[컴퓨터월드] 1. 2023년 기술 발전 현황

2023년 챗GPT(Chat GPT)를 비롯한 생성 인공지능(AI)은 기업 입장에서도 AI 적용과 활용의 가능한 수준과 범위를 완전히 다른 차원으로 변화시켰다. 이전에 생각하던 그리고 앞으로 다가올 것으로 예상은 할 수 있었으나 당장의 현실로 믿지 않았던 부분들이 다수 실현되었다. 챗GPT가 시장조사를 거쳐 작성한 다음 자료를 보면 기업의 도입률은 이미 2023년 4분기에 절반을 넘는 수준인 것으로 보이며, 이는 구글 검색 지수가 보이는 ‘엔터프라이즈 AI(Enterprise AI)’에 대한 관심이 폭등하는 패턴과도 일치한다. 2022년 말에 비하면 약 3배가 늘어난 혁신의 해로 2023년이 기억될 것이다.

2023년 생성 AI(인공지능) 기술은 언어 모델의 향상, 이미지 및 비디오 생성 기술의 혁신, 음성 생성 및 변환 기술의 발전, 자동화 및 최적화, 창의적인 응용 분야에서의 활용 등 다양한 분야에서 크게 발전했다. 언어 모델은 자연스러운 대화와 복잡한 질문에 대한 답변을 가능하게 했고, 이미지와 비디오 생성 모델은 창의적이고 사실적인 미디어 생성을 지원한다. 음성 생성 기술은 자연스러운 음성 스타일과 억양을 제공하며 오디오북 및 엔터테인먼트 분야에서 활용되고 있다. 비즈니스에서는 업무 자동화와 데이터 분석에도 큰 도움이 되기 시작했다.

2023년 생성 AI 혁신을 대표하는 것은 분명 챗GPT였다. 출시 자체에서 멈추지 않고 2023년 동안 지속해 온 혁신적 업데이트와 다양한 새로운 기능 추가를 살펴보면 다음과 같다.

◇사용자 경험 개선: 사용자들은 대화를 시작할 때 도움이 되는 프롬프트 예시를 제공받을 수 있으며, 대화 중 추천 답변 기능을 활용할 수 있다. 또한 로그인 유지 기능과 키보드 단축키 등의 편의 기능도 제공되었다.
◇기능 확장: 챗GPT는 GPT-4를 기본 모델로 사용하며, 유료 사용자를 위해 이전에 선택한 모델을 기억하는 기능이 추가되었다. 다중 파일 업로드 기능과 데이터 분석을 위한 코드 인터프리터(고급 데이터 분석)를 통해 데이터 분석과 프로그래밍 작업을 효율적으로 수행할 수 있게 되었다. 또, 사용자 정의 지시 사항(custom instruction)과 메시지 한도 증가로 맞춤식 사용자 경험이 제공된다.
◇플랫폼 접근성 향상: 챗GPT 모바일 안드로이드 앱과 iOS 앱이 제공되며 모바일 앱에서의 검색기능이 개선됐다.
◇멀티모달(multi-modal) 능력 확장: 이미지 인식 및 처리 능력이 챗GPT에 통합되어 시각적 데이터 분석이 가능하게 되었으며, DALL-E와의 통합을 통해 텍스트 기반의 시각적 콘텐츠 생성이 가능해졌다.
◇기업용 버전 출시: 대량의 데이터 처리와 보안 기능을 강화한 기업용 버전 출시로 본격적인 챗GPT 기업 업무용 적용의 길을 열었다.

챗GPT의 이와 같은 빠르고 혁신적이며 다양한 기능 제공으로의 발전은 다른 생성 AI 서비스와 공급자들의 행보에도 크게 영향을 미치며 생성 AI 활용 영역을 넓혀가고 있다. 다만, 아직까지 데이터 분석이 정확하지 않다거나 사용자가 입력한 프롬프트를 제대로 따르지 않거나 장시간 작동이 중단되는 등 각각의 기능들에서 완성도가 충분한 수준은 아니며 지속적인 개선과 업그레이드가 요구되는 상황이다.

