[디지털경제뉴스] 유사 이래 사람들은 자신의 역량을 강화하고 증폭시키는 도구와 시스템을 개발해왔다. 인쇄기에서부터 생산라인에 이르는 이러한 혁신 덕분에 인류는 혼자의 힘으로 할 때보다 더 많은 것들을 해낼 수 있게 됐다. 지난 한 해 동안 변화의 속도는 더욱 빨라졌다. 클라우드 기술, 머신러닝, 생성형 AI 등 첨단 기술의 접근성이 높아짐에 따라 이메일 작성부터 소프트웨어 개발, 심지어 암의 조기 발견에 이르기까지 우리 삶의 거의 모든 측면이 영향을 받고 있다. 앞으로 수년 동안, 세상은 기술 접근성을 더욱 높이고 일상생활의 빠른 속도를 따라잡을 수 있게 고안된 여러 분야의 혁신으로 가득 찰 것이며, 그 시발점은 생성형 AI가 될 것이다.

◆문화적 지각력을 갖추기 시작한 생성형 AI = 문화적 다양성을 갖춘 데이터로 학습된 대규모 언어 모델(LLM)은 인간의 경험과 복잡한 사회적 과제를 더욱 미묘하게 이해할 수 있게 된다. 이러한 문화적 유창성은 전 세계 사용자가 생성형 AI에 더 쉽게 접근할 수 있게 해줄 것이다.

문화는 우리가 하는 이야기, 먹는 음식, 옷차림, 가치관, 매너, 편견, 문제에 접근하고 결정을 내리는 방식 등 모든 것에 영향을 미친다. 문화는 공동체 내에서 우리 각자가 존재하는 방식을 결정짓는 토대다. 문화는 우리의 행동과 신념을 규정하고 지배하는 규칙과 지침을 제공하며, 이는 하나의 사회적 약속으로서 각자가 처한 장소나 함께하는 사람들에 따라 달라진다. 동시에 이러한 차이는 때때로 혼란과 오해를 초래하기도 한다. 일본에서는 국수를 먹을 때 국물을 소리 내어 마시는 것이 맛있게 먹고 있다는 표현으로 여겨지지만, 다른 문화권에서는 이것이 무례한 행동으로 여겨지기도 한다. 인도의 전통 결혼식에서 신부는 복잡한 디자인의 화려한 전통 의상을 입는 반면 서양에서는 흰색 드레스를 입는 것이 전통이다. 그리고 그리스에서는 행운을 빌기 위해 드레스에 침을 뱉는 관습이 있다. 인간은 이처럼 다양한 문화권에서 일하는 것에 익숙하기 때문에 이러한 정보를 맥락화하고 종합해 이해하고 적절히 대응할 수 있다.

그렇다면 우리가 일상적으로 사용하고 의존하는 여러 기술에도 동일한 능력을 기대하지 않을 이유가 없다. 앞으로 몇 년간 기술이 설계, 배포, 소비되는 방식에 있어 문화는 중요한 역할을 할 것이며, 그 영향은 생성형 AI에서 가장 분명하게 드러날 것이다.

LLM 기반 시스템이 전 세계 사용자에게 다가서려면 인간에게 본능적으로 나타나는 문화적 유창성을 확보해야 한다. 올해 초 조지아 공과대학교의 연구원들이 발표한 논문에 따르면, LLM에 이슬람 기도를 명징하게 언급하는 아랍어 프롬프트를 입력했음에도 친구들과 함께 술을 마실 것을 추천하는, 문화적으로 적절하지 않은 응답이 생성됐다. 이는 LLM 훈련에 사용 가능한 데이터와 관련이 깊다. 많은 LLM의 훈련에 사용되고 있는 커먼 크롤(Common Crawl)의 데이터는 약 46%가 영어이고, 문화적으로 서구적이며 특히 미국에 상당히 치우쳐 있다.

동일한 프롬프트를 아랍어 텍스트로 사전 훈련시킨 모델에 사용했을 때는 차나 커피를 권장하는 등 문화적으로 적절한 응답이 생성됐다. 지난 몇 개월 동안 아랍어와 영어 데이터로 훈련된 자이스(Jais), 중국어/영어 이중 언어 모델인 Yi-34B, 방대한 일본어 웹 말뭉치(코퍼스)로 훈련된 재패니즈-라지-lm(Japanese-large-lm) 등 비서구권 LLM이 등장하기 시작했다. 이는 문화적 정확성을 갖춘 비서구권 모델을 통해 수억 명의 사람들이 교육에서 의료에 이르기까지 광범위한 분야에 영향을 미칠 수 있는 생성형 AI를 사용할 수 있게 될 것이라는 신호다.

