2022년 11월 OpenAI의 ChatGPT 출시 이후 엄청난 속도로 생성형 AI 산업이 전방위적으로 확장되고 있다, 생성형 AI의 기능, 한계, 그에 대한 대책 등 다양한 분석이 이어지고 있지만. 정작 산업별, 기업별로 AI가 구체적으로 어떻게 활용되고 있는지에 대한 적용 사례에 대한 보고는 아직 미진한 편이다.
문제는 비즈니스의 AI적용은 생성형 인공지능의 경제적, 사회적인 파급효과가 어떠한 실질적인 변화를 가져올 씨앗의 역할을 한다는 것이다. 결국 AI의 유용성의 증명은 사용자가 어떤 혜택을 받느냐가 중요하기 때문이다. 이러한 관점에서 본 기사는 ‘산업별로’ AI를 어떻게 활용하여 비즈니스 성과를 내고 있는지를 구체적인 국내외 사례들을 통해 알아보려고 한다.
생성형 AI 도입이 초기 단계인 만큼, 사례가 제한적인 점, 그리고 적용사례의 성공여부가 아직 판명되지 않은 점 등 제약이 많은 상황에서 기사를 작성했지만 각기업들이 AI 활용 사례를 통해 AI에 대한궁금증이 많은우리 독자들에게참고가 되었으면 하는바램이다.
AI – 비즈니스 활용시장 전망
기업들의 AI에 대한 기대치
생성형 AI는 아직 공급자 위주의 시장이고, 수요자 측면에서는 미진한 면이 있다. 생성형 AI의 범용적인 활용은 아직 초기 단계이나, 기업이 AI를 적극 도입하면서 새로운 비즈니스 모델 및 가치가 지속 창출될 것으로 전망됨에 따라 생성형 AI시장의 성장세는 상당히 유망하다.
![user image](http://www.chaovietnam.co.kr/wp/wp-content/uploads/2023/12/bannerAD-03.jpg)
Coatue지가 2023년 조사에 따르면. 조사대상 기업의60% 이상이 생성형AI를 도입할 의향을 보였지만, 오직9%만이AI를 완전히 채택했으며, 약60~75%의 기업은 아직 파일럿 테스트 또는 초기 검증단계 인 것으로 나타났다.
Bloomberg지의 보도에 따르면, 생성형 AI 시장 규모는 ’23년 670억 달러에서 ’32년 1.3조 달러로 CAGR 40% 수준의 급격한 성장을 전망하고 있으며 전세계 CEO 대부분은 생성형 AI를 통해 기업 효율성 및 수익성 향상에 크게 기여할 수 있을 것이라 주장하고 있어, 향후 기업의 생성형 AI도입률은 크게 증가할 것으로 기대되고 있다. 24년부터는 온 디바이스 AI(스마트폰, PC, 가전 등에 AI 탑재), 자율주행, 보안, 금융, 로봇, 헬스케어 등 전 산업 응용처로 확대되며 생성형 AI 시장 규모가 급성장할 전망이다.
굴지의 CEO들은 생성형 AI를 도입하는 기업들이 빠르게 증가하고 있다고 판단하고 있으며, 생성형 AI가 기업에 미칠 영향력이 상당할 것으로 전망하고 있다. 전반적으로 CEO들은 생성형 AI가 기업의 제품 품질, 고객 신뢰, 효율성, 수익성에 긍정적인 영향을 미칠 것으로 기대하며, 리스크 보다는 기회 요인으로 평가하고 있다.
60% 이상의 CEO들이 생성형 AI를 통해 인력의 작업 효율도가 5% 이상으로 기대하고 있으며 절반 가까이되는CEO들이생성형AI가 기업 이익 증가에도 기여할 것으로 예상하고 있다.
