을 제시하는게 그 역할 입니다. 하지만 최근 대학은 취업을 위한 사관학교 혹은 취업 전 휴식터 정도의 위상을 가집니다. 니가 뭔데 그런 말을 하냐구요? 사실, 이 논쟁은 한국 이야기가 아닙니다. 최근 미국에서 나오고 있는 목소리 입니다. 이 논쟁이 시작된 것은 바이든 정부가 대학 등록금을 대대적으로 탕감해주면서 이에 대한 정책적, 정치적 비판이 나오며 생기며 수면 위로 떠오르고 있습니다. 특히 기존 부터 문제로 여겨진 높은 등록금, 시장 수요와 맞지 않는 교육과정 등은 대학에 대한 신뢰를 떨어뜨리는 요인이 되고 있었습니다. 또한 대학 졸업장이 반드시 높은 소득을 보장하는 것은 아니며, 특정 계층의 특권을 재생산하는 도구로 작용할 수 있다는 비판도 나오고 있습니다. 한국에서는 학벌로 불리는게 해외에도 마찬가지로 존재하기에 이는 대한민국만이 겪는 특이한 문제가 아닙니다. (학연, 지연, 혈연은 어느 문화권에서나 강하게 작동합니다.) https://news.gallup.com/poll/508352/americans-confidence-higher-education-down-sharply.aspx 2023년 갤럽 설문 조사에 따르면, 미국인들의 대학에 대한 신뢰도는 역사적으로 낮은 수준으로 떨어졌습니다. 2015년에는 57%였던 신뢰도가 2023년에는 36%로 급감했습니다. 이러한 감소는 특히 공화당 지지자들 사이에서 두드러지며, 공화당 지지자의 신뢰도는 2018년 이후 20퍼센트 포인트가 감소하여 19퍼센트에 이르렀습니다. 설문 응답자 대다수는 대학교육이 너무 비싸고 그 비용이 그만한 가치가 없으며, 잘못된 방향으로 나아가고 있다고 생각합니다. https://www.chronicle.com/article/do-you-know-what-the-public-really-thinks-of-college https://www.chronicle.com/article/what-the-public-really-thinks-about-higher-education 다른 조사인 크로니클 오브 하이어 에듀케이션 설문 조사에서는 대부분의 응답자가 친구나 가족에게 학사 학위 취득을 추천하지만, 그들은 학위 취득이 시간과 비용에 상응하는 가치가 있는 학과를 선택해야 한다고 조언했습니다. 또한, 응답자의 3분의 1 미만만이 대학과 대학교가 사회에서 성공적인 삶을 위한 평등한 기회를 제공하는 데 효과적이라고 생각합니다. 이외에도, 직업 학교부터 견습 프로그램, 군대 서비스에 이르기까지 대학의 대안으로 제시된 다섯 가지 선택지 모두가 성공적인 생활을 이루는 데 있어 대학 학위와 비슷하거나 더 나은 방법이 될 수 있다고 대다수가 응답했습니다. https://www.bloomberg.com/graphics/2024-college-return-on-investment/ 마지막으로 블룸버그에서 최근 공개한 기획기사는 이런 상황을 무척 재밌게 풍자 합니다. 대학교 등록금과 10년후에 소득을 가지고 투자 수익율(ROI)를 표로 나열한 것 입니다. 중간값은 10만불로 연봉 1억 정도가 평균값이며 우리가 흔히 아이비리그 등으로 부르는 명문대, 엘리트 사립대들의 경우 상당한 가성비(?)를 보여주며 애매한 명성의 대학의 경우 투자의 관점으로 보면 그리 좋지 못하다는 평가가 있습니다. 이렇게 경제적 가치만 따지만 아이비리그, 공립주립캠퍼스 정도가 아니면 대학이라는 선택지는 굳이?라는 선택지라는 걸 보여줍니다. 앞서 말헀듯, 이 논쟁의 시작은 학자금 대출을 획기적으로 탕감해주는 바이든 행정부의 정책이 시발적 입니다. 미국의 대학 진학율은 대략 60%대 정도입니다. 참고로 한국은 70%대 입니다. 미국의 경우 대학 진학율이 코로나 시기 이후로 점점 줄어들고 있어 저런 복지정책이 지금 무슨 의미가 있냐라는 비판적 목소리로 나온 이야기라는 점을 견지하며 우리나라에서 대학의 가치는 어떤 식으로 평가할까? 등을 생각해 봐야 할 것 같습니다. 세계적으로 QS 대학평가가 있지만 개인적으로 매년 이 조사에 참가하고 있는데 유의미 한지에 대해 약간 의문이 있습니다. 질문이나 내용이 상당히 bias가 생길 수 있게 설계되어 있고 졸업한 대학에서도 따로 평가에 대한 부탁 메일이 오기도 합니다. 물론, QS측에서 알아서 잘 조정할 것 같긴한데... 뭐, 순위 메기기 보단 대학이라는 기관이 어떤 역할을 하는지 그리고 자신이 어떤 가치를 좇을지에 따라 고민해보면 좋을 것 같습니다.

