Four AI Trends Driving App Innovation

1. 생성형 AI: 텍스트에서 멀티모달로, 검색 품질 91%까지 향상한 혁신 사례

마이크로소프트가 발표한 리포트에 따르면, 생성형 AI는 최근 몇 개월간 상당한 변화를 겪었다. 특히 텍스트 기반에서 벗어나 텍스트, 음성, 이미지, 비디오를 포함한 멀티모달 경험을 가능하게 하며 발전했다. 이러한 다양한 데이터 유형을 생성형 AI 애플리케이션의 입력 메커니즘으로 추가함으로써 앱 기능을 확장하고, 고객과 직원에게 보다 풍부한 상호작용과 경험을 제공할 수 있게 되었다.

이러한 진화는 통합 비전 모델을 갖춘 GPT-4o, DALL-E 3, 애저 AI 비전(Azure AI Vision), 애저 AI 검색(Azure AI Search), 애저 AI 스피치(Azure AI Speech) 등의 발전에서 확인할 수 있으며, 이를 통해 생성형 AI가 여러 양식에 걸쳐 콘텐츠를 처리하고 생성할 수 있게 되었다. 또한 검색 증강 생성(RAG)과 같은 혁신은 고객 데이터를 활용하고 키워드 검색 이상의 검색 기술을 향상시켜 생성형 AI를 더욱 실용적으로 만들어 더 풍부하고 품질 높은 사용자 경험을 제공하고 있다.

KPMG 오스트레일리아는 애저 오픈AI 서비스(Azure OpenAI Service)와 애저 코스모스 DB(Azure Cosmos DB)를 사용하여 생성형 AI 챗봇을 만들어 회사의 내부 웹사이트, 지식 저장소, 마이크로소프트 365 생산성 파일에서 직원 인사이트를 표면화했다. KPMG 오스트레일리아의 로버트 핀레이슨 수석 제품 관리자는 "몽고DB vCore용 애저 코스모스 DB 도입 결과는 놀라웠다. 검색 품질이 50%에서 91%로 향상되었고, 결과가 1초 이내에 제공되었다"고 밝혔다.

2. 예측 분석: 기계 고장부터 건강 예측까지, 데이터로 미래를 선제적으로 대응하는 기술

예측 분석은 데이터를 사용하여 미래 이벤트를 예측함으로써 리더가 정확하게 계획하고 전략을 수립할 수 있게 한다. 이는 데이터 분석, 머신러닝, AI, 통계 모델링을 활용하여 미래 행동과 결과를 나타내는 패턴을 감지한다. 이 과정은 과거와 현재 데이터를 수집하고 분석한 다음, 여러 방법을 사용하여 동향, 연결 및 비정상적인 패턴을 발견하는 것을 포함한다.

이러한 기능을 통해 예측 모델은 특정 이벤트나 결과의 가능성을 측정하고 다음 조치를 제안하는 지능형 앱을 구축하는 데 사용될 수 있다. 예를 들어, 제조 회사는 예측 분석을 통해 지능형 앱을 구축하여 기계 성능을 모니터링하고 잠재적 문제가 가동 중단을 일으키기 전에 유지보수가 필요한 시점을 예측할 수 있다. 의료 분야에서는, 회사가 예측 분석을 사용하여 의료 기록을 분석해 건강 결과를 예측하고 가능한 치료법을 처방하는 앱을 혁신할 수 있다.

세피언스(Sapiens)는 데이터 관리 및 분석 기능을 향상시키기 위해 애저 쿠버네티스 서비스(Azure Kubernetes Service)와 애저 관리형 데이터베이스(Azure-managed databases)를 사용한다. 또한 애저 오픈AI 서비스를 활용하여 AI 솔루션 개발 시간을 단축하고 개발 비용을 절감한다. 세피언스의 알렉스 주커만 최고 전략 책임자는 "애저 오픈AI를 통해 인수 심사, 클레임 처리, 사기 탐지, 최고 수준의 고객 서비스를 위한 챗봇 생성과 같은 프로세스의 정확성과 속도를 향상시키는 자동화된 솔루션을 개발하고 지원하고 있다"고 말했다.

3. 사이버보안: 43% 더 많은 위협 탐지, 96% 더 빠른 의사결정 실현한 AI 기반 방어 체계

AI는 사이버 범죄자의 공격으로부터 온라인 시스템을 보호하고 무단 액세스를 방지하는 사이버보안에서 점점 더 필수적인 요소가 되고 있다. 데이터 마이닝, 머신러닝, 자연어 처리를 사용하여 행동 패턴을 모니터링하고 분석하여 실시간 사이버 위협을 탐지한다. AI는 또한 생체 인식, 다중 인증, 행동 데이터를 사용하여 로그인 시도를 분석함으로써 사용자 ID 및 액세스 관리를 향상시킨다.

