AI 전문가처럼 생각하도록 인력을 훈련하는 방법

이 바위를 향해 미소짓고 싶은 이유가 inexplicable 하다면, 당신만 그런 게 아닙니다.

인간은 종종 사물에 인간적인 특성을 부여하는 경향이 있는데, 이를 '의인화'라고 하며, 이는 AI와의 상호작용에서 점점 더 중요해지고 있습니다.

의인화는 우리가 챗봇에게 "제발"이나 "고맙습니다"라고 말하거나, 기대에 부응하는 생성 AI의 결과물에 감탄할 때 드러납니다. 하지만 진정한 도전은 AI가 간단한 작업—예를 들어 기사를 요약하는 것—을 복잡한 주제, 예를 들어 과학 논문 모음집과 같은 일에 대해 반복할 것이라고 기대할 때 발생합니다. 비슷하게, AI가 마이크로소프트의 수익에 관한 답변을 제공할 때, 여러 기업의 수익 전사를 기반으로 시장 조사를 수행할 것이라고 기대하면 실망하게 됩니다.

이러한 작업은 겉보기에는 유사해 보이지만 AI 모델에게는 근본적으로 다릅니다. Cassie Kozyrkov는 "AI는 물감 붓만큼 창의적이다"라고 설명합니다. AI의 생산성에 대한 주된 장애물은 그것을 효과적으로 도구로 사용할 수 있는 우리의 능력에 있습니다.

사례적으로, Microsoft Copilot 라이선스를 도입한 후 사용자들이 가치를 느끼지 못해 좌석 수를 줄인 클라이언트들도 있습니다. 이러한 불일치는 AI의 능력에 대한 비현실적인 기대와 실제 성과 간의 괴리에서 비롯됩니다. 우리는 모두 "아, AI는 그걸 잘 못해"라는 순간을 경험했습니다.

생성 AI를 포기하는 대신, 우리는 AI와 기계 학습을 더 잘 이해하기 위해 필요한 직관을 기르고 의인화의 함정을 피할 수 있습니다.

기계 학습에서의 지능 및 추론 정의

우리의 지능 정의는 항상 모호했습니다. 개가 먹이를 간청할 때, 그것은 지능적인 행동인가요? 원숭이가 도구를 사용할 때, 그것이 지능을 보여주는 것인가요? 마찬가지로, 컴퓨터가 이러한 작업을 수행할 때, 우리는 그것을 지능적이라고 평가할 수 있을까요?

나도 최근까지 대형 언어 모델(LLM)이 진정한 "추론"을 하지 못한다고 믿었습니다. 그러나 신뢰하는 AI 창업자들과의 최근 논의에서 우리는 AI의 추론 수준을 평가할 수 있는 기준을 제안했습니다.

독해력 및 수치적 추론을 위한 기준이 있는 것처럼, AI 특별 기준을 도입하면 LLM 기반 솔루션의 예상 추론 능력을 전달하고 비현실적인 예시를 제공하는 데 도움이 될 수 있습니다.

AI에 대한 비현실적인 기대

인간은 사람의 실수에 대해 더 관대해지는 경향이 있습니다. 자율주행차가 통계적으로 인간 운전자보다 안전하더라도, 사고가 발생하면 큰 반발이 일어납니다. 이러한 반응은 AI가 인간이 잘 수행할 것으로 기대되는 작업에서 실패할 때 실망감을 더욱 증폭시킵니다.

많은 이들이 AI를 방대한 "인턴"의 군대라고 설명하지만, 기계는 인간이 하지 못하는 방식으로 오류를 범할 수도 있습니다. 그럼에도 불구하고 여러 분야에서 성과를 내고 있습니다.

결과적으로 10%도 안 되는 조직만이 생성 AI 프로젝트를 성공적으로 개발하고 실행합니다. 비즈니스 가치와의 불일치 및 데이터 큐레이션 관련 예기치 않은 비용은 이러한 이니셔티브를 더욱 복잡하게 만듭니다.

이러한 장애물을 극복하고 프로젝트 성공을 이루기 위해서는 AI 사용자가 AI를 효과적으로 사용할 시기와 방법을 알아야 할 직관을 키워야 합니다.

AI에 대한 직관을 키우기 위한 교육

교육은 빠르게 변화하는 AI 환경에 적응하고 기계 학습 지능에 대한 우리의 이해를 재정의하는 데 매우 중요합니다. "AI 교육"이라는 용어는 모호하게 느껴질 수 있지만, 세 가지 주요 영역으로 분류할 수 있습니다:

1. 안전: AI를 책임감 있게 사용하고 새로운 AI 기반 피싱 수법을 피하는 방법 학습.

2. 정보력: AI가 무엇을 할 수 있는지, 무엇을 기대할 수 있는지, 잠재적인 함정 이해.

3. 준비성: AI 도구를 능숙하고 효율적으로 사용하여 작업 품질 향상.

AI 안전 교육은 새로운 사이클리스트에게 무릎과 팔꿈치 보호대를 제공하는 것처럼 팀을 보호합니다. 일부 긁힘을 방지할 수 있지만, 더 도전적인 상황에 대비할 수는 없습니다. 반면, AI 준비 교육은 팀이 AI와 기계 학습의 잠재력을 극대화할 수 있도록 합니다.

생성 AI 도구와 안전하게 상호작용할 기회를 많이 제공할수록, 팀은 무엇이 효과적이고 무엇이 아닌지 더 잘 인식하게 됩니다.

내년 등장할 AI의 능력에 대해 우리는 단지 추측할 수 있을 뿐이지만, 이러한 능력들을 정의된 추론 수준 기준에 연결할 수 있다면, 근무 인력을 성공으로 이끄는 데 더 좋을 것입니다.

“모르겠습니다”라고 말할 때, 도움을 요청할 때, 가장 중요하게는 특정 AI 도구의 범위를 넘어서는 문제일 때를 아는 것이 중요합니다.