위 포스팅에서도 한 번 다룬적이 있습니다만, 현재의 인공지능 사용법은 과도기에 가깝다고 생각합니다. 분명 더 나은 방법이 있다고 생각하기에 스터디도 하고 많은 분들의 의견을 들어보고 있는데요. 애플이 최근 재밌는 논문을 게재해 가져와 봤습니다. 이번에 Ferret-UI라는 모델은 공개된 모바일 UI 화면을 더 잘 이해하고, 자연어 지시에 따라 특정 UI 요소를 참조하거나 위치를 특정할 수 있는 멀티모달 대형 언어 모델(MLLM) 기반의 새로운 접근 방법 입니다. 좀 더 쉽게 말하면 사용자가 현재 보고 있는 화면을 이해하고 사용자 행동을 추측하여 더 나은 선택을 할 수 있게 돕는다는 것 입니다. UI의 복잡성 극복: 현대의 모바일 앱은 다양하고 복잡한 UI로 구성되어 있으며, 사용자는 이러한 UI를 통해 정보를 얻거나 명령을 실행해야 합니다. Ferret-UI는 이러한 복잡한 UI 구조를 이해하고 사용자의 지시에 따라 정확한 UI 요소를 식별하도록 돕습니다. 접근성 향상: Ferret-UI는 시각적 이해에 기반하여 UI의 접근성을 크게 향상시킬 수 있습니다. 이는 특히 시각 장애가 있는 사용자들에게 앱 사용의 편의성을 제공합니다. 멀티스텝 UI 내비게이션 간소화: 사용자가 앱 내에서 복잡한 작업을 수행할 때, Ferret-UI는 필요한 UI 요소를 정확히 식별하고 지시할 수 있도록 지원합니다. 이를 통해 사용자는 더 효율적으로 목표를 달성할 수 있습니다​​. 애플의 Ferret-UI 기술은 멀티모달 대형 언어 모델을 활용하여 모바일 UI의 이해를 극대화하고, 이를 통해 사용자의 경험을 향상시키는 혁신적인 접근을 제공합니다. 이 기술은 앱의 복잡성을 극복하고, 접근성을 높이며, 앱 개발 과정의 효율성을 증가시키는 등 다방면에서 좋은 접근방법이라고 생각됩니다. 다만, 역시나 등장하는 프라이버시 보안 문제 그리고 불완전한 자동완성 기능처럼 되지 않을까?하는 걱정도 같이 있는 상태 같습니다. 애플의 경우, 모델을 공개하거나 인공지능 기술에 대한 선제적 조치보다는 자신들이 늘 잘하던 iOS, MacOS에 적절하게 녹이고 실용적으로 접근하려는 의도가 보이는 듯 합니다.

