비즈니스 리더를 위한 생성형 AI 용어집

2023-07-13 13 min read

이 생성형 AI(인공지능) 용어집은 정기적으로 업데이트 됩니다.

주변 사람들이 “생성형 AI”, “대규모 언어 모델” 또는 “딥 러닝”과 같은 용어를 무심코 말하는 것처럼 보이나요? 자세한 내용에 대해 조금 헷갈리시나요? 세일즈포스는 수십 년 만에 출시된 가장 혁명적인 기술을 이해하기 위해 알아야 할 모든 사항에 대한 가이드를 만들었습니다. 생성형 인공지능의 세계로 빠져봅시다.

저희는 기업 내 모든 사람들이 기술적 배경에 상관없이 생성형 AI의 힘을 이해할 수 있도록 가장 필수적인 용어 목록을 준비했습니다. 각 용어는 고객과 팀에 어떤 영향을 미치는지에 따라 정의되었습니다.

그리고 생성형 AI의 실제 응용 사례를 강조하기 위해 이 기술을 적용하여 기사를 작성했습니다. 세일즈포스 전문가들이 주요 용어에 대해 의견을 제시하고, 생성형 AI 도구를 사용하여 용어 목록의 기초를 마련했습니다. 각각의 정의는 출판을 위해 인간의 개입이 필요했지만, 상당한 시간을 절약할 수 있었습니다.

주제별 생성 AI 용어

NLP
트랜스포머

인공지능 교육 및 학습

인공지능(AI)
인공신경망
증강 지능
인공지능을 사용한 CRM
딥 러닝
생성형 AI
생성자
GPT
머신 러닝

NLP
트랜스포머

인공지능 윤리

인공지능(AI: Artificial intelligence)

인공지능은 기계가 인간처럼 사고하고 행동하는 광범위한 개념입니다. 생성형 AI는 AI의 특정 유형입니다. (자세한 내용은 아래에서 설명)

고객에게 미치는 영향: AI는 고객이 과거의 행동을 기반으로 다음에 원하는 것을 예측하여 도울 수 있습니다. 이를 통해 고객에게 보다 관련성이 높은 커뮤니케이션 및 제품 추천을 제공하고 앞으로 있을 중요한 작업(예시: 재주문 시기입니다.)을 상기시켜 줄 수 있습니다. AI는 고객의 경험을 보다 유용하고, 개인화된, 효율적이고 마찰 없는 경험으로 만들어줍니다.
팀에 미치는 영향: AI는 일상적인 업무를 자동화하여 팀이 더 스마트하고 빠르게 작업할 수 있도록 지원합니다. 이를 통해 직원의 시간을 절약하고, 고객에게 신속한 서비스를 제공하며, 더 개인화된 상호 작용을 제공하여 고객 유지율을 향상시키고 비즈니스를 성장시킵니다.

인공 신경망(ANN: Artificial neural network)

인공 신경망(ANN)은 인간의 뇌가 정보를 처리하는 방식을 모방한 컴퓨터 프로그램입니다. 우리의 뇌는 수십억 개의 신경세포가 서로 연결되어 있고, ANN(“신경망”이라고도 함)은 많은 작은 처리 장치들이 함께 작동합니다. 같은 문제를 해결하기 위해 모두가 협력하는 팀과 같습니다. 각각의 팀원이 각자의 역할을 수행한 후 결과를 전달합니다. 마지막에는 필요한 답을 얻게 됩니다. 인간과 컴퓨터는 모두 팀워크의 힘에 대해 이야기할 수 있습니다.

