지난해 11월 30일, 오픈AI가 생성형 AI인 챗GPT를 처음으로 세상에 공개하며 많은 이들에게 충격을 안겨주었어요. 출시 2달 만에 이용자 수 1억 명을 달성하며 전 세계적인 붐을 일으켰죠. 생성형 AI는 인공지능의 한 종류로, 주어진 데이터나 지시사항에 기반하여 새로운 콘텐츠를 생성하거나 출력하는 데 사용되는 기술이에요. 오픈AI의 챗GPT 이외에도 구글의 Bard, MS의 Bing, 네이버의 하이퍼클로바X 등 글로벌 IT 기업들은 다양한 분야에서 생성형 AI 기술을 강화해 왔습니다.

그럼 생성형 AI는 우리의 일상 속에서 어떻게 사용되고 있을까요?

• 검색 포털 속 생성형 AI
  많은 사람들이 하루에도 여러 차례 접속하는 네이버, 구글 등의 검색 포털에 생성형 AI가 들어서기 시작했어요. 구글, Bing, 네이버 포털에 접목된 생성형 AI 모두 비슷한 수준의 응답을 하는데요. 챗GPT를 기반으로 하는 Bing은 특이하게 대화 스타일을 선택해 필요에 맞는 정보를 얻을 수 있어요. 네이버의 경우 제안 혹은 명령 어조로 검색했을 때 생성형 AI가 기능을 합니다. '크리스마스', '데이트', '사람 적은', '서울', '카페' 등 꽤나 복잡한 고려 사항을 복합적으로 해석해 질문 의도에 맞는 응답과 제안을 해주죠.

• 보고 듣고 읽고 쓰는 생성형 AI
  구글 Bard의 경우에는 질문 시 이미지를 포함하지 않더라도 스스로 이미지를 포함해 더 눈에 띄는 응답을 제공합니다. SKT는 녹음된 통화 기록을 기반으로 내용을 요약하고, 일정 예약 혹은 연락처 저장 등을 제안하는 '에이닷' 서비스를 공개했죠. 오픈AI의 이미지 생성형 AI 'DALL-E 3'는 챗GPT와 Bing에 적용되어 누구나 무료로 이미지를 생성할 수 있어요. 또한, 모바일 사진 앱 SNOW는 얼굴 사진 10~20장을 AI로 분석해 프로필 사진을 만들어주는 유료 서비스를 제공해 한 때 MZ세대 사이에서 큰 인기를 끌기도 했어요.
  
  
• 내가 직접 만드는 생성형 AI
  

  한편, 오픈AI는 'GPTs'를 공개하며 생성형 AI 생태계를 더욱 확장했어요. GPTs는 누구나 쉽게 챗봇을 커스터마이징할 수 있는 도구입니다. 출시 3주 만에 사용자가 만들어 공유한 챗봇은 이미 수만 개에 달하죠. 일련의 이유로 출시가 연기되었지만, 앞으로 GPT 스토어(직접 만든 챗봇을 거래하는 장터)까지 공개된다면 생성형 AI를 활용한 개인 수익화까지 가능해질 전망입니다.

지난 1년 간 상상 가능한 거의 모든 분야에 생성형 AI가 적용되며 다방면에서 괄목할만한 성과를 보여줬는데요. 장점과 활용도가 명확한 만큼 단점도 존재하기 마련이죠. 생성형 AI 기술이 엄청나게 빠른 속도로 발전하면서 가짜뉴스, 환각 현상, 저작권 침해, 비윤리적 내용 등의 문제도 발생하고 있는 것이 현실이에요. 고도화된 생성형 AI를 활용한 가짜뉴스가 SNS를 통해 전 세계로 빠르게 확산되면서 사회적 파장이 일었던 사례도 적지 않습니다. 사실 생성형 AI의 기반이 되는 거대언어모델이 어떤 정보를 어떻게 학습하고 결과를 도출해내는지에 대한 정보는 알려진 바가 거의 없어요. 편향성 관련 지적을 받는 이유도 이 때문이에요.

먼저 국내의 상황은 어떨까요? 아쉽게도 AI와 관련해 가결된 법안은 하나도 없어요. AI 개념 규정 및 AI 산업 육성, 안전성 확보의 내용을 담은 AI 기본법이 지난 2월부터 9개월째 국회의 문턱을 넘지 못하고 있죠. 법적인 규제 마련은 잘 이뤄지지 못하고 있지만, 네이버와 카카오는 AI 윤리 준칙을 자체 규정한 뒤 개발 및 설계 과정에 적용하는 등 생성형 AI의 편향성, 윤리 문제를 최소화하고 리터러시를 갖추고자 노력 중입니다. 한편, 지난 1일 G7(미국, 일본, 독일, 프랑스, 영국, 이탈리아, 캐나다)이 세계 최초로 생성형 AI 특화 국제 규범 합의안을 마련했어요. 이른바 '히로시마 프로세스'는 AI 개발자, 서비스 제공자 그리고 이용자까지 포함한 세계 최초 공통 규범이죠. 빠르진 않지만 AI 관련 규제 및 법안에 대한 전 세계적인 논의가 점차 시작되고 있어요. 더욱 빠른 속도로 발전할 생성형 AI 기술이 기대되는 한편, 빠른 기술 발전이 낳을 여러 영향에 대한 각국 정부의 알맞은 대응도 필요해 보입니다.