2. 산업별 활용과 비즈니스 가치 창출

실제로 생성 AI가 제시하는 가능성이 너무나 크기에 산업 분야를 막론하고 그 활용 방안을 검토하고 시도하는 다양한 노력이 이뤄졌다. 대표적인 산업별 적용 사례를 살펴보면, 금융 및 은행 분야에서는 모건 스탠리가 비즈니스 분석을 위해 챗GPT를 활용해 대량의 비정형 데이터에서 깊은 통찰력을 발굴하고 있고, 보험업에서는 취리히 보험(Zurich Insurance)가 보험 청구 데이터 추출을 단순화하고 효율성을 높이기 위해 챗GPT를 활용하고 있다.

의료 분야에서는 AI 건강 클리닉 스타트업인 바이오닉 헬스(Bionic Health)가 챗GPT를 활용하여 예방적 치료 프로그램을 설계하고 있으며, 환자들이 복잡한 진단 결과를 이해하고 개인화된 인사이트를 제공받을 수 있도록 지원한다. 매시브 바이오(Massive Bio)는 임상 시험 워크플로우에 GPT 기반 분석 도구를 통합해 환자 데이터 분석을 자동화하고, 시험 참여 과정을 간소화하고 있다. 인적자원관리 분야에서는 비머리(Beamery)가 탤런트GPT(TalentGPT)라는 고급 AI 언어 모델 플랫폼을 개발해 채용 과정을 혁신하고 있다. 직무 설명을 맞춤화하고, 후보자와의 소통을 개인화하며, 커리어 추천을 제공한다.

소매업에서 월마트는 전 직원이 사용할 수 있도록 도우미 챗봇을 제공하고, 고객과 채팅 과정에서 자연스럽게 상품을 추천해 줄 수 있는 기능을 도입했다. 클라르나(Klarna) 역시 GPT 엔진을 기반으로 플러그인을 개발해 맞춤형 쇼핑 경험을 제공하고 제품 추천, 링크 공유, 특정 특성에 따른 아이템을 비교해 제품 발견과 추천 과정을 향상하고 있다. 미디어 산업에서는 쿠(Koo)가 소셜 미디어 플랫폼에서 콘텐츠 창작을 돕기 위해 GPT 모델을 통합하고 있으며, 이를 통해 사용자들이 더 쉽고 빠르게 게시물을 만들 수 있도록 하여 활성 사용자 기반을 확장하는 중이다. 소프트웨어 분야에서도 기존 제품에 챗GPT를 통합하는 작업이 활발한데, CRM 플랫폼 공급자인 세일즈포스(Salesforce)는 CRM 플랫폼, 슬랙(Slack), 태블로(Tableau) 등 여러 제품에 챗GPT를 통합해 제공하기 시작했다.

한국에서도 여러 기업이 생성 AI를 적용한 사례들을 발표했다. 야놀자, 배달의민족 등이 챗GPT를 업무에 적용한 사례들을 공개했고, 포스코는 디지털 혁신을 가속화하기 위해 챗GPT를 사내 업무에 통합했다고 발표했다. P-GPT(Private GPT) 플랫폼을 도입했고 마이크로소프트사의 협업 플랫폼 ‘팀즈’에 통합해 직원들이 생성 AI 서비스를 자유롭고 창의적으로 활용할 수 있는 환경을 마련했다. 포스코DX는 RPA(로봇 프로세스 자동화) 솔루션에 챗GPT를 결합해 개발 편의성을 높이고 기능을 고도화하는 작업을 진행했다.

이처럼 2023년에는 국내외 다양한 산업 분야에서 생성 AI를 기업에서 업무용으로 도입하려는 검토와 시도들이 활발하게 벌어졌다.