고객에게 미치는 영향: 고객은 인공 신경망이 문제를 해결하고 정확한 예측을 할 때, 다양한 방식으로 혜택을 누릴 수 있습니다. 예를 들어 매우 개인화된 추천을 통해 더 맞춤화되고 직관적이며 궁극적으로는 만족스러운 고객 경험을 얻을 수 있습니다. 신경망은 패턴을 인식하는 데 뛰어나기 때문에, 이는 사기를 나타낼 수 있는 비정상적인 행동을 감지하는 데 중요한 도구가 됩니다. 이를 통해 고객의 개인 정보 및 금융 거래를 보호하는 데 도움이 됩니다.
팀에 미치는 영향: 팀도 혜택을 받습니다. 고객 이탈을 예측하여 고객 유지를 향상시키는 적즉적인 개선 방안을 마련할 수 있습니다. 인공 신경망은 고객 세분화를 지원하여 보다 목표를 정하고 효과적인 마케팅을 할 수 있게 해줍니다. CRM 시스템에서 신경망은 고객 행동을 예측하고, 고객 피드백을 이해하거나, 제품 추천을 개인화하는 데 사용될 수 있습니다.

증강 지능(Augmented intelligence)

증강 지능은 사람과 컴퓨터를 결합하여 양쪽의 장점을 최대한 활용하는 것으로 생각 할 수 있습니다. 컴퓨터는 많은 데이터를 처리하고 복잡한 계산을 빠르게 수행하는 데 탁월합니다. 인간은 문맥을 이해하고, 데이터가 불완전 하더라도 사물 사이의 연관성을 찾고, 직감에 따라 결정을 내리는 데 능숙합니다. 증강 지능은 이 두 가지 기술을 결합합니다. 이는 컴퓨터가 사람을 대체하거나 모든 작업을 대신 수행하는 것이 아닙니다. 오히려 아주 똑똑하고 체계적인 비서를 고용하는 것과 유사합니다.

고객에게 미치는 영향: 증강 지능은 컴퓨터가 숫자 처리하고, 이에 기반하여 인간이 어떤 조치를 취할지 결정할 수 있도록 합니다. 이를 통해 고객에게 더 나은 서비스, 마케팅 및 제품 추천을 제공합니다.
팀에 미치는 영향: 증강 지능은 팀이 더 나은 전략적 의사결정을 내리는 데 도움을 줄 수 있습니다. 예를 들어, CRM 시스템은 고객 데이터를 분석하여 영업 또는 마케팅 팀이 잠재 고객에게 접근할 최적의 시기를 제안하거나, 고객이 관심을 가질 만한 제품을 추천할 수 있습니다.

생성형 AI를 통한 고객 관계 관리(CRM)

CRM은 고객 기록을 한 곳에 보관하여 모든 부서에게 단일 정보원으로 작용하며, 기업이 현재 및 잠재 고객 관계를 관리할 수 있도록 지원합니다. 생성형 AI는 CRM을 더욱 강력하게 만들 수 있습니다. 예를 들어, 영업 팀을 위해 미리 작성된 개인화된 이메일, 이미지만으로 작성된 작성된 이커머스 제품 설명, 마케팅 캠페인 랜딩 페이지, 상황에 맞는 고객 서비스 티켓 응답 등이 가능합니다.

고객에게 미치는 영향: CRM을 통해 고객은 마케팅부터 판매, 고객 서비스 등 모든 참여 채널에 걸쳐 일관된 경험을 제공받을 수 있습니다. 고객은 CRM을 직접 보지는 않지만 브랜드와의 모든 상호작용에서 연결을 느낄 수 있습니다.
팀에 미치는 영향: CRM은 기업이 고객과 연결을 유지하고, 프로세스를 최적화하며, 수익성을 개선할 수 있도록 지원합니다. 이를 통해 팀은 고객 및 잠재 고객 연락처 정보를 한 곳에 저장하고, 영업 기회를 식별하고, 서비스 문제를 기록하고, 마케팅 캠페인을 관리할 수 있습니다. 예를 들어, 모든 고객 상호 작용에 대한 정보를 필요한 모든 사람이 이용할 수 있도록 합니다. 생성형 AI는 규모에 상관없이 고객과 더 빠르고 쉽게 연결할 수 있도록 함으로써 CRM을 강화합니다. 마케팅 리드-젠 캠페인이 자동으로 번역되어 전 세계 주요 시장에 도달하거나, 문제를 빠르게 해결하고 잠재적인 영업 기회를 파악할 수 있는 권장 고객 서비스 대응 방식과 같은 것을 상상해보십시오.

