- 대규모 언어 모델 (LLM) 은 텍스트 생성을 넘어 다양한 비즈니스 애플리케이션에 가치를 제공하는 다재다능한 기술입니다.
- LLM 은 접근성이 뛰어나고 비용 효율적이며, API 를 통해 워크플로우에 원활하게 통합할 수 있습니다.
- LLM 은 데이터 쿼리 방식을 혁신하고 다른 시스템과 상호작용하며 다양한 서비스의 플랫폼 역할을 할 수 있습니다.
데이터와 인공지능(AI)의 영역에서 화제는 종종 '와우(wow)' 요소에 집중되지만, 많은 비즈니스 관리자들에게는 실질적이고 현실적인 결과 달성이 더 중요한 관심사입니다. ChatGPT와 대규모 언어 모델(Large Language Models, LLMs)과 같은 최첨단 AI에 대한 뉴스가 쏟아지는 가운데, 비기술 또는 전통 산업에 종사하는 관리자들은 이러한 고급 기술이 자신의 일상 업무와 관련이 있는지 궁금해할 수 있습니다.
대규모 언어 모델(LLMs)은 단순한 텍스트 생성 기능을 넘어섭니다. GPT-4와 같은 이러한 모델은 매우 다재다능하며 광범위한 작업을 수행하는 데 활용될 수 있습니다. 이러한 잠재력을 해방하는 열쇠는 LLM이 특정 작업을 수행하도록 안내하는 '프롬프트(prompt)'라고도 불리는 정교한 지시를 만드는 데 있습니다. 효과적인 프롬프트를 작성하는 이 진화하는 기술은 일반적으로 프롬프트 엔지니어링(prompt engineering)으로 알려져 있습니다.
LLM이 고객 리뷰에서 언어를 식별하거나, 기업 문서를 번역하거나, 고객 불만의 감성을 평가하는 시나리오를 고려해 보세요. LLM 이전 시대에는 이러한 작업을 달성하기 위해 각 기능에 대해 별도의 시스템을 개발하거나 구매해야 했으며, 이는 데이터 수집 및 하드웨어에 대한 추가 비용을 수반했습니다. 그러나 LLM의 비용 효율적인 사용량 기반 요금제 덕분에 이러한 사용 사례는 수많은 전문 모델을 개발하는 것보다 더 경제적이 되었습니다. 결과적으로 LLM은 다양한 응용 분야를 위한 다재다능한 기술로 진화하며 본질적으로 지배적인 설계(dominant design)가 되고 있습니다.
워크플로우로의 원활한 통합
많은 사람들이 웹 인터페이스를 통해 ChatGPT를 탐색해 보았지만, LLM과 그 기반 기술은 소프트웨어 API를 통해 제공되므로 애플리케이션 및 비즈니스 워크플로우로의 통합이 매우 저렴하고 간단합니다. Duolingo가 향상된 사용자 피드백을 위해 GPT-4를 활용하고, Morgan Stanley가 금융 추천을 위해 LLM을 활용하는 것과 같은 예들은 LLM의 다양한 응용 분야를 보여줍니다. langchain과 같은 오픈소스 프로젝트는 LLM 기반 지시를 체인으로 구성하여 프로그램을 생성할 수 있게 함으로써, 미래의 더욱 혁신적인 솔루션의 길을 열었습니다.
LLM의 파괴적인 측면은 AI를 활용한 프로그래밍을 가능하게 한다는 점입니다. 개발자는 간단한 언어 지시를 사용하여 작업을 지정하고 결과를 레고 블록처럼 결합할 수 있으며, 이는 '구매 대 제작(buy-vs-make)'이라는 전통적인 딜레마에 대한 대안을 제시합니다. 즉, 'LLM에서 제작 대 구매 또는 적응(make vs. buy or adapt from an LLM)'을 선택할 수 있습니다.
LLM을 이용한 회사 데이터 질의
LLM의 또 다른 유망한 응용 분야는 회사 데이터 쿼리입니다. LLM은 데이터가 프롬프트의 일부로 포함될 때 데이터 관련 질문에 대한 답변을 제공할 수 있습니다. 이 접근 방식은 보스턴 다이내믹스(Boston Dynamics)에서 테스트되었으며, 그들은 ChatGPT를 사용하여 로봇의 배터리 수준이나 내부 상태에 대해 문의했습니다. 이는 기업 지식 베이스에 새로운 기회를 열어줍니다. 이제 비즈니스 문서 또는 데이터 레코드의 묶음을 프롬프트에 입력하고 이에 대해 질문할 수 있으며, 장기적으로 전통적인 SQL 쿼리를 대체할 가능성이 있습니다.
문서 데이터베이스를 LLM과 더 효율적으로 연결하기 위한 노력이 진행 중입니다. 예를 들어, 가장 관련성 높은 문서를 검색하고 해당 문서만 컨텍스트에 포함시키는 방식입니다. 도전 과제가 있음에도 불구하고, LLM은 데이터와 상호 작용하기 위한 새로운 인터페이스로 부상하고 있습니다.
LLM을 통한 상호 운용성 및 액션 수행
LLM은 또한 다른 시스템과 '연결'하고 필요시 행동을 취하는 능력에서 새로운 지평을 열고 있습니다. Google과 프린스턴 대학 연구자들이 소개한 ReAct 프롬프팅 전략은 LLM이 서비스 호출을 포함한 답변을 생성할 수 있게 합니다. 예를 들어, LLM은 계산 요청에 대한 답변을 제공하기 위해 계산기 서비스에 연결할 수 있습니다. ChatGPT의 프리미엄 버전은 Expedia 및 Kayak과 같은 플러그인을 제공하여 예약 정보에 접근하고 복잡한 수학 쿼리를 처리합니다.
전반적으로, LLM이 다른 시스템과 상호 작용할 수 있는 능력은 이들을 다양한 서비스의 플랫폼 또는 마켓플레이스로 변모시킬 잠재력을 지니고 있으며, 이는 전화기가 통화 기능 이상으로 다양한 기능을 수행하는 방식과 유사합니다.
LLM: 저렴하고, 적응 가능하며, 접근성 높음
마무리하며, 비즈니스 관리자는 지각된 복잡성 때문에 LLM을 무시해서는 안 됩니다. LLM은 유연하고 비용 효율적인 도구로, 단어 기반 요금제로 쉽게 이용 가능하며 종종 대안보다 저렴한 요금을 제공합니다. 그들은 빠르게 다목적 범용 기술로 진화하며 수많은 소규모 모델을 대체하고, 단어 기반 지시를 통한 새로운 유형의 프로그래밍을 제공합니다. LLM은 데이터 쿼리를 효율적으로 처리하며 다양한 서비스의 플랫폼 역할을 할 잠재력을 지니고 있습니다.
이 글을 읽고 계신다면, 이미 앞서 나가고 있습니다. 뉴스레터로 그 위치를 유지하세요.
면책 조항. 제공된 정보는 투자 조언이 아닙니다. 크립토폴리탄은 이 페이지에 제공된 정보를 기반으로 한 모든 투자에 대해 책임을 지지 않습니다. 어떤 투자 결정을 내리기 전에 독립적인 조사 및/또는 자격을 갖춘 전문가와의 상담을 강력히 권장합니다.
존 팰머
John Murangiri는 시장 분석 기술을 갖춘 채 Cryptopolitan에 합류했습니다. John(별명 JP)은 나이로비 대학교에서 대중 매체 및 미디어 연구 학사 학위를 취득했으며, 이전에는 InsideBitcoins.com과 Metacoingraph에 암호화폐 시장 인사이트를 기여한 바 있습니다.
