수 년간 AI(인공 지능)는 거대 기술 기업, 자금이 풍부한 연구 기관, 그리고 첨단 모델을 개발하고 배포할 자원을 보유한 정부 기관 등 소수의 전유물이었습니다. 그렇기에 수많은 AI 혁신이 비공개로 이루어졌고, 기존 기술에 대한 대중적 접근은 제한되어 있습니다. 소수의 주체가 혁신을 주도했기 때문에 발전 속도는 제한적이었고, 새로운 아이디어는 주도권을 쥔 이들의 우선순위에 따라 좌우되었습니다.
이제 상황은 더 이상 그렇게 돌아가지 않습니다. 오픈 소스 AI는 판도를 바꾸고 있습니다. 호기심과 기술만 있다면 누구나 고급 AI 도구를 활용할 수 있게 된 것입니다. 오픈 소스 AI는 코드와 연구 결과를 자유롭게 공유함으로써 산업 간 협력을 촉진하고, 개발 속도를 높이며, AI 발전을 좌우하던 기존의 주체들에게 도전장을 내밀고 있습니다. 하지만 이러한 접근성에는 보안, 윤리, 통제에 관한 새로운 의문이 제기됩니다. 오픈 소스 AI가 이 기술의 배포 방식을 재편하는 과정에서 비즈니스와 개발자들은 이러한 문제를 해결해 나가야 합니다.
OSS(오픈 소스 소프트웨어)는 공개적으로 제공되어 누구나 검사, 수정 및 배포할 수 있는 소스 코드가 포함된 소프트웨어입니다. OSS는 담당하는 기업 또는 그룹에 의해 통제되는 독점 소프트웨어와 달리 공동으로 개발되므로, 전 세계의 프로그래머가 개선 사항을 제공하고, 취약점을 수정하며, 기능을 사용자 지정할 수 있습니다. 수많은 웹 서버, 운영 체제 및 프로그래밍 프레임워크 등 다양한 기반 기술이 오픈 소스 구성 요소에 의존합니다.
오픈 소스 소프트웨어를 정의하는 것과 동일한 원칙이 인공 지능 분야로도 확대되었습니다. 오픈 소스 AI는 이러한 협업적이고 투명한 관행을 AI 모델에 적용하지만, 개방성이 정의되고 구현되는 방식에는 약간의 차이가 있습니다.
오픈 소스 AI와 오픈 소스 소프트웨어
오픈 소스 AI는 오픈 소스 소프트웨어와 비교되는 경우가 많지만, 이 둘은 구조, 접근성, 통제 측면에서 다릅니다.
- 오픈 소스 소프트웨어
소스 코드는 완전한 접근성을 갖추었으며 사람이 읽을 수 있는 프로그래밍 언어로 작성되어 검사, 수정 및 재배포가 가능합니다. 개발자가 원본의 방향에 동의하지 않을 경우 자유롭게 소프트웨어를 수정하고 새로운 버전을 만들 수 있으며, 독립 프로젝트로 분할할 수도 있습니다. 이와 같은 투명성을 통해 사용자는 보안을 확인하고 버그를 수정하며 기능을 필요에 맞게 사용자 지정할 수 있습니다.
- 오픈 소스 AI
기존의 소스 코드가 아닌 AI 모델은 가중치와 매개변수 같은 복잡한 수치를 기반으로 구축되는데, 이는 인간의 관점에서 '읽을 수 있는' 코드라고 보기 어렵습니다. 일부 AI 모델은 공개적으로 공유되지만, 학습 데이터와 같은 중요한 구성 요소가 제외되므로 진정한 투명성과 커스터마이제이션은 제한되는 경우가 많습니다. 또한, 학습 과정에는 막대한 컴퓨팅 자원이 필요하기 때문에 AI 개발 초기에는 보통 대규모 조직이 통제권을 가졌습니다.
클로즈드 소스 AI는 기본 코드, 학습 데이터 및 아키텍처가 비공개로 유지되는 인공 지능 모델과 시스템을 설명합니다. 공개적으로 접근하고 수정할 수 있는 오픈 소스 AI와는 달리, 클로즈드 소스 AI는 완전히 그것을 개발하는 조직의 통제하에 있습니다. 이와 같은 접근 방식을 통해 개발자는 업데이트, 보안 및 배포와 관련하여 완전한 권한을 유지할 수 있을 뿐 아니라 투명성과 커스터마이제이션 기능도 제한할 수 있습니다.
