AI 프로덕트 기획과 운영 (5. AI에서의 전략적 사고+ 파인튜닝,RAG,그라운딩)

"한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다

 

ch5. AI 에서의 전략적 사고 

1. 비즈니스 전략

AI가 항상 정답이 아니다!

AI 도입 그차제가 목적이 되어 적용하는것이 흔한 실수.

AI를 도입할때 AI가 꼭 필요한지, AI만이 해결할수 있는 문제인지 반드시 선행검토가 필요하다. 

 

파괴적인 혁신인가, 유지적 혁신인가

유지적 혁신은 기존 고객의 요구를 더 잘 충족시키기 위해 프로덕트 개선. 현재 고객의 요구에 부합.

파괴적 혁신은 아직 충족되지 않은 요구를 겨냥해 등장하는것. 

처음에는 완성도와 성능이 떨어지고 매력적이지 않게 느껴질수 잇지만, 미래 고객의 요구를 충족시키게 된다.

 

유지적 혁신은 기존 프로덕트의 가치를 높이고 현시장에서 경쟁력을 유지하는데 도움이 된다.

파괴적인 혁신은 문제 해결방식을 근본적으로 뒤흔들수 있다. 위험도 크지만 보상도 클수 있다. 

 

2.AI 도입 전략

AI 모델을 직접 자체 개발할것인가, 구매할것인가

직접 자체개발하면, 프로덕트 요구에 딱 맞는 솔루션이 된다. 기술에 대한 소유권도 가질수 있고, 보안도 유리. 장기적 비용 절감.

사전학습된 AI솔루션을 구매하면, 프로덕트 출시 시간을 단축하고 이미 검증된 AI를 활용할수 있다. 확장성을 염두, 지속적인 업데이트.

 

3. 데이터 전략

데이터 학습기술과 연결. 

어떤 방식을 선택하느냐에 따라 AI모델 성능이 달라진다. 

 

파인튜닝

이미 사전 학습된 모델을 가져와서 특정 데이터셋으로 추가 학습시키는 방법.

모델의 정확성이 중요하고, 해결해야하는 문제가 명확하게 정의된 경우에 적합.

다만 레이블링된 데이터와 많은 리소스 필요. -> 예시, 부적절한 콘텐츠 감지 활용

 

RAG

생성형 모델에 검색 메커니즘을 결합해 방대한 정보에서 필요한 데이터를 동적으로 찾아와 활용하는 방법.

모델전체를 다시 학습시키지 않고, 항상 최신 정보를 실시간으로 제공.

변화가 잦고 정보가 풍부한 환경에 적합 -> 예시, 뉴스나 시장동향, 최신 트렌드나 아티스트 뉴스 분석 활용

 

그라운딩

기존 맥락을 활용해 기본모델의 행동을 유도하는 방식.

모델의 응답이나 예측에 영향을 주기 위한 지시사항이나 맥락을 부여하는 가벼운 접근방식.

파인튜닝보다 훨씬 적은 리소스로 가능. 대규모 데이터셋 필요 없음. -> 예시, 챗봇에 특정한 어조 유지, 대화흐름 유도.

 

요소	파인튜닝	RAG	그라운딩
지연시간	심층 분석 필요, 초기 지연시간 높음	빠른 검색 가능	기존 맥락 활용, 지연시간 낮음
데이터요구사항	대규모 레이블링 데이터셋 필요	검색을 위한 대규모 정보 텍스트 필요	맥락의존. 새로운 데이터 요구 최소
정확성	높음	가변적. 검색된 데이터에 따라 다름.	보통. 맥락적 관련성
확장성	리소스 사용량 많음	텍스트 크기에 따라 확장.	사전학습 모델고 함께 확장가능.