생성형 AI 중심 비즈니스

생성형 AI, 비즈니스의 주도권을 바꾸다
이제 비즈니스는 생성형 AI를 중심으로 재편되고 있다. 대규모 언어 모델(LLM), 멀티모달 모델, 텍스트-이미지(T2I), 텍스트-비디오(T2V) 기술 등 최신 생성형 AI 기술의 원리부터 응용까지 폭넓게 다루며, 기업이 이를 어떻게 가치 창출의 수단으로 활용할 수 있는지 구체적으로 제시한다. 프롬프트 엔지니어링의 전략, 품질 평가 기준, 마케팅 및 상거래 혁신 사례, 그리고 미래 비즈니스 모델의 변화를 체계적으로 설명한다.
특히 생성형 AI는 창작, 디자인, 고객 응대 등 인간 고유의 영역으로 여겨지던 분야를 빠르게 대체하며, 기업 운영과 시장 경쟁의 판도를 바꾸고 있다. 생성형 AI는 단순한 자동화 기술이 아닌, 인간의 상상력과 결합해 새로운 부가가치를 창출하는 핵심 도구가 되고 있다. 기업의 전략가, 실무자, 정책입안자에게 생성형 AI 시대의 생존과 도약을 위한 통찰을 제공한다.

대규모 언어 모델부터 T2V 기술까지 최신 생성형 AI 기술과 비즈니스 전략을 포괄적으로 해설한다. 생성형 AI가 비즈니스의 주도권을 어떻게 재편하는지 구체적으로 보여 준다. 인공지능총서. aiseries.oopy.io에서 필요한 인공지능 지식을 찾을 수 있다.

권오병
서울대학교 경영학과 경영 학사를 취득하고, 한국과학기술원 경영과학과에서 공학 석사와 공학 박사 학위를 취득했다. 카네기멜론대학교 전산학부에서 방문과학자, 샌디에이고주립대학교 경영정보학과에서 방문교수를 역임한 바 있다. 경희대학교 경영대학 교수로 재직하면서 총장실 정책위원, 미래정책원장, 학장, 학무부총장을 역임했다. 한국지능정보시스템학회 회장, APBBR 편집위원장을 역임했으며, 현재 스탠퍼드대학교 선정 HCR 2% 학자다. 주요 연구 분야는 AI 비즈니스, 빅데이터 분석, ESG 경영 등이다. 저서로는 《경영학 입문》, 《4차 산업혁명과 지속 가능 사회》, 《AI 비즈니스》, 《우주 비즈니스》 등이 있다.

이남연
경희대학교 일반대학원 국제경영학과에서 경영정보시스템 전공으로 박사 학위를 취득했다. 현재 한신대학교 경영미디어대학 IT경영학전공 부교수로 재직 중이며, 주요 연구 관심 분야는 빅데이터 분석, 텍스트 마이닝, 거대 언어 모델 분야 및 인공지능 비즈니스 분야다. 특히 최근에는 인공지능과 사용자 사이의 상호작용을 기반으로 한 관계 형성 과정에 대한 연구와 인간-인공지능 관계 기반으로 인공지능의 지속 사용성을 높일 수 있는 인공지능 설계 방안에 대한 연구를 수행 중이다.

손권상
한국능률협회컨설팅(KMAC) AI/빅데이터본부 본부장이며, 인하대학교 경영대학원 외래교수다. 경희대학교에서 빅데이터경영 전공으로 경영학 박사 학위를 취득했다. 주요 전문 분야는 AI 전환 전략, 지능형 의사 결정 지원 시스템, AI 기술 응용이다. 서울시립대학교, 광운대학교, 가톨릭대학교에서 경영정보시스템과 비즈니스 인텔리전스 분야를 강의했다. 공공혁신 협의회 데이터분과 자문위원, 행정안전부 데이터 기반 국정 현안 모니터링 체계 구축 자문위원으로 활동했다. “Technology Acceptance Theories and Factors Influencing Artificial Intelligence-based Intelligent Products”(2020) 등 20편 이상의 논문을 KCI, SSCI, SCOPUS 등 등재학술지에 게재했다.

최상호
경희대학교 경영학 MIS 박사 과정을 수료했다. 첨단정보기술연구센터(CAITech) 연구원이다. 세종대학교 컴퓨터학과 학사, 한세대학교 IT융합전자공학 과정 이수, ASSIST 경영학 석사 및 Aalto MBA를 취득했다. (전)세아네트웍스, 교보정보통신, 엔코아컨설팅, VTW 등에서 개발기획자 및 컨설턴트로 활동, 삼성, 현대, 조달청등 유수 기업 및 공공기관의 IT 및 AI 컨설팅 프로젝트를 다수 수행, 현재 올핀, 팜피, 하남주택도시공사등에서 대표 컨설턴트, 사업 기획, 멘토 등으로 활동하고 있으며, 한국지능정보시스템학회 및 한국경영정보학회 정회원으로 AI 에이전트, 양자 머신러닝 등 데이터 활용 분야의 연구 성과를 확장 중이다. AI 기술을 경영 현장에 효과적으로 구현하는 데 열정을 쏟고 있다.