가장 널리 알려진 AI 모델 중 OpenAI의 GPT-4, Google의 Gemini와 같은 다수가 클로즈드 소스 프레임워크에서 작동합니다. 이 모델은 보다 강력한 보안 제어와 일관된 성능을 제공할 수 있지만, 벤더 종속성, 모델 학습 방법에 대한 인사이트 부족, 혁신에 대한 잠재적 제약 등 몇 가지 우려가 있습니다.
오픈 소스와 클로즈드 소스 AI의 비교
오픈 소스 AI와 클로즈드 소스 AI 모두 장점이 있지만 접근성과 투명성의 측면에서 둘은 크게 다릅니다.
- 오픈 소스 AI
모델의 코드, 아키텍처 및 (경우에 따라) 가중치를 공개적으로 사용할 수 있으므로 사용자가 원하는 만큼 살펴보거나 조정할 수 있습니다. 대신, 오픈 소스 AI는 독점 모델을 통해 제공되는 엔터프라이즈 수준의 지원과 보안 조치를 갖추지는 못할 수 있습니다.
- 클로즈드 소스 AI
코드 및 학습 데이터는 비공개로 유지되며 개발자만이 모델을 수정하거나 배포할 수 있습니다. 이렇게 하면 보안 및 준수를 보다 엄격하게 통제할 수 있으므로 엄격한 규정 요구 사항을 갖춘 엔터프라이즈에는 매력적인 선택지입니다. 하지만 클로즈드 소스 AI는 사용자 커스터마이제이션을 제한하고, 특정 벤더에 대한 의존도를 높이며, 모델의 학습 과정을 검증하기 어려울 수 있습니다.
말하자면 클로즈드 소스 AI는 AI 기능을 자물쇠로 잠가두는 것과 같고, 오픈 소스 AI는 문을 활짝 열어 놓는 것과 같습니다. 사용자는 도구를 그대로 사용할 수 있을 뿐 아니라 내부 구조도 자세히 살펴볼 수 있어 도구의 기능과 작동 방식을 더 확실하게 이해할 수 있습니다. 이후에는 이러한 이해를 바탕으로 AI의 기능을 확장하여 저마다의 용도와 요구 사항에 맞게 기능을 사용자 정의할 수도 있습니다.
이러한 자유는 물론 그 자체로도 분명 가치가 있지만, 보다 윤리적인 AI 환경을 지원하는 데도 도움이 됩니다. 편견, 책임, 데이터 개인정보 보호 또는 기타 문제와 관련된 우려에 직면했을 때, 사용자는 제공자에게 의존하지 않고 직접 조사하고 테스트할 수 있습니다. 동시에 더 많은 기여자가 참여하면 AI 첨단 기술을 일반 대중에게 더 널리 보급할 수 있으므로, 소수의 기업에 의한 기술 독점을 방지할 수 있습니다. 이로 인해 기술 에코시스템이 분권화되고 경쟁이 촉진되어 지속적인 발전으로 이어집니다.
오픈 소스 AI의 이점
오픈 소스 AI의 광범위한 이점 외에도 비즈니스에서 활용할 수 있는 여러 가지 구체적인 이점이 있습니다. 다음을 고려해 보세요.
- 다양한 사용 사례
오픈 소스 AI는 사기 탐지와 의료 이미지부터 자동화 및 고객 서비스에 이르기까지 모든 분야에서 사용됩니다. 이 모델은 자유롭게 이용 가능하기 때문에 비즈니스는 독점 시스템에서는 불가능했던 방식으로 AI를 실험할 수 있으며, 특수 분야나 틈새 시장의 요구에 AI를 적용하기가 더 쉬워집니다.
- 낮아지는 사용 장벽
오픈 소스 AI는 라이선싱 비용이나 계약의 제한이 없으므로 더 많은 조직에서 이러한 종류의 정보 기술을 이용할 수 있습니다. 스타트업, 소규모 비즈니스 및 독립 개발자들도 누구나 막대한 초기 비용 없이 AI를 실험할 수 있습니다. 참여가 광범위하게 이루어지면 더 창의적이고 다양한 응용이 가능해집니다.
