[요약리뷰] 언더스탠딩 - 허리가 휘어도 가야하는 이유

 

 

 

 

 

 

 

 

### 챗GPT 시대에도 작은 한국AI 만들어야 하는 이유 - 요약

**한글 요약:**
영상에서는 퀀텀AI의 최성집 대표가 한국에서 AI를 개발해야 하는 이유와 그 과정에 대해 설명합니다. 그는 AI가 문서 처리와 음성 인식 분야에서 어떻게 활용되는지를 소개하며, 특히 비정형 데이터를 정형화하는 AI의 필요성을 강조합니다. 퀀텀AI는 금융사와 협력하여 고객의 서류를 자동으로 처리하고, 고객 상담을 위한 AI를 개발하고 있습니다.

최 대표는 AI 모델을 자체 개발하여 고객의 요구에 맞춘 서비스를 제공하고 있으며, 이러한 AI가 사람을 대체하기보다는 사람의 업무를 보조하는 역할을 한다고 말합니다. 그는 AI의 발전이 기업의 효율성을 높이지만, 여전히 인간의 판단과 검토가 필요한 과정을 강조합니다. 또한, AI 개발에 필요한 자본과 기술적 도전 과제에 대해 이야기하며, 한국에서도 독자적인 AI 생태계를 구축해야 한다는 점을 강조합니다.

**English Summary:**
In the video, 최성집, the CEO of 퀀텀AI, discusses the importance of developing AI in South Korea. He explains how AI is utilized in document processing and voice recognition, emphasizing the need for AI that can convert unstructured data into structured formats. 퀀텀AI collaborates with financial institutions to automate document handling and develop AI for customer service.

The CEO highlights that their AI models are developed in-house to meet specific customer needs, asserting that AI serves to assist rather than replace human workers. He notes the efficiency gains from AI while stressing the continued necessity for human oversight. Additionally, he touches on the capital and technical challenges of AI development, advocating for the establishment of an independent AI ecosystem in Korea. 

뤼튼 사용하러 가기 > https://agent.wrtn.ai/5xb91l

 

 

챗GPT 시대에도 작은 한국AI 만들어야 하는 이유 (퀀텀AI 최성집 대표) - YouTube
https://www.youtube.com/watch?v=NLRmkgqLVSw