한편 기업의 관점에서 새로운 기술의 가치는 결국 업무성과에 얼마나 영향을 미치는지가 중요하다. 이 때문에 생성 AI의 영향을 비즈니스 기능의 최적화, 비용 절감, 매출 증대 등으로 구분해 살펴볼 필요가 있다.

AI를 다양한 업무에 적극적으로 활용하기 시작한 전 세계 주요 기업들을 기준으로 보면 비즈니스 프로세스 최적화 측면에서 생산, 공급망 관리, 인사 운영 등의 프로세스 개선을 통해 적용 대상 업무의 운영 효율성 10~20% 향상됐고, 프로세스의 효율성 향상과 반복 업무 감소를 통해 비용 절감 측면에서 운영 비용이 5~15%가 줄어든 것으로 추측된다. 또 매출 증대 측면에서도 새로운 비즈니스 기회를 창출하고 기존 제품이나 서비스를 향상하는 부분에서 10~25% 정도는 효과를 얻었을 것으로 추측된다. 단, 이 수치들은 아직 신뢰할 만한 구체적 조사자료가 많지 않기 때문에 불가피하게 챗GPT의 검색 기능을 활용해 관련 자료 조사를 거친 후 결과를 대략적인 추정치로 변환해 본 것이라 정확성이나 신뢰성에 한계가 있다.

물론, 이러한 영향의 정도는 산업별로, AI의 채택 및 비즈니스 전략으로의 통합 수준에 따라 큰 차이가 있을 수 있으며 아직 도입 초기로 생성 AI의 잠재력에 비해 실질적인 성과가 매우 큰 수준은 아니다. 또 상대적으로 비용 절감 측면의 효과가 크지 않은 이유는 도입 기업들이 비용 절감에 우선순위를 두지 않았기 때문일 것이다.

한편 한국 기업들의 경우 2023년에는 과감한 도입보다는 보수적인 관망과 검토의 분위기가 좀 더 강했다. 잠재적인 위험과 시행착오에 대한 우려가 컸던 것이 주된 이유로 보인다.

3. 2024년 기업 영역 생성 AI 확산 전망

2024년에 기업들의 생성 AI 활용 확산이 다른 분야나 소규모 비즈니스에 비하면 상대적으로 느릴 것이라는 전망이 많다. 이는 데이터 프라이버시와 보안 문제, 해석 가능성 및 투명성의 부족, 확장성 제약, 적용 분야의 한계, 비용 및 투자 수익 고려사항, 규제 및 윤리적 고려사항 등 여러 이슈들이 존재하기 때문이다.

민감한 기밀 데이터를 다루며, ‘블랙 박스’로 여겨지는 생성 AI 모델들은 해석이 어려워 책임과 규정 준수 측면에서 위험 요소가 된다. 또, 작은 규모의 응용에서와 달리, 대규모의 기업용으로 확장하는 것은 기술적, 시스템 통합면에서 어려움을 유발한다. 이 때문에 간단한 마케팅 콘텐츠 생성 등에 비해 제조나 공급망 관리 같은 복잡한 운영 업무 영역에서는 도입이 더딜 수 있을 것이다. 큰 투자가 필요하고 AI 프로젝트의 장기적 이익에 대한 불확실성이 존재하기 때문에 투자에 전반적으로 신중할 가능성이 크다.

한편 아마존웹서비스(AWS)는 제조 분야에서 엔지니어들이 대규모 데이터셋을 분석해 안전성을 향상하고, 시뮬레이션 데이터셋을 생성하며, 제품의 시장 출시를 가속화하는 등의 복잡하고 중요한 업무들에 대한 대안을 제시하고 있다. 아마존 베드록(Amazon Bedrock) 서비스는 API를 통해 여러 기초 모델(Foundation Model)에 접근할 수 있게 하여, 제조 분야를 포함한 특정 작업에 모델을 맞춤화하고 확장하는 방안을 제공한다. 이러한 방식은 데이터를 안전하게 활용하는 동시에, 효과적인 적용을 가능하게 한다.

