세콰이어캐피털의 '생성AI의 2막'은 생성AI가 '기술 출시' 단계에서 이제 '고객 중심'의 2막으로 진입하는 단계라고 분석하고 있습니다. 이제 실질적인 비즈니스 임팩트를 이끌어낸 사례가 중요해지고 있는데요. 석유 및 가스 산업, 헬스 산업에서 생성AI가 어떤 영향을 미치고 있는지 아람코와 엔비디아의 사례를 공유합니다. 기존 빅데이터 분석, 머신러닝과 다르게 생성AI는 반복적인 워크플로우 자동화, 거대 데이터에서 인사이트 도출 및 보고서의 빠른 생성 등의 차별화 지점을 보여주고 있습니다.
KPMG US의 설문조사에 따르면 미국 기업 경영진의 65%가 생성 AI가 3~5년 내에 조직에 상당한 영향을 미칠 것이라고 합니다. 하지만 응답자 60%는 여전히 생성AI를 도입한 실 사례를 만들기까지는 아직도 1~2년이 남아있다고 생각하죠.
매출이 10억 달러 이상인 기업의 응답자들은 생성 AI구현의 두 가지 가장 큰 장애물로 비용과 명확한 비즈니스 사례 부족을 꼽았습니다.
이제 비즈니스 모델을 근본적으로 변화시킬 것으로 평가받는 생성 AI의 실제 비즈니스 사례가 조금씩 드러나고 있습니다.
2028년까지 석유 및 가스 분야 AI 시장은 연평균 12.09% 성장률로 42억 1천만 달러 규모로 커질 것으로 예상됩니다. 방대한 데이터 세트를 분석하고 패턴을 학습하는 AI의 능력을 바탕으로 석유 및 가스 산업의 운영 방식이 혁신적으로 변하고 있습니다. AI는 비용이 많이 드는 장비 고장을 방지하는 예측 유지 보수 관리에서 원활한 운영을 보장하는 공급망 최적화에 이르기까지 업계 환경을 재편하고 있습니다.
한 가지 사례는 AI를 사용하여 새로운 유정에 대한 최상의 시추 경로를 예측하는 것입니다. AI 모델은 지형 데이터 세트, 지질 모델 및 과거 시추 데이터를 분석하여 새로운 유정 현장에 대한 최적의 맞춤형 시추 경로, 전략 및 변수를 예측할 수 있습니다.
예측 유지보수 관리는 AI로 로그, 보고서, 지진 조사와 같은 소스에서 얻은 대량의 과거 데이터를 처리하여 자동으로 요약을 생성하고, 이상 징후를 표시하고, 추세를 식별해 의사결정을 위한 인사이트를 얻는 방법입니다.
실제로 아람코는 쿠라이스 유전에 4만 개의 센서를 배치하고 500개 이상의 유정을 모니터링해 공정을 제어합니다. 보일러의 연료 가스 소비를 최적화하는 AI 솔루션도 개발했죠.
기존에도 빅데이터 분석, 머신 러닝, 스마트 센서 등을 이용해 공정 최적화 등을 진행해왔지만, 생성AI를 활용하면서 데이터에서 인사이트를 얻는 작업이 좀 더 활발해진 것으로 보입니다. 데이터 세트에서 요약을 생성하고, 데이터간 비교 및 추세를 표현하는 작업이 더 빠르고 편리하게 진행되는 것이죠.
GPT-4가 이제는 이미지를 읽어내는 작업도 잘 하는데요.
9월 29일에 발표된 연구에 따르면 GPT-4V는 엑스레이를 판독하고 매우 인상적인 보고서를 생성할 수 있다고 합니다.
헬스 산업은 오래 전부터 AI로 다양한 시도를 하고 있는 분야인데요. 생성 AI가 특히 잘하는 영역은 시간과 비용이 많이 드는 단계를 가속화하는 생명 과학 부분입니다.
엔비디아는 MegaMolBART라는 서비스를 출시했는데요. 신약 발견의 다양한 화학정보학 응용 분야에 사용될 수 있는 모델입니다. 신약 연구자들이 올바른 표적을 식별하고, 분자와 단백질을 설계하고, 신체 내 상호 작용을 예측하여 최고의 약물 후보를 개발하는 데 도움을 줄 수 있죠.
