AI와 콘텐츠 스타트업

콘텐츠 스타트업의 기회, AI
생성 AI 시대를 맞이한 스타트업 창업자들에게 필수적인 정보를 제공한다. AI 기반 콘텐츠 스타트업의 도전과 기회를 심도 있게 탐구하며, 특히 문체변경 AI ‘오웰’을 개발한 경험을 바탕으로 스타트업이 직면하는 현실적인 어려움과 그 극복 방안을 제시한다.
이 책은 AI 기술의 급속한 발전과 그로 인해 변동하는 산업 환경에서 스타트업이 성공하기 위해 필요한 전략들을 소개한다. 프롬프트 엔지니어링, 검색증강생성, 멀티모달 거대언어모델 등 최신 기술 흐름과 더불어, AI 제품의 구현 및 상용화 과정에서 발생할 수 있는 저작권 문제, 기술적 취약점, 그리고 사용자 경험(UX) 개선을 통한 수익 창출 방법을 다룬다. 특히 스타트업이 경쟁에서 살아남기 위해선 좁은 틈새시장을 공략해 확실한 전문성을 갖춰야 하며, 고객의 실제 문제를 해결하는 데 집중해야 한다고 강조한다. AI 시대의 창업자들에게 유효한 실질적인 조언과 지침은 AI 기술을 활용해 새로운 기회를 포착하려는 스타트업에게 큰 도움이 될 것이다.

생성 AI 시대 콘텐츠 스타트업이 직면한 도전과 기회를 다룬다. 최신 AI 기술과 트렌드를 소개하며, 프롬프트 엔지니어링, 검색증강생성, 멀티모달 모델 등 핵심 기술을 바탕으로 스타트업이 생존하고 성장하기 위한 전략을 제시한다.

이성규
‘콘텐츠 AI 허브’ 스타트업 미디어스피어의 대표다. 고려대학교에서 식품자원경제학으로 학사, 서울과학기술대학교에서 디지털문화정책 전공으로 석사, 박사를 수료했다. 오마이뉴스, 매일경제, 블로터 등에서 정치부, 경제부, IT 담당 기자로 활동했다. 다음커뮤니케이션에서 블로거뉴스 프로덕트를 기획했고 구글에서 뉴스 혁신 생태계 파트너십 매니저로 뉴스 혁신 프로젝트 지원 업무를 담당했다. 미디어 스타트업 ‘메디아티’에서 국내 새로운 미디어 스타트업을 발굴하고 투자하는 역할도 맡았다. 현재는 문체변경 AI ‘오웰’, 유튜브 숏북 제작 AI 등을 개발하고 있다. 『트위터, 140자의 매직』(2009), 『혁신 저널리즘』(2015), 『사라진 독자를 찾아서』(2018) 등을 집필한 바 있다.

콘텐츠 AI 스타트업의 도전적인 숙명

01 AI와 프롬프트 엔지니어링
02 RAG와 검색의 지각변동
03 멀티모달과 콘텐츠 제작
04 AI 에이전트
05 답변엔진
06 거대언어모델과 콘텐츠의 저작권
07 파인튜닝 대 퓨샷러닝
08 거대언어모델의 취약점
09 AI 프로덕트와 UX
10 AI와 스타트업의 수익 모델

프롬프트 작성은 코딩과 흡사하다. 프롬프트 엔지니어링은 그래서 코딩의 사고로 접근할 필요가 있다. 원하는 용도에 맞게 품질 높은 생성 결과물을 얻기 위해서는 코딩에 준하는 방식으로 프롬프트를 전개해야 한다. 그렇지 않으면 생성된 결과물은 뻔한 내용으로 가득 차게 된다. 일관성도 담보할 수가 없다. 간혹 챗지피티를 사용하다 만족감이 떨어진 경험담을 듣곤 하는데 이는 프롬프트의 필수 구성 요소를 충분히 제공하지 않아서라고 할 수 있다.
－01_“AI와 프롬프트 엔지니어링” 중에서

AI 에이전트는 크게는 5가지 과정 혹은 기능으로 구축된다. 추론 엔진, 지식 창고, 도구의 통합, 데이터 수집, 사용자 인터페이스다. 추론 엔진은 말 그대로 추론이 가능한 거대언어모델을 말한다. 거대언어모델의 도움 없이는 AI 에이전트가 작동하지 못한다. 다만 AI 에이전트를 구축할 때엔 여러 거대언어모델을 함께 사용해 연결할 수 있다는 점을 유념해 둘 필요가 있다. 작업마다 더 나은 의사결정이나 추론을 할 수 있는 모델을 선택하는 것이 중요하다. 지식 창고는 해당 목표를 달성하기 위해 의지해야 할 지식 데이터베이스와 메모리를 의미한다. 여행지 정보와 예약이라고 한다면 그와 관련한 최신 정보가 모여 있는 지식 정보 창고 그리고 요청을 주문하는 사용자의 여러 개인정보가 저장되는 공간이다. 이를 통해 사용자가 선호하는 최적의 결과물을 스스로 판단해 제시해 준다. 여기에 여러 외부 도구들에 접속해 목표를 달성할 수 있도록 별도의 소프트웨어가 만들어져야 하며 이는 서로 연결돼 있어야 한다.
－04_“AI 에이전트” 중에서

공정 학습은 공정 이용이 기계에 의한 저작물 이용을 구체적으로 명시하지 않고 있기에 발생할 수 있는 문제를 해결하기 위해 고안된 개념이다. AI의 학습 데이터가 저작물의 획득이 아니라 저작물에 대한 접근이므로 개별 저작물의 창작을 방해하지 않는 한 포괄적으로 허용될 필요가 있다고 강조한다. 이를 위해 인풋(학습을 위한 데이터)과 아웃풋(학습의 결과로 제시된 기계 창작물)을 명확히 구분하고 있다. 학습 데이터는 인풋에 해당하고 그것이 팩트나 문장 구조의 접근을 위해 복사하는 것이기에 공정 이용의 범위를 크게 벗어나지 않는다는 것이다.
－06_“거대언어모델과 콘텐츠의 저작권” 중에서

명령 기반 인터랙션 디자인이라는 패러다임에선 가급적 사용자들이 쉽게 명령 기호를 이해하도록 돕는 것이 핵심이었다. 하지만 일련의 명령 체계를 생성 AI에게 위임한 UI 패러다임에선 이러한 접근 방식이 더이상 통하지 않는다. 따라서 지금까지와는 현저하게 다른 UX 설계가 반드시 필요해지는 것이다. 새로운 AI 제품을 설계하고 개발하려는 스타트업들이 반드시 유념해야 할 개념 중의 하나다.
－09_“AI 프로덕트와 UX” 중에서