하버드비즈니스리뷰

GPT-4와 같은 거대언어모델(LLM)은 의사결정 향상, 운영 간소화, 혁신을 약속하며 비즈니스 리더들의 마음을 사로잡았다. 젠데스크^Zendesk와 슬랙^Slack 같은 기업은 고객 지원을 개선하고, 만족도를 높이며, 비용 절감을 위해 LLM을 사용하기 시작했다. 한편 골드만삭스와 깃허브^GitHub는 개발자의 코드 작성을 지원하기 위한 목적으로 AI를 사용한다. 유니레버는 고객 메시지 응답, 제품 목록 작성이나 심지어 음식물 쓰레기를 최소화하기 위해 LLM을 사용한다. 하지만 기성 LLM은 기업이 바라는 수준의 즉각 활용 가능한 솔루션을 제공하지 못하며 조직이 특정 상황에 처하면 성능이 저하되는 경우도 많다.

이런 과제를 극복하기 위해 비즈니스 리더들은 조직별 데이터로 학습된 LLM을 미세 조정해 각 조직의 차이와 고유한 특성을 파악하도록 하고 있다. 더 많은 맥락을 이해하고 조직의 요구 사항에 맞게 미세 조정된 모델은 조직 성과를 획기적으로 향상시키는 강력한 맞춤형 AI 경험을 제공한다. 블룸버그GPT는 블룸버그의 독점 데이터로 미세 조정된 AI 리서치 모델이다. 이는 기업이 산업별 데이터로 맞춤화된 AI 모델을 활용해 전략적 이점을 얻는 사례에 해당한다.

그러나 미세 조정된 모델을 학습시키려는 기업에는 세 가지 당면 과제가 있다. 첫째, 미세 조정된 모델은 많은 기업에 부족한 자원인 광범위한 고품질 데이터가 필요하다. 둘째, LLM은 인터넷에 공개된 사용 데이터로 학습되기 때문에 특정 커뮤니티나 사용자의 뉘앙스를 고려하지 않는다. 따라서 답변이 편향되거나 생성된 콘텐츠의 다양성과 다원성이 부족할 수 있다. 셋째, 원래는 다른 목적으로 수집된 사용자의 개인정보로 미세 조정된 모델을 학습시키면 개인정보 침해가 발생할 수 있다.

아티클을 끝까지 보시려면
유료 멤버십에 가입하세요.
첫 달은 무료입니다!

로그인 멤버십 결제