권성준
삼성 SDS 컨설팅팀의 AI 컨설턴트로서 기업들의 디지털 전환 컨설팅을 수행 중이다. 경희대학교 국제경영학부에서 학사, 한국과학기술원에서 정보경영 석사 학위를 취득했으며, 경희대학교 빅데이터응용학과 박사(공학) 과정을 수료했다. 주요 연구 분야는 신기술 확산 및 채택, 생성형 AI, 양자 머신 러닝 등 신기술 응용 등이다. 딜로이트컨설팅코리아 Enterprise Technology & Performance 사업본부에서 국내외 기업의 디지털 전환 자문을 수행했다(2016~2024). 감수한 서적으로는 《AI 혁신 바이블》(2024)이 있다.

최륜희
경희대학교 경영학과에서 학사, 석사 학위를 취득했으며, 현재 경영학 박사 과정을 수료 중이다. 현재 경희대학교 첨단정보기술연구센터(CAITech) 연구원으로, (전)미래비전그룹에서 과학기술 정책기획 선임 컨설턴트로 활동하며 다양한 정책기획과 컨설팅 프로젝트를 수행했다. 특히 과학기술 혁신 전략과 기업의 지속 가능한 경영 모델 설계에 주력하며, 국가와 민간 부문의 주요 프로젝트에 기여했다. “Factors affecting the continuance intention of mobile payment services: a product-service systems perspective”(2022) 등 여러 학술 논문과 보고서를 발표했으며, 이를 기반으로 실무와 학문 간의 접점을 모색하고 있다. 앞으로 AI와 빅데이터, 윤리, 금융 등 다양한 분야를 활용한 경영 전략 연구를 통해 학계와 실무 간의 연결 고리를 강화하고자 한다.

권상지
경희대학교 의료경영학과에서 석사 학위를 취득하고 현재 경영학 박사 과정에 재학 중이다. 첨단정보기술연구센터(CAITech) 연구원으로서 빅데이터 경영, 자연어 처리(NLP), 프롬프트 엔지니어링, 양자 머신 러닝 등에 관심이 있으며 연구실에서 머신 러닝 등 다양한 프로젝트를 수행한다. AI가 실제 산업 현장에서 보다 폭넓게 활용 가능하도록 학문과 실무의 접목을 모색 중이다.

박예린
경희대학교 첨단정보기술연구센터(CAITech) 연구원이자, 한국능률협회컨설팅(KMAC) AI/빅데이터본부 시니어 컨설턴트로서 공공·민간 기업을 대상으로 생성형 AI 도입 및 AI 전환 컨설팅을 수행하고 있다. 한성대학교에서 무역학과 CRM·디지털마케팅 학사 학위를 취득했으며, 현재 경희대학교 빅데이터 응용학과에서 석사 과정에 재학 중이다. 재단법인 한국세계자연기금(WWF-Korea)에서 Member DBA&Reporting Officer로 근무하며 데이터 분석 및 리포팅 업무를 담당한 바 있다. 주요 연구 분야는 생성형 AI, AI Application, 설명 가능한 인공지능(XAI), 모델 최적화이며, 인공지능 기술이 산업 현장에서 실질적인 가치를 창출할 수 있도록 학문적 연구와 실무 적용을 병행하고 있다.

생성형 AI 중심의 경제가 다가오고 있다

01 생성형 AI: 개념과 분류
02 대규모 언어 모델
03 대규모 멀티모달 모델
04 T2I 모델
05 T2V 모델
06 프롬프트 엔지니어링
07 생성형 AI 품질 평가
08 생성형 AI를 활용한 가치 창출 전략
09 생성형 AI가 바꾼 BM 변화
10 생성형 AI 비즈니스의 미래