산업별 AI도입 현황
전 산업에 걸쳐 글로벌 800여개 기업(은행, 제약, 공공, 자동차 등)의 주요 의사결정권자(CEO, CSO, CFO 등) 중 75%가 생성형 AI를 비즈니스 경쟁 우위와 직결되는 요소로 판단하며 높은 투자 의향을 보이고 있다. 이러한 이유로 향후 선도기업들의 성공적인 생성형AI도입 사례가 전파되면서 도입 속도가 전산업에 걸쳐 크게 증가할 것으로 전망되고 있다.
MWC 2024에서 NTT data가 발표한 자료에 따르면 기업들의 생성형 AI 투자 규모는 연평균 17%증가할 것으로 보고 있다.
AI 기술 수준이 발전함에 따라 사용처가 다양하게 확대될 것이며, 산업 전방위적 AI 도입 추세에 힘입어 투자는 가속화될 전망이다. 이에 기업들은 생성형 AI기반 비즈니스 모델 구축과 더불어 본격 수익화 전략에 돌입할 것으로 예상된다. 2023년에는 기업들이 생성형 AI 개발 및 안정화에 집중했다면 2024년부터는 생성형 AI의 대중적인 보급과 본격적 도입에 따른 생산성 향상 및 수익 창출에 초점을 두어 사업을 전개해 나갈 것으로 예상된다.
동시에 각 산업별로는 단순 생성형 AI도입을 넘어 차별화를 통한 수익화에 대한 다양한 시도가 나올 것으로 예측되고 있다.
도입이 가장 활발한 분야, 금융업
금융업은 헬스케어, 자동차 산업에 이어 AI영향력이 큰 업종 중 하나로, 금융권의 수치, 재무 등 방대한 정형 데이터를 기반으로 강력한 AI비즈니스 창출이 가능한 산업 중 하나다.
특히 신속한 고객 문의 대응을 위한 챗봇/상담봇. 투자성향, 리스크 수준, 기대 수익률 등 자산관리 및 상품추천 정보를 제공하는 로보어드바이저(Robo-advisor). 각종 서류를 자동으로 분석/분류하는 등 프로세스를 개선해주는 로봇 프로세스 자동화(Robotic Process Automation, RPA) 기능에 금융기관들은 주목하고 있는 상황이다.
현재 국내외 금융기관들의 생성형 AI 도입 및 활용 방향성을 비추어 봤을 때 특히 ‘마케팅/영업’ 과 ‘고객관리’ 와 같이 개별 고객에 대한 정밀한 분석 기반의 1대1 맞춤형 서비스가 요구되는 영역을 중심으로 보다 고도화된 생성형 AI기술을 활용하고자 하는 필요성이 높아지고 있다.
Morgan Stanley
Morgan Stanley는 OpenAI와 협업하여 미국은행최초로GPT4 기반의 챗봇서비스를 직원에게 제공하기 시작했으며 자산관리자문업무를 수행하는 Relationship Manager들이 활용 중이다. 아울러 10만개의 보고서로 구성된 은행의 지식 데이터 베이스를 활용해 다양한 질의 응답을 수행하며, 회의 내용 자동 요약 및 이메일을 생성하는 Debrief라는도구 개발하여 시험 중이다.
NatWest
영국의 NatWest은행은 IBM의Watson X를활용해Cora+라는AI 가상비서를 출시했으며, 상품/서비스 정보 외 은행의 기본정보, 취업기회 등 다양한 정보와 기능을 제공하고 있다. 또한 AWS와협업하여 ’27년말까지 사기탐지, 맞춤형금융솔루션제공, 고객지원 강화, 데이터 보안등의 분야에AI 솔루션을 개발할 계획이다.
J.P.Morgan
미국의 글로벌 투자은행인 JP Morgan Chase는 머신 러닝과 자연어 처리기반으로 후속 주식 오프닝에 가장 적합한 고객을 식별하는 ‘Emerging Opportunities Engine’을 도입했으며 법률 문서 분석, 중요 데이터 포인트 및 조항 추출 계약 인텔리전트 도구‘COiN’을 이미 2017년에 도입했다.