Transcript:
(00:00) 세상의 모든 지식 언더스탠딩 언더스탠딩 또 시작하겠습니다 예 오늘은 어 요즘 화두인 인공지능에 대한 공부를 할 건데 그렇습니다 AI 뭐음 오픈 AI 있고 무슨 뭐 뭐 재미 아도 있고 미국의 큰 기업들이 뭐 많이 하는데 딱 거기까지 알죠 10초 [웃음] 지식 도 자체 AI 개발하시는네 AI 직접 돈을 벌기도 하고 AI 직접 만들기도 하고 예 그런분을 스타트업을 찾았습니다 이게 과연 스타트업이 할 수 있는 일인가 그러니까 나 왜 이런 길을 가고 계시는지 모르겠는데 드는데 아무튼 이분께 그 인공지능을 직접 개발하고 요걸로 돈도 벌어보는 요런 상황에서 느끼는 뭐 고충과 노하우 배워 보겠습니다 퀀텀 AI 최성집 대표님 어서 오십시오네 안녕하십니까네 안녕하세요 피곤해 보이십니다네 매일매일 하루하루가
(01:05) 전쟁이 예 아유 우리도 그래요 우리도 어떤 어떤 걸 개발하고 겠어요 퀀텀 AI AI 회사인 거는 회사 이름만 봐도 알겠어요네 비즈니스 구조가 어떻게 되십니까 저희는 그 다큐먼트 쪽은 다큐먼트 AI 만들고 있고요 그다음에 이제 음성 쪽은 컨버세이션 AI 만들고 있습니다네 이렇게 설명하 잘 모르겠 그죠 쉽게 설명드리자면 권의 고객들이 이제 서류를 제출하시는 것들이 많잖아요네 손님이 참고해서 예 그러면 이제 그것들을 전부 다 이제 은행 같은 경우에는 은행 창고 직원이 보험사 같은 경우에는 이제 손해 사정 법인 쪽에 이제 위탁을 해서 수기 타이핑으로 해서 정보 입력을 하십니다 그렇 그렇지 페이퍼 가져온 걸 보고 하 이름 뭐 준비 뭐 증상 뭐 이런 거 예예 근데 이제 거기에 있는 서류 중에서 대부분 이제 스캔을 해서 오시니까 기존에 이제 OCR이라 기술로 텍스트로 전환을 해 놓으셨는데 OCR 이렇게 스캐닝 딱 한 거를 보면 텍스트로 뭔지 그 이제 읽어내 리멤버 하는 하듯이 예 근데 읽어만
(02:10) 내는데 거기서 정보를 추출하는 거는 어려워요 예 그래서 그거를 타이핑을 하고 계셨는데 저희는 거기서 정보 추출하는데 특화되어 있는 정보 추출이 어렵다는게 무슨 뜻이에요 무슨 어 예를 들면서 재직증명서 그러면 각 회사마다 지직 명식이 다 다릅니다 예 표로 되어 있는 경도 있고 서술형으로 되 있는죠 거기 성 그다음에 입사일 그다음에 이제 그 직급 이런 것들을 읽어내 줘야 되는데 그걸 읽어내는게 굉장히 좀 어렵죠 아 그러면 양식에는 컴퓨터 양식에 들어가야 되는데 그냥 알아서 AI 뽑아다가 넣어 준다 형식이 다 달라도 형식이 달라도 알아서 뽑아서 데이터화해 준다 그래서 비정형 데이터를 정하는 요거에 특화된 기업 엑셀표에 때려넣는 거를 인공지능이 한다 그렇죠 말 그죠 이름 칸에 이름을 찾아서 넣고네음 그니까 성명이라는 이름이라고 썼든 아면 아무 말도 없이 안승찬이라고 썼으면 이게 이름이라는 걸 알아 먹어야 되는데 어 그걸 알아 먹기가 어려우니 자연어
(03:13) 처리로 해서 그것들을 정형화대 실제 기존의 정형 데이터베이스에 넣을 수 있게끔 구조를 만들어 드립니다 아 일일이 사람이 타이핑 안 해도 되게 그럼 쭉 물흐르듯이 그냥 그 스캐닝 하면 되게네 그리고 근래에는 이제 생성 AI 통해서 예를 들어서 상품 설명서 예 그러데 상품 설명서에 있는 내용을 공부를 해서 누가 질문을 하면 상품 설명을 어 이제 컨버세이션 AI 하는 예 그래서 그걸 설명해 주는네 어 그래서 뭐 카드사에서 카 특정 카드의 연회비를 물어보면 그 연회비를 설명해 주고이 카드의 특장점을 좀 물어보면 어디서 쓰면 유리해요라고 물어보면 이거는 어디서 쓰면 유리해요라고 답변해 드리는 말로 말로도 할 수 있고 텍스트로도 할 수 있고 아 공부는 약관을 집어넣어 준다 이거죠 설명 약 설명서를 집어넣어 주면 인공지능이 공부를 지가하면 대로 얘기해 준다네 금융사 내부에서는 이제 업무 방법서나 업무 매뉴얼이 있잖아요 그러면 이제 그것들을 예전에는 이제 어 선배님들이 노하우를 가르쳐 주셨는데 이제 업무
(04:18) 방법서 업무 매뉴얼을 읽고 어떻게 업무 처리를 해야 되냐고 물어보면 그것들에 대해서 내부 답변을 해주는 아 인공 선배네 인공지능 선배인 거죠 어 그런 AI 그런 걸 해주는 서비스를 해주시는 거 예 그거가 근래 이제 많이 고객사들 테 문의가 와서 저희가 서비스를 하고 있습니다 현재도 금융 회사에 서비스 하고 있어요네 뭐 대용 금융에서 무슨 은행 뭐 이런데 행 어디 어디 쭉 한번 뭐 고객사를 고객사 이름을 밝힐 수는 없습니다 nda 걸려 있어서 아 아 그렇지 그렇지 내가 전화한이 보험사가 알고 보니 인공지능이 답을 하고 있었던 거야 친구들이 친구들 이런 얘기도 할까 봐 그래 큰데 큰데 무슨 K 뭐 이런데 뭐 K 뭐 S 뭐 이런 급 레벨음 아 잘 돌아가요 그 금 잘 돌아 가시니까 계속 쓰시죠 어 그럼 돈 잘 보시겠어요 잘 벌려고 이제 확산하려고 준비 중입니다 공짜로 줬어요 초기에는 공짜로 드렸죠 아 잘 돌아가나 보라고 야 그래서 돈을 많이 못 보셨구나 진짜 은행은 남는게 돈인데
(05:22) 그 돈을 안 주 가가 짜로 썼단 말이야 아 그 금융권이 레퍼런스를 굉장히 따지세요 근데 이제 초기에 들어갈 때는 어 아무래도 이제 좀 무료로 해 드려야 레퍼런스가 쌓이고 그걸 바탕으로해서 이제 돈을 받을 수 있는 거죠 그럼 알겠습니다 그 궁금합 궁금한게 AI 결국 그걸 해 줘야 되는데이 말씀하셨던 야 요런 거는 이게 재직 증명서가 이렇게 하는 거 이거 학습을 시켜야 될 거 아니에요 네네 그 AI 직접 만드세요 아니면 요즘 오픈 AI 돈 주고 하면 이렇게 쓸 수 있다면서요 돈 주고 내가 얼마 하면 얼마 사용당일 있으니까 싸다요 이게 어 그래서 괴로 교육시키는 방식도 있잖아요 맞습니다 그렇게 교육시키는 방법도 있는데 그 오픈 소스는 뭐 적은게 8 빌리언 많으면 뭐 요즘에 200 빌리언 이런 것들을 돌리기 위해서 굉장히 큰 컴퓨터 파워가 필요해요데 저희는 빌 아니가 뭐예요 8 빌리언이십일
(06:30) 인공지능은 그걸 학습하기 위해선 고성능 엔비디아 칩이 탑재되어 있는 컴퓨터 과오가 필요합니다 예음 근데 이제 저희는 뭐 많이 싸졌다고 하지만 어쨌든 유료 서비스고 국내 금융권에서 쓰기는 좀 어려운 구조입니다 왜요 왜요 어 API 로를 호출해서 쓰게 되면 기업 정보가 그쪽으로 넘어가게끔 되어 있어요 근데 그 국내 금융 어법상 국내 리전에 있는 클라우드 외의 사업자에게는 아 인공지능한테 뭐 물어보려면 다 입력 시켜 줘야 되는데 갔다 와야 되는데 그게 미국 넘어 갔다 오는거다 그죠 그럼 안 돼 그러면 안 돼요 그 그래서 이제 대부분 온 프라미스 형으로 구축을 하세요 온프레미스 예 그러니까 구축 구독형 아닌 구축형 안에 그냥 임베디드 탑재돼 있어야 돼요 미국 안가 이거 여기서 여기서 그냥 하는 거야 근데 이제 그렇게 되면 어 기업의 데이터를 쓸 수는 있 구축해 드리고 나오는 거잖아요 그죠 예 그러다 보니까 자체적으로 데이터가