의류 및 신발: Nike는 여전히 1위이지만, On Running, HOKA, New Balance 등의 브랜드에게 점유율을 잃고 있음. 고소득층 10대들 사이에서는 Lululemon이 2위를 유지하고 있으나 Alo Yoga, Vuori 등이 점유율을 높여가고 있음. 뷰티: 10대들의 뷰티 지출이 2018년 봄 이후 최고치인 $339에 도달함. elf Beauty가 스킨케어와 메이크업 부문에서 선두. 10대의 85%는 온라인보다 오프라인 매장에서의 구매를 선호함. 기술 및 소셜미디어: TikTok이 가장 인기있는 소셜미디어이고, Instagram이 Snapchat을 제치고 2위로 올라섬. Netflix는 10대 일일 동영상 소비 1위. 음식 및 음료: 스타벅스가 10대 선호 커피/음료 체인 1위. Chick-fil-A는 선호 레스토랑 1위 유지. 에너지 드링크 중에는 Celsius가 Red Bull, Monster보다 10대 인지도 및 시장 점유율 높음. 전반적으로 10대들 사이에서 기존 선두주자 브랜드들의 입지가 여전히 강하지만, 신흥 브랜드들이 빠르게 부상하며 점유율을 높여가고 있는 추세임을 알 수 있습니다. 특히 디지털 네이티브인 Z세대의 특성이 반영되어 소셜미디어와 기술 부문의 성장이 두드러집니다. 처음 들어보는 브랜드도 많으실 거라 생각합니다. 생각보다 다양한 서비스, 브랜드들이 성장했다 사라지고 있습니다. 10대의 구매력은 한계가 있는 편이나 여러 업계에서 가장 선망하고 트렌드세터적 성격을 가진 세대이다 보니 한 번 이런 걸 좋아하는 구나 정도로 파악하시면 좋을 것 같습니다.

옛날 빌 캠벨의 책을 보면서 코치라는 것을 스포츠 분야가 아닌 다른 분야에서도 존재하는 구나를 명확히 인지했습니다. 그 전에는 사실 직군명 같은 정도로 생각했지 멘토링, 컨설팅이라는 것과 차이도 잘 모르고 있었던게 사실 입니다. 최근 퇴사를 하고 다양한 분들을 만나면서 한 친구에게 코칭아닌 코칭을 해주었습니다. 실제로 그 친구가 코칭의 효과를 보았고 이후에 소개와 소개를 더해 어느덧 코칭을 진행한 인원이 12명을 넘어갔습니다. 매번 코칭을 시작하기 전에 코칭이란 무엇이고 어떤걸 할 것인지 메일 혹은 식사를 하며 설명을 드리는데 이번 기회에 문서로 남겨놓으면 좋을 것 같아 글로 남깁니다. 코칭, 멘토링, 컨설팅 차이 구분 코칭 (Coaching) 멘토링 (Mentoring) 컨설팅 (Consulting) 목적 개인의 잠재력 최대화 및 성과 향상 개인의 개발과 장기적 경력 발전 지원 문제 해결 및 목표 달성 지원 접근 방식 내담자가 스스로 해답 찾도록 지원 경험과 지식 공유를 통한 성장 지원 전문 지식과 해결책 제공 내담자와 상호작용 단기적, 구체적 목표 중점 장기적 관계, 개인 및 경력 발전 초점 프로젝트 기반, 명확한 목표와 기한 코칭은 한 사람이 가진 잠재력을 최대한 끌어내서 목표를 달성하고 성과를 높이도록 도와주는 활동입니다. 