기존에는 연간12,000건의 상업신용계약을 수동으로 검토하여 약36만시간이 소요되었으나 이제 같은 양의 계약을 단 몇 초 만에 검토가 가능 해졌다.
현재 JP Morgan Chase는 고객의 증권투자를 위한 금융정보 분석 서비스인 ‘IndexGPT’를 개발 중이며, 이는 고객이 보유한 현재의 재정상황과 투자상품 정보를 기반으로 적절한 투자옵션을 제안이 가능해질 것으로 기대되고 있다.
Citybank
미국의 CitiBank 도 사기 및 자금세탁 방지업체인Feedzai를 비롯한 여러AI 기업에 투자를 통한 전략적 파트너쉽을 체결했으며 이를 기반으로 Feedzai소프트웨어를 자사 사기탐지 프로세스에 통합시키면서 1천페이지 이상의 신규 자본 규정을 분석하는 데 생성형 AI를 활용하여 파생상품거래, 사기 적발, 인사 평가 등에도 활용하고 있다.
한국에서도 금융권을 중심으로 적극적으로 도입되고 있다.
Shinhan Bank
신한은행은 은행권 최초로 알고리즘 AI를 2017년에 도입 후 전 영업점으로 확대시행 중이며. 2022년부터는 ‘AI 활용완전판매프로세스’ 시행하여 영업점에 AI 기술적용 사전인프라를 구축하고, 투자상품 상담 및 판매과정에서 AI 고객답변인식하고 실시간AI 상담분석과 full text 자막구현 등 AI 기술로 불완전판매 요소를 진단, 분석하고 실시간으로 결과를 직원에게 전송하는 시스템을 사용하고 있다.
Woori Bank
경쟁사인 ‘우리은행’도 ‘AI 기반이상거래탐지시스템(AI-FDS) 은행권 최초 상용화 했으며, 퇴직연금 상품에 로봇 어드바이저 업체 인파운트 ‘블루웨일’ 도입했고, 2023년부터는 AI 상담봇 과 챗봇서비스를 포함한 AI 상담 서비스 고도화가 진행중이다.
Mizuho
심지어 디지털화에 느린 일본의Mizuho은행도 시스템 개발 및 유지관리 업무 효율화를 위해 생성형AI 도입 중이다. 특히 Fujitsu의 플랫폼기술을 활용해 시스템 설계할 계획이며, 이미 시험적으로 감사프로세스상 오류 및 누락 등을 감지하는 업무에 적용 중이다.
AI도입이 가장 활발한
신용평가 분야
글로벌 금융산업내 가장 활발하게 AI를 활용하고 있는 분야는 신용평가와 대출심사사다, 신용평가 모형 개발, 신용평가 산정 및 승인 등 관련 개인화 서비스를 개발 중인 기업들이 대다수일 정도로 AI도입이 매우 활발한 분야다. 또한 금융 리스크 관리에 대한 중요성도 강조되며 이상거래 탐지, 자금세탁방지 등을 효과적으로 관리할 수 있는 AI기술에 대한 금융기관들의 관심이 높아지고 있는 만큼, 이 분야를 개발하는 기업들도 성장세를 보일 것으로 전망되고 있다.
신용평가 분야에서 AI를 도입하여 업무에 적극적으로 활용하고 있는 업체는 다음과 같다.
Enova
미국의 소액대출업체인Enova 사는 대출플랫폼에서 AI와 머신 러닝을 사용하여 고급금융분석과 신용평가를 제공 중이며, 중소기업을 위한 은행 대출서비스에 적극적으로 활용하고 있다.
Ocrolus
Enova의 경쟁사인 Ocrolus 사는 은행명세서, 급여명세서, 세금서류, 모기지양식, 송장 등을 머신 러닝 및 사람 검증으로 분석하여 대출자격을 결정하는 데에 사용 중이다.