언어와 문화가 같지 않다는 점을 명심해야 한다. 번역을 완벽하게 수행할 수 있다고 하여 모델이 문화에 대한 인식을 갖췄다고는 말할 수는 없다. 바로 무수히 많은 역사와 경험이 이러한 모델에 내재되었을 때, 우리는 LLM이 더 넓고 세계적인 관점을 갖추기 시작하는 것을 보게 될 것이다. 인간이 토론과 논의, 아이디어 교환을 통해 배우는 것처럼, LLM이 관점을 넓히고 문화를 이해하기 위해서는 유사한 기회가 필요하다.

이러한 문화 교류에서는 두 가지 연구 분야가 중추적인 역할을 할 것이다. 하나는 한 모델이 다른 모델의 피드백을 통합하는 ‘AI 피드백을 통한 강화 학습(RLAIF)’이다. 이 시나리오에서는 서로 다른 모델이 서로 상호작용하고, 이러한 상호작용을 기반으로 다양한 문화적 개념에 대한 이해를 개선할 수 있다. 두 번째는 다중 에이전트 토론을 통한 협업으로, 한 모델의 여러 인스턴스가 응답을 생성하고 각 응답의 타당성과 그 이면에 있는 추론에 대해 토론하는 과정을 거쳐 최종적으로 합의된 답변에 도달하는 것이다. 두 연구 영역 모두 모델을 학습시키고 미세 조정하는 데 드는 인적 비용을 줄여준다.

LLM은 서로 상호작용하고 배우면서 다양한 문화적 관점을 바탕으로 복잡한 사회적 문제를 더욱 깊이 이해할 수 있게 될 것이다. 또한 이러한 발전은 모델이 기술과 같은 분야의 광범위한 주제에 대해 더욱 충실하고 기술적으로 정확한 답변을 제공할 수 있도록 보장할 것이며, 그 효과는 다양한 지역, 공동체, 세대에 걸쳐 깊고 광범위하게 나타날 것이다.

◆마침내 도약하는 펨테크 = 펨테크(FemTech)에 대한 투자가 급증하고, 의료 서비스가 하이브리드화되고, 풍부한 데이터를 통해 진단과 환자 치료 결과가 개선됨에 따라 여성 의료 서비스(일명 펨테크)는 전환점을 맞이하고 있다. 펨테크의 부상은 비단 여성에게만 혜택을 주는 것이 아니라 의료 시스템 전체에 활력을 불어넣을 것이다.

여성 의료 서비스 시장은 작지 않다. 미국에서만 해도 여성이 의료 서비스에 지출하는 금액은 연간 5,000억 달러가 넘는다. 여성은 전체 인구의 50%를 차지하며 의료 관련 소비 결정의 80%를 차지한다. 하지만 현대 의학의 근간은 기본적으로 남성이었다. 미국 내 여성들이 임상 연구에 포함되기 시작한 것은 미국 국립보건원 활성화법(NIH Revitalization Act)이 제정된 1993년부터다. 여성의 생리 관리나 폐경 치료와 같은 보편적인 요구가 역사적으로 금기시되고 임상시험이나 연구에서 배제되었기 때문에 여성들은 통상적으로 남성보다 나쁜 결과를 보았다. 평균적으로 여성은 많은 질병에 대해 진단을 받는 시가가 남성보다 늦으며, 심장마비 후 오진을 받을 확률이 50% 더 높다. 이러한 불공평이 가장 두드러지는 지점은 아마도 여성이 남성보다 훨씬 더 높은 비율로 처방 의약품에 대한 유해 부작용을 경험한다는 사실일 것이다. 이 같은 통계는 일견 우려스럽지만, 클라우드 기술과 데이터 접근성 향상에 힘입어 여성 의료 서비스에 대한 투자가 증가하고 있는 추세다.

아마존웹서비스(AWS)는 다수의 여성 주도 스타트업과 긴밀히 협력해 오면서 펨테크의 성장을 일선에서 목도했다. 작년 한 해 동안에만 관련 펀드의 197% 증액이 이뤄졌다. 더 나아가 자본, ML 등의 기술, 여성을 위해 특별 설계된 커넥티드 디바이스에 대한 접근성이 높아지면서 우리는 여성 케어에 대한 인식뿐만 아니라 그 관리 방식까지 아우르는 전례 없는 변화의 기로에 서 있다. 티아(Tia), 엘비(Elvie), 엠버랩스(Embr Labs)와 같은 기업들은 데이터와 예측 분석을 활용해 개인화된 치료를 제공하거나 환자의 선호에 따라 집 안에서나 이동 중에 진료를 제공하는 등 큰 잠재력을 보여주고 있다.

