Generative AI, 새로운 기술을 받아들이는 우리의 자세

✋ 잠깐, 이거 3가지는 꼭 알고 가세요❗️

1. AI는 특정 분야, 제품에 적용될 ‘도구’로서의 기술이라기 보다는, 전기나 인터넷처럼 사회와 비즈니스 전반의 기저 인프라 역할을 할 것이다.

   
   

2. 최근 Gen AI 트렌드에 의해, 대부분의 기업들은 이 트렌드에 어떻게 대응,적응할지에 대한 고민이 가장 클 것이고, 이는 그 기업의 생존과 관련된 이슈가 되기 때문에 단기적으로 이에 의한 B2B 수요가 폭발할 것으로 본다.

   
   

3. “뭐라도 일단 만들어 보면서 시작하자.” (Try many) 그 과정에서 잘 안 되면 빨리 실패하고, 툴툴 털고 다시 다른 것을 해 보면 되니까. (Fail fast)

혹시, 그동안 Generative AI 관련한 글은 뒤로 넘겨버리거나 읽지 못했던 분들이 계신가요? 이제는 정말 알아야 할 것 같은데 도저히 머리에 들어오지 않았던 분들을 위해 준비한 이번 아티클!

오늘은 어렵기로 소문난 투센츠 뉴스레터의 인사이트를 '에포자'(AI 포기자)의 입장에서 정리해보았습니다. 과연 Generative AI를 우리는 어떻게 받아들이고 이해할 수 있을까요? 그리고 지금의 우리는 AI를 이용하여 어떤 시도를 해야 할까요?

(원문 : Generative AI — 시장 구조, 기회, moat에 대한 몇 가지 생각)

🚨 지금, AI를 학습하고 활용해보세요!

① 프롬프트 엔지니어링 가이드북 , ② 프롬프트 쉐어 (국내,국외) ③챗GPT 활용하기 좋은 서비스를 아카이브한 자료를 공유 받아보세요.

👉 이곳을 클릭하여 👈 회원가입 하시면 이 페이지 하단에서 다운로드 받으실 수 있습니다.

* 기존 회원의 경우, 로그인 하신 뒤 하단에서 다운로드 하실 수 있습니다.

이제 AI는 '전기', '인터넷'과 같은 인프라가 되었다.

• AI는 특정 분야, 제품에 적용될 ‘도구’로서의 기술이라기 보다는, 전기나 인터넷처럼 사회와 비즈니스 전반의 기저 인프라 역할을 할 것이다.

  
  

• 이는 해당 기술/인프라가 보편화되면 그 기술/인프라를 가리키는 용어가 실생활에서는 사라지는 형태로 나타난다는 의미이다. 우리가 일상생활에서 ‘전기 쓴다.’ 내지는 ‘인터넷 한다.’라는 용어를 더 이상 사용하지않고 이 인프라는 디폴트로 존재하는 것을 암묵적으로 가정하는 것 처럼 말이다.

  
  

• 비즈니스 전략 측면에서 AI가 (‘도구’ 보다는) 인프라 역할을 한다는 의미는, AI 자체가 투자 대상이 되기 보다는 AI를 활용하여 second-order 가치 창출에 집중하는 개별 비즈니스가 주 투자 대상이 된다는 의미이다.

  
  

• 이는 특정 ‘소프트웨어 기술’ 자체가 투자의 대상이 되기 보다는 그 소프트웨어 기술에 기반하여 ‘특정 영역에서 가치를 만드는 제품, 서비스 (예: SaaS)’가 투자 대상이 된 것과 비슷한 구조라고 볼 수 있다.

AI 기반 비즈니스의 시장 구조 🧬

AI 기술/인프라 기반 비즈니스는 아래 몇 가지 유형으로 나타날 것으로 보인다.

1. LLM 인프라 layer

'대형 언어 모델' (Large Language Model; LLM) 인프라는 AI 이용에 비례해서 지속적으로 수요가 늘 것이고 장기적으로는 지금의 클라우드 인프라와 비슷한 포지셔닝이 되겠지만, 가치 발생의 측면에서 전체 stack 부가가치의 최소 10~30%, 최대 50% 내외를 차지할 것으로 예상된다.