- 지역사회 참여
오픈 소스 AI는 전 세계의 프로그래머, 연구원, 엔지니어, 그리고 적극적으로 AI의 발전에 기여하는 헌신적인 매니아 커뮤니티를 활용합니다. 모두가 모여 전문 지식을 공유하면서 AI 모델을 강화하고 최초 기여자가 다른 프로젝트로 넘어간 후에도 개선 사항이 지속될 수 있도록 지원합니다.
- 투명성 및 개선
오픈 소스 AI 모델은 공개적으로 사용할 수 있기 때문에 조직은 작동 방식을 살펴보면서 잠재적 문제를 파악하고 데이터 보안을 더욱 직접적으로 통제할 수 있습니다. 코드를 검토하는 사용자가 많을수록 결함을 더 빨리 발견할 수 있으며, 개방성이 높아질수록 사용자가 의사 결정 과정을 정확히 확인할 수 있어 신뢰가 구축됩니다.
- 벤더 중립성
오픈 소스 AI를 사용하는 비즈니스는 한 곳의 공급업체에 얽매이지 않습니다. 이들은 자신의 필요를 가장 잘 충족하는 도구와 인프라를 자유롭게 선택할 수 있습니다. 이러한 방식은 벤더 종속, 갑작스러운 가격 변경, 비효율적인 지원의 위험을 상쇄합니다.
- 커스터마이제이션
보통 모든 사람에게 꼭 맞는 하나의 해법은 존재하지 않습니다. 조직은 소스 코드에 액세스하여 AI를 특정한 요구에 맞게 조정할 수 있습니다. 즉, 회사 정책 및 고유한 운영 요구 사항에 맞게 출력을 조정할 수 있는 것입니다. 보통 클로즈드 소스 방식에서는 이러한 수준의 유연성이 제공되지 않습니다.
오픈 소스 AI의 과제
일반 사용자에게 AI 알고리즘을 공개하는 데는 단점이 있을 수 있습니다. 이러한 단점에는 다음이 포함됩니다.
- 불일치 및 실패 위험
명확한 목표가 없으면 오픈 소스 AI 프로젝트의 집중력이 흐트러져서 자원을 낭비하고 결국 실패하게 될 수 있습니다. 조직은 AI 개발에 착수하기 전에 평가 메트릭을 확립하고 적절한 전문 지식을 보유하고 있는지 확인해야 합니다. 체계적인 프로젝트 관리와 반복 테스트도 마찬가지로 적절한 노력을 지속하는 데 도움이 됩니다.
- 추가적인 편향 가능성
더 많은 사용자가 참여하면 편향을 식별하는 데 도움이 될 수 있지만, 의도치 않게 편향이 유입될 수도 있습니다. 학습 데이터 세트가 불완전하거나 왜곡되어 있는 경우가 많기 때문에 조직은 AI 결과를 엄격하게 검증하고 대표성이 더 강한 데이터로 모델을 다시 학습시켜야 합니다. 다양한 이해 관계자의 의견을 반영한 정기적인 편향 테스트를 통해 AI의 공정성과 신뢰성을 높일 수 있습니다.
- 보안 문제
이러한 모델의 개방적 특성으로 인해, 악의적인 사용자들이 잘못된 정보를 생성하거나, 유해한 콘텐츠를 만들거나, 심지어 공격을 자동화하는 등, 유해한 목적으로 조작하거나 오용할 수 있습니다. 이를 방지하기 위해 조직은 AI 솔루션 배포 시 사용을 모니터링하고 윤리적 보호 조치를 취해야 합니다. 또한 오픈 소스 커뮤니티는 위험을 줄이는 데 도움이 되는 보안 조치를 개발하고 공유하는 역할을 수행할 수도 있습니다.
- 데이터 관련 문제
라벨이 잘못 지정된 데이터, 데이터 드리프트, 신뢰할 수 없는 소스 등의 문제는 시간이 지남에 따라 AI 성능을 저하시킬 수 있습니다. 엄격한 확인 프로세스를 적용하면 데이터 품질을 유지할 수 있습니다.
- 아웃소싱 관련 문제
제3자의 오픈 소스 AI를 사용하는 비즈니스는 주의를 기울여야 합니다. 외부 프로젝트가 중단되거나 보안 표준을 충족하지 못할 경우, 이를 활용하는 기업들은 중단을 겪을 수 있습니다. 내부 전문가를 활용하는 것이 항상 권장되지만, 아웃소싱이 더 나은 선택인 경우 모든 계약업체를 철저히 검증해야 합니다.