(07:36) 계속 발생하지 않기 때문에 인공지능 기술 발전시키는데 좀 제약이 있습니다 그래서 저희는 아예 어 오픈 소스를 쓰는게 아니고요 자체 개발한 랭귀지 모델이 있습니다 퀀텀 랭귀지 모델이라고 AI 모델을 자체 개발해서 예 언어 모델 자체를 자체 개발했습니다 예 그래서 생성형 AI 저희가 자체 개발한 생성형 AI 쓰고 있습니다 그래서 잠깐만요 그게 이제 최성집 대표님이 개발했다고 해서 최지 피트라 아 그렇죠 최지 PT 같은 겁니다 그걸 만드셨다고 들었어요 아니 그거는 엄청 돈이 많이 드는 거 아니에요 그렇게 AI 언어 모델을 만들려면 말기도 알아 먹어야 되고 내가 사람처럼 말해야 되는데 그거 되게 어려운 거 아닙니까 되게 어렵죠 그래서 초기에는 굉장히 난도 많이 겪었습니다 그동안 어 돈을 벌어야 이렇게 좀 쏟아 넣어야 되는데 그 단계는 이제 끝났죠 최지 PT 같은 인공지능 시짜 만들었다 어떻게 만드는 거예요 설명해 주세요 아 그거는 아 대표님 우리가 좀 배웠는데요 그 아
(08:41) 쉽게 만드는 거 아닙니다 그거는 그냥 자본의 논리로 어 그냥 비싼 비디 칩이 많거나 뭐 데이터가 어마어마하게 많거나 뭐 그래야 그 곱하기 값으로 나오는거다 어 말씀하신 것처럼 인공지능을 만들려고 하면 일단 뭐 기술력도 있어야 되지 만들 수 있는 사람도 있어야 되고음 그다음에 어 그것들을 돌아가기 위한 굉장히 큰 엔비디아 같은 비싼 장비가도 필요하고 그걸또 돌리려고 하면 이제 비용도 필요하고 데이터도 필요합니다 근데 이제 저희가 초창기에는 정말 금융사에 이제 초사 가서 막 읍소를 해서 학습 데이터를 좀 일부 받기 시작을 했죠 그래서 그걸로 서비스를 만들어 놓고 이제 금융사 쪽에다가 고객 현재는 서비스를 제공을 해 드리고 있습니다음 그러면 매일 수십만 장씩 이미지가 들어오고 있고요 매일 수십만 콜이 들어오고 있습니다 음성 데이터가 그러니까 이제 저희는 그걸 보고 계속 발전시킬 수가 있는 거죠 그걸로 계속 학습시킨다네 그래서 초기에는 이제
(09:46) 저희도 맨 처음에는 데이터도 없고 그니까 기술력만 있고 그걸 개발할 수 있는 사람만 있었는데 그걸 만들어 놓고 이제 서비스화 그 서비스가 안정적으로 돌아간 이선한 체계라고 저희는 부르거든요 그 체계를 이제 만들어 놨고 그걸 바탕으로 해서 현재는 서비스를 만들고 있는 것이 아 그럼 처음에는 사실은 그렇게 똑똑하진 않았는데 료로 쓰세요 일 넣 다에 사실상 데이터를 공짜로 가져다가 우리 우리 연습하는데 쓴 꼴 이군요 어떻게 보면 그렇게 된 겁니다 즘 사 이름을 밝힐 수 없군요 아 밝히면 큰 야이 스마트 하신데 그래서 요즘은 그 고객사가 돈도 주고 계시고 데이도 주고 계십니다음 아 그래요 근데 그거 하더라도 그 엔비디아 침 많이 필요하다고 하던데 어떻게 돈이 좀 있으신 집안이어서 아 그렇지는 않고요 제가 퀀텀 AI 설립할 때 제 퇴직금을 갖다 들이었습니다 어 어 다른 쪽은 이제 뭐 좀 투자를 받고 시작을 했는데 저희는 왼손으로 거의
(10:50) 시작을 했고요 그거 해 봐야 뭐 몇 억 텐데 풀리 넣도 몇 억이 텐데 어 제가 퇴직금을 그렇게 많이 받진 않았습니다 그러기도 쉽지 않아요 맞아요 어떻게 돈으로 했어 예 그래서 초기에 어 설립을 할 때 아예 비즈니스 모델을 가지고 설립을 해서 어 뭐 우리나라 말 하시면 아는 넘버원 통신사 쪽에 1을 받아서 시작을 했습니다 KT 아 KT SKT 둘 중 하나죠 lgu 플러스 세 중 하나 세 중 하나겠네요 이제 굴지의 이름만 하면 알는 이런 거니까 LG 아니 네네 죄송합니다 거이니다네 그래서 그쪽 그 고객 상담 봇 하고 리갈 봇 만 걸로 시작을 해서 돈을 벌면서 기술 개발을 같이 시작을 했습니다음 아 아예 그냥 처음부터 벌면서 네네 근데 제 제가 여쭈는 건 이제 그렇게 그런 번돈으로 엔비디아에가 이제 칩 주문해서 오면 그 붙이고 이렇게 하신 거예요 예 맨 처음에는 이제 조그만 장비 사 가지고 시작을 했고요 근데 한 2년 정도 지나면서 이제 돈 좀 벌고 그다음에
(11:55) 이제 스타트업 지원 프로그램들이 있어요 저희가 그 스라고 인공지능 협회에서 어 국가에서 rndd 자금 되어 주는 프로그램이 있는데 그 팁스 선정돼서 rndd 자금 지원 받으면서 연구소 인력 비난 좀 해소하고음 그다음에 이제 신용보증기금에서 어 그 지원해 주는 스타트업 지원 프로그램이 있어요 퍼스트 행인이라고 그래서 그거는 이제 3년 동안 어 20억 지원해 주는 사업이 있었습니다 거에 선정이 돼서 보증서 발급받아서 어 어떻게 보면 보증 대출인 거죠 그거 받아서 에 장비 샀습니다 에에 그예 비디아 엔비디아의 거예 제일 비싸다는 거예요 그게 00 x 뭐라 그지 제 비싼 가속기 가속 3년 전에는 제일 비 3년 전에 제일 비쌌는데 지금은 이제 H1 h200이 나오고 있기 때문에 예 그때는 당시에는 제일 비싼 그다음 보디 일체형 장비가 있습니다 예 그게 얼마예요게 이제 보디 일체형 장비는 저희가 한 4억 중반대 정도에 4억이 예 천만 원 아니 아니었어요 그 천만
(13:02) 원이라고 들었던 거 같은데 80 80 메모리가 80gb 있 그 보 그 칩 하나가 아 하나가 카드 한 장이 몇 천만 원이고요 그게 여덟 장이 보드 일체형으로 붙어 있으면 더 비쌉니다 그 얼마해요 한 요만해요 요만해요 요만해요 요게 이제 그 카드 한 장이 만하 한 장이 요만 하고 요게 여덟 개 있는 거예요네 그게 이제 보드하우스 같은 느낌이겠네요 어 무게가 거의 톤이어서 톤이라 그 뭐예요 그게 예 아니 그게 이제 a00 장비 하나 자체는 뭐 톤이 안 나가는데 그게 들어가 있는 렉 장비나 이런 것들까지 합치면 굉장히 무겁습니다 귀하니까 뭐 이중 3중으로 이제 해 놨죠 일체형으로 돼 있어서 이사 한번 하는데도 무중력 무진동 차가 와야 되기 때문에 제문 값 흔들리면 안 돼요 그거는네 걔는 수명이 얼마나 한번 사면 얼마나 돌다 가요 어 지금 3년째 거의 24시간 놀고 있는데 아직까지 괜찮습니다 아 그거 하나
(14:06) 가지고 지금이 서비스를 하는 겁니까 그럼 하나갖고 안 되 거 같은데 그래서 작년에는 HB 또 유사한 장비를 샀고요 그거는 이제 리스트 프라이스가 한 8억 정도 되는데 저희는 지금 할인해서 한 30% 할인해서 샀습니다 그 줄 서서 산다는데 그 어디 어디서 엔비디아에 전화해서 사는 거예요 냥 우리 퀀텀에 어떻게는 거 하나 좀 보내줘봐 그것들을 판매하시는 국내 총판이 있으세요네 이제 거기 제가 아시는 선배님이 계셔서 그분 통해서 주문해서 8개월 기다려서 받았습니다 8개월이 예 와 와 진짜 엔비디아는 그 사기도 어렵구나 돈만 낸다고 살 수 있는게 아니군요 그거 어 예 그 글로벌 그 반도체 난이 작년에 쯤 있어 가지고 공급에 좀 문제가 있었습니다 전쟁 때문에 그 할부로 사셨습니까 우리 우해 어 3년 할부로 할부로 안 팝니다 팔지 아 팔기는 하네요 예 무슨 뭐 이렇게 장비 회사 쪽에서 캡을 끼고 팔기도 하는데 저희는 어 작년에지 일부 좀 투자받은 돈이 있어서 그걸로 해서 그냥 일괄