딥 러닝(Deep learning)

딥 러닝은 컴퓨터가 데이터의 복잡한 패턴을 인식하는 데 매우 뛰어난 AI의 발전된 형태입니다. 딥 러닝은 우리의 뇌가 작동하는 방식을 모방하여 계층적인 신경망을 사용합니다. 각 계층은 패턴(예시: 동물의 특징)이며, 이를 기반으로 예측을 수행할 수 있습니다. (예시: 인식된 특징을 기반으로 새로운 동물을 식별) 이는 이미지 인식, 음성 처리, 자연 언어 이해와 같은 분야에서 매우 유용합니다.

고객에게 미치는 영향: 딥 러닝을 활용한 CRM은 적극적인 참여 기회를 만듭니다. 보안을 강화하고, 고객 서비스를 더욱 효율적으로 만들며, 경험을 개인화 할 수 있습니다. 예를 들어, 매 축구 시즌 전에 새로운 팬 장비를 구입하는 전통이 있다면 딥 러닝이 CRM과 연결된 경우, 시즌이 시작되기 한 달 전에 좋아하는 팀 장비가 포함된 광고나 마케팅 이메일을 보여줄 수 있어 경기 당일을 준비할 수 있게 도와줍니다.
팀에 미치는 영향: CRM 시스템에서 딥 러닝은 고객 행동을 예측하고, 고객 피드백을 이해하고, 제품 추천을 개인화 하는 데 사용될 수 있습니다. 예를 들어, 특정 고객 부문에서 매출이 급증하는 경우, 딥러닝 기반의 CRM은 해당 패턴을 인식하고 더 많은 고객층에 도달하기 위해 마케팅 예산을 늘릴 것을 권장할 수 있습니다.

구분자(Discriminator, in a GAN)

생성형 적대 신경망(GAN: Generative Adversarial Network)에서 판별자는 탐정과 같은 역할을 합니다. 사진 또는 다른 데이터를 보여주면 어떤 것이 진짜이고 어떤 것이 가짜인지 추측해야 합니다. “진짜” 사진은 데이터 세트에서 가져온 것이고, “가짜” 사진은 GAN의 다른 부분인 생성자에 의해 생성됩니다. 판별자의 일은 진짜와 가짜를 더 잘 구별하는 것이고, 반면 생성자는 가짜를 더 잘 만들려고 노력합니다. 이는 더 나은 마우스 트랩을 지속적으로 구축하는 소프트웨어 버전입니다.

고객에게 미치는 영향: GAN의 판별자는 부정 행위 탐지에 중요한 역할을 하므로 이를 사용하여 더 안전한 고객 경험을 제공할 수 있습니다.
팀에 미치는 영향: GAN의 판별자는 팀이 합성 데이터 또는 콘텐츠의 품질을 평가하는 데 도움을 줍니다. 이는 사기를 탐지 및 개인화 마케팅에 기여합니다.

윤리적 AI 성숙도 모델(Ethical AI maturity model)

윤리적 AI 성숙도 모델은 조직이 AI 기술을 사용함에 있어 윤리적 관행을 평가하고 개선하는 데 도움이 되는 프레임워크입니다. 이는 조직이 현재의 윤리적 AI 관행을 평가하고, 보다 책임감 있고 신뢰할 수 있는 AI 사용을 진행할 수 있는 방법을 제시합니다. 투명성, 공정성, 데이터 개인 정보 보호, 책임 및 예측 편향과 관련된 문제를 다룹니다.

고객에게 미치는 영향: 윤리적 AI 모델을 구축하고 AI 사용 방법에 대해 공개적으로 알리는 것은 신뢰 구축에 도움이 되며, 고객에게 자사가 책임 있는 방식으로 데이터를 활용하고 있다는 확신을 줄 수 있습니다.
팀에 미치는 영향: 정기적으로 AI 관행을 평가하고 AI사용 방법에 대해 투명하게 유지하는 것은 회사의 윤리적 고려 사항과 사회적 가치에 부합하는 데 도움이 될 수 있습니다.

