<잇(IT)터뷰 전체 영상 보기>
잇(IT)터뷰 전체 내용은 ▼아래 영상▼에서 확인해 주세요!
◼ 게스트 : 이승민 센터장 / 솔트룩스 (seungmin.lee@saltlux.com)
◼ 진행자 : 고우성 PD / 토크아이티 (talkit@talkit.tv, https://talkit.tv/)
영상 목차
◼ 아래 각 목차를 클릭하시면 해당 내용을 영상으로 바로 보실 수 있습니다.
✔ 버티컬 AI 특징
✔ 버티컬 AI 시장 현황
✔ 기존 솔루션과 AI솔루션 차이
✔ 요구분석 전문가
✔ 버티컬 LLM과 데이터셋
<잇(IT)터뷰 – 핵심 내용 파악하기>
‘잇(IT)터뷰 – 핵심 내용 파악하기’는 영상의 핵심 내용을 정리한 글입니다.
|
이번 잇(IT)터뷰는 “모든 산업에 범용 AI를 그대로 적용해선 성과가 나기 어렵다”는 전제에서 출발해, 도메인 전형 데이터와 규제·컴플라이언스를 내재화한 버티컬 AI가 어떻게 실제 문제를 ‘완전 해결’하는지 설명합니다.
또한 버티컬 LLM의 경쟁력은 결국 도메인 데이터셋 학습(파인튜닝 포함)과 요구분석(문제 정의·목표 설정) 역량에 달려 있다는 점을 금융 사기 탐지·건설 시방서 검증 사례로 정리합니다.
1. 모든 산업에 같은 AI는 통하지 않는다
기업들이 AI를 말하지만, 산업마다 문제의 성격, 데이터 형태, 규제 환경이 달라서 같은 AI를 그대로 가져다 쓰면 성과가 나기 어렵다. 그래서 산업별로 특화된 버티컬 AI 관점이 필요하다.
2. 버티컬 AI의 핵심 정의(3가지)
버티컬 AI는 “특수한 상황에 처해 있는 문제를 AI 기술로 제대로 풀겠다”는 접근이다. 여기에는 다음 3가지가 빠지지 않는다.
1) 도메인 전용 데이터
해당 산업에서 반복적으로 등장하는 대표 데이터와 패턴이 기반이 된다.
2) 규제/컴플라이언스 내재화
산업 특성상 지켜야 하는 규제와 컴플라이언스 요구를 솔루션에 녹여야 한다.
3) 특정 문제의 완전한 해결 목표
기능 시연 수준이 아니라 현업에서 문제를 끝까지 닫는 수준의 완결된 해결을 목표로 한다.
3. 버티컬 AI 시장: 규모와 주요 산업군
버티컬 AI 시장 규모는 현재 10조 원 수준으로 언급되며, 10배 성장 가능성이 있다고 본다.
두각을 보이는 산업군은 헬스케어/바이오, 법률, 금융, 제조/건설이다. 공통적으로 도메인 전문성이 특히 중요한 분야들이다.
4. 기존 솔루션 vs AI 솔루션: 사기 탐지 관점
금융 사기 탐지를 예로 들면 다음과 같다.
기존 방식은 시스템 구축에 6개월에서 1년 정도가 걸린다. 그런데 구축이 끝날 무렵에는 기술이 노후화되기 쉽고, 새로운 사기 유형이 나오면 그에 대응하는 적응 기간이 길어진다.
AI를 접목하면 들어오는 패턴을 즉시 판단해서, 사기로 오인하지 않으면서도 제대로 탐지하도록 적용할 수 있다. “데이터만 준비돼 있으면 바로 레디가 가능하다”는 메시지로 이어진다.
5. 건설 사례: 시방서 검증으로 문제 발생 전 방지
건설에서는 원청 시방서가 있고, 이를 바탕으로 설계도와 현장 시방 문서들이 만들어진다. 이 과정에서 문서 간 차이가 생기는데, AI가 그 차이를 판단해서 의도대로 되어 있는지, 제대로 안 되어 있는지를 구분한다.