빌리(브래드 피트)는 한때 유망주였으나 결국 실패한 선수 출신으로 메이저리그 연봉 총액 최하위팀인 오클랜드 애슬래틱스의 단장이 되어 팀을 리빌딩해야 하는 미션에 임합니다. 영화 초기에 겨우 남은 선수를 비싼 값에 트레이드하기 위해 그가 상대팀 트레이더와 통화하는 '뻥카'는 당시 메이저리그에서는 일반적인 선수 평가와 트레이드의 과정이었죠. 그러다가 선수들의 통계 기록을 담당하던 예일대 출신의 피터(조나 힐)의 출루율을 기본으로 한 '머니볼' 이론을 적극 적용하여 이 오합지졸의 팀에서 기적에 가까운 승률을 만들어 내기 시작해요. 실화를 바탕으로 한 이 영화의 내용은 그렇습니다. 친애하는 극작가인 아론 소킨이 이 구단 지하 창고에서 벌어지는 제한된 환경에서 대사를 맛깔나게 뽑아내고 긴장감도 잘 잡아줘요.

"아주 원론적인 것에 의심해 봤기 때문에 재해석할 수 있었던 것이죠."

비즈니스적인 측면에서 봤을 때 머니볼에서의 인사이트를 데이터로 생각할 수 있어요. 저도 처음 볼 때에는 그렇게 봤으니까요. 평판으로만 돌아가는 많은 일들, 합리성과 데이터로 지칭되는 숫자들로 세상의 많은 것들은 객관화된 것 같아요. 하지만 어쩌면 그것조차 현시점의 많은 사람들이 '수치화' 할 수 있고 '비교' 가능한 일에 한해서 일지도 모릅니다. 세상에는 아직도 수치화할 수 없거나 객관적인 비교가 불가능한 일들 투성이니까요. 애슬래틱스는 우승이 아닌 생존이 존재의 이유와 같았어요. 생존하기 위해, 더 이상 개발자가 느리다느니, CMO가 고루하다느니, 마케터가 엄한 곳을 판다느니, 그런 하소연을 하고 있을 순 없죠. 소위 시장에서 비싼 연봉의 직원들로 교체할 자금도 시간도 없습니다. 딱 애슬래틱스와 같은 상황이죠. 애슬래틱스는 데이터의 중요성을 알았기 때문에 통계를 들여온 것이 아니에요. 자신들의 환경을 재해석하고 극복할 수 있는 방안을 데이터라는 매개로 고안해 낸 것이죠. 환경을 재해석한다는 것은 틀을 무너뜨려야 가능합니다. '승률을 높이려면 좋은 선수가 필요해. 그런데 좋은 선수는 비싸.' 이러면 나아갈 수 있는 방안은 없어요. '좋은 선수는 근데 왜 비싼 거야?'라는 아주 원론적인 것에 의심해 봤기 때문에 재해석할 수 있었던 것이죠.

한국에서도 동명의 드라마로 제작된 법정 드라마인 슈츠입니다. 그런데 이게 법정 드라마가 아니에요. 시즌9까지 슈츠에서는 법정에서 싸우는 장면은 그다지 많지 않거든요. 드라마의 대부분의 케이스는 법정에 가기 전에 마무리해요. 클라이언트나 로펌이나 더 많은 이득을 취한 채로요. 손자병법에 지피지기면 백전백승이라고 합니다만, 백전백승은 최선이 아니라고도 합니다. 손자병법의 모공(謨攻) 편에서, '싸우지 않고 굴복시키는 것이 최상이다.'라고 말하고 있습니다. 미국의 법정 문제가 그러하든 법정으로 가면 지난한 싸움이 지속됩니다. 이겨도 출혈이 클 수밖에요. 드라마에서 피어슨&하드먼 로펌에 오는 클라이언트의 대다수가 바로 법정에 서기 전에 상대를 굴복시키기를 바라며 이 로펌을 찾아요. 로펌의 끝내기 투수인 하비와 기발한 두뇌를 가진 로스가 그 과업을 수행해 내죠.

"이들은 상식 또는 일반화와 계속해서 싸워나갑니다."

싸우기 전에 굴복시키려면 어떻게 해야 할까요? 슈츠에서는 서로 피를 흘리지 않는 굴복의 승리에서 '지피지기'는 피를 흘리는 전투보다도 더 중요하다는 교훈을 줍니다. 나(클라이언트)를 알고, 적(클라이언트의 고객)에 대해서 이들이 알아가는 과정은 굉장히 치밀해요. 아니 정확하게 이야기하면 치밀하기 전에 상상력이 뛰어나죠. 상상력에 논리력을 결합하면 치밀함이 됩니다. 센스, 공감, 경험, TPO, 모든 것이 포함됩니다. 그리고 이것들로 무엇과 싸우냐 하면 '일반화'와 싸워요. 변호사들이 가장 철저하게 검증하는 것이 바로 '전제'예요. "이러했으니까 이러할 거다."라고 전제하는 것이 어긋나는 순간 시간과 결론 모두 망치게 되니까요. 이들은 상식 또는 일반화와 계속해서 싸워나갑니다. 브랜드나 브랜드의 고객을 생각할 때, 여러분들은 어떤 '전제'들을 거기에 깔아놓고 있나요?