(15:09) 구매했습니다 그럼 그렇게 해서 한 한 15억 정도 어지 지금 h00 장비 두대 a00 장비 두대 그렇게 네대 네대 가지고 그것만 해도 수십억 억이네 십억은 아니고 한 20억 조금 안 됩니다 아파트 한채 값이네요 그죠 근데 그 아파트 한 책값에 이제 월세가 또 엄청 나갑니다 전기가 예 전기 얼마 얼마나 나가는데요 월래 몇 백씩 나옵니다 전기 요금이요네 그거 돌리는데 진짜 24시간 돌리는구나네 그래서 아깝기 때문에 24시간 돌려야 돼고요음 그걸로 금융권에서 이게 스캐닝한 정보들 뽑아내고 하는 그걸로 훈련받은 이제 그 친구인 거죠 예 훈련 그러니까 학습하는데만 이용을 하고 있고요 실체 서비스하는 거는 저희는 이제 생성형 AI 뭐 1억개 안 돼도 되고요 2천만 개 정도만 돼도 저희는 생성가 되기 때문에 그거보다 훨씬 좀 낮은 사양의 4090 장비에서도 돌아갑니다 개발하신 인공지능이 예예 그렇게 그니까 그 물론 대표님
(16:15) 입장에서 최선을 다한 거지만 그 외국에서 만든 큰 AI 비에서는 훨씬 작잖아요 뭐죠네 근데도 말이나 뭐이 잘 알아먹게 예를 들면 야 요거는 이렇게 차오는 거는 간단한 업무는 가르킬 수 있을 것 같은데 예를 들면 말씀하셨던 컨버세이션 하는 말기를 알아듣고 고객이 막 이상하게 물어봐도 알아먹고 대답을 하려면 말을 기본적으로 잘해야 될 텐데 괜찮아요 말 말하는 거는 언어 모델의 영향을 받고요 예 그 이제 버 그 오픈 AI든지 아니면 MS 코파일럿 이라든지 이런 것들은 범용 엔진입니다 그래서 만물 박사에서 어떻게 보면 물어보는 것마다 족족 대답을 하니까 저희 기업에서 필요하는 생성형 AI 특수 목적성에 한정이 돼 있어요 예를 들어서 상품을 설명해 줘 그러면 상품에 대한 내용만 학습을 해서 상품을 설명하는 그다음에 업무면 업무도 이제 여러 가지가 있잖아요 그 업무 매뉴얼만 딱 학습을 해서 하는 거는 굉장히 작아도 됩니다음음 그래서
(17:19) 그 목적성으로 하고 그걸 근래에는 이제 에이전트 개념으로 많이 하세요 그래서 저희는 그런 에이전트를 만드는 회사기 때문에 작가도 됩니다 은행에 전화하셔 가지고 나심 보지 않으시잖아요 은행 업무 관련된 거 시지 은행 화면이 이거는 언제 해제 합니까 라든지 뭐 퀀텀 AI ES 만든 그거는 다른 건 대답 못 하고네 딱 그것만 대답할 수 있는 에이전트들을 만들고 있는 거죠음음데데 그런 경우가 대부분이겠지만 저희가 이제 도메인 스페시픽 can 버티컬 AI 아고 부르는데 저희는 그 버티컬 AI 만드는 어 회사입니다 일반적으로 뭘 물어봐도 잘 아는 묘기 부리는 애 말고 어 그거는 그분들이 훨씬 더 잘하시고요 저는 그걸 만들 돈은 없습니다 국내 그 말씀하셨던 금융사가 그 API 밖으로 못 나가게 하는 그런 제도적 한계도 있고 하니까 거기에 이제 특화시켜 AI 만드신 거군요네 난 딱 요거 요것만 하겠어네 그래서 저희는 아예 도메인 스피 한 버티칼 AI
(18:25) 추가하겠다라고 해서 그러려고 하면 자체 엔진을 개발할 수밖에 없었어요 그렇겠죠 예 그래서 저희는 자체 개발 엔진을 씁니다 와 대표님은 인공지능 어떻게 배우셨어요 전문가 되에 좀 있었습니다 그래서 2016년도에 이제 왓슨이 국내에 출시됐을 때 예 제 이제 그 왓슨 팀은 아니고 GBS 컨설팅에서 그 왓슨 서비스를 가지고 딜리버리를 했던 경험으로 인공지능으로 이제 전환을 한 거죠음 아 그때 인공지능 원리를 아셨고 야 요거 돈이 되겠다 이렇게 생각하셨습니까 아니면 고생길이 보이겠다 이렇게 생각하셨습니까음 재밌겠다음 요거를 적용해서 하면 예 아니 제가 그 첫 직장이 세스 코리아라고 그 머신러닝 만드는 회사였어요 거기서 분석 컨설턴트로 시작을 해서 그 ml 머신 러닝이라는 거는 기존에 계속 예측 모델이나 이런 것들을 좀 만들었었고 근데 이제 인공지능이 나면서 이제 본격적으로 딥러닝으로 되는데 지금 공부를 해봤더니 얘가
(19:30) 어렵더라고요음음 그래서 계속 공부를 하다 보니까 흥미가 생기고 이쪽이 앞으로는 대세가 되겠다 아 싶어서 그때부터 인공지능을 공부를 하고 IBM KPMG 거치면서 인공지능 관련된 금융권 프로젝트를 하면서 원천 기술을 다 확보를 했습니다 예 그걸 가지고 설립을 했습니다 마지막엔 KPMG 다니셨고 예 마지막 직장은 kpm 그래서 오해는 안 다녔으니까 퇴직금이 많지 않았겠네요 그래도 파트너여행 좀 됐습니다 그래도 오래 다녀야 퇴직금은 많거든요데 직장을 여기저기 많이 다니시면 마지막 퇴직금은 많지 않습니다네 뭐 그렇긴 한데 마지막 3년도 뭐 KPMG 그래도 좀 연봉을 좀 주셔서네 그거 좀 할 정도는 됐었습니다 대표님 그 이게 막 얼 성능이 얼마나 좋아요 사람을 결국은 사람이 하면 다 할 수 있는 일인데 사람을 대체하는 일이잖아요 서비스 하시는게 그거를 얼마 사람이 질문이 좀 포괄적이고 한데 몇 명을 자를 수 있습니까 기업 입장에서 아 저는
(20:35) 고객사에 가면 은행장 님이 그런 질문 하겠네 어 알겠습니다 이거로 쓰면 그럼 최대표님 그러니까 도대체 얼 몇 명 몫을 한다는 겁니까 뭐 이런 그렇지 저는 사람을 대체해야 한다라는 말씀을 하시면 어 그거 아니라고 절대 손 살해칩니다 사람을 도와주는 아니 물론 도와주는 거겠죠 근데 이제 도와주다 보면 대체하고 그러는 거 아닙니까 아 그게 어 상당히 어렵습니다 저희도 지금 인공지능 기업인데 그럼 전부 다 인공지능이 다 하느냐 그렇지 않거든요 사람이 일부 도와줘야 됩니다 일부는 있어야 되겠죠 도집 있으시네 알겠습니다 그럼 얼마나도 얼마나 움이까 질문을 바꿔죠 얼마나 도움이 될까요 어 사람은 9투 6로 일하잖아요음 인공지능은 24시간에 일합니다 예 그러니까 거기서 일단 차이가 나고요 그다음에 사람은 어 좀 쉬 줘야 되잖아요 얘는 안 쉽니다네 어 그래서 덜 차이가 나고요 그럼 사람이 필요 없네요 설명 듣다 보니 아 사람이 필요 없는게 아니라
(21:38) 그렇게이 기계가 일을 해 주면 다섯 명이 할 걸 한 명이 한다 뭐 이런 거겠네 그렇지 어 똑똑한 신입사원을 100명 뽑아서 가리치는게 아니라음 똑똑한 인공지능을 한 명을 도입을 해서 어 100명이 하는 일을 같이 시킬 수 있다 100명이네 뭐 1천명도 되고 만 명도 됩니다 예 네 근데 이제 그 효율을 그렇게 따질 수는 없어서 저희가 이제 보험사 쪽 하는 거를 이렇게 해보면 저희가 sla 계약하는데 99.5% 정도 계약을 합니다 그 품질이 99.5% 미만으로 떨어지면 이제 세세 번 이상 떨어지게 되 3개월 이상 떨어지면 계약 해지 요건이 있어요음 그라는 건 무슨 숫자예요 어떤도 예 정확도 아 스캐닝하는 거 잘해야 되고 스닝 한 걸 잘 읽어서 정보를 잘 추출해 내네 그래서 엑셀 이상 없이 적어야 되고 네네 그런 계약들이 좀 맺어져 있고 어 기존에 이제 그 하시던 사람이 하시던 거보다는 훨씬 더 빠르고 정확한네
(22:45) 사람이 타이핑하면 한 한시간 걸리는 일을 이제 기계가 타이핑을 하면 1분이 안 걸리는 예 그리고 200개 넣으면 하나씩 틀리는 정도니까 사람보다 더 정확할 수 있 원내리 한 2 3%이 거에 의하면 1% 미만이기 때문에 정확 높 속도도 계 그 명이 할 일은 한 명이 할 수도 있겠네 사람이 무슨 일을 해요 그 마지막에 보는 보 체크만 하면 되겠네 마지막 사람 예 그래서 마지막에 체크만 해서 내보내고 있습니다음 아니 일자리 대체하는게 최대표님 잘못은 아니니까 편히 말씀해 주셔도 아니 왜 그런 몹쓸 흉기를 개발하셨습니다 얘기는 안 합니다 많이 대체될 거 같은데요 진짜 단수 넘무 대치되지 않습니다 그니까 저희가 이제 음성 쪽 컨버세이션 AI 쪽을 하는데 예음 aicc 서비스를 하고 있거든요 근데 aicc 뭡니까 아 AI 컨택 센터 콜센터 그래서 인공지능 콜센터 근데 이제 기존의 음성 상담은 어 1대일 상담이 아아데 고객은 저희 인공진 서비스 순이는 고객은 말로 하고 말로 듣고
