배달 업체에 취직한 로봇개
스위스 로봇 기업 RIVR은 영국 택배 기업 에브리와 파트너십을 맺고 로봇개를 택배 배송 현장에 투입한다고 발표했습니다. 로봇개는 택배 기사가 여러 집을 방문해야 하는 번거로움을 줄여줍니다. 택배 트럭에서 약 90m까지 이동하여 집까지 물품을 배송할 수 있기 때문입니다. 에브리는 로봇개 도입으로 택배 기사의 신체적 부담을 줄이고 택배 처리량을 늘릴 수 있을 것으로 기대하고 있습니다.
이 기술은 택배 산업의 효율성을 크게 향상시킬 수 있을 뿐만 아니라, 택배 기사의 업무 환경 개선에도 기여할 수 있을 것 같습니다. 로봇개가 더 많은 역할을 수행하게 되면, 택배 기사는 더욱 중요한 업무에 집중할 수 있게 될 것입니다.
오픈AI, 새 추론 AI모델 ‘o3’ 출시…“이미지 보고 생각 첫 모델”
- OpenAI가 이미지 분석 및 해석이 가능한 새로운 AI 모델 ‘o3’를 출시했습니다.
- ‘o3’ 모델은 이전 모델보다 수학, 코딩, 추론, 과학 및 시각적 이해 능력 테스트에서 더 뛰어난 성능을 보입니다. 이 모델은 화이트보드, 그림, 차트 등 다양한 이미지를 분석할 수 있으며, 이미지 품질이 낮더라도 분석이 가능합니다.
- 이미지 분석 외에도 브라우저 내에서 직접 Python 코드를 실행하고 최신 이벤트에 대한 웹 검색을 수행할 수 있습니다.
- OpenAI는 AI 기반 코딩 도구 회사인 Windsurf를 약 30억 달러(4조2510억원)에 인수하기 위해 협상 중인 것으로 알려졌습니다.
‘o3’ 모델의 이미지 분석 능력은 다양한 분야에서 활용될 수 있을 것으로 보입니다. 예를 들어, 의료 영상 분석, 자율 주행, 로봇 공학 등에 적용될 수 있습니다. OpenAI가 Windsurf를 인수하려는 것은 AI 기반 코딩 도구 시장에 진출하려는 의도로 해석됩니다. 이는 OpenAI가 AI 기술을 다양한 분야로 확장하려는 전략의 일환으로 보입니다.
[단독] 신규채용 대신 AI로 카카오의 인사 혁신
- 카카오는 코딩 등 인공지능(AI)으로 대체 가능한 직무에 대해 신규 채용을 제한하는 것을 고려하고 있다는 보도가 있었습니다. 이는 AI가 업무 생산성을 높이는 것을 넘어, 인력 자체를 대체하는 현상이 현실화되고 있음을 보여줍니다.
- 채용 플랫폼 분석 결과, 국내 IT 개발 직무 신규 채용 공고 수가 매년 감소하고 있으며, 신입 채용 비중이 매우 낮은 수준입니다.
- 판교의 한 IT 기업 CTO는 AI 기술 발전으로 인해 고용 안정성이 흔들리는 직군이 늘어날 것이라고 전망했습니다. 하지만 카카오는 신규 채용 제한 관련 가이드라인은 없으며, 관련 공지를 진행한 적도 없다고 공식적으로 밝혔습니다.
AI 기술의 발전은 기업의 채용 방식에 큰 영향을 미치고 있으며, 특히 AI로 대체 가능한 직무의 신규 채용은 더욱 줄어들 것으로 예상됩니다. 이는 신입 개발자들에게는 더욱 치열한 경쟁 환경을 의미하며, AI 시대에 필요한 역량을 갖추는 것이 중요해졌습니다. 기업들은 AI 도입을 통해 효율성을 높이는 동시에, 인력 구조 변화에 대한 고민이 필요합니다.