결국 AWS와 같은 대형 공급자들이 제공하는 기술의 발전과 데이터 프라이버시, 해석 가능성, 확장성 문제 해결 수준이 기업의 핵심 업무에 대한 생성 AI 본격 활용 범위와 확산 속도를 결정지을 것으로 보인다.

국가별, 산업별, 기능별로 생성 AI 도입과 확산이 진행되는 양상에는 상당한 차이가 존재할 것으로 예상된다. 먼저 국가별로 보면, AI 기술의 글로벌 리더인 미국은 IT 분야에서의 혁신과 함께 다양한 산업 분야에서 챗GPT 등 생성 AI의 적극적 도입이 예상된다. 특히 금융 서비스, 헬스케어, 소매 및 제조업 분야에서의 AI 도입률이 높아질 것으로 보인다. 미국의 AI 도입률 증가는 기술적 인프라, 벤처 자본의 풍부함, 혁신에 대한 높은 수요 및 강력한 연구 개발 환경에 기인하며 미국의 교육 시스템과 기업 문화는 새로운 기술에 대한 빠른 적응과 통합을 장려하는 경향이 있어 AI 도입률을 더욱 증가시킬 것으로 예상된다.

한편 한국은 이미 고도로 디지털화된 상태에, 정부의 강력한 AI 지원 정책과 전략적인 AI 생태계 개발 등까지 더해져 AI 도입률이 꾸준히 증가할 것으로 예상된다. 제조업, 금융 서비스, 그리고 IT 분야에서 AI의 도입이 활발하게 이루어질 것이며, 특히 반도체와 같은 첨단 기술 분야에서의 AI 활용이 두드러질 것으로 예상할 수 있다. 한국의 AI 기술의 윤리적 사용과 데이터 보호를 강력히 규제하는 입장에도 AI 도입 확산 속도에 영향을 미칠 것으로 보인다.

한국과 미국 모두 생성 AI 도입률이 증가할 것으로 보이나, 미국은 광범위한 도입과 급속한 변화를 보일 전망인 반면, 한국은 좀 더 균형적인 확산이 예상된다.

전 세계적으로는 기술 중심의 국가들은 빠른 속도로 생성 AI를 도입하고 확산시키는 반면, 기술 수용에 소극적이거나 뒤처진 국가들은 이러한 추세에 비교적 느리게 대응해 생성 AI 기술 활용 측면의 격차가 커질 것으로 보인다.

산업별로 보면 정보기술과 플랫폼 등 테크 산업 분야가 가장 앞서고 유통, 금융, 의료가 2위권을 형성할 것으로 보인다. 농업에서는 대규모 농장의 높은 관심과 중소규모 농장의 낮은 관심, 지역적 차이, 기술적, 경제적, 사회적 장벽 등이 영향을 미치고, 건설 산업에서는 작업 환경의 복잡성, 안전 규제, 초기 투자 비용 등이 AI 도입을 어렵게 만들 것으로 보인다. 제조 산업에서는 기존 프로세스와의 호환성, 높은 비용, 기술 부족 등이 제약 요인이 될 수 있다.

농업, 건설, 제조 등 산업에서 도입과 확산이 상대적으로 저조한 이유는 높은 초기 투자 비용, 기술 통합의 복잡성, 숙련된 인력과의 상호 작용 문제, 엄격한 규제 및 안전 기준 등 때문이다. 아래 그림은 미국 기업을 기준으로 산업별 2023년과 2024년 도입률의 변화에 대한 대략적 추정치를 비교해 보여준다.

향후 생성 AI 도입률을 업무 기능별로 구분해 예상해 보면, 정보 기술(IT) 및 고객 서비스 분야에서 큰 증가가 예상된다. IT 분야에서는 코딩, 문제 해결, IT 지원 등에 챗GPT의 활용이 확대될 전망이다.