코치는 전문성이나 해답을 제시하기 보다는, 질문과 대화를 통해 코칭 대상자 스스로 해결책을 찾고 실천할 수 있게 이끌어줍니다. 즉, 코칭의 핵심은 코칭 대상자의 내면에 이미 존재하는 역량과 자원을 발견하고 강화하는 것입니다. 이를 위해 코치는 경청, 질문, 피드백 등의 방법을 활용합니다. 일방적인 조언이나 지시가 아니라, 코칭이 이의 주체적인 성찰과 행동 변화에 초점을 둡니다. 따라서 코칭은 단순히 과업의 성과만이 아니라, 근본적으로 코칭이의 자아인식, 책임감, 자율성을 높이는 과정이라 할 수 있습니다. 이러한 관점에서 코칭은 개인의 성장과 조직의 성과 향상을 위한 효과적인 개발 방법론으로 자리잡고 있습니다. 코칭의 기본? 성과 = 잠재요소 - 방해요소 : 코칭에서는 성과를 향상시키기 위해 개인의 잠재력 계발과 함께 그것을 가로막는 장애물을 찾아 제거하는 것이 중요합니다. 자기 신뢰와 자존감 향상 : 코칭을 통해 얻고자 하는 궁극적 결과는 코칭 대상자의 자기 신뢰와 자존감이 높아지는 것입니다. 이로써 타인에 대한 의존에서 벗어나 스스로의 원칙에 따라 행동할 수 있게 됩니다. 기본 가정 정립 행동 변화가 지속되려면, 행동의 기저에 있는 가치관과 사고방식에 대한 통찰이 필요합니다. 코칭은 목표 달성에 도움이 되는 기본 가정을 정립할 수 있도록 돕습니다. 질문을 통한 자기 인식: 코칭에서는 코치가 해답을 주기보다 질문을 통해 코칭이 스스로 상황을 인식하고 해결책을 찾을 수 있도록 합니다. 이 과정에서 자기 인식이 깊어집니다. GROW 모델 코칭의 대표적인 방법론으로 GROW 모델이 있습니다. Goal(목표) - Reality(현실) - Options(대안) - Will(실천의지)의 4단계로 코칭을 진행합니다. 1단계는 코칭이의 목표를 명확히 하는 것입니다. 양적/질적으로 적절한 수준의 목표를 설정하는 것이 중요합니다. 2단계는 현재 상황과 역량에 대해 정확히 인식하는 과정입니다. 자아인식과 자기개념을 점검합니다. 3단계는 목표에 이르기 위한 실천 방안들을 탐색하는 단계입니다. 4단계는 실천 의지를 점검하고 강화하는 단계입니다. 이처럼 GROW 모델은 코칭의 목적과 원리를 잘 반영한 대표적 프로세스라 할 수 있습니다. 현대 사회에서 코칭의 가치는 더욱 커지고 있습니다. 전문성과 자율성을 겸비한 인재를 육성하고, 역동적으로 변화하는 환경에 적응력 있게 대응하기 위해서는 개개인의 성장과 주도성이 핵심 동력이 됩니다. 처음에는 다양한 분야의 사람들과 이야기를 나누고 고여있지 않기 위해서 소소하게 시작하였는데 생각이상으로 재밌게 하고 있습니다. 코칭이 생각보다 재밌는 이유는 상대의 성장을 가까이서 볼 수 있다는 장점도 있는 것 같습니다. 보통 1~2달 텀을 가지고 만나는데 실제로 변화하는 모습이 저에게도 좋은 자극이 됩니다. 인공지능이 관심을 받고 있다보니 "좋은 질문을 하는 것"에 대한 가치가 높아지고 있는데 이게 또 코칭이 더 저에게 의미있게 다가오는 이유이기도 합니다.