2. “middle layer”

“middle layer”는, (vertical 별, function 별로) ‘특화’된 LLMaaS 혹은 LLM 솔루션+LLMOps를 제공하는 서비스를 의미한다.

넓게는 LLM 인프라 layer의 일부로 볼 수 있는데, 시장별/고객별/기능별 특화되는 것이 큰 차이점이 될 듯 하여 별도로 구분하였다.

아래는 초기에 우리 회사 내부 논의에서 “middle layer”를 정의한 market map이다.

3. AI-augmented(증강)

AI-augmented는 다시 크게 두 가지 방식으로 나타날 것으로 보인다.

(1) 기존 제품에 AI로 인한 새로운 방식, 기능을 추가하는 형태:

• 예: MS Office Copilot, Adobe Firefly, Generative Fill. Salesforce AI Cloud

• 많은 기존 서비스 (SaaS, B2C 서비스 등)에 ‘AI intelligenec layer’를 어떤 형태, 어떤 비즈 모델로 더할지가 관건이 될 것이다.

(2) AI로 강화된 제품 및 서비스:

• 예: TikTok. “AI as invisible, enabling tech”

이러한 ‘AI 강화를 어떻게 할 것인지’ (소위 “AI Transformation”)이 현재 대부분의 기업들이 Gen AI 트렌드 관련 가장 많은 고민을 하는 지점이 될 것이고, 단기적으로 이를 위한 (LLMOps, LLM 인프라 등의) B2B 수요가 폭발적으로 늘어날 것이다.

4. AI-native

기존에 가능하지 않았지만 AI로 가능해진, 완전히 새로운 유형의 제품.서비스를 의미한다. 비유하자면, 모바일 기술로 인하여 Uber 같은 서비스가 비로소 가능해진 것과 유사한 형태를 뜻한다.

이 분야는, 3-5년 및 10년의 긴 기간동안 점진적으로 알려질 트렌드가 될 것이며, 그 형태는 우리가 지난 20년간 익숙해진 것과 상당히 다른 형태, 방식이 될 가능성이 크다.

이 새로운 모델의 비즈니스는, “새로운 기술에 의해, 기존에는 가능하지 않았던 완전히 새로운 방식”을 통해 고객 (B2C, B2B)이 느끼는 가치을 극대화할 수 있는 무언가 (방식, 프로세스, UX)를 어떻게 만들어 낼 것인지가 차별화 포인트가 될 것이다.

B2B 기회 ✅

최근 Gen AI 트렌드에 의해, 대부분의 기업들은 이 트렌드에 어떻게 대응,적응할지에 대한 고민이 가장 클 것이고, 이는 그 기업의 생존과 관련된 이슈가 되기 때문에 단기적으로 이에 의한 B2B 수요가 폭발할 것으로 본다. 최근 AI에 의한 수요 급증으로 인하여 Palantir 주가가 급등한 것이 이를 상징적으로 보여 준다.

기업의 “AI Transformation”을 위한 B2B 기회는 크게 3개 layer로 나누어 볼 수 있다.

1. LLM 인프라

LLM 인프라는, 크게 버티컬 별 ‘특화된’ LLM 기반 솔루션 혹은 인프라 서비스, 기업 데이터에 특화된 기업용 프라이빗 LLM을 솔루션/인프라 형태로 제공하는 것으로 나누어질 것으로 보인다.

2. “middle layer”

vertical/function 별로 ‘특화’된 LLMaaS 혹은 LLM 솔루션+LLMOps 제공하는 형태이다.

3. LLMOps, 툴

LLMOps는 LLM을 기업, vertical, 서비스 사업자에게 제공하는데 필요한 모든 전문적 지식 및 이를 위한 툴도 포함된다. LLMOps를 좀 다르게 구분하는 시각도 당연히 많이 있다

“낮게 매달린 과일”🍎

그 중에서도 지금 당장 시장에서 이미 꽤 큰 수요가 발생하고 있으며. 이에 대응하여 바로 일정 규모 이상의 비즈니스를 만들 수 있는 “low-hanging fruit(낮게 매달린 과일 = 실행하기 쉬운 것)” 기회도 꽤 많다. 이는 대략 앞으로 1-2년 정도 상당한 규모의 기회가 될 것이다.

이에 대한 생각들을 정리해 보면:

1. B2B

갑작스런 AI 트렌드에 대해, 내부에 관련 인력 준비가 안된 대부분의 기업들은 아주 당황스러울 것이다.

