⏳4min
AI 개발자가 여러 프로젝트를 진행하고, 클라이언트들과 소통하면서 느낀 점을 소개해 드리려 합니다. AI 개발 과정 중 소통하면서 ‘이러한 점들을 미리 짚고 넘어가면 좋겠다’하는 내용들을 주로 담아보았습니다. AI 개발자와 AI 개발을 의뢰한 클라이언트 간 소통 시 고려해야 할 점들에 대해 알 수 있는 글이 되면 좋겠습니다.
1. 용어 정리의 중요성
일단 해당 AI 개발 프로젝트에서 자주 쓰는 용어들을 정리해야 합니다. 예를 들면 ‘RAG’, ‘ChatGPT’, ‘로컬 LLM’ 등 공통적으로 사용되는 용어가 있습니다. 또한 ‘보안 모듈’, ‘로깅 API’ 등 해당 프로젝트 내에서만 쓰이는 용어들도 있습니다. 이러한 용어들을 잘 정의하고 정리하는 것이 중요한 이유는 소통의 기본이자 시작이기 때문입니다. 같은 개념에 대해 개발자와 클라이언트가 잘못 이해하고 있다면, 이 이후에 아무리 프로젝트가 아무리 잘 진행되어도 결과물은 클라이언트가 생각한 것과 완전히 달라질 것입니다. 예를 들어 ‘GPT’라고 하면 개발자들은 언어모델인 GPT를 생각할 수 있고, 클라이언트는 OpenAI사의 ‘ChatGPT’ 서비스 혹은 ‘gpt-3.5’, ‘gpt-4’ API를 말하는 것일 수도 있습니다. 따라서 작은 오해가 더 큰 결과물의 차이를 만들기 전에 먼저 용어를 정리하고 시작하는 것이 좋습니다.
2. 일반 프로그램과 인공지능의 차이
클라이언트분들이 “AI로 이것도 할 수 있나요?”라고 묻는 것 중 50% 정도는 인공지능이 필요 없는 일반 프로그램인 경우가 많습니다. 대다수는 크롤링, 매크로로 해결할 수 있는 것들이죠. 인공지능과 일반 전통적인 프로그램의 주요 차이점은 '학습' 유무에 있습니다. 일반 프로그램은 미리 정해진 규칙에 따라 작동하기 때문에, 동일한 입력에 대해 항상 같은 결과를 출력합니다. 반면, 인공지능은 데이터로부터 배우는 능력을 갖추고 있어서 데이터의 질과 양, 그리고 학습 시간에 따라 더 나은 예측을 할 수 있게 됩니다. 따라서 오차 없는 정확한 결과를 원하거나 항상 같은 결과를 출력해야 하는 경우라면 인공지능보다는 전통적인 프로그램이 더 맞을 수 있습니다. 따라서 클라이언트분들이 원하는 태스크가 있다면 그것이 AI가 필요한 것인지, 아닌지 먼저 고려할 수 있도록 소통이 필요합니다.
3. 할루시네이션에 대한 이해
(출처: 한국일보)
할루시네이션은 언어모델이 사실이 아니거나 왜곡된 정보를 생성하는 것을 말합니다. 할루시네이션이 발생하는 이유는 언어모델이 학습 데이터의 패턴을 과도하게 일반화하거나, 특정 상황에서의 데이터가 부족하여 정확한 예측을 하지 못하기 때문입니다. 따라서 할루시네이션을 줄이려면 데이터의 다양성을 강화하고, 모델을 지속해서 더 학습시켜야 합니다. 그러나 이러한 할루시네이션을 완벽하게 막기란 사실 불가능합니다. RAG 기술이 등장하면서 주어진 문서에 대해서는 정확한 대답을 할 수 있어도, 일반적인 언어모델의 할루시네이션을 방지하는 기술은 현재 진행 중이지만 아직 많이 부족한 것이 사실입니다. 따라서 할루시네이션은 언어 모델의 오류라기보다는 구조적 특성과 한계에서 비롯된 현상이라고 이해해야 합니다. 현재에는 클라이언트 입장에서 이러한 한계를 받아들이고, 사용자는 언어모델이 생성한 정보를 비판적으로 평가할 수 있는 능력을 키워야 합니다.
4. AI 모델 개발을 하는 곳인지 확인
외부 업체와 함께 프로젝트를 진행하게 된다면 해당 업체에 AI 모델 개발자가 있는지 확인해 보는 것이 좋습니다. 딱 맞는 원하는 퀄리티의 결과가 나오기 위해서는 상용 AI를 잘 다루는 것도 중요하지만, ‘우리 회사', ‘우리 팀'에 해당하는 데이터를 학습시킨 도메인 맞춤 모델이 필요합니다. 이를 위해서는 AI 모델 개발자가 필요하게 되죠. 클라이언트가 원하는 태스크가 특정 데이터에 특화된 모델이 필요한 경우라면 AI 개발자는 필수라고 보시면 됩니다. 상용으로 사용할 수 있는 생성 AI API들이 증가하면서 API를 가져다 AI 솔루션을 개발하는 업체들이 많습니다. 해당 업체들이 잘할 수 있는 태스크들도 있지만, AI 모델 개발이 필요한 태스크가 있다는 것을 이해하면 좋습니다.
AI 모델 개발이 필요한지 여부에 따라 비용도 달라집니다. API를 사용한다면 어느 정도 정해진 단가가 있는데요, 장점으로는 예상이 가능하다는 점이 있지만 단점으로는 API를 제공하는 업체에 구속된다는 점이 있습니다. AI 모델 개발이 필요한 경우에는 태스크에 따라 자유롭게 비용을 산정할 수 있으나 실제 업체와 소통하기 전까지는 예측이 힘들다는 단점이 있습니다.
5. 마무리하는 글
아무리 AI 개발 실력이 뛰어난 개발자라도 프로젝트를 성공으로 이끌기 위해서는 커뮤니케이션 스킬을 키워야 한다는 점을 잊지 않으면 좋겠습니다. 클라이언트도 마찬가지입니다. AI에 대한 이해를 바탕으로 소통이 이루어져야 원하는 결과물을 얻어낼 수 있습니다. 함께 쓰는 용어를 정리하고, AI에 대한 한계를 이해하고 함께 시야를 맞춰나간다면 서로가 만족할 수 있는 성공적인 프로젝트를 진행할 수 있습니다.
🎁 함께 읽으면 좋은 콘텐츠
1. 프로젝트 리더(PL)가 말하는 AI 플랫폼 프로젝트 성공의 핵심
2. 기업이 AI 개발에 어려움을 겪는 이유 3가지
프로젝트의 성공을 위해 꼭 필요한 개발사와의 커뮤니케이션,
전문가의 도움이 필요하시다면, 하단 버튼을 통해 문의해 주세요.