Page 103 - 월간HRD 2025년 3월호
P. 103
부상했음을 보여준다. 생성형 AI의 근간 지정 지시사항 기능을 추가해 매번 프롬
을 이루는 기술도 지속적으로 변화하고 프트를 주지 않아도 사용자별 선호 사항
기업들의 도입 사례와 있는데 2024년 말과 2025년을 이끄는 을 기억하도록 했고, Meta의 LLM들은
비교적 가벼운 사양으로 공개되어 각 조
생성형 AI의 주요 핵심 기술을 살펴보면
HRD에서의 시사점 다음과 같다. 직이 자기 데이터로 재훈련하기 용이하
게 했다. 예컨대 기업들은 공개된 LLM
멀티모달 AI: 초기 생성형 AI는 주로 텍
스트 생성이나 이미지 생성 등 단일 모 을 사내 매뉴얼, 문서 등을 학습시켜 자
달리티(하나의 유형에 데이터만 사용하 사 전용 AI 비서로 활용하거나, 특정 산
는 방식을 의미하며, 텍스트 데이터밖에 업 도메인에 특화된 생성형 AI를 별도
이해하지 못했던 초창기의 ChatGPT를 로 구축하기도 한다. 이러한 추세 덕분
생각하면 된다)에 집중되어 있었지만, 에 AI가 개인별 학습 튜터가 되거나, 특
이제는 한 모델이 여러 유형의 데이터를 정 업종 전용 챗봇처럼 전문화된 역할을
동시에 다루는 멀티모달 능력이 중시되 수행하는 사례가 늘고 있다. 또한, 대화
고 있다. 예를 들어 GPT-4는 이미지 입 형 AI의 설정을 변경해 브랜드의 어조를
력을 해석하여 답변을 제공하는 비전 기 그대로 모방하게 하거나, 사용자별 취향
능을 도입했으며, Google의 Gemini는 을 학습하여 추천 콘텐츠를 생성하게 하
처음부터 텍스트, 이미지, 음성, 코드, 는 등 개인화 수준도 향상되고 있다.
비디오까지 복합적인 입력과 출력을 처 AI 에이전트(AI Agent): AI 모델을 기반으
리하도록 설계됐다 . 멀티모달 AI는 사용 로 자율적으로 주어진 목표를 달성하도
자가 자연스러운 방식으로 여러 형태의 록 설계된 시스템을 가리킨다. 일반적인
정보를 주고받을 수 있게 함으로써 보다 생성형 AI가 사용자 질문에 답변하는 데
풍부한 상호작용을 가능케 한다. 이런 그친다면, AI 에이전트는 스스로 계획을
발전으로, 교육 현장에선 그림이나 표를 수립하고 일련의 작업을 수행한다. 특
이해하고 설명해주는 AI 튜터나 제조 현 히, 이러한 에이전트들은 여러 개의 AI
장에서 설계 도면을 분석해주는 AI 도우 를 결합하거나, 외부 도구(웹 검색, 프로
미와 같은 응용이 현실화되고 있다. 그래밍 코드 실행기 등)를 필요시 스스
맞춤형 AI(Personalized AI): 기업과 사용 로 찾아 사용하면서 복잡한 문제를 해결
자들은 자신들의 특수한 필요에 맞게 AI 한다. 즉, 생성형 AI가 단순히 질문/답
를 맞춤형으로 활용하길 원한다. 이에 변에 응답하는 수준을 넘어서, AI 에이
따라 사전에 훈련된 거대 모델을 사용 전트들은 자기 자신에게 프롬프트를 계
자 데이터로 미세 조정(fine-tuning)하 속 던지며(goal-driven self-prompting)
거나, 프롬프트를 통해 응답 스타일을 사용자의 개입 없이도 연속적으로 작업
사용자에 맞게 제어하는 기술이 발전하 을 수행한다. 직관적인 예시로, ‘시장 조
고 있다. OpenAI는 ChatGPT에 사용자 사를 해서 보고서를 작성하라’는 목표를
MARCH HRD 101