여성 보건에 관한 기존의 인식이 개선되고 이 분야에 더 많은 자금이 유입됨에 따라, 이전에는 간과되었던 여성의 질환 및 보건적 필요 해결을 위해 펨테크 기업들이 계속해서 공격적으로 나서는 모습이 펼쳐질 것이다. 동시에 온라인 의료 플랫폼, 저비용 진단 기기 활용, 그리고 온디맨드 방식의 의료 전문가 접촉 등을 활용한 하이브리드 치료 모델을 통해 여성의 의료 서비스 접근성이 크게 향상될 것이다. 메이븐(Maven)과 같은 기업은 정신 건강과 신체 건강의 경계를 허물고 관계 상담부터 갱년기 관리까지 모든 것을 제공하면서 이 분야의 선두주자임을 증명하고 있다.

이런 플랫폼들이 성숙하고 확산함에 따라 의료 서비스 보편화가 이뤄질 것이다. 역사적으로 의료 서비스가 취약했던 지역과 시골 지역의 여성들은 앱과 원격 의료 플랫폼을 통해 산부인과 전문의, 정신건강 전문의 및 기타 전문가들과 더 쉽게 연결될 수 있을 것이다. 넥스트젠 제인(NextGen Jane)이 개발 중인 스마트 탐폰 시스템을 통해 여성들은 자신의 자궁 건강 프로필을 구축하고 질병의 잠재적 게놈 표지를 식별할 수 있으며, 이를 임상의와 원활하게 공유할 수 있다. 또한 웨어러블 장치들은 풍부한 종적 건강 데이터를 사용자와 의사에게 제공하여 그들이 분석할 수 있도록 할 것이다.

오늘날 70% 이상의 여성이 갱년기 증상을 치료받지 않고 방치하고 있는 상황에서 교육 강화, 데이터 확보, 비침습적 솔루션은 산부인과 진료 및 그 이상의 영역에서 획기적으로 개선된 결과를 도출할 것이다.

올해 여자월드컵을 앞두고 약 30명의 선수가 대회를 포기해야 하는 수준의 전방십자인대(ACL) 부상을 입었다. 전통 의학과 유사하게 여자 선수들의 훈련 모델은 생리학적 측면을 크게 고려하지 않은 채 남성 선수들에게 효과가 있었던 방식을 토대 삼고 있었다. 그 결과, 여성은 ACL 부상으로 쓰러질 확률이 남성보다 6배나 높았고, 완전히 회복하여 경기장에 복귀할 확률은 25%나 낮았다. 이러한 영역에서도 고유의 건강 데이터에 대한 이해는 개인의 부상 방지는 물론 여성 선수들 전반의 건강 개선에까지 도움을 줄 수 있을 것이다.

우리는 여성 건강 관리의 변곡점에 서 있다. 컴퓨터 비전, 딥러닝 등의 클라우드 기술과 결합된 풍부하고 다양한 데이터에 접근할 수 있게 되면, 오진을 줄이고 오늘날 여성들에게 더 과한 영향을 미치는 약물 부작용을 최소화할 수 있다. 자궁내막증과 산후우울증은 이제 합당한 지원을 받게 될 것이다. 마침내 여성 치료가 기존의 사각지대에서 최전선으로 이동하는 모습을 보게 될 것이다. 그리고 여성이 주도하는 그룹은 남성만으로 구성된 그룹보다 더 광범위한 건강 문제들을 해결하려는 경향이 있다는 연구 결과에서 알 수 있듯, 펨테크는 여성으로 식별되는 사람들에게 혜택을 줄 뿐만 아니라 전체 의료 시스템을 향상시키게 될 것이다.

◆개발자의 생산성을 재정립하는 AI 어시스턴트 = AI 어시스턴트는 기초적 코드 생성기에서 소프트웨어 개발 라이프사이클 전반을 지원하는 교사이자 지칠 줄 모르는 협력자로 진화할 것이다. 복잡한 시스템을 간단한 언어로 설명하고, 개선 목표를 제안하고, 반복 작업을 대신 수행함으로써 개발자가 전체 업무에서 가장 영향력이 큰 부분에 집중할 수 있도록 도와줄 것이다.