그 결과 감리 단계에서 문제가 생기지 않도록 미연에 방지하는 역할을 수행한다.
6. BIM/수량 산출: AI의 계산·추론이 만드는 변화
AI 기술이 없을 때는 계산 공식이 복잡하고 잘 맞지 않아 실현 가능성이 낮았던 영역이 있었다. AI의 계산 능력과 추론 능력 때문에 BIM 영역에서 변화가 생겼다.
콘크리트 배합 비율, 시멘트 투입량, 전체 자재/재료 소요량 같은 것을 정확하게 측정할 수 있게 된다. 현장에서는 재료가 남아도 문제고 부족해도 문제이기 때문에, 이런 계산을 잘 해내는 능력이 중요한 가치로 제시된다.
7. 요구분석 전문가(혁신 컨설턴트)의 역할
버티컬로 갈수록 “말만 컨설팅”이 아니라 도메인을 깊이 이해하고 데이터도 볼 줄 아는 전문가가 중요하다.
요구분석 전문가(혁신 컨설턴트)는 고객이 겪고 있지만 스스로 명확히 인지하지 못하는 문제를 대화를 통해 윤곽으로 드러나게 하고, 그 문제를 풀 솔루션을 설계한다. 또한 어느 목표치까지 끌어올릴지 초안을 잡는 역할을 한다.
8. 버티컬 LLM과 데이터셋: 전문가 수준의 조건
버티컬 AI를 이해하려면 산업 이해와 함께, 특화 모델과 도메인 특수 데이터셋을 알아야 한다. 헬스케어, 금융, 법률, IT, 산업, 에너지, 소재 등 분야별로 특수한 버티컬 언어모델이 존재한다.
특정 기능을 수행하기 위해 도메인 전문 데이터를 데이터셋으로 만들고 학습시키면 모델이 도메인 전문가 수준의 기능과 지식을 갖추게 된다. 핵심은 “기능 유무”가 아니라 “고난도의 전문가 수준 지식을 갖고 있느냐”이며, 이는 데이터셋 학습(파인튜닝 포함)의 여하에 따라 달라진다.
9. 모델/데이터셋 오픈소스 vs 커머셜 + 개발자 데이터 예시
산업별 특화 모델은 오픈소스와 커머셜이 섞여 있다.
– 헬스케어: Med-PaLM(매드팜) 커머셜(구글)
– 바이오: BioGPT Large 오픈소스(마이크로소프트)
– 금융: BloombergGPT 커머셜
– 산업: Siemens GPT 커머셜
데이터셋도 오픈/커머셜로 구분된다. 에너지/머티리얼 쪽은 커머셜 비중이 크고, 다른 일부 데이터셋은 오픈소스에 가깝다는 내용이 나온다.
개발자 영역에서는 Stack Overflow 같은 Q&A 데이터가 학습 데이터가 될 수 있다. 이런 데이터로 학습하면 문맥 이해 능력이 좋아지고, “프롬프트로 기능 구현을 요청했을 때 알아듣는 능력”도 좋아진다.
10. 3줄 요약 (핵심만)
– 범용 AI를 모든 산업에 그대로 적용하면 성과가 안 난다. 산업별 문제 성격과 규제가 다르기 때문이다.
– 버티컬 AI는 도메인 전형 데이터 + 규제/컴플라이언스 내재화 + 특정 문제의 완전 해결 목표로 접근한다.
– 버티컬 LLM의 “전문가 수준”은 도메인 데이터셋 학습(파인튜닝 포함) 여부로 갈린다.
◼ 전체 잇(IT)터뷰 내용은 ▶영상으로 바로 가기(클릭)◀에서 확인하실 수 있습니다.
|
◼ 콘텐츠 & 웨비나 문의 : marketing@talkit.tv, 02-565-0012
Copyright ⓒ 토크아이티 All rights reserved. 무단 전재 및 재배포 금지.