2023년 현재 코딩 업무에서는 60% 이상의 개발자가 생성 AI를 코딩에 활용하고 있다는 조사 결과도 나올 정도다. 이미 고객 서비스와 관련해서는 자동화된 챗봇 응답과 고객 상담 지원에 사용될 것으로 보인다. 마케팅과 영업 분야에서는 콘텐츠 제작, 디지털 마케팅, 고객 분석 등에 활용이 증가할 것으로 예상되며, 인적 자원(HR) 분야에서도 이력서 스크리닝, 채용 공고 작성, 직원 문의 응답 등에서 활용이 증가할 것으로 보인다. 경영 및 전략 기획 분야에서는 데이터 분석, 시장 분석, 의사 결정 지원 등에 AI가 점진적으로 활용될 것으로 예상된다.

경영 및 전략 기획은 고도의 분석, 창의적 사고, 그리고 복잡한 의사결정 과정을 포함하며 깊은 산업 지식, 기업 문화와 가치에 대한 이해, 그리고 장기적인 비전과 목표를 고려해야 하기 때문에 현 수준의 AI 기술 적용에 한계가 있다. 또, 전략적 결정은 대부분 민감한 데이터와 비밀 유지가 필수적인 정보를 다룬다는 점에서도 신중함이 요구된다.

4. 주요 공급 업체들과 예상되는 중요한 변화

기업의 생성 AI 활용은 한편으로는 공급자들의 공급능력에 따라 크게 영향을 받는다. 주요 공급자들로는 챗GPT의 개발사인 오픈AI(OpenAI)와 마이크로소프트 등이 포함된다.

◇오픈AI(OpenAI): 오픈AI는 가장 앞선 수준의 기능들을 제공하고 있을 뿐만 아니라 빠른 속도로 기능 통합과 업그레이드를 진행하고 있다. 고객 서비스 자동화, 콘텐츠 생성, 데이터 분석 분야에서 비즈니스에 지속적인 영향을 미칠 것으로 예상된다.
◇마이크로소프트와 아마존웹서비스(AWS): 클라우드 플랫폼 기반의 대형 공급자로 기존에 제공해온 머신 러닝 도구와 생성 AI를 통합해 기업용으로 AI를 활용하는 데 우선적 고려 대안이 될 것으로 예상된다.
◇페이스북 AI 리서치(Facebook AI Research): 소셜미디어 플랫폼에서의 마케팅, 소비자 분석, 고객 참여 강화 등의 분야에서 새로운 도구를 제공할 수 있으며, 특히 데이터 기반 인사이트와 사용자 행동 분석, 마케팅 등에서 생성 AI 기반의 강화된 서비스를 제공할 것으로 예상된다.

그 외에 하드웨어의 엔비디아(NVIDIA)와 IBM의 왓슨 플랫폼, 구글과 구글 딥마인드, 어도비 등 역시 주목할 대상이다. 이들 모두가 2024년 사활을 걸고 생성 AI 서비스 기능을 강화하고 고객 기업 확보 증대를 이끌어내기 위한 노력을 강화할 것으로 보인다.

특히 큰 관심을 모으고 있는 사항은 챗GPT의 업그레이드다. GPT-5 또는 GPT-4.5로의 업그레이드에 대한 소문과 추측이다. 오픈AI사 자체는 소문을 인정하지 않고 있으나, 업그레이드가 임박했다는 추측은 늘어나는 중이다. 이는 GPT-4.5가 출시되지 않더라도 어떤 형태로든 업그레이드나 개선이 이루어질 가능성을 시사한다.