(23:49) 상담사는 고객이 얘기한 거가 텍스트로 보이고 텍스트로 답변하면 고객이 이제 말로 전달이 되는 아 그거 하는 거 준비해 보셨 오신 거 있으시죠 혹시 동영상 같은 거 있으세요 그거 한번 보여 주세요 어떻게 하는지 예음 안녕하세요 퀀텀 AI AI 상담사 순위입니다 무엇을 도와드릴까요네 안녕하세요 사용하고 있는 노트북이 고장난 거 같아요 전원이 안 켜져요 사용의 불편을 드려 죄송합니다 사용하시는 제품의 모델명 확인이 가능하실까요 큐패드 l10이에요 사용하시는 제품이 확인되었습니다 현재 제품을 가지고 계신가요 네 지금 갖고 있습니다 제품의 충전기를 연결하시고 전원 버튼을 15초 이상 길게 눌러 주세요 그리고 제품의 반응이 확인되시면 말씀해 주세요 일단 저희는를 거치지 않기 때문에 전화를 하시면 안녕하세요 컨텀 A 상담사 순위입니다 무엇을 도와 드릴거라고 그냥 답변이 나가고요 거기서 제가 어떤 여기 같은 경우에는 저희가 서비스하고 있는 곳 중에 하데
(24:53) AS 접수 하는에서 루트이 고장났다라고 해서 어 사용에 불편에대 하다 아 제품 모델명 확인하고 어 제품을 가지고 있으면 어 그거에 대한 해결 방법을 제시를 해 드리고 어 바로 예 그래도 해결이 안 되면 이제 AS 접수를 해 드리는 어 대체는 그렇게 하죠네 대체 거의 사실상 매뉴얼화 돼 있는 식의 대응이니 이거 꼭 사람이 일일이 해야 되느냐음 그렇지 않죠 예음 그리고 이제 만약에를 접수하지 않고 고객이 택배를 먼저 발 진 경우도 있으세요 택배 달 도착했는지 물어보시고요 아 택배 도착했나요 이거 물어보면네 했습니다 아니요 안 했습니다 아 그러면 이제 고객 확인부터 하죠 고객 명을 확인해야 택배가 도착했는지 알 수 있으니까 고객명을 확인하고네 어 ERP 시스템에 들어가서 배 예 어 그거는 이제 ERP 시스템하에 해 네네 그래서 접수된게 있으면 잘 접수됐다 그러면서 AS 접수를 시
(25:58) 도와드리죠 그럼 어떤 고장에 의해서 접수 있는지 예를 예를 들면 고객이 누굴까요 뭐 이런 걸 물어보면 AI 당황합니다 아니면 어 AI 당황하지 않고요 예 어 고객님 질문을 못 알아들었으니 다시 한번 질문해 주세요라고 묻고 그래도 또 장난 내가 누구게라고 하면 그거는 알아들 수 없으니 상담사를 연결해드리겠습니다고 해서 상담사를 연결시킵니다 아 진짜 사람 상담사 만한 건 아이가 처리를 해주고네 순위가 대부분은 처리하고 거기서 제가 순위가 해결 못 하겠다 싶으면 상남자로 연결을 합니다 제 이름이 순이에요 예 왜 순이에요 아 순 아입니다 영어로 순 아이 예 곧 정보를 전달드릴게요 그래서 순 인포메이션의 약자 순이 좀 친근하게 지어야 되지 않을까 싶어서 우리 순이 아 우리 순 참 장난 좋아하시네 우리 순이구 세상에네 야 인력을 개발하는데 개발 자력
(27:05) 모으시는는데 어려움은 없었어요셨어요 지원 나 뿐이에요 저희 현재 22명 있습니다 오 오 사무실 큰 거 쓰시겠죠 지금 지금 큰 대로 확장 이전을 했어요 내년에 사람 올해 올해 사람 충전하고 있고 내년에도 좀 사람 충원해야 돼서 좀 넓은 곳을 대분이 AI 개발 전문가 연구소가 많고요 연구소 반 개발팀 반 정도 그다음에 이제 내부 저와 그다음에 저희도 영업을 도와주시는 부대표님 그다음에 그 경영지원 인력서 다섯 명 빼고는 전부 다 이제 연구소 인력 아니면 개발팀 이렇게 돼 있습니다 연구소에서 개발도 하고 개발이 팀이 연구도 할테니까 연구소는 AI 엔진을 연구를 하고요 개발하고 그다음 개발 팀은 이제 서비스를 하기 위해서 화면 만들고 백엔드 개발하고 예 요런 쪽으로 하는데 개발 팀을 굉장히 많이 충원 했다가 지금은 핵심 멤버들로만 운영을 하고음 어 개발이 필요한 것들은 지금 외국의 리소스 사용합니다 외국
(28:10) 외국인을네 외국인을 재택 재택 근무로 원격 근무로 원격 근무 어느 나라 어 베트남하고 인도네시아 두 회사 나라에 베트남 인도네시아의 개발자들과 소통하면서네 개발 업무를 아웃소싱 한다음 한국에서 잘하시는 분보다 떨어지죠 [음악] 네 이제 인건비가 싸고 얼마나 쌉니까음 저희 회사에 이제 신규 신입사원을 한명 뽑으면 이제 초봉이 있고 그 친구 한 달 월급을 주면 어 그 친구는 이제 본인이 만드는 화면을 뭐 한 일주일에 한 개 내지 두 개 정도 만들어 내거든요 근데 이제 그 정도 비용을 인도네시아에 보내면 어 한 세명 팀이 달라붙습니다 어 아 한 사람이 할 일을 예 근데 한 사람이 할 일보다 더 많은 일 들을 일주일 내에 리스폰스를 줘요 예 열심히 이래요 굉장히 열심히 그렇 당히 드시 이제 저희가 굉장히 꼼꼼하게 요건을 정해서 전장을 해야 되고요 예 그에 이제 해 오면 저희가 핵심 모듈은 저희 쪽에서 붙입니다 아 그러면
(29:13) 하여튼 인건비가 개발비가 1 정도 든다는 뜻이네요 외 1보다도 절감됩니다 한 1 정도 됩니다 1 정도 절감 돼요네 와 어 그분 달라붙는 분은 두 배쯤 되는 거 같은데 어 그분들은 저희는 초급 건비이지만 그분들은 이제 중급 이상되는 분들이 한 팀이 들어오는 거죠 아 거기서도 그 정도 월급이면 예 좀 괜찮은 일력이 붙는 거예요 인도네시아에네 맞습니다 아 그니까 우리 신입사원 한 명수 월급이면 그쪽 중견 개발자 세 세명은니까 아 그러니까 실제 업무로 보면 한 1분 정도 된다 그죠 왜냐면 관리비나 이런 것들을 들어가는 미용이 전혀 그쪽은 안 들어가니까 안 들어가니까네 야 야 어떻게 그런 생각하셨어요 그 구 기가 어렵지 않아요 인도네시아에 한국 개발자도 구하기가 어렵습니다 인도네시아 개발자는 한 200만 원 받는다는 얘기네 대충 그죠 200에서 250이 정도 아 그 정도도 안 받으십니다 아 그래요네 우리나라 최저 임금도 안 되네네 야 근데 한국 개발자가 이제 뭐 이렇게 유명한 N4
(30:19) K4 이런데 많이 가시려고 잘하시는 분들 예 근데 저희 같은 조그만 스타트업에는 잘 안 오시려고 하세요 잘하시는 분들은 그다 보니까 력 기가 굉장히 어렵습니다 아 그리고 이제 신입 싸움 채용해서 한 6개월 1년 가르쳐 놓고 한 2년 차쯤 되면 또 딴데 가요 더 더 준다는 대로 이제 뭐 대표님도 KPMG 뭐 이런 유명한데만 다니셨나요 IBM 뭐 이런 이런 뭐 저 벤처는 거들떠보지도 않았었지습니까 벌 받으시는 거죠 뭐 그렇네요 어 뭐라고 할 거 아니에요대 생 살아왔잖아요 저는 기꺼이 보내줍니다 더 좋은데 간다니까 제추 써주기도 합니다 잘하는네 그 인도네시아에 그러면 구인 공고를 하면 금방금방 와요 아니요 저희는 구인 공고에서 하진 않고요 거기 이제 팀들 위주로 해서 한 세 개 팀 정도를 운영을 하고 있는데 팀 인터뷰를 봅니다 아 그렇게 몰려 모여 있는 애들이 있어요 몰려 다니면서 우리 이런 일 잘하니까 뭐 일 따고