AI 시대의 또 다른 과제 ‘데이터 자신감 격차’··· IT 리더가 관리해야 할 이유
- IT 임원을 포함한 최고 경영진은 조직의 데이터가 AI에 최적화되었다고 믿지만, 현업 IT 부서장들은 중요한 의사 결정에 부실한 데이터가 사용된다고 보고 있습니다. 이러한 인식 차이는 AI 모델 학습 및 데이터 기반 이니셔티브 진행 시 심각한 문제를 야기할 수 있습니다.
- 최고 경영진은 데이터 품질을 요약 보고서 형태로 접하는 반면, 현업 부서장들은 실제 시스템의 문제점을 직접 경험하기 때문에 이러한 차이가 발생합니다.
- 데이터 품질 문제의 원인은 분산된 IT 인프라, 단기적 성과 중심의 접근 방식, AI로의 급격한 전환 등 다양합니다.
- 기업은 데이터 전략의 균형을 맞추고, 투명성을 높이며, 데이터 문제를 지적할 수 있는 인력을 고용해야 합니다.
- 인식 차이의 위험성: 최고 경영진과 현업 부서장 간의 데이터 품질에 대한 인식 차이는 AI 프로젝트의 실패로 이어질 수 있습니다. 경영진은 현장의 문제를 간과하기 쉽고, 이는 잘못된 의사 결정으로 이어질 수 있습니다.
- 데이터 관리의 중요성: AI 도입에 앞서 데이터 관리 전략을 재정비해야 합니다. 단순히 AI 기술 도입에만 집중할 것이 아니라, 데이터의 품질과 접근성, 보안 등을 고려한 종합적인 전략이 필요합니다.
- 투명성과 소통의 필요성: 조직 전체에 걸쳐 데이터 관련 정보의 투명성을 높이고, 경영진과 현업 부서장 간의 소통을 강화해야 합니다. 이를 통해 데이터 문제에 대한 공동의 이해를 도출하고 해결책을 모색할 수 있습니다.
- 비판적 시각의 중요성: 프로젝트 초기 단계에서 데이터 문제점을 지적할 수 있는 인력을 확보하는 것이 중요합니다. 이는 프로젝트의 실패 위험을 줄이고, 장기적으로 비용을 절감하는 데 도움이 됩니다.
- 단계적 접근 방식: AI 프로젝트를 추진할 때, 한 번에 모든 것을 해결하려 하기보다는 ‘기어가기, 걷기, 달리기’와 같은 단계적 접근 방식을 취하는 것이 효과적입니다. 조직의 데이터 성숙도를 파악하고, 점진적으로 개선해 나가야 합니다.
골치아픈 AI 코딩 오류…MIT, 정확·효율 잡는 해법 제시
MIT 연구팀에서 개발한 인공지능 거대언어모델(LLM)의 코딩 정확성 향상 기술에 대한 내용입니다.
- MIT 연구팀은 ‘순차 몬테카를로(SMC)’ 알고리즘을 개발하여 AI 코딩 시 문법 오류나 오작동을 줄이고 정확도를 높였습니다.
- SMC 방식은 코드 생성 과정에서 여러 후보 코드 조각을 생성하고, 각 조각의 문법 및 의미 적합도에 따라 가중치를 부여하여 가능성이 낮은 조각을 제거하고 유망한 조각에 집중합니다.
- 실험 결과, SMC 방식은 기존 방식보다 적은 계산량으로도 높은 정확도를 보였으며, 특히 중소형 오픈소스 모델이 대형 상용 모델을 능가하는 결과를 보였습니다.
중소형 오픈소스 모델이 대형 상용 모델을 능가하는 결과는 AI 기술의 발전 방향에 시사하는 바가 큽니다. 앞으로 이 기술이 더욱 발전하여 비전문가도 자연어 설명만으로 복잡한 작업을 쉽게 수행할 수 있는 시대가 열릴 것으로 기대됩니다.
MS, CPU에서 실행하는 초고효율 AI 모델 ‘비트넷’ 출시
마이크로소프트(MS) 연구진이 개발한 초고효율 AI 모델 ‘비트넷(BitNet)’에 대한 내용을 요약하고 있습니다.
