출처 : https://www.pasonatech.co.jp/workstyle/column/detail.html?p=8863

 

여기에서는 생성형 AI가 어떤 기술인지, 제품 개발에 어떤 영향을 미치는지 해설한다.

 

IT 관련 조사회사인 Gartner의 발표를 통해 생성형 AI라는 말이 주목받게 되었다. 향후 시장에 생산성 혁명을 가져다줄 것으로 예상되며, 제품 개발에도 도입되기 시작하였다.

 

1. 생성형 AI란?

 

생성형 AI는 2022년의 최신 트렌드로 발표된 키워드이기 때문에, 익숙하지 않은 사람도 많을 것이다. 먼저 생성형 AI의 개요와 왜 주목받고 있는지 설명한다.

 

1-1. 생성형 AI는 기계학습 방법 중 하나

 

미국의 IT 관련 조사회사 Gartner는 기업 및 조직에 필요한 임팩트를 가진 ‘전략적 테크놀로지 TOP 트렌드’ 2022년 버전을 발표했다. 총 12가지 트렌드 중에 생성형 AI가 포함되어 있다. 비즈니스의 성장 속도를 높일 것으로 기대되는 기술로 선정되었다.

 

생성형 AI란 콘텐츠 및 사물에 대해 데이터를 통해 학습하고, 기존과는 다른 새로운 아웃풋을 생성하는 기계학습의 일종이다. 특히 제품 설계에 특화된 것을 제너레이티브 디자인이라 부른다. 설계자가 제품이나 부품의 파라미터 요건을 정하고, AI는 요건을 바탕으로 검증한 다수의 설계 결과를 제공한다.

 

1-2. Gartner의 견해

 

2022년의 키워드로 생성형 AI가 선정되었는데, 이 기술은 향후 6~8년 안에 시장에 생산성 혁명을 가져다줄 가능성이 있을 것으로 기대된다. 생성형 AI 방법에 대한 탐구가 이루어지고 있으며, 헬스케어 및 제조, 미디어, 자동차 등 폭넓은 산업에서 이미 실증되고 있다.

 

시장에 대한 임팩트도 클 것으로 예상되며, 2025년까지 생성된 모든 데이터 중 생성형 AI가 만들어내는 데이터는 현재의 1% 미만에서 10%로 증가할 것으로 예측한다. 다만 딥페이크 등 안전 측면에 대한 우려도 있기 때문에, 일부 업계에서 도입이 늦어질 가능성도 지적되고 있다.

 

2. 생성형 AI가 제품 개발에 미치는 영향

 

생성형 AI를 사용함으로써 제품 개발의 효율이 향상될 것으로 판단된다. 구체적으로 어떤 영향이 있을지 설명한다.

 

2-1. 조건에 맞는 무수한 경우의 수를 검토할 수 있음

 

생성형 AI를 통해 제품을 개발하려면 먼저 설계자가 재료나 무게, 비용, 성능 등의 제약 조건을 지정한다. AI는 설계 조건 범위 내에서 실현할 수 있는 몇 가지 설계안을 작성한다. 설계자는 그 안건 중에서 최적의 것을 채용할 수 있으며, 만족하지 못하면 제약 조건을 다시 검토하여 AI가 재검토하도록 할 수도 있다.

 

기존의 설계 방법이라면, 모든 제약 조건을 생성하는 설계안을 설계자가 직접 모색해야 했다. 사람이 여러 개의 안건을 검토하는 데에는 한계가 있으며, 각각의 안건이 모든 조건을 충족하는지 검토하는 데에도 많은 수고가 들어간다. 생성형 AI를 활용하게 되면, 실현 가능한 설계안을 짧은 시간 안에 많이 도출할 수 있다.

 

2-2. 혁신적인 설계안을 낼 수 있음

 

시각적인 디자인을 검토하는 경우, 디자이너의 설계안은 개인의 지식이나 경험에 근거한 선입견을 통해 만들어지게 될 가능성이 있다. 과거의 설계물을 참고하면 양질의 검토한을 도출할 수 있는 한편, 혁신적인 아이디어는 만들어지기 힘들다.

 

생성형 AI는 설정된 제약 조건이 허락하는 범위 내에서 모든 가능성을 모색한다. 도출된 수많은 설계안 중에는 과거의 설계물과 완전히 다른 새로운 설계안이 있을 수도 있다. 사람의 선입견에 사로잡히지 않고, 많은 설계안을 검토할 수 있다는 것은 AI를 사용할 때 얻는 장점이다.

 

2-3. 설계 공정 개수 및 비용을 절감하게 됨

 

제약 조건이 모두 성립되는 설계를 하는 것은 많은 시간이 들어가는 일이다. 예를 들어, 재료의 조건이 바뀌었다면, 제품의 강도 및 비용에도 영향이 미친다. 과거의 설계안으로는 제품 사양을 충족할 수 없고, 전체를 처음부터 다시 생각해야 하는 경우도 있다.

 

생성형 AI를 사용하면 조건이 변화되어도 빠르게 대체안을 제시할 수 있으므로, 설계 변경의 공정 개수가 줄어든다. 제품 형태를 소형화할 때는 mm 단위라도 비용을 절감할 수 있기 때문에, 간편하게 대체안을 검토할 수 있다는 것이 큰 장점이다. 생성적 디자인을 채용하면, 재료를 최대 40% 정도 절감할 수 있다는 연구 결과도 있다.

 

3. 생성형 AI의 위험성

 

생성형 AI는 편리하기도 하지만, 사람에게 위험을 가져다줄 가능성도 있다. 예상할 수 있는 리스크를 해설한다.