설명 가능한 인공지능(XAI: Explainable AI)

수학 수업에서 문제 풀이 과정을 보여달라는 요청을 받았던 기억이 있나요? 이제 우리는 AI에게도 같은 것을 요청하고 있습니다. 설명 가능한 인공지능(XAI)은 AI의 결과에 영향을 미친 요소를 설명함으로써 사용자가 결과를 해석하고 신뢰할 수 있도록 도와줍니다. 이러한 투명성은 공정성, 책임성 및 경우에 따라 규제 준수를 보장하기 위해 설명이 필요한 의료 또는 금융과 같은 민감한 시스템을 다룰 때 중요합니다.

고객에게 미치는 영향: AI 시스템이 고객이 이해할 수 있는 방식으로 결정을 설명할 수 있다면, 신뢰성과 신용성이 증가합니다. 특히 의료 또는 금융과 같은 민감한 분야에서 사용자 신뢰도를 높입니다.
팀에 미치는 영향: XAI는 모델이 특정 예측을 한 이유를 직원들이 이해할 수 있도록 도와줍니다. 이는 시스템에 대한 신뢰를 높일 뿐만 아니라 더 나은 의사 결정을 지원하고 시스템을 개선하는 데 도움이 됩니다.

생성형 인공지능(Generativ AI)

생성형 AI는 기존 데이터를 기반으로 새로운 콘텐츠를 생성하는 인공지능 분야입니다. CRM 시스템의 경우, 생성형 AI를 사용하여 개인화된 마케팅 콘텐츠 작성부터 새로운 기능 또는 전략을 테스트하기 위한 합성 데이터 생성까지 다양한 도움을 제공할 수 있습니다.

고객에게 미치는 영향: 고객은 필요로 하는 정보를 더 정확하게 얻을 수 있는 더 나은 타겟팅이 된 마케팅 콘텐츠를 제공받을 수 있습니다.
팀에 미치는 영향: 생성형 AI를 활용하면 마케팅 캠페인과 영업 활동의 신속한 구축이 가능하며, 더불어 합성 데이터 세트에서 여러 전략을 테스트하고 최적화하여 실제 실행되기 전에 최적의 전략을 찾을 수 있습니다.

생성적 적대 신경망(GAN: Generative adversarial network)

두 개의 딥러닝 모델 중 하나인 GAN은 생성자(generator)와 판별자(discriminator)라는 두 개의 신경망으로 구성됩니다. 이 두 개의 신경망은 서로 경쟁하며 작동합니다. 생성자는 입력에 기반하여 출력을 생성하고, 판별자는 출력이 진짜인지 가짜인지 판단하려고 합니다. 생성자는 판별자의 피드백을 기반으로 출력을 미세 조정하며, 이 과정은 판별자가 이해할 수 없는 출력을 생성할 때까지 반복됩니다.

고객에게 미치는 영향: GAN을 통해 매우 맞춤화된 마케팅이 가능해지며, 개별 고객에게 맞춤형 이미지나 텍스트를 사용할 수 있습니다. 예를 들어, 각 고객에게 맞는 맞춤형 프로모션 이미지를 제공할 수 있습니다.
팀에 미치는 영향: GAN은 고객 데이터가 부족할 때 개발 팀이 합성 데이터를 생성할 수 있도록 지원합니다. 실제 고객 데이터 사용에 대한 개인 정보 보호 문제에 대한 우려가 있을 때 유용합니다.

생성형 사전 훈련 변압기(GPT: Generative pre-trained transfomer)

GPT는 콘텐츠 생성을 위해 훈련된 신경망 모델입니다. GPT 모델은 대량의 텍스트 데이터로 사전 훈련되어 사용자 프롬프트 또는 쿼리에 기반하여 명확하고 관련성 높은 텍스트를 생성할 수 있습니다.