(31:23) 그런 있나 봐요 그게 아 용병 같은 용병 팀이네요 그러니까네 맞습니다 제 한 팀으로 이루어지는 경우도 있고 그 팀이 몇 개 모여서 있는 경우도 있고요네 아 우리나라도 개발자 한 명 뽑으면 사실은 본인의 소속된 팀들을 거의 데고 옵니다 그래 저도 듣기로는 한 명 갔어 야 형이 한번 가서 좋은지 보고 올게 그리고 먼저 가어 괜찮으면 다 넘어와 컨텀 a 대표님이 좀 마음에 안 드는데 나머진 좋아 와 다와 그 그런다는데 예 작년에 이제 투자 받으면서 이제 개발 리더를 그렇게 뽑았는데 그 개발 리더가 이렇게 자기 팀을 이렇게 데고 그렇죠 자기 손발 맞췄던 수배 그렇고요 같이 다니더라고요 항상 그러다가 한 몇 개월 있다가 이제 다시 또 우르르 한꺼번에 빠 맞아요 그 들어올 때는 차차 들어왔다가 나갈 때 한꺼번에 나가 근데 대표님 그 제외국 외국도 여러 나라가 있는데 왜 하필 인도네시아 베트남입니다 그 베트남 팀은 베트남에서 개발자가 하는게 아니고요 베트남 팀의 리더가 인도네시아 팀을 가지고 일을 합니다
(32:28) 예 그럼 베트남이 메인이에요 아니요 인도네시아가 메인입니다 인도네시아가 메인이에요 근데 리더는 베트남 사람이에요 예 그럼 왜 왜 그런 일 인도네시아가 인건비가 더 싸구나 베트남보다네 아 인도네시아 더 싸서 신기하다 그리고 베트남하고 인도네시아가 요즘 그 it 쪽에선 굉장히 떠오르는 쪽이고요 베트남은 한국 기업들이 많이 진출해 있어서 거기도 또 인건비가 많이 비싸지고 있습니다 그래서 저희는 인도네시아가 어 그 티어가 좀 낮아서 인도네시아 올 초에 가서 어 한 다섯 개 팀 정도 인터뷰를 했고요 그중에서 이제고 가서 테스트를 좀 해 봤는데 가서 면접도 보시고 테스트도 해보고 예 그래서 한 세 팀 정도는 같이 일하면 좋겠다 싶어서 그 팀하고 같이 일하고 있습니다 야 진짜 글로벌 소싱이 요즘 미국 기업들이 미국 본사에 있는 백인들을 안 쓰고 인도에 있는 사람들을 원격으로 근무를 시키고 한다던데네 그래서 그래서 어 핵심 엔진은 저희 연구소에서 개발을 하는데
(33:31) 화면 개발하는 부분이나 이제 서비스 개발하는 부분은 사실은 어떻게 보면 핵심 경쟁력이 아니잖아요 저금 그러다 보니까 어 그렇게 그 핵심적인 아닌 부분 단순 개발 부분은 외국에서 개발을 해 오고 저 엔진하부이는 핵심 작업은 저희 개발팀이 진행을 하는 형태로 업 잘하시네 대단하시다 어떻게 그런 아이디어 어 한 3 4년네 직접 월급을 주시면 별 생각을 다 하게 됩니다 남 같지 않아 야 인도네시아인 우리도 편집을 인도네시아에 보내 예전에 IBM kpm 지할 때는 나도 이런 사람 아니었다 아 그럼요 알겠습니다 저 남는 시간은 우리 대표님이 하시는 사업도 뭐 홍보해 드리면 좋 좋겠지만 앞으로 인공지능 트렌드가 어떻게 변할 거 같고 요즘 인공지능이
(34:35) 사실은 어떻게 돈 번다는 얘기냐 거기에 대해서 좀 보여 줘라 뭐 이런 얘기들도 이제 슬슬 듣는다고 하고 어 뭐 하니까 좀 그 인사이트를 듣고 싶어요 어 앞으로는 어떤 흐름이 좀 있을 것 같습니까 기존의 인공지능 시장은 사실은 도입기에서음 각종 유스 케이스나 레퍼런스를 만드는 단계였다고 하면 이제는 이제 넥스트 스텝으로 좀 접어든 거 같습니다 특히 오픈 AI 생성 AI 채치 PT 발표하면서 어 많은 기업들이 인공지능에 더 많은 관심을 갖게 됐고 일반인들조차도 이제 인공지능을 쉽게 접할 수 있는 단계가 왔거든요 그러다 보니까 아 예전엔 인공지능이 무엇인가를 알아가는 과정에 가까웠다면 이제는 알게 됐고 이제 활용하는 단계로 넘어가다 보니까 굉장히 많은 유스케이스 굉장히 빠르게 나오고 있습니다음 그래서 지금 기존의 인공지능 기업들이 어떻게 보면 초기 투자 단계에서 이제는 돈을 버는 단계로 좀 넘어가는 상황이라고 저는
(35:39) 좀 생각을 하고 있고요 기업들도 예전에는 인공지능이 우리 회사 업무에 어떻게 활용될 거냐라는 것들을 많이 시행 착오를 하셨어요 예 그래서 지금은 자체 개발하시는 것도 있고 어 일부만 저희처럼 저희가 이제 인도네시아의 외주시 어 좀 단순 반복적인 작업들 데이터 가고고 예 학습 데이터 어노테이션 하는 작업이라는 이런 것들은 외부 기업들을 좀 리소싱 해서 쓰고 엔진이나 핵심 기술은 자체 개발하시고음 이제 그걸 빨리 하고 싶어 그럼 이제 저희 같은 회사에 외주를 주시고음 그래서 지금은 어 굉장히 많은 기업들이 인공지능을 도입해서 활용을 하시면서 효과를 좀 보고 계시 그런 단계입니다 국내의 법이 고객들의 금융정보를 이제 국경 밖으로 갖고 가면 안 된다는 이유 때문에 우리는 오픈 AI 같은 기존의 유명한 인공지능을 못 쓰는 거라고 말씀 주셨잖아요 그런 이유도 있고요 개인
(36:44) 정보도 있고 여러 가지 원인데 그런 규제가 없는 곳은 꼭 그렇게 안 해도 되 그죠 퀀텀 AI 이용해도 되고 오픈 AI 이용해도 되는 선택지가 있는 기업의 경우에네 를 이용하는게 더 성능도 좋고 효율적입니다 아니면 그래도 퀀텀 aii 같은 좀 소규모이지만 맞춤형으로 하는게 좋습니까 그 질문은 앞으로 오픈 AI 같이 이미 만들어 놓은 이런 것들이 어떻게 쓰일지 좀 예측을 해보고 싶어서 오픈 AI 서비스를 이용하시는게 빨리 접하실 수 있는음 예 빨리 접한다는 건 만약에 언더스탠딩 영상 편집하는데네 사람이 아니라 인공지능을 써고 싶어음 그럼 당장은 최치 PT 쓰실 수밖에 없는 예 예 아 개발이 안 돼 있으니까 네예 근데 이제 최치 PT 쓰면 지속적으로 요금이 발생하고 그다음 내재화하는게 좀 안 되잖아요 근데 저희는 매니지드 서비스를 해 드리고 있기 때문에 저희 서비스 이용료를 내시 저희가 계속 고도화를 해 드립니다 아 고도화하는 건 성능
(37:48) 개선을 최치 피티는 우리가 알아서 해야 되는 건데네 그래 피티가 어떻게 돌아가는지는 우리는 알 수가 없는 거예요 그러니까 쓰는 사람은 그죠음 나오는데 왜 그렇게 답변이 나왔는지는 전혀 모르고 편집을 이미 했던 건데도 불구하고 다시 또 하려면 또 편집을 해야 되는 그러면 못 쓰겠네요 그니까 즉 어 실제로 써 보기 시작하면 야 이거 급하니까 우리가 이걸로 했지만 우리 거 개발해야 되겠다 야라는 생각이 자연스럽게 드실 거 같습니다 아 근데 제가 듣기로는 그니까 오픈 AI 그 채치 피라가 이런 기존의 대형사들이 만든 생성형 AI 일종에 a 처럼 쓸 거야 그니까 지금 우리가 안드로이드 스마트폰 하듯이 예 그냥 그건 기본이고 그걸 가져와서 이렇게 이렇게 응용해서 요건 뭐 요렇게 쓰고요 서비스는 요렇게 쓰고 사람들이 이제 다 채치 빛이라는 건 보이지 않고 밑에 있는 이제 기저의 언어로만 쓰는 거고 실제 서비스는 뭐 퀀텀 AI 걸 쓰는 거고 난 어디 걸 쓰는 거고 그렇게 될거다 그렇게 말씀하시는
