LLM은 생성형 AI가 아니다
전세계적으로 수억명의 사용자들에게 ChatGPT가 채택되면서 ChatGPT는 LLM(거대 언어 모델)과 생성형 AI(Generative AI)의 대명사가 되었다. 그래서인지 많은 사람들이 ChatGPT는 생성형 AI이고, ChatGPT는 LLM이니까 LLM은 생성형 AI라고 생각하게 된 듯 하다.
ChatGPT = LLM = Generative AI?
하지만 LLM은 생성형 AI가 아니다.
정확하게 말하면 LLM은 생성형 AI의 일종이다. 그러니까 ‘LLM은 생성형 AI다’라고 해도 틀린 말은 아니다. 그럼에도 굳이 이렇게 과격한 표현까지 사용한 이유는 무엇일까? 그것은 LLM을 생성형 AI라고 바라보는 관점은 LLM의 가치를 제대로 파악하는 데에 큰 방해가 되기 때문이다.
LLM은 거대 ‘언어’ 모델이지만 그 역할을 ‘언어’에만 한정지어선 안된다. LLM과 생성형 AI를 같게 생각하는 순간 우리는 LLM을 ‘언어’를 ‘생성’하는 모델이라고 생각하게 된다. 이는 LLM의 다재다능(Versatile)한 역량을 굉장히 과소평가하게 되는 결론으로 이어진다.
LLM = Resoning Machine & General Problem Solver
LLM은 인류가 발견한 General Problem Solver이다. 여러 LLM들을 비교할 때 ‘글쓰기’ 하나의 벤치마크만 비교하는 경우는 이제 없다. 글쓰기, STEM, 정보추출, 코딩, 수학, 추론 등 다양한 영역의 문제를 풀 수 있는 모델이 LLM이기 때문이다.
심지어 LLM은 인류가 최초로 발견한 민주화된 General Problem Solver이다. 점점 LLM을 구축하고 사용하는 데에 들어가는 비용이 내려갈 것이기 때문에 이러한 General Problem Solver를 누구나 가져다 쓸 수 있는 시대가 멀지 않은 미래에 올 것이다.
한편, LLM의 여러가지 Capability 중에서 특히 Reasoning을 눈여겨볼 필요가 있다. LLM은 언어를 생성해내는 것을 넘어서 직접 판단을 하는 주체가 될 수도 있는 AI이다. 그렇기 때문에 LLM을 Reasoning Machine(추론 기계)으로 바라볼 수 있어야 한다.
LLM을 Reasoning Machine이자 General Problem Solver라고 바라보는 것이 가치 있는 이유는 이 두가지 관점을 결합하면 기존에는 없던 솔루션을 만들어서 세상에 존재하는 많은 문제를 푸는 것이 가능해지기 때문이다.
LLM은 Holistic Solution 방식을 가능하게 한다.
기존에 제품을 만들던 사람들이 성공하는 제품을 만들어온 방식은 ‘뾰족하게 버티컬을 뚫는 것’이었다. 예를 들자면 엄청나게 훌륭한 To-do list 앱을 만들거나 엄청나게 훌륭한 Calendar 앱을 만들어왔다는 것이다.
그런데, 제품 개발이 쉬워지니까 Notion 같은 앱이 나오기 시작했다.
이제 기억하는 사람이 얼마나 있을지 모르겠지만 Notion이 나올때만 해도 Workflow와 관련된 여러가지 버티컬 앱들이 쪼개져있는 것은 당연했고, 이것들을 API 등을 통해서 연결해서 쓰는 것이 당연했다. 그러다 All-in-one Workspace라는 컨셉을 표방한 Notion이 세상에 나왔고, 당연히 인접한 버티컬 어플리케이션들을 한 곳에서 한 UX로 쓰는 것이 편하니까 많은 사람들이 Notion을 채택했다.(너무 많은 사람들이 채택한 나머지 마이크로소프트가 Notion의 경쟁 앱을 팀을 꾸려서 직접 만들 정도가 되었다.)
이와 같은 일이 거의 모든 영역에서 발생할 수 있는게 지금이다. 그리고 그 이유는 LLM 때문이다.
LLM은 General Problem Solver이기 때문에 LLM을 이용하면 인접해있는 여러개의 문제를 동시에 푸는 것이 가능하고, LLM이 없을 때보다 그 난이도가 극도로 낮아졌다. 그래서 Holistic Solution이라고 하는 방식의 제품 개발 방법론을 실행하는 것이 가능해졌다.
인접 문제들을 풀면서 얻게 되는 Compound 효과(Compound Startup에 대한 개념은 여기에서)를 누리기 시작하면 하나의 버티컬만 풀고 있던 제품들은 쉽사리 대체될 가능성이 높다.
혹시나 오해를 살까봐 확실하게 다시 적어두는데, 그냥 많은 문제를 풀면 되는 것은 당연히 아니다. 중요한 것은 실제로 세상에 존재하는 문제를 푸는 것이다. 예전에는 제대로된 문제 하나를 풀기에도 벅찼기 때문에 그 하나에 초집중해서 이를 제대로 풀어내는 것이 성공의 핵심이었던 것이다. 그런데 이제는 제품 개발이 쉬워졌다. 심지어 General Problem Solver 기술인 LLM이 민주화되었다. 그렇기 때문에 하나를 푸는 것이 오히려 기회의 낭비가 되는 Tipping Point에 와있다고 보는 것이 맞을 것이다.
이건 나만의 인사이트는 아니고, 글로벌 기술/제품 트랜드의 최전선에 있는 Greylock 같은 VC들에서 블로그로 낼 정도로 이미 당연하고 만연한 사실이다.(정보의 비대칭을 통해 수익을 내는 VC가 블로그로 정리해서 글을 쓸 정도면 이미 알만한 사람들은 ‘당연하게’ 알고 있는 사실이라고 보는 것이 좋을 것이다.)
한편, LLM은 판단을 대신 할 수 있는 주체이기 때문에 우리는 많은 선택지들을 LLM에게 대신 넘길 수 있게 되었다. 이는 Holistic Solution으로서 단순히 다양한 문제를 LLM이 풀 수 있는 것을 넘어서 아예 나를 ‘대신’해서 일을 끝낼 수 있는 자율 AI 에이전트 서비스가 폭발적으로 많이 나올 수 있다는 것을 의미한다.
라이너는 이러한 Holistic Solution을 가능하게 하는 Enabler로서 LLM을 바라보고 기술 개발 및 제품 개발을 해왔다. 그 결과 라이너를 아래의 두 가지 핵심 기능으로 구성하여 글로벌하게 임팩트를 내는 것이 가능했다.
어떤 복잡한 질문을 해도 자율적인 판단으로 문제를 쪼개서 풀어낼 수 있는 자율 AI 에이전트인 LINER AI Workspace(모바일 앱: iOS / Android)
인터넷에서 자료조사를 할 때 항상 따라다니면서 어떤 질문에 대해서 답해주는 LINER Copilot
글로벌하게 매달 수백만명의 삶에서 역할을 하는 AI Product를 만들면서, 그리고 이를 통해 비즈니스 임팩트를 만들어내면서 배우고 있는 것이 너무나도 많다.
이것들과 관련해서도 하나씩 공유할 수 있는 노하우들에 대해서 공유를 시작해보려 한다.