고객에게 미치는 영향: 고객은 자신의 특정 요구에 초점을 맞춘 보다 개인화된 회사와의 상호작용을 경험할 수 있습니다.
팀에 미치는 영향: GPT는 고객과 직접적으로 관련된 콘텐츠의 자동 생성이나 고객 피드백의 분석과 통찰력 도출에 활용할 수 있습니다.

생성자(Generator)

생성자는 요청이나 입력으로부터 새로운 콘텐츠를 생성하는 AI 기반 소프트웨어 도구입니다. 제공된 훈련 데이터를 기반으로 학습한 후 해당 패턴과 특성을 모방하는 새로운 정보를 생성합니다. OpenAI의 ChatGPT는 텍스트 기반 생성자의 잘 알려진 예시입니다.

고객에게 미치는 영향: 생성자를 사용하여 실제 고객 상호 작용에서 학습하는 AI 챗봇을 훈련시킬 수 있으며, 지속적으로 더 좋고 유용한 콘텐츠를 생성할 수 있습니다.
팀에 미치는 영향: 생성자는 테스트 또는 훈련 목적으로 현실적인 데이터 세트를 생성하는 데 사용될 수 있습니다. 이를 통해 팀은 시스템이 가동되기 전에 시스템의 버그를 발견하고, 실제 데이터에 영향을 주지 않고 새로운 직원이 시스템에 숙련되도록 할 수 있습니다.

환각현상(Hallucination)

환각현상은 생성형 AI가 주어진 콘텐츠를 분석하고 잘못된 결론에 도달해 현실과 일치하지 않는 새로운 콘텐츠를 생성할 때 발생합니다. 예를 들어, 수천 장의 동물 사진으로 훈련된 AI 모델에게 “동물”의 새로운 이미지를 생성하라고 요청하면 기린의 머리와 코끼리의 코가 결합된 이미지가 생성될 수 있습니다. 환각은 흥미로울 수 있지만, 바람직하지 않은 결과이며 생성형 모델의 출력에 문제가 있다는 것을 나타냅니다.

고객에게 미치는 영향: 기업이 소프트웨어에서 이 문제를 모니터링하고 해결할 때 고객 경험은 더 우수하고 신뢰할 수 있습니다.
팀에 미치는 영향: 품질 보증은 여전히 AI 팀의 중요한 부분입니다. 환각을 모니터링하고 해결하는 것은 AI 시스템의 정확성과 신뢰성을 보장하는 데 도움이 됩니다.

대규모 언어 모델(LLM: Large language model)

LLM은 많은 양의 텍스트 데이터로 훈련된 인공지능의 한 유형입니다. 주어진 프롬프트에 기반하여 인간과 유사한 텍스트를 생성할 수 있는 정말 똑똑한 대화 상대와 같습니다. 일부 LLM은 질문에 답하거나 글을 쓰고, 시를 만들고, 심지어 코드를 생성할 수도 있습니다.

고객에게 미치는 영향: 인간과 유사한 상호 작용을 제공하는 맞춤형 챗봇을 통해 고객은 여전히 실제처럼 문제를 쉽고 빠르게 해결할 수 있습니다.
팀에 미치는 영향: 팀은 고객과 상호작용하는 콘텐츠의 자동 생성, 고객 피드백의 분석, 고객 문의에 대한 답변을 자동화할 수 있습니다.

기계 학습(Machine learning)

기계 학습은 프로그래밍하지 않고도 컴퓨터가 새로운 것을 배울 수 있는 방법입니다. 예를 들어, 어린이에게 동물을 인식하는 방법을 가르칠 때, 당신은 어린이에게 사진을 보여주고 피드백을 제공합니다. 어린이는 더 많은 예시를 보고 피드백을 받으며, 독특한 특징에 따라 동물을 분류하는 방법을 배웁니다. 마찬가지로, 기계 학습 모델은 레이블이 지정된 데이터로부터 학습하여 정확한 예측과 결정을 내립니다. 그들은 지식을 일반화하고 새로운 예시에 적용하며, 인간과 같이 작동합니다.