- 수익 창출의 어려움
오픈 소스 인공 지능을 개발하는 데는 비용이 많이 들고 무료로 제공하다 보면 직접적인 수익 창출이 어려워집니다. 이러한 도구를 개발하는 회사는 유료 엔터프라이즈 버전, 지원 서비스 또는 오픈 소스 모델을 기반으로 구축된 추가 전용 도구를 제공하여 이러한 문제의 해결 방안을 모색할 수 있습니다.
- 통제력 상실
오픈 소스 라이선스로 AI 모델을 출시하면 원래 개발자는 사용 또는 수정 방식을 통제할 수 없게 됩니다. 이와 같은 분권화는 오픈소스 AI의 핵심적인 이점이지만, 동시에 모델이 창작자의 의도와는 다른 방식으로 전용될 수 있다는 것을 의미하기도 합니다. 개방성과 책임 있는 사용의 균형을 유지하기 위해 조직은 윤리 지침을 확립하고 보다 광범위한 AI 커뮤니티에 지속적으로 참여하여 책임 있는 발전을 도모할 수 있습니다.
오픈 소스 AI 사용은 적절한 모델을 선택하는 데서 시작됩니다. Hugging Face와 같은 플랫폼에서 사전 학습된 옵션을 제공하므로 사용자는 다운로드한 후 최소한의 설정만 거쳐 배포할 수 있습니다. 개발자는 LangChain 및 Transformers와 같이 AI 기반 도구와 간편하게 상호 작용할 수 있게 만들어 주는 프레임워크를 사용하여 이러한 모델을 애플리케이션에 통합할 수 있습니다. PyTorch, TensorFlow와 같은 라이브러리는 모델을 구축하거나 미세 조정하려는 사용자에게 교육, 최적화 및 배포를 위한 광범위한 리소스를 제공합니다.
단, 오픈 소스 AI를 효과적으로 실행하려면 충분한 컴퓨팅 리소스가 필요합니다. 일부 소규모 모델은 개인 장치에서도 작동할 수 있지만, 복잡한 시스템에는 강력한 하드웨어 또는 클라우드 기반 인프라가 필요한 경우가 많습니다. 조직은 AI를 로컬에서 실행하여 통제권과 보안을 강화하거나 원격 컴퓨팅 옵션을 활용하여 대규모 작업 부하를 효율적으로 처리할 수 있습니다.
오픈 소스 AI는 무한한 가능성을 제시하지만 이러한 잠재력은 조직이 적절한 도구를 활용할 수 있어야 발휘될 수 있습니다. 수상 경력에 빛나는 ServiceNow Platform®은 비즈니스가 모든 워크플로우를 통합, 자동화 및 최적화할 수 있도록 설계된 하나의 AI 기반 토대를 제공합니다. 조직은 오픈 소스 모델을 엔터프라이즈 프로세스에 연결하고 반복적인 작업을 자동화하며 AI 기반 인사이트로 의사 결정을 강화할 수 있습니다. 또한 워크플로우 자동화 분야에서 20년 이상의 경험을 쌓은 ServiceNow는 여러 부서의 효율성을 향상시키기 위해 가장 신뢰할 수 있는 선택입니다.
무엇보다도 ServiceNow는 Hugging Face 및 NVIDIA와의 공동 작업으로 개발한 오픈 액세스 LLM(대규모 언어 모델) 제품군인 StarCoder2를 통해 오픈 소스 AI 혁신에 직접적으로 기여하고 있습니다. 이러한 모델은 코드 생성, 워크플로우 자동화 및 텍스트 요약 기능을 지원하므로, 이를 통해 비즈니스는 소프트웨어 개발 및 AI로 강화된 의사 결정을 촉진할 수 있습니다. 조직은 AI가 고유한 요구 사항에 부합하도록 이러한 모델을 산업별 데이터로 미세 조정할 수 있습니다. 여러 이유로 Fortune 500대 기업의 85%가 ServiceNow를 사용하지만, 그중 하나는 이러한 고급 기능들을 비롯한 다양한 장점 때문입니다.
지금 데모를 요청하여 오픈 소스 AI의 최전선에서 비즈니스를 주도하는 방법을 확인해 보세요.