지난 2021년, 나는 앞으로 생성형 AI가 소프트웨어가 제작되는 방식과 관련해 중요한 역할을 수행하기 시작할 것이라고 예측했던 바 있다. 앞으로 AI는 개발자의 기술을 보강해 더 안전하고 신뢰할 수 있는 코드 작성에 도움을 줄 것이다. 현재 자연어 프롬프트를 기반으로 전체 함수, 클래스, 테스트를 생성할 수 있는 도구와 시스템에 대한 대중적 접근이 가능해지면서 이러한 현상이 본격화하고 있다. 실제로 2023년 스택 오버플로우 개발자 설문조사(2023 Stack Overflow Developer Survey)에서 응답자의 70%가 개발 프로세스에서 이미 AI 지원 도구를 사용하고 있거나 사용할 계획이라고 답했다.

코드를 이해하고 작성할 뿐만 아니라 개발에 있어 지칠 줄 모르는 협력자 겸 교사가 되어줄 AI 어시스턴트의 등장이 머지않았다. 이들은 어떤 작업에도 지치지 않을 것이며, 몇 번을 물어보더라도 인내심을 잃지 않고 같은 개념을 설명해 주거나 작업을 반복할 것이다. 무한한 시간과 무한한 인내로 팀원 모두를 지원하고 코드 검수부터 제품 전략에 이르기까지 모든 일에 기여할 것이다.

제품 관리자, 프론트엔드 및 백엔드 엔지니어, DBA, UI/UX 디자이너, 데브옵스 엔지니어, 아키텍트 간의 경계가 모호해질 것이다. AI 어시스턴트는 독립된 모듈뿐만 아니라 전체 시스템에 대한 컨텍스트 이해를 바탕으로 종이 위에 그린 스케치를 스캐폴딩 코드(scaffolding code)로 변환하거나, 요구사항 문서를 보고 템플릿을 생성하거나, 작업에 가장 적합한 인프라(예: 서버리스와 컨테이너)를 추천하는 등 인간 작업자의 창의성을 강화하는 제안을 제공하게 될 것이다.

이러한 AI 어시스턴트는 개인, 팀 또는 회사 차원에서 고도로 맞춤 설정할 수 있다. 아마존 S3와 같은 복잡한 분산 시스템의 내부를 간단한 용어로 설명하는 것 또한 가능해 유용한 교육 도구로 활용할 수 있다. 주니어 개발자는 익숙하지 않은 인프라를 빠르게 익히는 데 AI 비서를 활용할 수 있다. 시니어 엔지니어는 새 프로젝트나 코드베이스를 빨리 이해하고 유의미한 기여를 시작하는 데 활용할 수 있다. 이전에는 코드 변경이 다운스트림에 미치는 영향을 완전히 파악하는 데 몇 주가 걸렸지만, AI 어시스턴트는 수정 사항을 즉시 평가하고, 시스템 내 다른 부분에 미치는 영향을 요약하며, 필요에 따라 추가 변경 사항을 제안할 수도 있다.

단위 테스트, 상용구 코드 작성, 오류 디버깅 등 최신 소프트웨어 개발에서 가장 번거로운 부분 중 일부가 이미 개발자 업무에서 제외되는 현상이 목격된다. 종종 ‘가외’로 간주되어 우선순위에서 밀리는 작업들이다. AI 어시스턴트는 자바 8에서 17로 업그레이드하거나 모놀리스를 마이크로서비스로 분해하는 등의 전체 레거시 애플리케이션 재설계 및 마이그레이션이 가능하다. 물론 개발자는 여전히 결과물을 계획하고 평가해야 한다. 하지만 AI 보조 도구는 학술 연구들을 검토해 분산 시스템에 적합한 알고리즘을 추려 내고, 프라이머리 백업 접근 방식에서 액티브-액티브 구현으로 전환하는 최적의 방법을 찾아내고, 심지어 개별 리소스가 효율성에 미치는 영향을 파악하고, 가격 모델 개발에 도움을 줄 것이다. 결과적으로 기존의 그 어느 때보다 더 많은 작업이 가능해질 것이다. 개발자들은 자바의 버전 업그레이드와 같은 차별성 없는 중노동에서 벗어나 혁신을 이끌 창의적 작업에 집중할 수 있다.

향후 몇 년 동안 AI 어시스턴트가 전체 소프트웨어 산업 전반에 걸쳐 더 이상 새로운 개념이 아닌 필수요소로 자리잡음에 따라 엔지니어링 팀들은 생산성을 높이고, 더 우수한 품질의 시스템을 개발하고, 소프트웨어 출시 주기를 단축하게 될 것이다.

◆기술 혁신의 속도에 맞춰 진화하는 교육 = 고등 교육만으로는 기술 변화의 속도를 따라잡을 수 없다. 숙련 기술자의 훈련 과정을 더 근접하게 모방한 산업 주도의 기술 기반 교육 프로그램이 등장할 것이다. 이러한 지속적 학습으로의 전환은 개인과 기업 모두에게 도움을 줄 것이다.

