기업에서 AI를 잘 활용하기 꼭 필요한 사항들
위 유튜브의 내용은 기업에서 비즈니즈 문제를 해결하기 위해 LLM을 활용할 때 고려해야 할 사항에 대한 것입니다.
요즘 우리 회사에서도 AI로 뭐 좀 만들어봐라는 짤 다들 많이 보셨을 텐데요, 이 영상을 보면 AI가 뚝 딱 모든 것의 해결책이 되는 것이 아님을 배웠습니다!
이 영상에서 제일 많이 나오는 말이 Tool로써 였던 것 같아요. 동글동글 모든 데이터를 LLM에 퉁 넣으면, 완벽한 답변을 주는 것이 아니지요. LLM은 문제 해결의 속도를 조금 더 빠르게 해결해 줄 뿐 자동적으로 해결해 주는 것은 아니라는 의미입니다.
비즈니스 문제 해결을 위해서는 LLM이라는 기술로 접근하는 것이 아니라, 기존에 문제를 해결해왔던 도메인 지식이 깊은 사람이 가장 필요합니다. 그 사람이 문제를 해결해왔던 방식처럼 워크 플로우를 구성하고, 중간중간 LLM이 "어떤 데이터"로, "어떤 방식(Tool)을 이용"할 지에 대해 체인을 구성하는 것이 AI 솔루션인 것이죠. 그렇기에 어떤 흐름으로 문제를 해결할지에 대한 그림을 그릴 수 없다면 결국 LLM도 무용지물입니다.
즉, 기업에서 LLM을 활용하여 어떠한 솔루션을 만들 때, LLM을 통해 할 수 있는 일에 대한 정의보다, 해결해야 하는 일이 무엇인지에 대한 명확하고 단계적인 정의가 우선이 되어야 합니다.
영상 내용 정리
기업에서의 LLM 활용
LLM이 무엇을 할 수 있고, 무엇을 할 수 없는가?
기업에서의 문제 해결을 위해 LLM을 활용할 때는 우선 LLM에 대한 이해가 필요하다.
LLM은 컴퓨터와 인간의 중간에 위치에 있다는 것을 인정한다.
할 수 없는 것
- 컴퓨터처럼 완전한 알고리즘의 프로세스를 통해 일관된 답변을 생성하는 것 아님.
- 사람의 지식을 완전히 이해하거나 인지하는 것이 아님. => 다만 사람의 언어를 잘 활용/구사할 뿐
할 수 있는 것
- 사람의 언어에 다음 단계에 올 높은 확률의 말을 통계에 기반하여 선택할 수 있음
- 자연어로 지시했을 때, 수행할 수 있는 역할(도구)
LLM은 언제든 틀릴 수 있다.
- LLM은
랜덤,확률에 기반하기 때문
소비자를 대상으로 LLM 활용 시, 틀린 출력에 대한 리스크는 크지 않다.
- 웹 기반의 질문을 받으며, 동시에 출력의 제한을 두기 때문
- 틀리다해도, 사용자에게 영향도가 크지 않음 => 원하는 답변이 나오지 않은 경우 사용자가 다른 질문으로 다시 질문
하지만 기업에서의 LLM을 통한 비즈니스 주요 결정은 그러한 리스크의 영향도가 크다.
- 우선 기업에서의 데이터는 통합되어 있지 않음
- 데이터가 통합되어 있다해도 시스템에서 이해하기 위한 형태가 아닌, 자연어 기반 이기에 => LLM이 의미적으로 이해할 수 있기 위한 처리 필요
- 질문에 대한 이해를 할 때, 기업에서의 단어에 대한 고유 의미가 다르다.
- 기업의 워크플로우에 최적화하여 LLM 모델에 영향을 줄 경우, LLM의 장점인 사람처럼 언어를 생성/구사하는 것의 효과가 낮아진다.
- 목적 달성을 위한 적절한 UI 구조가 필요하다.
- 사용자가 어떤 UI를 통해 AI의 도움을 받을 수 있는가.
- chatbot형은 제한이 있다.
대안
사용자 주도 방식
LLM 과 사용자 사이에 controller를 둔다.
- controller의 역할
- LLM에 직접 학습 X
- 사용자의 질문의 의미를 우리 회사의 어떤 데이터와 연결 시킬지(찾을 수 있을지) 대한 가이드/도움
- 데이터를 통해 LLM이 적절한 답변을 하기 위한 툴을 부여
- 최종적으로, 어떠한 데이터를 사용할 것인지, 어떠한 툴을 이용할 것인지에 대한 판단권은 사용자에게 위임
자동 수행 방식
- 궁극적인 목표
- 전체적 구조는 사용자 주도 방식과 유사, but 사람이 질문하고, 결정하는 부분은 자동으로 수행
- 사용자가 매번 질문 X, trigger point를 잡음 (이메일, 고객문의 등..)
- trigger부터 결론적으로 도달하고 싶은 워크플로우를 체인으로 생성
결론
LLM을 활용하는 가장 효과적인 방법은
목적 달성을 위한 업무가 수행될 때 각 단계 별로, 우리(직원)가 이해하고 해석할 수 있는 용도에서 LLM의 역할을 지정해주는 것
도메인을 가장 잘 아는 사람과 AI 솔루션을 잘 이해하고 있는 사람의 협업이 필요
+목적을 달성하기 위해 AI 솔루션이 꼭 필요하지 않을 수도 있다.