(38:52) 분 많던데요 그것도 맞는 말입니다 저희가 이제 예 예 저희 aicc 서비스 순위를 저희 브랜드로는 순위지만 순위 다른 기업에서 파시면 다른 브랜드로 파시는 거죠 저희는 기술만 제공을 합니다 그죠음 그래서 그렇게 저희가 이제 비투비를 하기도 하고요 예 어 이게 기술문 얘기다 보니까 좀 어려워서 영승 얘기로 바꾸면 프랜차이즈 레스토랑 가셔서 음식 드시잖아요 그게 오픈 AI 예 어 특정 지역의 맛집에 가서 음 특정 맛집에 그 음식을 먹게 되는 찾게 되잖아요 그게 이제 예 컨텀 AI 예음 그래서 사실은 뭐 레서 피나 이런 것들이 이제네 엔사 아든 뭐 이런 쪽에 많이 올라와 있잖아요 그걸 가지고 이제 조리를 해 주는 그냥 조리만 해 주는 업체 배달 대행 업체들 그런 쪽에 음식을 사드시면 그거는 이제 오픈 AI 그랑 비슷한 거고요 그 아주 매우 적절한 비유에서 질문을 같은 비유의 안에서 해 질문을
(39:56) 드리면네 맛집이나 프랜차이즈나 결국은 가게 임대료이 직원 인건비 식재료 뻔하니까을 텐데 실제로는 나오는 가격은 비슷할 거라고요 치열하게 경쟁을 하겠지요 그런데 그럼 이쪽은 이쪽대로 충분히 시장이 있을 거다라고 봐야 됩니까 뭐 할 수 있겠습니까 고개 필요한 시장도 있고 요렇게 좀 특화된 시장도 있고 그렇게 두 개가 공존할 거라고 보시는 거예요 아 예 왜냐하면 예를 들어서 콜 센터다 그러면 100석 200석 그러면 그면 대형음 사람이 많으니까 대형 콘센트 아아 그런 것들은 이제 대형 사들이 하실 거예요 근데 이제 50석 미만음 콜센터는이 aicc 도입하는데 전환하는데 비용이 너무 많이 드니까 도입을 못 하세요 그러니까 저희가 치고 들어가는 아 그럼 오픈 AI 어떤 물건을 팔아요 오픈 AI 천석 만성 이상의 콜 센터인 거죠 오픈 AI 그 쓴만큼만 과금하는 책 게 아니에요 요즘 그러니까 아무리
(41:00) 엄청 별걸 다 하는 애지만 내가 거기서 요만큼만 썼어 난 집성 위만의 콜센터만큼만 데이터를 썼어 그럼 그만큼만 과금하면 되는 거 아닙니까 어 과금 방식에 이제 좀 비밀이 있습니다 제가 첫 번째 질문을 해서 답변이 안 나왔어 그러면 그 다시 질문을 하잖아요 그러 첫 번째 질문까지 같이 거금이 됩니다 왜냐면 두 번째 질문이 들어갈 때 첫 번째 질문과 두 번째 질문이 같이 들어가 줘야 되기때문에 예 그러면 사용예 할수록 사용량이 늘어나는 예 그렇네요 되죠 많이 쓸수록 근데 콜센터가 한 번 질문해서 끝 가중치가 겠네요네 여러 번 질문을 하니까 예 그러니까 과금은 책에는 올라갈 수밖에 없죠 그러면 이제 배보다 배꼽이 할증료가 있는 거네 할증료 그럼 고객이 오래 오래 얘기하면 가파르게 올라가겠네요 맞습니다 아 그래서 요금 폭탄을 맞으시는니까 못 쓸 거 같아 그니까 오픈 AI 예 근데 이제 저희 순위 서비스는 그냥 콜당 과금이 아 한을 1분을 하든 10분을 하든 콜당 얼마 이렇게 돼네 콜당 얼마로 돼 있습니다 예 근데 그렇게 과금을 해야 되는
(42:05) 이유는 이쪽도 원가 많이 들어가서 그런 거죠 오픈 AI 오픈 AI 원가가 많이 들어가고 저희도 원가가 많이 들어가는데 오픈 AI 그 사용해야 되는 매개변수가 크다 보니까 어 굉장히 큰 컴퓨팅 파워를 이용을 하는 거고요 저희는 진짜 말 그대로 진짜 slm인데 저희는 뭐 어떨 때는 mlm 이라고 부릅니다 마이크로 LM 그래서 작으니까 컴퓨팅 파워가 작게 들어가는 거죠 작다는 건 고객 숫자가 적거나 빈도가 적어서가 아니라 매개 변수 자체가 작은 즉 그러니까 질문이 항상 단순하고 해야 할 일이 단순하기 때문에 작다는 거잖아요 그러면 고객사인 어떤 금융 회사한테 오픈 AI 가서 영업을 한다고 쳐요네 이번 저희 오픈 AI 이용해서 똑같은 서비스를 할 수도 있습니다 저희 고거 맞춤형으로 중간에 개발해 주는 업체도 저희 하청 업체 중에 있어요 바꿔보시죠라고 하면 고객사 입장에서는 바꿔 볼 수도 있을 텐데 그럴 경우에 가격 경쟁력이이 오픈 AI 쪽에 더 있지는 않습니까 절대 있을 수가 없습니다 왜요 그 설명을 좀 해주세요
(43:08) 왜 없어요 근육이 커서 그래요 그니까 지금 설명 이게 상상인데 예를 들면 아무리 단순한 업무를 시켜도 오픈 AI 그 커대한 컴퓨팅 파워를 한번 싹 돌고 와야 됩니까 그런 건지 그래서이 야 이건 진짜 단순한 건데 이거 한 바퀴 돈고 전기를 엄청 써 이거 그니까 설거지 시키 빌게이츠 어 그런 느낌이에요 항상 얘는 맞 일야 근 단가 안 맞을 거 같은데 일이 어려운 것도 있고 설거지도 있어 그런 거예요 원가 구조를 좀 살펴보면 예 컴퓨팅 파워를 쓰는 것도 좀 있고요 예 그다음에 이제 그걸 개발하는 사람들의 인건비도 좀 있고요 예 그다음에 그 메카니즘을 운영하는 비용도 좀 들어요 예 이제 그게 이제 등치가 큰 기업들은 아무래도 뭔가를 움직이려면 대규모의 의사 결정이나 대규모의 자원들이 움직이는데 만해서 저희는 스타트업 퀀텀은 굉장히 작은 조직이 아아 빠르게 움직일 수 있다 보니까 그 원가 구조가 낮을 수밖에
(44:11) 없어요 아 저희는 반대로 각 생각했거든요 왜냐하면 이렇게 대형으로 만들어 놓으니까 규모의 경제가 있을 거 아니까 규모의 경제가 있어서 요만한 거도 진짜 싸게 할 수 있어 그 아무 그런 계산 아무것도 아니 제조업에서는 그게 가능한데 인공지능에서 그게 안 통합니다 그러니까 그 기업 모의 차이에 따른 부대 비용의 차이는 그 어디나 있는 거니까 인정 그러나 뭐 그게 아주 클 거 같지 않고 한 두 배 세 배이 정도 인정 근데 컴퓨팅 파워와 관련한 전력이나 컴퓨팅 파워와 관련한 원가는 그거는 이쪽이 좀 쌉니까 그 원가구조가 오픈이 되지 않아서 싸다 안 싸다는 잘 모르겠습니다 저희가 이제 오픈 AI 콜 비용의 원가와 저희 원가를 계산을 해 봤을 때 저희가 신 사합니다 우리는 얘네들이 이런 시장 신경 안 쓰니까 그렇지 신경 쓰시는 순간 퀀텀 AI 힘들어지니 야 이거 제대로 하려면 퀀텀 AI 같은 회사들이 다 해야 될 거 같은데 지금 얘는 비용만 비싸고 돈만 많이 들지 제대로 특별하게 제대로 할 건 없는 거 같은데 얘네들은 이제 나중에 망하겠구나 저
(45:15) 신기한 서커스가 끝나고 나면 오히려 그런 생각이 들기도 하고 그래서 뭐가 진실인가 그걸 자꾸 여는 거죠 전자에 가까워요 예 근데 이제 오픈 AI 저희가 하는 비즈니스까지 침투하려고 하면 예 그거를 침투하기 위한 또 조직이 필요할 거잖아요 예 아 그니까 규모의 경 성능과 규모의 경제는 저쪽에 있을 수 있는데 아 실제로 그거를 맞춤형으로 다닐 하다 보면 저쪽은 큰 기 비이 저렇게게 쉽지 않 것다 국내에 있는 다른 저희와 유사한 기업이 최 GP 2를 가지고서 서비스를 하겠다라고 하면 그쪽이 먼저 치고 나갈 수는 있습니다 하지만 거기는 기본 원가 구조가 한 계가 있고 성능에 대한 보장을 거기에 디펜던시 두는 기본 원가 구조는 왜 한계가 더 비싸다는 겁니까 그 경쟁사가 그쪽은 계속 호출할 때마다 비용이 나가야 되는 구조인 거고 예 저희는 그 호출할 때마다 나가는 비용이 저기보다 적기 때문에 고정비가 계속 나가는 거고요 저희는 고정비가