마이크로 블로그 서비스로 시작하여 전세계에서 가장 많은 트레픽을 생산하는 소셜 미디어의 자리까지 올랐다가 일론 머스크가 인수한 뒤로 사명을 X로 바꾸면서 다양한 잡음이 있었습니다. 그렇게 인수된지 1년이 넘게 지난 지금 트위터의 상황은 좋아졌을까요? 나빠졌을까요? 사실 이 논란은 미국에서 활발히 나오고 있는 이야기 입니다. 당시 미국 민주당 지지 세력은 일론 머스크의 트위터 인수 자체를 반기지 않았고, 상대적으로 기술 분야 재직자 중 민주당 지지자가 많은 것도 한 몫 했습니다. 트위터는 일론 머스크 인수 후로 부정적인 기사가 많이 나왔습니다. 물론, 이것에는 일론 특유의 기행도 시너지를 이르키긴 했습니다. 이번 트위터가 X가 된 이후, 실적이 어떻게 되었는가?에 대한 뉴스는 꾸준히 나왔으나 최근 포브스지에서 나름 의미 있는 수치를 공개하며 공개적으로 "일론 머스크 인수 및 X 리브랜딩 이후 사용량이 30% 감소하였다."이라 공식적 기사를 내보낸 이후로 본격적으로 이 논란은 불이 붙었습니다. 이전에도 광고주들이 걱정을 많이하는 매체, 광고 매출 감소 예상 등의 추상적인 혹은 재무재표상 확인 되는 정보를 가지고 이야기하는 기사는 많았으나 기업에서만 알 수 있는 사용량(트레픽)에 대해 확정적으로 이야기 하는 기사는 드물었습니다. 결론적으로 이 기사는 약간의 편향된 시선으로 작성되었다는 것으로 밝혀졌습니다. X 측은 바로 트위터 트레픽이 어떻게 늘어났는지 그리고 어떤 식으로 자신들이 공식 개정을 통해 공개했습니다. 일단, 광고 매출 및 사용량이 약간 주춤한 것은 맞지만 현재기준으로 보면 모든 것은 폭발적 성장을 이뤄냈습니다. 개인적으로도 기술 이슈를 따라가는데 있어서 트위터(X)는 이제 필수 불가결 같습니다. 인공지능, 웹, 서버 등 다양한 분야의 Guru들, CEO들이 너무 적극적으로 트위터를 쓰고 있기에 안쓰기 어렵더라구요, X로 이름이 바뀐 후 다양한 공식 개정이 생겼는데 위의 3 계정을 팔로우 해놓으시면 X가 어떻게 바뀌고 있는지 그리고 새로운 기술, 데이터를 어떻게 접목 시키는지 엿볼 수 있어서 좋더라구요. 또한 다시금 어떤 뷰로 보냐에 따라 수치나 정보는 크게 괴곡 될 수 있다는 점을 다시금 알게 되었습니다. 일론 머스크라는 사람이 호불호가 갈리는 사람인 것은 분명하나 그가 내놓은 결과물 혹은 변화를 시키고 있는 것들이 충분히 성과를 내고 있다는 점에 대해서는 크게 반론을 재기하기가 어려울 것 같습니다. 최근 테슬라 주주분들께선 심기가 불편하시던데 조만간 새로운 것을 선보인다고 하기 기대해 봐도 좋을 것 같습니다. 개인적으로 테슬라는 조용히 잘하고 있다고 봅니다. (이번 테슬라3 하이렌더도 그렇고...)

지난번에도 소개드린 a16z의 "기업의 생성형 AI 구축 및 구매 방식의 16가지 변화 (16 Changes to the Way Enterprises Are Building and Buying Generative AI)" 보고서가 발표되었습니다. 2023년 생성형 AI가 소비자 시장을 휩쓸며 10억 달러 이상의 소비를 기록했습니다. 2024년에는 기업 시장에서의 수익 기회가 훨씬 더 클 것으로 예상됩니다. 이번 앤드리슨 호로위츠에서 기업 리더들과의 인터뷰와 설문조사를 통해 그들이 생성형 AI를 어떻게 사용, 구매, 예산 책정하는지를 톺아보는 설문을 공개했습니다. 