2024년 예상되는 챗GPT의 개선 사항들을 나열해 보면, 먼저, 챗GPT의 맥락 이해 능력이 향상될 것으로 예상되는데, 이를 통해 더 자연스러운 대화와 일관된 응답을 가능하게 할 수 있을 것이다. 보다 복잡한 질문과 요청을 처리하며 더 정확하고 포괄적인 답변을 제공하는 방향으로 업그레이드될 것으로 기대된다.

또 멀티모달 기능 통합이 보강되어 다양한 입력 형태를 이해하고 생성할 수 있게 되고, 3D 이미지, 비디오, 오디오와 같은 추가적인 미디어 유형을 입출력하고 변환할 수 있게 될 것으로 보인다. 이는 다양한 산업, 특히 제조, 공학 및 헬스케어와 같은 분야에서 스키매틱, 블루프린트 또는 유전체와 대화식 및 직관적으로 상호 작용할 수 있게 하는 등 생산성과 효율성을 크게 향상할 것으로 예상된다.

예를 들면 제조업에서 멀티모달 AI는 복잡한 기계 및 공정과의 상호작용을 보다 효율적으로 만들어 줄 수 있다. 작업자가 음성 명령으로 기계를 제어하면서 시각적 피드백을 동시에 받을 수 있고 문제 해결을 빠르게 하고, 새로운 생산라인에 빠르게 적응하게 될 것이다.

의료 분야에서는 특히 유전체학과 의료 영상 분야에서 큰 향상을 이를 수 있을 것이다. 의사와 연구원들은 복잡한 유전체 데이터를 자연어 처리를 사용하여 상호작용함으로써 패턴과 이상을 쉽게 식별하고, 의료 영상에 시각적 데이터와 AI 기반 분석을 결합하면 더 빠르고 정확한 진단을 가능하게 할 수 있을 것이다.

그 외에도 지속적인 학습 프레임워크 도입으로 사용자 요구를 더 잘 반영하고 현재 사건에 더 빠르게 대응하며, 다른 AI 모델과의 협력과 사용자 인터페이스의 지속적 개선도 이루어질 것으로 전망된다.

챗GPT 및 AI 기술의 정확한 궤적은 기술 자체의 발전, 시장 요구, 규제 환경 등 다양한 요인에 따라 달라질 것이지만 분명 챗GPT가 기술 세계에서 적어도 한동안은 중요한 초점이 될 것으로 예상된다. 2024년으로 접어들면서 챗GPT 및 유사 AI 기술들이 기업의 업무에 통합되면서 보편화될 뿐 아니라 더욱 정교해지며, 운영 효율성에서부터 전략적 시장 통찰에 이르기까지 다양한 영역에서 가치를 제공할 것으로 보인다.

5. 기업의 생성 AI 2024 전략적 고려사항

이미 생성 AI를 도입하고 활용하는 과정에서 안정성, 신뢰성, 통합 및 관리의 용이성 등에 대한 이슈가 발생할 수 있다는 우려와 불확실성이 대두된 상태다. 이에는 모델 진부화(model drift. 생성 AI가 시간이 지남에 따라 처음에 학습된 데이터 패턴이나 환경과 달라짐에 따라 예측 또는 결정의 정확성이 감소하는 현상) 및 데이터 오염(잘못된, 부정확한, 또는 편향된 데이터가 AI 시스템의 학습 데이터셋에 포함돼 모델의 성능이 저하되는 것)과 같은 기능적 위험, 리소스 낭비 및 기밀 정보 유출과 같은 운영적 위험, 저작권 위배 및 편견(bias)으로 인한 차별과 같은 법적 위험 등이 포함된다. 발전이 계속된다고 해도 2024년 말까지 문제점들이 모두 해결될 것으로 기대하기는 어려울 것이기에 기업들은 다음과 같은 전략적 결정 포인트들에 대해 신중하게 검토해야 할 것이다.