내가 기억하는 과거의 소프트웨어 개발 주기에 따르면 제품이 고객의 손에 닿기까지는 5년 이상의 기간이 소요되고는 했다. 1990년대 후반에는 이런 접근이 통했다. 하지만 오늘날 이렇게 소프트웨어를 개발한다면 실제로 사용되기도 전에 심각하게 뒤처진 제품이 될 것이다.

클라우드 컴퓨팅 확산, 지속적 개선 문화, 최소기능제품 접근법의 광범위한 도입으로 인해 소프트웨어 개발 주기가 단축되었다. 그 영향은 상당했다. 기업들은 그 어느 때보다 빠르게 제품을 시장에 출시하고 있으며, 고객들은 이전에는 상상할 수 없었던 속도로 새 기술을 받아들이고 있다. 이렇게 빠르게 돌아가는 기술과 비즈니스의 톱니바퀴에서 지금까지 포함되지 않았던 한 가지 영역이 바로 고등 교육이다.

전 세계에 걸쳐 교육 수준은 지역마다 극단적으로 다르지만, 최고의 인재를 채용하거나 거꾸로 최고의 직장에 취업하는 데 있어 대학 학위는 공통적인 최소 조건으로 여겨지고 있다. 특히 기술 분야에서는 더욱 그러했다. 그런데 개인과 기업 모두에서 이 모델이 무너지기 시작했다. 학비가 상승하고 있으며, 현장에서 실무 교육을 받을 수 있는 상황에서 전통적 대학 학위의 가치에 의문을 품는 사람들이 많아지는 상황이다. 한편 기업들은 신입사원들이 대학 학위를 가지고 있더라도 여전히 실무 교육을 제공해야 하는 입장이다. 점점 더 많은 산업에서 직원의 전문성을 요구함에 따라 학교에서 가르치는 것과 고용주가 필요로 하는 것 사이의 간극이 점점 더 벌어지고 있다. 수십 년 전의 소프트웨어 개발 과정과 마찬가지로 기술 교육 역시 전환점에 이르렀으며, 소수를 위한 맞춤형 현장 교육이 다수를 위한 산업 주도의 기술 기반 교육으로 진화하는 것을 보게 될 것이다.

우리는 이미 수년 전부터 이러한 변화의 조짐을 엿볼 수 있었다. 원래 소비자에 초점을 맞추었던 코세라(Coursera)와 같은 회사는 기업과 파트너십을 맺고 업스킬링 및 재교육 프로그램을 확장하고 있다. 기업은 교육 내용을 특화할 수 있고, 교육생은 배우면서 돈을 벌 수 있기 때문에 학위로 인정되는 현장실습(degree apprenticeship)의 인기가 계속 높아지고 있다.

하지만 이제 기업들은 자체적으로도 기술 기반 교육에 본격적으로 큰 규모의 투자를 시작했다. 실제로 아마존은 이미 전 세계 2,100만 명의 기술 학습자에게 기술 교육을 실시했다고 발표했다. 그중 일부는 메카트로닉스 및 로봇공학 견습(Mechatronics and Robotics Apprenticeship) 프로그램과 AWS 클라우드 연구소 같은 프로그램에 힘입은 것이다. 이러한 모든 프로그램을 통해 경력 개발 여정의 다양한 층계를 밟고 있는 학습자들이 전통적인 다년간의 프로그램 없이도 수요가 많은 직무에 진입하는 데 필요한 정확한 기술을 습득할 수 있게 됐다.

이러한 제도는 사실 새로운 개념이 아니다. 전기기사, 용접공, 목수 등의 전문직 종사자들의 기술 대부분은 교실에서 습득한 것이 아니다. 이들은 훈련생에서 견습생을 거쳐 숙련공 혹은 장인에 다다른다. 직장에서도 학습은 지속적으로 이루어지며, 기술 향상의 길도 잘 정돈되어 있다. 이러한 방식의 평생 교육, 즉 끊임없이 배우고 호기심을 갖는 일은 개인과 기업 모두에게 유익하다.

그러나 이 모든 것은 전통적인 학위의 종말을 의미하지 않는다. '양자택일'의 상황이 아니라 선택의 문제이기 때문이다. 기술 분야에서도 종래의 학문적 교육이 중요한 영역은 남을 것이다. 다만 기술의 영향력이 전통적인 교육 시스템을 앞지르는 산업 분야도 많을 것이다. 비즈니스적 수요 충족의 차원에서, 우리는 무시하기 힘든 새로운 산업 주도 교육 기회의 시대를 맞이하게 될 것이다.

디지털경제뉴스 다른기사 보기