고객에게 미치는 영향: 기업이 고객의 가치와 요구를 더 잘 이해하면, 현재 제품이나 서비스의 향상, 심지어 고객의 요구를 더 잘 충족시키는 새로운 제품 및 서비스의 개발로 이어질 수 있습니다.
팀에 미치는 영향: 기계 학습은 고객의 행동을 예측하거나, 마케팅 콘텐츠를 개인화 하거나, 일상적인 작업을 자동화하는 데 사용될 수 있습니다.

기계 학습 편향(Machine learning bias)

“쓰레기를 넣으면, 쓰레기가 나온다”라는 문구를 들어보았을 것입니다. 기계 학습 편향은 그저 그것을 한층 강화한 AI 버전입니다. 컴퓨터에 편향된 정보가 입력되면, 편향된 결정을 내립니다. 이는 컴퓨터에 데이터를 입력하는 인간의 의도적인 결정, 편향된 데이터의 우연적인 포함, 또는 학습 과정에서 알고리즘이 잘못된 가정을 하여 편향된 결과를 얻는 등의 이유로 발생할 수 있습니다.

예시: 대출 승인 모델이 특정 인구 통계(성별 또는 인종)에게 대출을 승인하는 경향을 나타내는 과거 데이터로 훈련된 경우, 이러한 편향을 학습하고 지속시킬 수 있습니다. 이것은 시스템의 편견 때문이 아니라 훈련 데이터의 편향 때문입니다. 이는 시스템의 정확성과 효과에 큰 영향을 미치며, 고객 간의 평등과 신뢰를 구축하는 데 도움이 됩니다.

고객에게 미치는 영향: 편향을 극복하기 위해 노력하는 기업과 협업하면 더 공정한 경험을 얻을 수 있으며, 신뢰를 구축할 수 있습니다.
팀에 미치는 영향: 모든 고객이 공정하고 정확하게 대우받을 수 있도록 편향을 확인하고 해결하는 것이 중요합니다. 기계 학습 편향을 이해하고 통제 방법을 알고 있다면 팀은 프로세스에 대한 자신감을 가질 수 있습니다.

모델(Model)

모델은 데이터의 패턴을 인식하기 위해 훈련된 프로그램입니다. 날씨를 예측하는 모델, 언어를 번역하는 모델, 고양이 사진을 식별하는 모델 등 여러 가지 모델이 있을 수 있습니다. 모형 비행기가 실제 비행기의 작고 단순한 버전인 것처럼, AI 모델은 실제 과정을 수학적으로 모델링한 버전입니다.

고객에게 미치는 영향: 모델을 통해 고객은 훨씬 더 정확한 제품 추천을 받을 수 있습니다.
팀에 미치는 영향: 이를 통해 팀은 고객의 행동을 예측하고 고객을 그룹으로 분류할 수 있습니다.

자연어 처리(NLP: Natural language processing)

NLP는 컴퓨터가 어떻게 인간의 언어를 이해하고 해석하고 생성할 수 있는지에 초점을 맞춘 인공지능 분야입니다. 음성 활성화 가상 어시스턴트, 언어 번역 앱, 챗봇 등의 기술에 사용됩니다.

고객에게 미치는 영향: NLP를 통해 고객은 복잡한 명령이 아닌 일반적인 인간 언어를 사용하여 시스템과 상호 작용할 수 있습니다. 음성 활성화 어시스턴트가 대표적인 예시입니다. 이를 통해 기술에 대한 접근성과 사용 편의성이 향상되어 사용자 경험이 개선됩니다.
팀에 미치는 영향: NLP는 고객 피드백을 분석하거나 챗봇을 구동하거나, 고객과 상호작용하는 콘텐츠의 자동화에 사용될 수 있습니다.

프롬프트 엔지니어링(Prompt engineering)

이것에 대해 엔지니어링 학위가 필요하지는 않습니다. 프롬프트 엔지니어링은 정확하게 필요한 답을 얻기 위해 질문을 하는 방법을 파악하는 것을 의미합니다. 기계 학습 모델에 제공하는 입력(프롬프트)을 신중하게 작성하거나 선택함으로써 가능한 최상의 출력을 얻는 것입니다.