생성AI 모델은 수십억 개의 새로운 분자 구조를 생성 및 스크리닝하고 결과를 예측하여 생화학적 데이터 세트를 기반으로 특정 질병 대상에 맞는 신약 후보 개발을 가속화할 수 있습니다.
또 의료 영상 데이터 품질과 해상도를 향상시켜 방사선 전문의의 식별을 돕고, 병변을 분류하고, 진단을 제안하는 데 도움을 줄 수 있습니다. 영상 데이터 용으로 파인튜닝된 모델은 이상 현상을 강조하고 전문가들의 분석을 돕기 위한 진단 지원을 제공할 수 있습니다. 생성 AI의 패턴 인식 기능과 의료 분야 전문 지식의 결합은 제약 R&D에서 영상 진단에서 강점을 보이고 있습니다.
석유 및 가스 산업과 헬스 분야에서 생성AI를 사용할 때의 공통적인 활용법은 패턴 인식을 활용해, 데이터에서 인사이트를 추출하는 것입니다. 또한 보고서 생성, 문서 및 커뮤니케이션 처리와 같은 반복적인 수동 워크플로우를 자동화하여 업무 생산성을 높일 수 있습니다.
생성 AI를 조직에 효과적으로 도입하기 위해서는 포브스에서 제안한 6단계 전략 로드맵을 살펴보시는 것도 좋을 것 같습니다.
* 선제적 도입 조직 선정
: 생성AI를 전사적으로 바로 시작하기보다는, 작게 시작해 성공하기 위한 조직을 선정합니다.
조직의 KPI 및 목표와 생성AI의 장점을 긴밀하게 연결할 수 있는 2~3개의 핵심 조직을 선택합니다.
* 파일럿 프로젝트 시작
: 생성AI 도입의 기능과 가치를 입증하기 위한 파일럿 프로젝트를 시작하고, 결과를 엄격하게 정량화합니다.
* AI 및 데이터 정책 제정
: 윤리 및 법률적 검토까지 포함한 전사적 AI 정책을 만듭니다. 개발, 테스트, 모니터링, 윤리 및 법률 준수를 포괄하는 책임 있는 AI 정책이 되어야 합다. IP 보호, 편향성 최소화 및 동의에 관한 강력한 데이터 거버넌스 프로토콜을 제정합니다.
* 인간-AI 협업 교육
: 직원에게 AI 교육을 통해 인간과 AI가 어떻게 효과적으로 시너지를 낼 수 있을지 알려줍니다. AI 툴의 효과적인 인터페이스에 초점을 맞춘 워크숍과 e-러닝을 통해 광범위한 교육을 제공합니다.
* 무결성 및 호환성 보장
: 테스트에 성공한 후 이전 시스템과의 호환성을 보장하면서 AI 활용도를 점진적으로 높입니다. 측정된 파일럿 결과를 통해 가치를 입증한 후 점차적으로 전사에 적용합니다. 확장 단계에서 레거시 시스템과의 안정적인 호환성을 보장합니다.
* 지속적인 모니터링
: AI 모델과 애플리케이션의 성능을 항상 주시하고 사용자 피드백을 통해 개선하세요.
모건스탠리의 Brian Nowak의 분석에 따르면 AI가 3년 내에 노동력의 약 44%에 영향을 미칠 것이라고 합니다.
AI로 인한 업무 자동화, 기업의 정보 처리 및 분석 방식 변경 등으로 미치는 경제적 영향은 4조 1천억 달러로 추산되며, AI 소프트웨어 업체는 이 중 5%, 2,050억 달러의 시장을 확보하게 될 것으로 예상합니다.
위의 석유 및 가스, 헬스 산업에서 본 것처럼 생성AI는 특히 업무 자동화, 보고서 요약 및 인사이트 도출 분야에서 실질적인 비즈니스 사례를 만들어 가고 있는데요.
사내 문서와 데이터를 학습하고, 전문 용어를 알아듣는 AI가 지식 에이전트로서 업무를 보조하고 생산성을 돕는 실 사례를 우리 기업에도 도입하고 싶다면, 올거나이즈가 정답입니다.
올거나이즈는 산업 특화 온프레미스 LLM 모델과 LLM 인프라부터 LLM 앱 빌더 및 앱스토어까지 LLM의 모든 것을 제공합니다. 우리 기업만의 전용 AI 모델과 앱을 바로 Day1 부터 사용할 수 있습니다!