- 비트넷은 모델 가중치를 1비트 또는 낮은 비트로 압축하여 CPU와 같은 경량 하드웨어에서도 실행 가능하도록 설계된 AI 모델입니다.
- MS는 20억 매개변수의 오픈 소스 모델 ‘비트넷 b1.58 2B4T’를 공개했으며, 이 모델은 애플 ‘M2’ 칩과 같은 CPU에서도 실행 가능하다는 특징이 있습니다.
- 비트넷 b1.58은 -1, 0, 1의 세 가지 값으로 양자화하여 극한의 최적화를 추구하며, 이를 통해 적은 메모리와 연산량으로 모델 실행이 가능합니다.
- 3300만 권의 책에 해당하는 약 4조 개의 토큰으로 훈련되었으며, 비슷한 크기의 기존 모델보다 성능이 뛰어나다고 합니다.
- 같은 크기의 다른 모델보다 최대 2배 빠르게 작동하며, 메모리 사용량도 적지만, MS의 전용 프레임워크(bitnet.cpp)를 사용할 때만 CPU에서 실행 가능하다는 단점이 있습니다.
비트넷은 AI 모델의 효율성을 극대화하여 더 다양한 환경에서 AI를 활용할 수 있는 가능성을 제시합니다. 특히, CPU에서도 실행 가능한 점은 AI 기술의 접근성을 높이는 데 기여할 것으로 보입니다. 다만, MS의 전용 프레임워크에서만 CPU 실행이 가능하다는 점은 향후 개선해야 할 부분입니다.
구글, 첫 하이브리드 추론 모델 ‘제미나이 2.5 플래시’ 공개…”가성비 가장 뛰어나”
구글이 처음으로 선보인 하이브리드 추론 모델인 ‘제미나이 2.5 플래시’에 대한 내용입니다.
- 제미나이 2.5 플래시는 추론 능력과 비용 효율성을 모두 갖춘 모델로, 복잡한 작업을 처리하면서도 많은 사용자가 접근할 수 있도록 설계되었습니다.
- 개발자들은 ‘사고 예산’을 설정하여 모델의 성능, 속도, 비용 간의 균형을 조절할 수 있습니다.
- 사고 예산이 높을수록 응답 품질은 향상되지만 속도는 느려지고 비용은 증가합니다.
- 벤치마크 테스트에서 제미나이 2.5 플래시는 향상된 추론 능력을 보여주었지만, OpenAI의 o3 모델에는 미치지 못했습니다.
이 모델은 ‘가성비’가 가장 좋은 모델로 소개되었으며, AI 모델 시장에서 다양한 요구를 충족시키려는 구글의 전략을 보여줍니다.
오픈AI, 새 추론 AI모델 ‘o3’ 출시…“이미지 보고 생각 첫 모델”
기업 현장에서 빠르게 확산되고 있는 생성형 AI 도구 10가지를 소개하고, 각 도구의 강점과 한계를 분석합니다. 2024년 전 세계 생성형 AI 시장 규모는 250억 달러를 넘어섰으며, 2033년에는 8,030억 달러에 이를 것으로 전망될 정도로 성장세가 가파릅니다.
- 챗GPT: 자연어 이해 및 생성 능력이 뛰어나 고객 응대, 보고서 작성 등에 활용되지만, 정확성이 일정하지 않고 감정 이해가 부족합니다.
- 마이크로소프트 코파일럿: MS 365 앱과 통합되어 생산성을 높이지만, 요약 시 핵심 내용을 놓치거나 브랜드 가이드라인에 부합하지 않을 수 있습니다.
- 구글 제미나이: 텍스트 외 이미지, 오디오, 비디오 처리 능력이 뛰어나지만, 구글 워크스페이스 환경에서만 활용도가 높고 정확성 문제가 발생할 수 있습니다.
- 메타AI: 페이스북, 인스타그램 등 메타 플랫폼과의 높은 접근성이 장점이지만, 개인정보 보호 문제가 고려되어야 합니다.
- 달리 3: 텍스트 기반 이미지 생성 도구로 챗GPT와 통합 기능이 강점이지만, 생성된 이미지가 AI 작품이라는 점이 쉽게 드러납니다.