Zest AI
금융전문 플랫폼 소프트웨어 제작회사인Zest AI 사는 기업이 신용정보나 이력이 거의 또는 전혀 없는 대출자를 평가하는데 도움을 주는AI 기반 플랫폼을 운영 중이다.
신약개발에 AI를 활용하고 있는
헬스케어 및 제약 산업
헬스케어 산업은 AI 기술 도입이 가장 빠르게 이루어지고 있는 분야다. 22년 기준 전세계 산업별 AI 시장 점유율 약 16%로 가장 높은 수치를 보일 정도다. 현재 AI 기술은 자본이 상당 수준 갖춰진 제약사들 중심으로 활발히 활용되고 있으며, 이것은 중증∙희귀 질환 치료를 위한 신약 개발에 제약사들이 쏟아 붓는 천문학적인 비용과 기간을 대폭 단축하는 획기적인 게임체인징을 불러오고 있다. 새로운 분자를 전임상 후보물질 단계로 가져오는데 AI를 활용시에 소요 시간은 기존대비 최대 40%까지 절감되며 비용은 최대 30%가 감소된다는 연구결과가 그것을 뒷받침해주고 있는 상황이다. 이에 신약 개발에 기여할 수 있는 의료 데이터 및 약물 분석, 질병 진단을 위한 AI 기술을 개발하는 전문 스타트업 들도 주목받는 중이며, 향후 개인 맞춤형 의료 서비스 제공을 위한 AI활용도 높아질 전망이다.
해외 제약사들은 AI 모델을 적극 활용하여 신약 개발, 임상 실험, 생산 등을 가속화하는 중이다. 이들은 생성형 AI 역량 강화를 위해 중소 규모의 혁신적인 AI전문 기업들과 협력 또는 인수하거나, Microsoft, IBM 등과 같은 클라우드 플랫폼 기업들 과도 협력을 확대 중이다. 그 중 주요 빅 파마들은 내부 AI 인력 양성에 힘을 쓰고 있을 뿐만 아니라 AI를 회사 전체에 적용하기 위한 대형 프로젝트를 추진하며 AI 기반 플랫폼을 자체 개발하는 등, 효율적인 비즈니스 체계를 구축하는데 심혈을 기울이고 있으며, 이 분야에 가장 앞장서는 기업이 바로 스위스 제약회사인 로슈(Roche)다.
AI가 일상화된 기업
로슈 ’Roche’
독감예방제인 타미플루, 그리고 피부상처치료제인 마데카솔을 개발한 것으로 유명한 스위스에 소재한 제약사인 로슈는. 높은 명성 답게 AI를 적극적으로 활용하는 기업으로 유명하다.
AI준비지수에서 전세계 주요기업 중에서 가장 높은 77.5%를 기록하고 있을 정도로 AI활용에 적극적인 기업이다. 즉 일상적인 업무에서 AI 활용이 공기처럼 당연한듯이 여겨지는 회사다.
로슈는 생성형 AI가 유행하기 이전부터 AI활용에 적극적이었다. 2018년에는 Flatiron Health(방대한 양의 종양학 데이터를 관리)를 인수, 협업하여 종양학(암 진단) 질환을 보다 정확하게 효율적으로 분석할 수 있는ML 시스템을 구축했으며, Recursion(AI 신약개발)과 협력하여 신경과학 및 종양학 분야신약을 발굴 및 개발을 진행했으며, 2023년에는 Microsoft와 협력하여 AI 클라우드 플랫폼 기반으로 환자 조기진단 및 사후관리에 기여하고 같은 해에는 NVIDIA와 협력하여 생성형 AI기반신약개발을 위한 초기 후보물질 발굴계획을 발표했다.
로슈의 가장 큰 매출 비중을 차지하는 제약 부문에서는 암, 당뇨 등의 중증 질환을 효과적으로 치료하기 위한 신약을 지속적으로 개발 중이다. 아울러 해당 비즈니스의 효율화 및 수익성 강화를 위해 AI 역량을 키우고자 M&A를 통한 내부 혁신 조직과 AI전문 기업과의 파트너십을 구축하고 있다.