자세한 수치나 그래프 등은 원문에서 확인하면 될 것 같고 요약하면 다음과 같습니다. (화살표는 제 개인 생각 입니다.) 2023년 평균 지출은 700만 달러였고, 2024년엔 2~5배 증가 예상 ->인공지능 관련 예산 편성 급증 AI 투자를 반복적인 소프트웨어 예산으로 재할당하기 시작 -> 구독 혹은 솔루션 연간/정기 결제 ROI 측정은 여전히 정성/정량 분석이 혼재 -> 아직까지 명쾌한 도입효과가 나오고 있진 않다. 구현과 확장에는 전문 기술 인재 필요 (대부분 사내에 부재) -> ML에 대한 이해도가 높거나, AI 서비스를 만드는 전문 인재, 운영이 가능케 하는 PMO 등의 인력이 부족 다중 모델의 미래: 성능, 규모, 비용에 맞춰 여러 모델 테스트 및 사용 중 -> 결국 입력은 멀티모달로 갈 것, 모든 입력과 출력이 자유로운 모델이 떠오를 것 (키메라 형태의 모델 사용은 현재로선 한계가 명확함) 오픈소스 붐: 2023년엔 사용량이 10~20%에 불과했으나 2024년엔 50% 목표 -> 최근 메타뿐 아니라 구글 및 마이크로소프트, 알리바바에서도 오픈소스 모델을 선보이고 있음 오픈소스 선호 이유는 비용보다 제어와 맞춤화 때문 -> 개인적으로 가장 인상 깊은 부분이였음. 사람들은 높은 성능의 인공지능 보다는 맞춤형 생성형 서비스를 원함 제어에 대한 욕구는 민감한 사용 사례와 데이터 보안 우려에서 비롯 -> 보안 이슈, 망 이슈 맞춤화는 대부분 미세조정(fine-tuning)을 통해 이뤄짐 -> 이건 파인튜닝에 대한 정의가 다소 광의한 것 같음. 클라우드 공급자가 모델 구매 결정에 큰 영향 -> Azure의 사용량이 늘어나는 중. 타 클라우드들도 앤트로픽 등과 협의해 자체 클라우드 맞춤형 모델, 인프라 구축 중 초기 출시 기능도 여전히 중요 대부분 모델 성능이 수렴하고 있다고 생각 모델 교체가 용이하도록 애플리케이션 설계 기업은 현재 앱을 구매하기보다는 자체 구축 선호 내부용 사용 사례에는 적극적이나 외부용은 신중 2024년 말 모델 API와 미세조정 지출이 50억 달러 이상으로 증가 전망 기업들은 생성형 AI 도입을 최우선 과제로 삼고 예산을 늘리고 있다. 다양한 모델을 테스트하고 더 많은 워크로드를 프로덕션에 투입할 계획이다. 이는 전반적인 시장 성장을 이끌 것이며, 파운데이션 모델뿐 아니라 미세조정, 모델 서빙, 애플리케이션 구축, 목적 기반 AI 애플리케이션 등 전 분야에서 기회가 많이 보입니다. 실제로 최근 카카오벤처스와 마이크로소프트에서 진행하는 창업톤에 이와 비슷한 아이디어를 제출했는데 나름 좋은 결과를 얻어 새로운 걸 만들어보고 있습니다. 현재, 2024년은 생성형 AI의 변곡점에 와 있으며, 역동적이고 성장하는 이 시장에 서비스를 제공하는 차세대 기업들과 협력하기를 기대해 볼 수 있습니다.

부모님이 알리익스프레스와 테무를 사용하시고 심지어 하드 유저신걸 알게 되었습니다. 나름 매일 들어가셔서 다양한 쿠폰과 게임도 즐기시고 주문도 종종하시더라구요. 이것에 대해 최근에 중국의 전자상거래 기업 테무가 진행한 프로모션 때문이라는 말이 많습니다. 테무나 알리익스프레스의 성공에 대해 '저렴한 가격'을 가장 주요한 요소로 드는데 개인적으로 이건 피상적 이유라고 생각합니다. 개인적으로 테무나 알리를 써보면 핀뒤뒤나 기존 위챗 등에서 시도했던 좋은 사례들을 많이 적용한 것이 주요 경쟁력이라 생각합니다. 