- 런웨이ML: 텍스트, 이미지, 영상을 활용한 콘텐츠 제작 모델이지만, 일부 고급 기능은 학습이 어렵고 시스템 자원을 많이 요구합니다.
- 스테이블 디퓨전: 고해상도 이미지 생성 및 영상 제작이 가능하며, 경쟁 도구 대비 연산 요구량이 적습니다.
- 미드저니: 자연어 프롬프트 기반 이미지 생성 도구로, 생성된 이미지는 상업적으로 사용 가능하나 저작권 등록이 불가능합니다.
- 퍼플렉시티: AI 기반 검색 엔진으로, 웹과 내부 문서를 동시에 검색하는 기능을 제공합니다.
- 클로드: 윤리적 기준을 갖춘 AI 챗봇으로, 명확한 답변을 제공하지만 설명이 다소 장황한 경향이 있습니다.
- 생성형 AI의 광범위한 활용: 챗봇, 이미지 생성, 영상 제작, 검색 엔진 등 다양한 분야에서 생성형 AI 도구가 활용되고 있으며, 기업 생산성 향상에 기여할 수 있습니다.
- 도구별 특성 및 한계: 각 도구는 강점과 한계를 가지고 있으므로, 기업은 업무 특성에 맞는 도구를 선택하고, 결과물의 정확성을 검토해야 합니다.
- 보안 및 윤리적 고려: 개인정보 보호, 저작권 문제 등 보안 및 윤리적 측면을 충분히 고려해야 하며, AI 사용에 대한 가이드라인 마련이 필요합니다.
- 지속적인 투자 및 확장: 많은 기업들이 생성형 AI에 투자를 늘리고 있지만, 실제 프로젝트 확장에는 어려움을 겪고 있습니다. 이는 도구 수준과 활용 여건을 고려한 점진적인 접근이 필요함을 시사합니다.
오픈AI, 기술적 한계 왔나…’o3′ 등 최신 추론 AI 모델 ‘환각’ 더 심해져
오픈AI의 최신 AI 모델 ‘o3’와 ‘o4-미니’가 이전 모델보다 환각 현상이 심해져 기술적 한계를 보이고 있습니다.
- 테크크런치 등 주요 외신에 따르면 오픈AI는 사람에 대한 모델의 지식 정확도를 측정하는 사내 벤치마크인 퍼슨(Person) QA에서 ‘o3’가 33%의 질문에 대해 환각을 일으킨다는 사실을 발견했다. 이는 각각 16%와 14.8%를 기록한 오픈AI의 이전 추론 모델인 ‘o1’과 ‘o3-미니’ 대비 2배 이상 높은 것이다.
- 모델 신뢰성 문제: 환각 현상은 AI 모델의 신뢰성에 큰 영향을 미칠 수 있습니다. 특히, 정확성이 중요한 분야에서는 AI 활용에 신중해야 할 필요가 있습니다.
- 오픈AI의 과제: 오픈AI가 이번 환각 문제의 원인을 파악하고 해결하는 것은 매우 중요합니다. 이는 AI 기술 발전의 중요한 과제 중 하나입니다.
- AI 기술 발전 방향: 이번 사례는 AI 기술 발전에 있어 정확성과 신뢰성 확보가 얼마나 중요한지를 보여줍니다.
앞으로 AI 기술은 단순히 성능 향상뿐만 아니라 신뢰성을 높이는 방향으로 발전해야 할 것입니다.
구글, 양자컴퓨터로 AI 판 뒤집는다…”5년 내 실용화 자신”
구글이 생성형 인공지능(AI) 개발을 가속화하기 위해 양자 컴퓨터 기술에 투자하고 있다는 내용을 담고 있습니다.
- 구글은 캘리포니아에 구글 양자 AI 연구소를 설립했으며, 최신 양자 칩 ‘윌로우’를 포함한 양자 컴퓨터 프로세서를 개발해 왔습니다.
- 구글은 AI 서비스 강화와 양자 시장 선도를 목표로 하고 있으며, 양자 기술을 활용하여 AI 학습 데이터 부족 문제와 같은 현재 AI의 한계를 극복하고자 합니다.