고객에게 미치는 영향: 강력한 프롬프트를 제공하면 생성형 AI 도구는 강력한 결과물을 제공할 수 있습니다. 프롬프트가 더 강력하고 관련성이 높을수록 최종 사용자 경험이 더욱 좋아집니다.
팀에 미치는 영향: 프롬프트 엔지니어링은 대규모 언어 모델에게 고객에게 맞춤형 이메일을 생성하도록 요청하거나, 고객의 피드백을 분석하고 주요 인사이트를 추출하는 데 사용될 수 있습니다.

감성 분석(Sentiment analysis)

감성 분석은 단어 뒤에 숨겨진 감정적인 어조를 파악하여 발화자나 작가의 태도, 의견, 감성을 이해하는 것을 말합니다. 이는 CRM에서 고객의 피드백이나 브랜드 또는 제품에 대한 소셜 미디어 대화를 이해하는 데에 일반적으로 사용됩니다.

고객에게 미치는 영향: 고객은 새로운 채널을 통해 피드백을 제공하여 상호 작용하는 회사로부터 더 많은 정보에 입각한 결정을 내릴 수 있습니다.
팀에 미치는 영향: 감정 분석을 사용하여 고객의 피드백이나 소셜 미디어 게시물을 기반으로 고객이 제품 또는 브랜드에 대해 어떻게 느끼는지 파악할 수 있습니다. 이 게시물은 브랜드 또는 제품의 평판 및 관리에 대한 많은 측면을 알려줄 수 있습니다.

지도 학습(Supervised learning)

지도 학습은 모델이 예시를 통해 학습하는 방식입니다. 마치 선생님과 학생의 상황과 비슷합니다. 선생님은 학생(모델)에게 질문과 정답을 제공합니다. 학생은 이를 공부하고 시간이 지나면서 비슷한 질문에 스스로 답할 수 있게 됩니다. 이미지 인식, 언어 번역 또는 예상 결과 예측과 같은 시스템을 훈련하는 데에 매우 유용합니다. (아래에서 비지도 학습을 확인하십시오.)

고객에게 미치는 영향: 과거의 상호 작용을 통해 고객의 요구를 이해하고 학습하는 효율성 향상.
팀에 미치는 영향: 과거 데이터를 기반으로 고객 행동을 예측하거나 고객을 그룹으로 분할하는 데 사용할 수 있습니다.

트랜스포머(Transfomer)

트랜스포머는 딥 러닝 모델의 한 유형으로, 특히 언어 처리에 유용합니다. 문장 내에서 단어의 맥락을 이해하는 데에 매우 능숙하며, 이는 개별 데이터 포인트(맥락이 없는 문장)뿐만 아니라 순차적 데이터(진행 중인 대화)를 기반으로 출력을 생성하기 때문입니다. “트랜스포머”라는 이름은 입력 데이터(문장)를 출력 데이터(문장의 번역 등)로 변환할 수 있는 방식에서 유래합니다.

고객에게 미치는 영향: 기업은 개인화된 AI 챗봇으로 고객 서비스 경험을 향상시킬 수 있습니다. 이러한 챗봇은 과거의 행동을 분석하고 개인화된 제품 추천을 제공할 수 있습니다. 또한 자동화된(그러나 인간적인) 응답을 생성하여 고객과 더 적극적인 커뮤니케이션을 지원합니다.
팀에 미치는 영향: 트랜스포머는 팀이 고객과 상호 작용하는 기본적인 챗봇을 구동하고, 고객을 대상으로 하는 콘텐츠를 생성하는 데에 도움을 줍니다. 또한 변압기는 고객 피드백에 대해 정교한 감정 분석을 수행하여 고객의 요구에 대응할 수 있도록 지원합니다.

