칼럼 | 애플은 왜 AI를 내세우지 않을까?

애플이 AI 기술 개발을 등한시했던 기업인 것은 아니다. 그러나 이 기업은 사용자 경험 측면의 ‘마법’에 초점을 맞추곤 한다. 기술 자체가 아니다. 이러한 태도가 시사하는 교훈이 있다. 생성형 AI가 늘 바람직한 도구가 아니라는 점에서 특히 그렇다. 



쏟아지는 인공지능 담론에 피곤한가? 그렇다면 혼자가 아니다. 개발자들은 생성형 AI의 가능성에 짓눌리고 있다. 기업 CEO들도 인공지능 동향을 따라잡기에 고군분투 중이다. 최근 각 기업의 실적 발표 현장에서는 AI 관련한 발표가 넘쳐난다. 생성형 AI를 위한 대규모 언어 모델(LLM)을 훈련하려는 독자적인 움직임 역시 흔하다. 

AI에 대한 흥분과 과장, 희망이 범람하는 가운데, 2시간 넘는 기조연설 속에서도 AI를 한 번도 언급하지 않은 기업이 있다. 바로 애플이다. 이 회사의 절제된 표현은 어쩌면 AI를 올바르게 사용하는 방법에 대해 시사하는 바가 있다. 

그저 말하는 것은 쉽다
가트너의 수석 부사장 애널리스트인 마크 라스키노는 AI에 대한 논의가 과열되고 있다고 최근 지적했다. 그러나 AI에 대한 호들갑은 새로운 것이 아니다. 1980년대 초부터 AI에 대한 논의가 급증했고 그 이후에도 그 열기는 식지 않았다. 

그럼에도 불구하고 양상이 다소 다른 것도 사실이다. 기술 업계 안팎에서 AI가 확산되고 있다. 특히 챗GPT가 마치 바이러스처럼 AI 과장광고의 매개체로 작동했다. 

이러한 속도에는 대가가 따른다. 가령 모든 LLM은 데이터를 필요로 한다. 데이터 확보를 위해 인터넷 아카이브, 스택 오버플로, 레딧 등과 같은 풍부한 소스에 대한 트래픽이 급증했다. 인터넷 아카이브가 다운되고 레딧 등이 봉쇄되는 사태가 발생했다. 한편, 일부에서는 데이터 저작권 침해 분쟁이 일어나고 있다. 깃허브 코파일럿을 둘러싼 분쟁이 한 사례다.

TAM 자산 관리의 최고 투자 책임자인 제임스 페니는 "실적에 AI라는 단어만 언급해도 주가가 상승하는 현상이 나타나고 있다. 닷컴 시대와 매우 흡사하다”라고 말했다. 동의할 수밖에 없는 지적이다.

하지만 한편에 애플이 있다. AI를 떠벌리지 않고도 AI에 대한 투자를 지속하는 이 기업의 대부분의 다른 기업보다 더 책임감있고 생산적으로 AI를 활용한다는 점에서 주목받아 마땅하다.

비하인드 스토리
애플의 오래 전부터 AI에 크게 투자해왔다. 시리처럼 대중적인 산출물도 있었지만 눈에 띄지 않는 방식으로 AI를 여러 제품에 통합해왔다. 오랫동안 AI 인력을 채용해왔으며, 최근에는 채용 행보를 늘려가고 있기도 하다. 최근에는 ‘머신러닝과 AI : 혁신적인 임무. 그 경험은 마법과 같다’라는 제목의 AI 인력 채용 페이지를 운영하고 있다. 

이 페이지에서 애플은 회사가 AI를 활용하는 방법에 대한 비밀을 공유했다. "우리 회사에서 머신러닝과 AI 영역의 직원들은 애플 제품에 놀라운 경험을 구축하여 수백만 명의 사람들이 상상도 하지 못했던 일을 할 수 있게 한다"라고 표현한다. 다시 말해, AI 자체에 초점을 맞추는 것이 아니라 고객이 AI를 경험하는 방식에 초점을 맞추고 있다. 기술이 고객 경험의 중심이 되지 않고 고객 경험에 필수적인 요소로 자리 잡도록 하는 것이 애플의 오랜 접근 방식이다. 기술은 본질적으로 보이지 않아야 한다. 만약 사용자가 기술을 의식한다면 애플에게는 실패에 해당한다.

WWDC 무대에서 애플은 AI라는 용어 대신 마법이라는 단어를 애용했다. 이 단어는 13번이나 사용됐다. (달리 말하자면 대부분의 기업이 AI라는 용어를 남용하는 것과 마찬가지로 애플은 마법이라는 단어를 남용하는 경향이 있다). 애플의 임원인 앨런 다이 새 애플 비전 프로에 대해 "놀랍고 마법 같은 느낌"이라고 표현했다. 반면 그 마법의 원동력이 되는 AI와 기타 기술에 대해 자세히 설명하지 않았다. 핵심은 재료가 아니라 경험이라는 회사의 시각이 드러나는 부분이다.

그리고 이는 모든 기업에게 좋은 교훈일 수 있다. 

우선 생성형 AI가 현재 '대세'인 기술이지만 모든 경우에 올바른 접근 방식일 수는 없다. 딥블루(Diffblue)의 매튜 로지는 최근 일부 사용 사례에서는 강화 학습이 생성형 AI보다 우선한다고 말했다. 생성형 AI가 화제가 되기 훨씬 전에도 회귀 분석이나 다른 방법을 먼저 시도한 후 머신러닝 버스를 타는 것이 좋다는 의견이 있었다.

최근 업계의 한 지인이 들려준 이야기도 같은 맥락이다. “LLM을 여러 가지 용도로 사용할 수 있지만, 결과물이 비정형 데이터가 아닌 정형 데이터인 경우 매우 비효율적인 방법이 될 수 있다"라고 그는 말했다. 실제로 오늘날 클라우드 공급업체가 선보인 생성형 AI 서비스 중 일부는 이미 전용 모델을 사용하기 전에 작업된 것들이라고 그는 언급했다.

그는 이어 “생성형 AI의 경우 정답을 찾는 것이 아니라 학습 데이터의 패턴을 고려한 합리적인 답을 찾는다. 이는 좋은 방법일 수 있지만 인덱스 없이 검색하는 것과 같다. 확장이 잘 되지 않는다"라고 설명했다.

생성형 AI가 나쁘다는 말이 아니다. 다만 다양한 사용 사례에서 적합하지 않거나 최선이 아니라는 점을 이야기하는 것이다. (훌륭한 접근 방식인 경우에도 많은 리소스를 요구한다.)

일부 사용 사례에서는 구식처럼 들리는 추론이 효과적이다. 추론은 데이터의 패턴을 파악하도록 AI를 훈련시킨 다음 들어오는 새로운 데이터를 해당 패턴과 비교하는 방법이다. 생성형 I는 LLM의 데이터와 유사한 것을 생성하는 접근법이다.

애플의 접근법이 다른 기업에게 교훈이 되는 다른 측면은, AI 자체가 목적이 아니라는 것이다. AI는 목적이 아니라 수단이어야 한다. 애플이 하는 것처럼 AI를 홍보의 핵심으로 삼지 않고도 AI가 적용된 비전을 판매할 수 있다. AI 자체가 얼마나 멋진지가 관건이 아니다. 중요한 것은 결과에 해당하는 경험이다. 그렇다. AI가 아닌 AI 경험을 내세워야 한다. 

* Matt Asay는 몽고DB의 개발자 관계 업무를 담당하고 있다. 그러나 본 글은 몽고DB의 입장이 아니다. ciokr@idg.co.kr