- 양자 컴퓨터는 새롭고 독특한 데이터를 생성할 수 있어 다양한 분야에 응용될 가능성이 있습니다. 구글 양자 컴퓨팅과 AI의 시너지 효과를 보여주는 대표적인 예는 단백질 구조 연구를 지원하고 노벨상을 수상한 AI 모델 ‘알파폴드’입니다.
- 구글은 앞으로 약 5년 안에 양자 컴퓨터 기반의 획기적이고 실용적인 응용 분야가 개발될 것으로 기대하고 있습니다.
구글의 이러한 투자는 AI 기술의 미래를 위한 중요한 발걸음으로 보입니다. 양자 컴퓨팅 기술이 AI의 한계를 극복하고 새로운 가능성을 열어줄 수 있을 것이라 기대됩니다.
AI가 30초 만에 미세 불량 감지… “4無 드림 팩토리”
LG이노텍이 대한민국 구미에 건설한 차세대 반도체 기판인 FC-BGA (플립 칩 볼 그리드 어레이) 생산 시설인 ‘드림 팩토리’에 대해 설명합니다.
- 이 공장은 AI, 딥러닝, 로봇, 디지털 트윈과 같은 첨단 기술을 활용하여 생산 공정을 자동화하고 인적 개입을 최소화합니다.
- 이 시설은 인력 투입, 결함, 고장 및 안전 사고를 없애는 “4무(無)” 첨단 공장을 목표로 합니다.
- AI는 방대한 생산 데이터(매일 100GB)를 분석하여 30초 이내에 결함을 예측하고 감지하는 데 중요한 역할을 수행하여 리드 타임과 인력을 크게 줄입니다.
- LG이노텍은 2030년까지 시장이 두 배로 성장할 것으로 예상되는 FC-BGA 시장에서 기존의 일본 및 대만 기업들과 경쟁하는 것을 목표로 합니다.
- 회사는 2026년 PC CPU 시장을 목표로 하고 그 직후 서버 시장을 목표로 하여 2030년까지 FC-BGA 사업을 조 단위 규모로 확장할 계획입니다.
LG이노텍의 드림 팩토리는 첨단 기술을 활용하여 생산 효율성을 극대화하고 품질을 향상시키려는 노력을 보여줍니다. 특히 AI를 활용한 결함 감지 시스템은 생산 과정에서 발생할 수 있는 문제를 신속하게 해결하여 제품의 신뢰성을 높이는 데 기여할 것으로 보입니다.
AI와 데이터를 활용한 환자 흐름 개선 사례
인공지능과 데이터가 병원의 환자 흐름 개선에 어떻게 활용되고 있는지, 특히 한림대학교 성심병원의 사례를 중심으로 설명합니다.
- 한림대학교 성심병원은 예약부터 치료 후 관리까지 전반적인 과정을 효율화하기 위해 인공지능 기반 시스템을 도입했습니다.
- 인공지능을 활용하여 MRI 검사 시간을 예측함으로써 대기 시간을 줄이고 검사 건수를 늘렸습니다. 데이터 분석을 통해 환자 이동 패턴을 분석하고 인력 배치를 최적화하여 환자 중심의 효율적인 환경을 구축하고자 합니다.
- 실시간 환자 흐름 모니터링 및 관리를 위한 디지털 트윈 시스템 구축 등 인공지능 및 데이터 기반 시스템을 지속적으로 발전시킬 계획입니다.
인공지능과 데이터 분석은 병원 운영 효율성을 극대화하고 환자 만족도를 높이는 데 중요한 역할을 할 수 있습니다. 특히, MRI 검사 시간 예측과 같이 구체적인 문제 해결에 인공지능을 적용함으로써 가시적인 성과를 얻을 수 있습니다. 디지털 트윈 시스템과 같은 첨단 기술을 통해 병원 운영을 더욱 스마트하게 관리하고 환자에게 더 나은 의료 서비스를 제공할 수 있을 것으로 기대됩니다.