바야흐로 AI의 시대입니다. 소위 말하는 ‘AI Wrapper’ 서비스들이 매일 쏟아져 나오고 있습니다. 동시에 AI도 거품이 아니냐, 자체 모델 없는 회사들은 ChatGPT가 업데이트될 때마다 위험해질 것이다, LLM 모델 비용이 너무 비싸서 자생하기 어렵다 등 우려도 나옵니다. 그렇다면 자체 모델을 보유하거나 VectorDB 같은 기술을 연구하는 회사는 더 안전할까요? 사실, 지난 몇 년간 모델 개발사들은 더 빠르게 위기를 맞이했습니다. 특정 분야의 특화 모델은 거대 모델 등장으로 무용지물이 되었고, 파인튜닝이나 VectorDB 기술도 거대 모델의 업데이트마다 입지가 줄어들고 있습니다. 동시에 자본이 있는 빅테크 회사들은 모두 거대모델을 만들 수 있습니다. OpenAI, Anthropic, Meta, Google 등은 치열하게 경쟁하며, 이로 인해 모델 비용은 빠르게 인하되고 있습니다. STT 모델은 하루아침에 무료가 되었고, LLM 모델도 1년 사이 10배 이상 저렴해졌습니다. Amazon, Salesforce 같은 회사도 웹 초창기에는 “DB Wrapper 아니냐?”는 이야기를 많이 들었습니다. 브라우저 회사가 모든 것을 해버리면 어떻게 할 것이냐는 이야기도 많았습니다. Notion, Canva 같은 제품들도 특별한 기술로 성장한 것이 아닙니다. 결국 중요한 것은 “누가 고객의 문제를 가장 잘 해결하는가” 입니다. 저희 같은 AI 응용 앱 회사가 망할 수는 있지만, 그것은 고객을 만족시키지 못했기 때문이지, 자체 기술이나 높은 원가 때문은 아닐 것입니다. 우리는 오직 고객 문제 해결과 혁신적인 제품 경험에 집중하는 것만이 해자를 만든다고 믿습니다. 참조. 고객 문제 해결에 집착하는 업무방식

AI시대에 개발자가 없어질 것이라는 예측이 많습니다. 저는 조심스럽지만 개발자가 더 많아질것이라는 주장을 펴고 싶어요. 근 몇십년간 이미 개발자의 생산성은 기하급수적으로 높아지고 있어요. 십년전에 열 명의 개발자가 하던 일을 이미 한 사람이 할 수 있죠. 오픈소스와 클라우드의 힘으로,다섯명 미만의 개발자로도 대규모의 서비스를 할 수 있는 상황이 되었어요. 하지만 왜 개발자가 줄어드는 것이 아니라 오히려 수요가 높아졌을까요? 그 이유는 소프트웨어가 급속도로 다른 분야를 흡수하고 있기 때문이에요. 개발자의 생산성이 높아지는 속도보다, 소프트웨어 시장 자체가 커지는 속도가 더 컸기 때문이죠. 이제는 미디어도, 커머스도, 금융도 모두 소프트웨어 회사가 주도권을 가지는 시대가 됐습니다. AI시대는 어떨까요? 상상할 수 없을 정도로 이 흐름이 더 커질 것이라고 생각합니다. 심리상담, 육아, 법률, 의료, 모든 분야에서 사람만이 할 수 있다고 여겨졌던 영역이 소프트웨어로 흡수될거에요. 이 속도는 너무나 빠르고 거세서 오히려 개발자의 수요가 많아질 수 있다고 생각합니다. 하지만 개발 능력이 지금처럼 전문적인 능력으로 여겨지기 보다는, 엑셀을 다루는 능력 정도로 여겨질 수 있겠습니다. AI의 힘으로 누구나 큰 노력과 수련 없이 배울 수 있는 영역이 될 수 있겠지요. 그래서 가장 중요한 것은 사람이 원하는 것을 제공하는 능력이에요. 그것을 위해 개발 능력은 더 도구적으로 변할 것입니다. 이럴 때일수록 개발자로서의 지엽적인 스킬보다는, 응용능력, 적용 능력을 기를 수 있는 회사에서 일해야 한다고 생각합니다. Lilys AI는 개발자에게 직접 기획하고, 인터뷰하고, 통계를 보고, 성과를 만들어내기를 기대합니다. 개발을 도구로 활용해, 사람을 만족시킬 수 있는 능력을 기를 수 있는 최적의 회사라고 생각해요. 앞으로 도래할 AI시대에 가장 적합한 능력을 기르고 싶으시다면, 아래 링크를 살펴봐 주세요. 현재 저희는 채용 중입니다!

Vrew, 뤼튼, LilysAI 까지 3개의 AI 제품을 만들며 배우고 느꼈던 것들을 하나씩 공유해보려합니다 :) 인공지능의 놀라운 발전으로, 정말 많은 인간의 지적 작업을 ‘자동화’할 수 있는 기회가 열리고 있습니다. 하지만 역설적이게도, 저희 팀은 제품의 UX에 대해 논의할 때 ‘자동의 함정’에 빠지지 말자는 이야기를 많이 합니다. AI에게 어떤 일을 시켰을 때 100점을 해내는 경우는 많지 않습니다. 대부분 70점 정도에 그치고 맙니다. 70점으로 초안만 만들어 줘도 충분히 많은 시간을 단축해주니 의미 있는 것이 아닐까? 라고 생각할 수도 있겠습니다. 하지만 사용자의 워크플로우를 따라가다보면, 결국 원하는 목적을 달성하기 위해서는 AI가 만들어준 70점 짜리 결과물을 다 부수고 처음부터 100을 만들어야 하는 경우가 빈번히 발생합니다. 이런 제품의 경우 사용자들이 처음엔 ‘와~ 신기하다~’라고 반응하지만, 실제로는 쓸만한 레벨까지 가지 못해 리텐션이 잘 안 나오게 되는 것 같습니다. 이런 현상을 저희는 ‘자동의 함정’이라 부릅니다. 그럼 나머지 30점은 어떻게 채워야 할까요? 엔지니어링과 UX레이어로 많은 부분을 해결할 수 있었습니다. 저희 제품으로 사례를 들어보겠습니다. LilysAI는 영상 요약 서비스인데요, 요약이 간혹 부정확하거나 지나치게 축약되어 신뢰도에 의심이 생기는 문제가 있었습니다. 기존의 영상 요약 서비스를 이용해봤을 때, 신뢰도가 의심갈 때 사용자가 취할 수 있는 액션이 없어 결국엔 영상을 다시 돌려보게 되는 불편함을 느꼈습니다.