이러한 기능은 금융, 보험, 전자상거래, 헬스케어 산업에서 유용하다. 예를 들어, 은행은 가짜 신원을 감지하기 위해 사용자 행동을 모니터링하는 AI 기반 사기 탐지 앱을 구축할 수 있다. 전자상거래 환경에서는 지능형 앱이 머신러닝을 사용하여 거래 내역을 분석하고 의심스러운 행동을 플래그 지정하여 실시간으로 사기 행위를 방지할 수 있다.

자금세탁방지(ALM) 위험 관리 기술 제공업체인 키넥티파이(Kinectify)는 애저 코스모스 DB, 애저 AI 서비스(Azure AI Services), 애저 오픈AI 서비스, 애저 쿠버네티스 서비스를 사용하여 자금 세탁을 나타낼 수 있는 거래 이상을 식별하고 진화하는 범죄 전술을 추적한다. 키넥티파이의 마이클 캘빈 최고 기술 책임자는 "우리의 애저 기반 플랫폼으로 43% 더 많은 의심스러운 활동을 탐지하고 96% 더 빠른 의사 결정을 달성했다"고 밝혔다.

4. 데이터 그라운딩: 조직 고유의 데이터로 AI 정확성을 높이는 핵심 기술, 가짜 정보 생성 최소화

대형 언어 모델은 때때로 표면적으로는 사실처럼 보이지만 실제로는 사실이 아닌 응답을 생성한다. 대형 언어 모델(LLM)이 다양한 데이터 소스에 잘 접지되고 검색 기술로 향상될 때, 사용자에게 더 정확하고 관련성 높으며 상황에 맞는 상호 작용을 제공한다. AI 데이터 그라운딩은 AI 시스템의 추상적 지식을 구체적인 실제 예와 연결함으로써 AI 앱의 정확성을 향상시키는 데 도움을 준다. 내부 데이터 세트와 센서, 네트워크, 데이터베이스, 인간 피드백과 같은 외부 소스에서 데이터를 수집하고 분석함으로써 그라운딩은 출력을 생성하기 전에 무엇이 사실인지 확인하는 데 도움이 된다.

조직의 데이터에 모델을 접지시키는 것은 중요한 능력이다. 누구나 인터넷의 데이터를 사용할 수 있지만, 조직의 요구에 맞는 AI 솔루션을 특별히 구축하는 데 필요한 고유한 통찰력을 가진 것은 해당 조직뿐이다. 내부 데이터를 사용하여 AI 모델은 도메인별 정보와 미디어가 풍부한 멀티모달 데이터 소스에 대해 훈련될 수 있어, 실행 가능한 통찰력이나 권장 사항을 생성하는 데 있어 정확성과 관련성을 향상시킨다.

데이터 그라운딩은 상황적으로 관련된 결과를 생성하는 지능형 앱을 구축하는 데 도움이 된다. 빙 AI(Bing AI)는 데이터 그라운딩을 사용하여 웹 페이지 검색에 추가 컨텍스트를 제공하여 인용된 소스로 쿼리에 응답할 수 있다. 데이터 그라운딩은 또한 도로 폐쇄, 교통 상황, 전기 충전소와 같은 외부 정보를 기반으로 운전 방향을 제공하는 대형 언어 모델에서도 사용될 수 있다.

FAQ

Q: 생성형 AI와 전통적인 AI의 차이점은 무엇인가요?
A: 생성형 AI는 기존 데이터를 기반으로 새로운 콘텐츠를 창출하는 기술로, 텍스트, 이미지, 음성 등 다양한 형태의 콘텐츠를 만들 수 있습니다. 반면 전통적인 AI는 주로 데이터 분류, 예측, 패턴 인식에 초점을 맞춥니다. 생성형 AI는 최근 GPT-4o, DALL-E 3와 같은 모델로 멀티모달 능력을 갖추면서 비즈니스 혁신에 더 큰 가능성을 제공하고 있습니다.

Q: 중소기업도 이러한 AI 기술을 도입할 수 있나요?
A: 네, 중소기업도 클라우드 서비스를 통해 이러한 AI 기술을 비용 효율적으로 도입할 수 있습니다. 마이크로소프트 애저(Azure)와 같은 플랫폼은 기업 규모에 관계없이 AI 기능을 제공하며, 사전 구축된 모델 서비스(MaaS)를 활용하면 전문 지식이 부족하더라도 AI 솔루션을 구현할 수 있습니다.

Q: 데이터 그라운딩이 AI의 정확성을 어떻게 향상시키나요?
A: 데이터 그라운딩은 AI 시스템의 추상적 지식을 구체적인 실제 데이터와 연결하는 과정입니다. 내부 데이터셋과 외부 소스의 데이터를 수집하고 분석함으로써 AI가 응답을 생성하기 전에 사실을 검증할 수 있게 합니다. 이를 통해 잘못되거나 조작된 정보 생성 가능성을 최소화하고, 사용자가 데이터 출처를 확인할 수 있어 신뢰성을 높입니다.

해당 기사에서 인용한 리포트 원문은 링크에서 확인할 수 있다.

이미지 출처: 마이크로소프트

기사는 클로드와 챗GPT를 활용해 작성되었습니다.