(46:19) 거의 안 되는 거고 감가 상각비 안 되는 거죠 근데 그거는 이용량에 따라서 어떤게 더 좋은지는 그때그때 좀 다른 건 아닌가요 조금 쓸 때는 별 차이 없습니다 많이 쓰는게 문제지 근데 많이 쓸 때는 이쪽 비용이 오픈 AI 더 큰 이유는 기본적으로 메커니즘 자체가 고비용 구조라서 그렇습니까 고비용 구조인 것도 있고요 아까 말씀드렸듯이 한 콜당이 아닌 몇 번이 질문이 왔다 갔다 하느냐에 따라서 과금이 되는 조 과금이 되는 구조인 거고 근데 그건 그 친구들이 바꿀 수도 있잖아요 나중에 지금은 조금씩은 사용해 보세요 부담없이 번까지 물려고 그때부터 한번 에 얼마라고 해냈지만 이게 이제 대표님처럼 제대로 좀 뭔가 옆에 적용되기 시작하면 이쪽도 과금 구조를 바꿀 수 있을 거라고요 어 바꾸는 거를 하기가 좀 어려울 겁니다 왜요 그건 왜요 왜냐하면 그쪽은 컴퓨팅 파워를 어 호출하는데 자기네가 보유한 컴퓨팅 파워로 하는게 아니거든요 으흠네 클라우드 업체와 연동을 해서 하고 있어요
(47:24) 그래서 클라우드 업체의 원가 구조를 밑으로 서비스를 할 수가 없는 거죠 어네 어 그래서 그 예를 들어서 오픈 AI 그 MS 클라우드를 기반해서 돌아간다라고 하면 MS 클라우드의 운영 원가가 있을 거잖아 그 원가에 얹어서 그렇겠죠 마이크로소프트도 안 남기고는 줄 수 있어도 미칠 수는 없으니까 예 맞습니다 근데 이제 저희는 그게 아니라 저희 컴퓨팅 마을을 쓰기 때문에 예 그게 이제 그거보다는 면 기본적으로이 덩치 큰 녀석이 규모의 경제보다는 규모의 비경제 갖고 있다는 의미군요 그런 그런 한계가 있는 거죠 그러니까 클라우드가 사실은 온 프라미스 다 어 리소스 활용이나 이런 것들은 훨씬 더 좋고도 좋아요당 공 공동 사용하는 거니까 근데 이제 그게 어느 정도 규모가 됐을 때는 그런데 어느 정도 규모가 안 된 쪽에서 따 원가 구조를 따져 보면 아 작은 것들은 클 우드를 활용하는 거보다는
(48:28) 프라미 장비를 써도 가격 경쟁력이 생기는 거죠 무슨 말 알겠어요 아 이해했습니다 아 대충 그런 구조 아까 저 빌게이츠 테 쓰레기 버리고 오라고 시킨 거라고 예 비유는 들었는데 빌게이츠는 쓰레기도 버릴 수 있고 가정 교사도 할 수 있고 연구 논문도 쓸 수 있고 축구도 잘하고 야구도 잘하고 용접도 잘한다고 치면음 야 그렇게 잘하는 애를 사다가 쓰레기를 버리라고 하면 이게 인건비가 나오겠니 질문에 대해서음 굳이 그러나 아니야 얘는 동시에 여러 일을 다 할 수 있어서음 쓰레기 버리는 일도 하면서 축구도 하고 용접하고 할 수 있는 애라서 쓰레기 버리는 건 일단 뭐 2,000원만 받으면 나도 할 수 있어 얘는음 어 그럴 수도 있잖아요 맞습니다 어 근데 그런 구조라는 말씀이죠네 그렇게 해서 만약에 다 하겠다고 덤비면 어 할 수는 있다 독정 구조가 되는 거죠음 어떤 구조인지 알겠어요 그러면 규모의 경제가 생겨 있 하는 거네 다만의 문제가 생겨 있긴 하지만 일일이 다 파고 들는 것까지가 되겠냐
(49:33) 하는네음 남 남는 시장이 있는 거네음 알겠습니다 와요 재밌네요 앞으로 또 주목해야 될 AI 관련한 트렌드가 있으면 알려 주시면음 그걸 들으면서 감사하면서 퀀텀 AI n 역시 대단한 회사구나라는 생각을 뭐 잘봐주셔서 감사한데 어 오픈가 챗 GPT는 걸 발표하면서 앞에다가 챗을 붙인 이유가 딱 하나 있습니다네 앞으로의 대서는 컨버세이션 에가 될 거고요 대화형 저희가 모든 문제를 풀 때마다 저희도 지금 대화를 하고 있잖아요이 모든 것이 전부 다 대화형음 AI 굉장히 좀 중요해질 거고 앞으로는 어 두 가지 트렌드로 좀 나타날 것 같습니다 온디바이스 이미 나와 있고요 예 폰에 이제 들어가 있고 그다음에 에이전트 개념으로 그래서 특수 목적성에 에트 모이고 그 에이전트들이 모이면 그것들을 위해서 감싸주는 오케스트레이션 해주는 기술들 그런 것들이 앞으로 AI 중점 트렌드가 되지 않을까 생각을 하고
(50:39) 있고 저희는 그래서 그걸 이제 저희는 AI 서비스 플랫폼이라고 지금 부르고 있습니다 앞으로 AI 그 큰 AI 건드리지 못할 거 같은 그런 작은 영역들을 어차피 이제 큰 AI 큰 AI 잘하는 영역이 있을 테고네 그 누가 사업 기회를 잘 노려서 이렇게 니치 마켓을 잘 가져가느냐가 사업적으로 중요할 것 같네요네 그래서 딱 고기에 맞는 AI 예 그 고기에 맞는이라고 하는 그 영역 자체가 굉장히 광범위하기 때문에 예 그런 광범위한 거를 전부 다 커버할 수 있느냐 그건 좀 어려울 거 같다음 네알겠습니다 알겠습니다 마지막으로 그 이런 쪽을 한번 우리 회사도 도입해 보고자 하는 CEO 그이 계실 텐데음 도대체 어떤 회사한테 부탁해야지 되는 거야 퀀텀 AI n 오케이 그런데 뭐 그 그걸 잘하는 회사와 그렇지 않은 회사를 어떻게 구별하고 믿고 주지 한번도 이제 안 해보신 일이니까요 네네음 실제로 그런 일을 하시니까
(51:44) 요런 유의 업을 하는 기업을 잘 고르는 방법은 뭘 보면 됩 그렇지 요런 질문을 하시거나 요걸 알아보시면 뭐 대충은 큰 그 뒤통수는 안 맞습니다 라든가 요게 요령입니다 할만한게 있습니까 좋은 질문입니다 어려운데요 근데 왜냐하면 굉장히 많은 기업들이 AI 다 고민하고 있어요 근데 뭘 어떻게 어떻게 시작해야 될지 몰라서 그런 거죠 일단 근래에 있는 모든 인공지능 한다는 곳들이 다 생성형 AI 하세요 예 근데 그 생성형 AI 저희보다 잘하시는 것도 많으세요 예 그리고 이제 그런 거 기 기업들에 옥석을 가리는 방법네 야 이거는 있으면 좀 알려 주시면 제가 그냥 퀀텀 에를 써라 퀀텀 AI 써라 아니 그건 아니죠 제가 봤을 때는 그쪽 회사에서 그걸 전담하는 인력이 몇 명이나 되느냐에 따라 예 따라서 성의가 얼마나 있느냐 예
(52:48) 그다음에 이제 어느 영역을 하는 업체냐음 그러니까 모든 걸 다 한다네 거짓말이고요 모든 걸 다 할 수 없습니다 모든 걸 잘할 수도 없고요 그래서 저희는 어 비전 영역은 전혀 안 하고 nlp 특히 이제 그 nlp 중에서도 문서음 음성음 요런 거에만 특화되어 있는 기업 들이에요 그래서 그런 특화된 서비스에 특화된 기술을 개발하는 인력이 몇 명이나 되느냐 이렇게 보시면 어 좀 더 변별력 있게 좀 하 할 수 있지 않으실까 그래서 특정 기업에선 저희는요 문서도 하고요 음성도 하고요 그다음에 비전도 하고요 다 해요음 이러면 그거는 조금 오히려 왜냐면 한계가 있거든요 딱 맞는 기능에 맞춰서 시사도 하고 과학도 하고 예술도 하고 각 인공지능도 하고 그런 언더스탠드 같은 기업은 적합하지 않다 그런 얘기를 이해하겠습니다 아니죠 하나만 파야지는 어 그냥 닥치는 대로 그냥 다 재밌다으면 뭐 노벨상도
(53:52) 소개했다가 우리는 목표가 최 GPT 언더스탠딩 했다가 그런 기업 은 못쓴다 언더스탠딩 제가 봤을 때는 그런 것들을 발굴해서 많이 알려 주시는 거에 특화돼 있으신 거잖아요 저문 지식을 가지고 계신 거 감사합니다 아 임기응변도 뛰어나시고 컨텀 에이에 투자할 방법이 없을까 우리 있습니다 지금 시리즈를 돌고 있습니다 아 그래요 아 첫 번째 투자 라운드를 시드는 하셨고 CD 하셨고 아 자 사업은 이제 키우시려고 하시나보다네 하여튼 시 기업에네 성원을 바라고요네 자 퀀텀 AI 최성집 대표님 야 오늘 AI에 대해서 제대 뒤에서 일어나는 일들에 대해서 제대로 배운 거 같네요 재밌었습니다 잘 들었습니다 고맙습니다 아 감사합니다 y