독감예방제인 타미플루, 그리고 피부상처치료제인 마데카솔을 개발한 것으로 유명한 스위스에 소재한 제약사인 로슈는. 높은 명성 답게 AI를 적극적으로 활용하는 기업으로 유명하다.
AI준비지수에서 전세계 주요기업 중에서 가장 높은 77.5%를 기록하고 있을 정도로 AI활용에 적극적인 기업이다. 즉 일상적인 업무에서 AI 활용이 공기처럼 당연한듯이 여겨지는 회사다.
로슈는 생성형 AI가 유행하기 이전부터 AI활용에 적극적이었다. 2018년에는 Flatiron Health(방대한 양의 종양학 데이터를 관리)를 인수, 협업하여 종양학(암 진단) 질환을 보다 정확하게 효율적으로 분석할 수 있는ML 시스템을 구축했으며, Recursion(AI 신약개발)과 협력하여 신경과학 및 종양학 분야신약을 발굴 및 개발을 진행했으며, 2023년에는 Microsoft와 협력하여 AI 클라우드 플랫폼 기반으로 환자 조기진단 및 사후관리에 기여하고 같은 해에는 NVIDIA와 협력하여 생성형 AI기반신약개발을 위한 초기 후보물질 발굴계획을 발표했다.
로슈의 가장 큰 매출 비중을 차지하는 제약 부문에서는 암, 당뇨 등의 중증 질환을 효과적으로 치료하기 위한 신약을 지속적으로 개발 중이다. 아울러 해당 비즈니스의 효율화 및 수익성 강화를 위해 AI 역량을 키우고자 M&A를 통한 내부 혁신 조직과 AI전문 기업과의 파트너십을 구축하고 있다.
어렵지만 AI를 적용하려 노력하는
제조업
제조업에서 AI는 자율적 시스템 기반의 프로세스 자동화 및 제어, 설비 고장 예측을 위한 설비 예지 보전, 그리고 불량을 줄이기 위한 품질 관리 및 최적화영역 중심으로 활용 가치가 높은 편이다. 현재 AI는 결함 탐지, 프로세스 최적화 및 가시화, 예지 보전, 품질 관리 등에서 데이터 기반 의사결정을 보조하는 수준으로 현장에서 적용 중이다.
결국 제조 산업에서는 그간 디지털화를 통해 현장 속 데이터를 실시간으로 수집 또는 자동 제어 시스템을 통한 효율화를 누릴 수 있었으나, AI 적용을 통한 실질적인 의사결정 및 아웃풋을 이루어 낸 수준은 타 산업 대비 낮은 편이다. 이는 제조업 특성상 현장에 대한 전문성이 개인에게 집중되어 있는 편으로 해당 전문성을 데이터화 하는 과정이 어려워 AI 모델링 작업이 매우 더디게 진행되었기 때문이다. 이에 현재 오동작이 직접적인 업무 실패를 초래할 수 있는 미션 크리티컬(mission- critical)한 제조 시스템에는 AI가 크게 활용되지 못하고 있는 실정이다. 다만 점차 제조업체들의 운영 효율성에 대한 관심 증대, IoT 도입 증가, 복잡한 빅데이터 증가, 컴퓨팅 성능 향상 등에 따라 제조 산업에 있어서 AI적용 범위는 점차 늘어날 것으로 예상되고 있다.
AI도입에 적극적인 ‘자동차’ 제조업
제조업에서 AI 활용도가 가장 높은 자동차 산업의 기업들은 차량 디자인, 설계부터 제조와 생산은 물론 서비스 영역까지 비즈니스를 개선하기 위해 생성형 AI를 활용 중이다. 특히 생성형 AI는 제조 부문 외에도 향후 자율주행 및 차량 자동화를 가속화할 수 있는 역할로 떠오르며, 자동차 산업의 생성형 AI 세계 시장 규모는 2023년 3억 8,754만 달러에서 2032년 약 26억 9,192만 달러까지 성장할 것으로 예상되고 있다.