비지도 학습(Unsupervised learning)

비지도 학습은 인공지능이 어떠한 지도 없이 데이터의 숨겨진 패턴을 찾아내는 것을 말합니다. 이것은 컴퓨터가 스스로 흥미로운 요소를 발견하는 것에 관한 것입니다. 마치 큰 가방에 섞여 있는 퍼즐 조각들이 있는데, 상자 위에 참조할 그림이 없어 어떤 그림을 완성하는지 모를 때와 같습니다. 비지도 학습은 그 조각들이 어떻게 조화를 이루는지, 유사성이나 그룹을 찾아내는 것이며, 최종 그림이 어떤 것인지는 알지 못하는 것과 유사합니다.

고객에게 미치는 영향: 고객 데이터에서 숨겨진 패턴이나 세그먼트를 발견함으로써 완전히 개인화된 경험을 제공할 수 있습니다. 고객은 가장 관련성이 높은 제안과 추천을 받아 고객 만족도를 높일 수 있습니다.
팀에 미치는 영향: 팀은 복잡한 데이터에 대한 가치 있는 통찰력과 새로운 이해력을 얻습니다. 이를 통해 팀은 놓치기 쉬웠던 새로운 패턴, 동향 또는 이상 징후를 발견할 수 있으며, 더 나은 의사 결정 및 전략적 계획을 수립할 수 있습니다. 이는 생산성을 향상시키고 조직 내에서 혁신을 촉진합니다.

검증(Validation)

기계 학습에서 검증은 모델이 학습 과정 중 또는 이후에 얼마나 잘 수행되고 있는지 확인하는 단계입니다. 이는 훈련 중에 보지 않은 데이터의 하위 집합인 검증 세트에서 테스트되어, 정답만 외우는 것이 아니라 실제로 학습하고 있는지 확인합니다. 학기 중간에 하는 AI를 위한 퀴즈와 비슷합니다.

고객에게 미치는 영향: 더 잘 훈련된 모델은 더 유용한 프로그램을 생성하여 전반적인 사용자 경험을 개선할 수 있습니다.
팀에 미치는 영향: 고객 행동 예측이나 고객을 세분화하는 모델이 의도한 대로 작동하는지 확인하는 도구로 활용할 수 있습니다.

근접 발달 지역(ZPD: Zone of proximal development)

근접 발달 지역(ZPD)은 교육 개념입니다. 예를 들어, 매년 학생들은 덧셈과 뺄셈에서 곱셈과 나눗셈, 심지어 복잡한 대수학과 미적분 방정식까지 수학을 학습합니다. 발전의 핵심은 점진적으로 이러한 기술을 학습하는 것입니다. 기계 학습에서 ZPD는 모델이 점차적으로 더 어려운 작업에 대해 훈련되어 학습 능력을 향상시키는 것을 의미합니다.

고객에게 미치는 영향: 생성 AI가 적절하게 훈련되면 정확한 결과를 얻을 가능성이 높아집니다.
팀에 미치는 영향: 직원 교육에 적용할 수 있으며, 직원은 더 복잡한 작업을 수행하거나 CRM의 기능을 더 잘 활용할 수 있도록 학습할 수 있습니다.

생성형 AI로 다음 단계를 진행하세요.

생성형 AI는 모든 팀이 고객과 더 긴밀하게 연결되고 창의성을 발휘하며 생산성을 높이는 데 도움이 될 수 있습니다. 비즈니스 관점에서 AI가 더 효율적으로 만들 수 없는 부분은 거의 없습니다. 영업, 서비스, 마케팅 및 커머스 애플리케이션은 모두 생성형 AI의 힘을 활용하여 고객에게 더 나은 맞춤형 솔루션을 빠르게 제공할 수 있습니다.

생성형 AI가 고객의 번영을 돕는 일상적인 작업을 지원하도록 함으로써, 인간 팀은 최고의 아이디어를 내며 새로운 협업 방식을 개발하는 데 집중할 수 있습니다. 더불어 오직 인간만이 형성할 수 있는 독특한 연결을 만들어갈 수 있습니다.

이제 CRM을 위한 생성형 AI에 대해 알았다면, 실제로 그것을 경험해보세요.