 

3-1. 악용될 위험성이 있음

 

Gartner는 생성형 AI가 앞으로 각종 업계에서 활용되어, 비즈니스의 성장 속도를 높일 것이라고 예측했다. 한편, 사기나 부정, 정치적인 거짓 정보 제공, 사칭 등에 악용될 위험성도 있다고 언급한다.

 

특히 사람의 얼굴을 바꿔 가짜 동영상을 만드는 딥페이크(Deepfake)에 대한 악용이 우려된다. 그 사람이 실제로 하지 않은 행동이나 발언을 마치 실제로 한 것처럼 연출할 수 있기 때문에, 영향력이 큰 사람의 발언이 조작되어 큰 문제가 일어날 가능성도 있다. 딥페이크 기술은 해마다 고도화되고 있어, 사람이 판별하기 어려운 수준에 이르고 있다.

 

3-2. 이용하는 사람의 윤리관이 향상되어야 함

 

부정을 방지하거나 악용된 사례를 감지하기 위해 생성형 AI의 기술을 사용하는 경우도 있다. 생성형 AI를 사용하면, 기존의 데이터를 통해 특징을 학습하여 실존하지 않는 데이터를 생성 및 변환할 수 있다. 영국의 금융기관에서는 실제 결제 데이터를 통해 대량의 결제 데이터 샘플을 생성함으로써 부정한 결제를 감지하는 AI를 개발하고 있다.

 

AI를 개발할 때는 AI가 가진 잠재적인 리스크에 대한 대책을 세워 신뢰도를 높여야 한다. 그래도 결국 생성형 AI를 적절하게 이용할 것인지 여부는 이용하는 사람의 윤리관에 달려 있다. 사회가 AI의 장점을 누리도록 하려면, 윤리관이 향상되어야 한다.

 

4. 생성형 AI의 활용 사례

 

생성형 AI는 이미 다양한 업계에서 활용되고 있다. 실제로 활용된 사례 3가지를 소개한다.

 

4-1. 모 주택회사가 건물의 레이아웃을 검토하는 데 활용

 

모 주택회사에서는 생성형 AI를 활용하여 토지 주인이 보유한 부지 내의 건물 레이아웃을 검토했다.

 

먼저 건물을 이용한 사람의 사용 방식이나 기호, 햇빛이나 조망 등의 파라미터를 설정한다. 그것을 바탕으로 수천 개의 검토안을 도출할 수 있기 때문에, 성능이 좋은 참신한 아이디어를 얻을 수 있다.

 

기존에는 토지 주인에 대한 제안 내용이 담당자의 스킬이나 개성에 따라 달라진다는 것이 큰 문제였다. 하지만 AI로 전환하면, 설계하는 수고가 줄어들어, 구체적인 설계안을 바탕으로 고객에게 설명할 수 있다는 장점이 있다.

 

4-2. 모 자동차 부품 회사가 제품 설계에서 활용

 

모 자동차 부품 회사는 엔진의 연료 분사를 제어하는 ECU(Engine Control Unit)를 개발할 때 생성형 AI를 활용했다. ECU의 경량화와 방열성능을 양립시키기 어렵다는 과제를 해결하기 위해 AI를 사용하여 설계함으로써 그 둘을 양립시키는 모델을 만들어낸다.

 

설계할 때는 AI에 설계 요건을 부여하고, 방대한 양의 디자인을 생성한 다음 시행착오를 거친다. AI가 도출한 설계 결과를 바탕으로 기존의 방법으로 제조할 수 있도록 형상을 조정하여, 제조 비용을 낮추었다. 완성품은 전체적으로 12%의 경량화를 달성했으며, 기존과 같은 수준의 방열성능을 유지하였다.

 

4-3. 모 IT 기업이 의약품 개발의 리드 타임을 단축

 

모 IT 기업에서는 생성형 AI를 활용함으로써 의약품 개발의 리드 타임을 단축하고, 개발 비용을 절감하였다. 의약품의 후보에 해당하는 화합물을 최적화하려면 실험을 반복하면서 분자 구조를 바꾸어 안전성과 독성 등의 파라미터를 최적화해야 한다. 그런 다음 임상실험 및 승인 신청 등을 거치는 시간까지 포함하면 의약품이 시판되기까지는 10년도 더 걸린다.

 

AI를 사용하면 연구 단계에서 다양한 파라미터를 검토할 수 있어, 임상실험에서 실패할 위험성을 낮출 수 있다. 또한 리드 타임을 최적화함으로써 60~100억 원의 비용을 절감할 수 있다. 연구하는 기간도 여러 해가 단축되기 때문에, 그렇게 얻은 시간을 다른 업무에서 활용할 수 있다.

 

5. 생성형 AI가 생산성 혁명을 가져옴

 

생성형 AI는 정해진 파라미터의 제약 조건 중에서 AI가 검증을 하고, 설계 결과를 제공한다. 2022년을 기준으로 향후 6~8년 정도면 시장에 생산성 혁명을 가져올 것으로 예측된다.

 

AI를 활용하면 무수한 경우의 수를 가진 설계안을 검토할 수 있고, 기존에 없던 혁신적인 설계안을 도출하며, 개발 공정 개수를 절감할 수 있다는 장점이 있다. 이미 다양한 산업에서 효과가 검증되었으며, 앞으로는 업계를 불문하고 많은 분야로 확장될 것이다.

 

 

[2023년 글로벌 인공지능(AI) 기술개발 동향과 사업화 전략 - 챗GPT가 불러온 AI혁명, 초거대AI, 생성AI 기반 -]  보고서 상세보기

https://www.irsglobal.com/shop_goods/goods_view.htm?category=02000000&goods_idx=87226&goods_bu_id=