사용자들에게 '쇼핑하는 즐거움'을 주고 이것을 게이미피케이션을 적극 적용해 쇼핑이라는 돈을 쓰는 행위에 보람과 만족도를 주는게 핵심입니다.이러던 중, 최근 미국에서 테무가 새로운 사용자에게 현금을 주는 이벤트였는데, 참여하려면 엄청난 양의 개인정보를 내놓아야 했습니다. 당연히 많은 사람들이 개인정보 유출에 대한 우려를 표했죠. 결국 테무는 약관을 고쳤지만, 이 사건은 우리에게 큰 교훈을 줍니다. 개인정보를 함부로 제공하면 안 된다는 사실이죠. 어떤 정보를 왜 수집하는지, 어떻게 활용할 건지 꼼꼼히 따져봐야 합니다. 그리고 알리익스프레스라는 중국 기업도 한국에 진출하고 있죠. 해외 기업들이 늘어나면 소비자의 선택권이 확대된다는 건 좋은 점입니다. 하지만 개인정보 보호나 공정거래 이슈 같은 해결 과제도 안겨주고 있습니다. 이런 사례들을 보면서 우리가 배워야 할 점이 크게 세 가지입니다. 첫째, 개인정보는 우리의 소중한 자산이라는 인식을 갖는 거죠. 내 정보가 어떻게 쓰일지 늘 관심 갖고 지켜봐야 합니다. → 개인이 과정 신경을 쓸 수 있을까? 둘째, 소비자로서 우리의 권리와 의무를 다하는 겁니다. 서비스 약관을 꼼꼼히 읽어보고, 이상한 점이 있다면 당당히 물어봐야 하죠. → 사실 아무도 읽지 않는 약관 셋째, 기업들에게 책임감 있는 행동을 요구하는 겁니다. 고객의 신뢰가 바탕이 되어야 장기적으로 성공할 수 있습니다. 투명하고 공정한 정보 제공과 데이터 관리는 기본 중의 기본이죠. → 국가에서 규제를 만들던... 이제 디지털 세상에서 우리는 똑똑한 소비자이자 책임감 있는 시민이 되어야 합니다. 소중한 개인정보도 지키고, 정당한 권리도 주장하면서 말이죠. 물론 기업과 정부도 함께 노력해야 합니다. 우리 모두가 힘을 합쳐야 더 건강하고 안전한 디지털 생태계를 가꿀 수 있습니다. 다만, 최근 아래와 같은 글에서도 언급했듯, IT 서비스에서 고객에게 더 나은 경험 혹은 주려면 데이터가 필요하고 이것을 어떻게 '기분 안나쁘게', '개인정보를 안건들이며' 심리스한 서비스를 제공할 수 있을까? 하는 고민이 큰 것 같습니다.

정확히는 2월 중 퇴사를 하였습니다. 오프라인에서 만난 분들에게는 제가 말씀을 모두 드렸고, 페이스북 및 링크드인, 프로필 사이트 등에는 게재를 했는데 제가 계속 재직 중이라는 오해가 있는 분들이 있어 명시적으로 남깁니다. 최근 특정 지자체에서 강연을 하기로 하였는데 소통했던 시점 당시 소속을 작성해 이야기하였다 보니 당시 기준으로 소속이 기재된 채로 홍보자료 등이 만들어졌다고 합니다. 홍보자료가 배포되기 전에 확인을 하는 절차가 별도로 없어서 저 역시도 방금 인지하여 이 부분이 잘못되었다는 걸 알게 되었습니다. 평생교육원의 무료 강의이기도 해서 강의 내용에 집중하고 기타 행정적인 부분을 신경 안쓴 제 불찰도 있는 것 같습니다. 이전에 대화 나눈 걸 보니 강의 내용과 어떻게 진행할지만 고민했지 홍보나 행정적 처리는 이야기를 아예 안했더라구요. 실제로 퇴사 이후 진행한 인터뷰 등에선 퇴사한 것을 명확히 언급하였는데 그전에 소통하던 곳들 혹은 소속에 대해 근무를 하는 걸로 오해하시는 분들이 계셔 다시 한 명 명확히 남겨 놓습니다. 저는 현재 퇴사 했으며, 다양한 옵션을 보고 있습니다. 혹시라도 잘못 알고 계시는 부분이 있다면 정정 부탁드립니다. 저는 요즘 사람만나고 무언가를 만드는데 빠져있습니다. 다른 말로 한량이니 편하게 생각해주시길 바랍니다. 많은 관심 감사합니다.