향후 1-2년 정도는 이 정도의 본격적인 개발까지 필요하지는 않고 지금 당장 아주 간단한 형태의 AI 도입부터 고민하는 대부분의 스타트업, 기업들의 니즈가 아주 클 것이다.

현 단계에서는, 기존 비즈니스에 최대한 빠르게/간단하게 AI 도입하는 방식은 아래의 몇 가지 유형으로 진행될 것으로 보인다.

• 단순 프롬프트 엔지니어링으로 가능한 수준

• 기업 내 데이터를 임베드하여, 이 기반으로 프롬프트 엔지니어링으로 가능한 수준

• LangChain, vector store 등 기반으로 어느 정도의 개발이 필요한 수준

• 플러그인, function calling API 등을 통하여 ChatGPT에 자체 서비스 연동.제공하는 수준

이를 위한 컨설팅, 앱/서비스 구축, 이에 위한 간단한 구조의 low-code/no-code 툴 등에 대한 수요가 향후 1-2년간은 꽤 클 것으로 예상된다.

2. B2C, SaaS 툴 등

현재 AI 기반 B2C 서비스로 등장하고 있는 것은 대부분 GPT API 기반으로 UX layer를 더한 소위 “GPT wrapper”라고 부르는 서비스들이다. 이들 서비스들은 초기에 빠른 성장을 하더라도 성장 과정에서 자신만의 moat를 구축하지 못하면 장기적으로 지속 가능하지 못할 가능성이 높다. (Lensa, Jasper가 그랬듯이)

그럼에도, 시장에서의 B2C 니즈를 고려하여 지금 당장 일정 규모의 비즈니스를 만들 수 있는 기회에 대한 아이디어를 몇 가지 모아 보면:

• LLM, API를 통해서 제공되는 특정 기능들을 조합, 수정, 개발하여 (B2C, SaaS) 고객 니즈와 워크 플로우에 맞는 서비스 제공

  
  

• 특히 Zapier 툴과 결합하여, 개인의 다양한 작업 공간 (Google, Office365, Slack, Notion 등)과 연동되는 다양한 워크 플로우를 지원하는 많은 생산성을 높여줄 SaaS 서비스

  
  

• 개인 표현을 다양하게 하는 AI 툴을 다양한 외부 공간 (B2C 소셜, 제페토/인스타 등)과 연동. 개인의 소셜 니즈에 따른 더 자유로운 자기 표현이 가능한 툴로 진화.

  
  

• 한글 특화 워크 플로우: 기술적으로는 LLM 기반 한글 번역도도 비즈니스 용도로 사용 가능한 꽤 높은 수준에 올라 와 있지만, 이를 기반으로 다양한 업무용 워크 플로우, 툴 서비스는 (영어 대비) 상당히 부족한 편. 이러한 한국어, 한글을 위한 툴, 워크 플로우에 맞는 서비스.

  
  

• 초개인화 학습 챗봇 에이전트 (aka ‘반려지능’) — 예: CarynAI, ‘심심이’

  
  

• 직장인을 위한 업무용 툴. 소셜 공간에서의 자기 표현을 위한 툴. 쇼핑 툴 등

Moat에 대하여 🤔

AI 기반 비즈니스의 moat(경쟁 우위)

AI 기반 비즈니스라고 해서 moat의 원칙이 일반적인 비즈니스와 근본적으로 다르지는 않을 것이다.

• 고객이 느끼는 비즈니스 가치를 제공하고 (“10x better product”), 이 기반의 경쟁력을 지속적으로 유지할 수 있는 방어선을 moat로 확보하는 것, 즉 비지니스 본연의 경쟁력, moat의 원칙이 원론적으로 AI 기반 비즈니스에도 적용될 것이다.

• 다만, 여기에서 AI 기술 혹은 AI가 가능하게 하는 새로운 기능 자체가 moat가 된다기 보다는, (AI 기술을 통해서 더 강화, 극대화 할 수 있는) second-order 효과를 통한 moat 구축에 집중해야 할 것이다.