◇탄력적인 도입 속도 조절: 생성 AI 기술의 불완전함과 불확실성을 고려할 때, 도입 속도를 신중하게 조절해야 한다. 소규모 시범 프로젝트를 늘려가되, AI 기술의 신뢰성과 한계를 집중적으로 평가하고, 복잡한 결정 상황에서 AI와의 역할 분담을 분명히 이해해야 한다. 지속적인 평가를 통해 전략을 조정하고, 필요시 AI 통합 과정을 수정하거나 중단할 대비도 해야 한다. 불확실한 AI 발전에 대비하여 예비 계획을 수립하고, 기술의 잠재력과 한계의 변화를 명확히 파악해야 한다.
◇확장성 및 통합: 기업 환경에서는 대량의 데이터와 거래를 처리할 수 있을 정도로 확장 가능해야 하며 데이터베이스, CRM 시스템, 기타 운영 도구를 포함한 기존 기업 인프라와 원활하게 통합되는 것이 중요하다. 더 강력한 생성 AI 기능을 선택할 것인지 아니면 통합이 용이한 대안을 찾을 것인지 판단이 필요하다.
◇경쟁적 차별화: 점차 생성 AI가 보편적인 도구가 되는 상황에서는 차별화가 중요하다. 특히 규모가 큰 기업들은 각자의 산업 및 업무 특성에 맞게 AI 솔루션을 맞춤화하거나, 독자적 알고리즘을 개발하거나, 독특한 데이터 소스와 AI를 통합하여 경쟁자가 제공할 수 없는 결과물을 얻는 것에 집중해야 한다. 단, 이와 같은 차별화에는 상당한 투자가 요구되기 때문에 적절한 수위 조절이 필요하다. 또, 소규모의 팔로워 입장에서는 저렴한 비용으로 최소한의 기본 기능을 갖추는 것이 우선일 수 있다.
◇위험 관리: AI 시스템을 정기적으로 감사하여 윤리 준수, 데이터 프라이버시 및 보안을 검토하는 위험 관리가 필요하다. 조직 내 AI 사용에 대한 명확한 지침 및 정책을 수립하고, 직원들에게 최선의 사용방식에 대해 교육하며, 규제 변화에 대응해야 한다.
◇모니터링 및 평가: AI 구현을 지속적으로 모니터링하고 평가해야 한다. 비즈니스 성과에 대한 AI의 영향을 측정하는 지표를 마련하고 정기적으로 검토해야 AI 적용의 확장이나 조정에 대해 근거 기반으로 합리적 결정을 할 수 있다.
◇인재 및 교육 투자: AI의 효과적 활용을 위해서는 적합한 인재 보유가 중요하므로 기존 직원의 지속적인 교육 및 개발에 투자하는 것과 특수한 AI 기술을 보유한 새로운 인재 채용 간의 균형 유지가 필요하다.
◇벤더 및 시장 데이터 제공업체와의 파트너십: 플랫폼이나 모델을 제공하는 외부 벤더 및 데이터 제공업체와의 협력은 생성 AI의 결과물 수준을 높이거나 안정적인 운영을 보장하는데 중요하다. 단, 종속 위험 최소화 역시 중요시해야 한다.
◇외부 기관 협업 및 파트너십: AI 전문가, 연구기관 또는 다른 기업과의 협업을 통해 부족한 내부 역량을 보충하는 것도 필요하다. 새로운 AI 애플리케이션 개발을 위한 합작 투자, AI 스타트업과의 파트너십 또는 표준 개발을 위한 업계 컨소시엄 참여 등도 고려할 수 있다.

2024년 기업들은 생성 AI의 도입과 활용 과정에서 기술의 빠른 발전과 변화하는 시장 환경, 다양한 위험과 불확실성에 직면하게 될 것이다. 또 생성AI 기술의 발전은 기회인 동시에 경쟁적 위협일 수도 있다. 이에 능동적으로 대응하고 잠재력을 최대한 활용하면서도 비용과 위험을 관리하기 위한 충분한 준비와 계획이 필요할 것이다.