생성형 AI(Generative AI)는 기존 AI와 근본적으로 다른 목적을 지닌다. 전통적 AI가 데이터 분류·예측·최적화에 집중했다면, 생성형 AI는 “창조”를 핵심으로 한다. 예를 들어, GPT 시리즈는 인간과 유사한 글을 생성하고, 달리(DALL-E)나 미드저니(MidJourney)는 독창적인 이미지를 제작하며, 깃허브 코파일럿(GitHub Copilot)은 개발자용 코드를 작성한다. 이는 GAN(Generative Adversarial Network, 생성적 적대 신경망), 트랜스포머(Transformer), 확산 모델(Diffusion Model) 등의 기술적 혁신에 힘입어 가능해졌다. 그러나 일부 일반인들은 생성형 AI가 감정을 가지고 사고를 할 수 있다고 말한다. 하지만 개념을 정확히 인지해 생성형 AI가 논리와 확률에 기반한 것을 이해한다면 AI를 활용한 비즈니스를 풀어 나가는 데 좋은 초석이 될 것이다.
－01_“생성형 AI: 개념과 분류” 중에서

최근에는 3세대인 LMM의 확장 단계로 나아가면서, 여러 모달리티를 동시에 처리하고 분석할 수 있는 모델들이 새롭게 부상하고 있다. LMM은 기존 LLM의 우수한 텍스트 처리 능력을 유지하면서도 이미지, 오디오, 영상뿐만 아니라 센서 데이터, 생체 신호, 시뮬레이션 데이터 등 다양한 비텍스트 데이터를 통합적으로 분석할 수 있는 방향으로 발전하고 있다. 구체적으로는 텍스트, 이미지, 오디오, 센서 데이터 등 각 데이터 유형을 개별적으로 처리하는 인코더를 통해 특징을 추출하고, 이를 단일 표현 공간에서 융합해 멀티모달 간의 상호작용을 학습한 뒤, 디코더를 통해 텍스트, 이미지, 오디오, 센서 기반 예측 등의 다양한 출력을 생성한다. 이러한 구조를 통해 LMM은 각 모달리티가 지닌 정보를 종합적으로 활용함으로써 사람의 다양한 감각 정보뿐만 아니라 기계나 환경에서 수집되는 데이터를 통합적으로 처리하는 방식에 한층 더 가까워졌다.
－03_“대규모 멀티모달 모델” 중에서

제로샷이나 퓨샷 프롬프팅의 경우 복잡한 문제 해결에는 한계가 존재한다. 이를 해결하기 위해 논리적이고 단계적인 추론 과정을 통해 보다 나은 출력 결과를 도출하도록 하는 기술이 CoT(Chain-of-Thought) 프롬프팅이다. 우선 모델에 해결할 문제를 제시하고, 모델이 문제를 해결하기 위해 필요한 중간 단계의 질문을 추가해 최종 문제를 해결하는 데 도달할 수 있도록 하는 것이다. 예를 들어, 제로샷과 비교하면 제로샷의 경우에는 ‘5개의 사과 중 2개를 먹었다면 몇 개의 사과가 남는지 계산해 줘’라고 프롬프트를 작성한다면, CoT의 경우에는 우선 ‘처음에 몇 개의 사과가 있었나요?’, ‘몇 개의 사과를 먹었나요?’, ‘남은 사과는 몇 개인가요?’와 같이 단계적으로 질문을 통해 문제를 해결하도록 하는 것이다. 이는 모델이 문제 해결 과정을 보다 명확하게 이해하고, 논리적 사고를 통해 효과적인 결과를 도출할 수 있도록 하는 기법 중 하나다.
－06_“프롬프트 엔지니어링” 중에서

고객 서비스 영역에서 생성형 AI는 기존 챗봇의 한계를 뛰어넘는 진보를 보여 주고 있다. 과거에는 학습되거나 패턴화된 정보를 제공하던 단순 FAQ(자주 묻는 질문) 응대를 넘어 복잡한 고객 문의를 이해하고, 공감 능력을 갖춘 대화를 통해 문제를 해결하며, 심지어 제품 추천이나 판매까지 자연스럽게 유도할 수 있다. AI는 고객과의 모든 상호작용을 기록하고 분석해 다음 응대 시 더욱 개인화된 서비스를 제공하며, 상담원의 업무 부담을 줄여 보다 복잡하고 감정적인 지원이 필요한 고객에게 집중할 수 있도록 돕는다. 대표적인 사례로 여행용품 브랜드인 브랜든은 프로모션 기간에 CS(Customer Service, 고객 응대)의 대응이 폭발적으로 늘어난다고 한다. 이 업체의 경우, 생성형 AI 도입을 통해 4개월 동안 고객 응대한 수는 2,173건으로, 전체 5,529건 중 39%였다. 그 시간에 사람은 더 중요한 상담과 고객 경험에 집중할 수 있었다. 따라서 이러한 변화는 고객 만족도 향상은 물론 고객 서비스 센터를 비용 센터에서 가치 창출 센터로 변모시키는 잠재력을 가지고 있다.
－09_“생성형 AI가 바꾼 BM 변화” 중에서