좀 더 구체적으로 보자면, 과거에는 기술적인 한계때문에 가능하지 않았던 수많은 ‘놀라운’ 기능들이 AI로 가능해졌다. 예를 들면, 놀라운 이미지 생성 뿐 아니라, 주제/목적에 맞는 글 쓰기, 글 요약하기, Zoom 미팅에서 회의록 자동으로 만들기, 유튜브를 자동으로 transcribe하고 요약하기, 콧노래를 듣고 새 음악 작곡하기 등.

이들 프로덕트들은 기술적인 차이때문에 아직은 품질의 차이가 있지만, 이러한 차이는 조만간 대부분 상향 평준화될 것이다.

중요한 것은, 실제 고객의 니즈를 파악하고 이 프로덕트들을 워크 플로우, 니즈에 맞게 결합하여 고객이 실제 가치를 느낄 수 있는 제품을 만들면 비로소 의미있는 지속 가능한 비즈니스가 될 것이고, 여기에서 지속 가능한 moat를 만들 수 있으면 장기적으로 잘 성장하는 비즈니스가 될 것이다.

그럼, 이제 어떻게 해야 할까?

“Try many, fail fast”

요즘 실리콘밸리에서는 매주 해커톤이 몇 개씩 열리고 있고, 매일 새로운 AI 서비스가 수십개씩 출시되고 있다.

반면, 국내에서는 아직 AI 관련 해커톤 진행 소식은 다 해서 5번이 안되고, 모두들 ChatGPT, Midjourney에 감탄하거나 ‘ChatGPT란 무엇인지’에 대한 공부에 너무 열중하고 있다는 느낌이다.

지금까지 살펴 보았듯이, AI 트렌드는 우리가 지난 20년간 경험하였던 것과는 다른 차원의 더 큰 변화이기 때문에, 지난 20년간의 경험의 틀로 뭔가 정확한 답을 찾기 아주 어려운 흐름이다. 그렇기 때문에 이런 흐름에서는 “달리면서 배우는” 페이스로 움직여야 겨우 따라 가는게 가능할 것으로 생각된다.

그러니, 스타트업들은 이제 더 이상 ‘AI 공부’만 하지 말고, 너무 오래 고민하지 말고, 너무 완벽한 모델을 먼저 만들려 하지 말고, 너무 '세상에 없는 새로운 뭔가를 만들어야지'라는 의지로 고민만 하지 말고, 지금 막 나오는 것들을 copy하거나 조금 비틀어서 만들어 보기도 하고, 여기에서 새로운 아이디어를 짜내 보기도 하고 하면서, “뭐라도 일단 만들어 보면서 시작하자.” (Try many) 그 과정에서 잘 안 되면 빨리 실패하고, 툴툴 털고 다시 다른 것을 해 보면 되니까. (Fail fast)

그러다 보면, 10개 중 1개는 ‘한메일’ ‘세이클럽’ 같은 성공작도 나오고, 그 중에 또 하나는 더 발전하여 ‘네이버’가 될 수도 있고, ‘리니지’가 그랬듯이 글로벌 시장에서 한 획을 긋는 새로운 것을 만들어 내기도 할 것이다.

“이제까지 알고 있던 모든 것을 의심해 보자”

그 과정에서 지난 20년간 우리가 경험하면서 쌓아 온 많은 노하우, 지혜에 대하여, 모두 원점에서 다시 살펴 볼 필요가 있다. moat, defensibility, 비즈니스 가치 창출 등 모든 측면에서.

그렇다고 그 모든 것을 폐기 처분하라는 의미는 아니고, 우리가 경험하고 이해하고 있는 것이 새로운 환경에서도 여전히 유효할지에 대한 질문을 던지고 (un-learn), 새로운 환경, 새로운 가정 하에 맞는 새로운 답을 하나씩 찾아 가야 할 것이라고 본다 (re-learn).

“History doesn’t repeat itself, but it often rhymes”라고 하였듯이, 역사가 똑 같이 반복되지는 않지만 그 패턴은 반복될 수 있다. 우리는 Web 1.0 시대에 한번 경험하였고, 그 이전에도 300년의 산업혁명의 역사에서 여러 번 반복된 패턴이기도 하다.

(이 부분은 Chat GPT에는 어떤 투자의 기회가 숨어 있을까? 에서 자세한 설명을 확인할 수 있다.)

• 원문 : Generative AI — 시장 구조, 기회, moat에 대한 몇 가지 생각

• Edited by 효효