현재 자동차 산업에서 AI가 집중적으로 활용되고 있는 영역은 디자인/설계, 제작, 생산 공정인 것으로 분석된다. 이는 자동차 부품의 디자인이 조금이라도 수정될 시 극한의 환경 속에서 다양한 성능 실험을 거쳐야 하는데, 이때 많은 시간과 비용이 발생하기 때문이며, 생산 공정 과정에서 수집되는 데이터 기반으로 기술 고도화 및 새로운 비즈니스 모델 창출이 가능하고, 사전 품질 관리를 통해 발생하는 불량률을 낮춤으로써 비용을 효과적으로 절감할 수 있기 때문이다.
AI활용에 두각을 보이고 있는 현대자동차
이런 자동차 업계에서 AI도입에 적극적인 업체가 바로 현대자동차다. 현대차는 AI를 통해 비즈니스 효율화를 적극적으로 실행하고 있는 기업으로 뽑히고 있다. 최종적으로 설계-생산-서비스까지 통틀어 AI를 적용하는 스마트 팩토리를 구축하고자 시도하고 있으며 이러한 스마트팩토리의 시험운영을 작년(2023년) 10월 싱가포르에서 시작했다. 싱가포르에 위치한 글로벌혁신센터는 무인운반로봇과 자율이동 로봇뿐만 아니라 보스턴 다이내믹스의4족보행로봇‘스팟(Spot)’이 근무하며 공장에서 생산되는 차량을 검수하는 스마트팩토리 효율성을 연구하고 분석하면서, 공정에 적용할 예정이다. 또한 이곳에서는 차량 도장검사에서 AI를접목해 검사시간 과 차종, 이상 유형 및 이상 발생 위치 등을 빠르게 추출해 빅데이터를 구축하고 발생한 문제나 오류를 신속히 파악하는 품질 향상을 꾀하고 있다.
‘AI기반 휠 디자인 자동 생성기’를 활용하여 보다 신속하고 다양한 휠 디자인을 마련했으며, 이외에도Microsoft와 협력하여 ‘Azure Digital Twins’ 플랫폼을 통해 현실세계의 전기차 관련 자산을 컴퓨터 속 가상세계에 구현하여 발생할 문제점을 예측하고 분석하고 있다.
결론: AI와 비즈니스의 만남은 이제 겨우 시작이다
2022년 11월 ChatGpt로 대표되는 생성형 AI가 등장하면서 약 2년이 되어간다. 아직 기술적인 안정이 뒷받침되지 않은 상황에서 AI는 금융과 헬스케어 산업을 중심으로 비즈니스와의 융합이 시작됐다. 금융 산업은 자동화와 챗봇, 헬스케어는 신약 개발 영역 중심으로 활용되기 시작했다. 다만 제조업에서는 제품 디자인에서 활용하고 있지만, 제조 자체과정과 연계하기에는 아직은 미흡한 초기 단계에서 벗어나지 못하고 있는 상황이다. 이러한 산업별 차이를 메우기 위하여 오히려 AI활용은 더욱 심화될 것으로 예상되고 이는 기업의 매출과 이익 증가뿐 아니라 AI의 기술적인 측면에서도 한 단계 더 성장할 수 있는 여지가 많을 것으로 예상되고 있다. 2024년 비즈니스와 AI의 만남은 이제 시작이다. 아직은 모든 것이 불확실하지만 한가지 분명한 것은 이 흐름은 바뀌지 않는다는 것이다. 단지 시간의 차이가 있을 뿐이다. 불확신과 확신이 공전하는 시대, 먼저 다가가서는 용자가 미래의 과실을 받을 수 있는 시간이 지금이다.