Leo Marchandon 작성

7월 23일 (Reuters) - SAP의 재무 책임자(finance chief)는 목요일, 기업용 소프트웨어 분야의 인공지능 (AI)이 챗봇과 코딩 도구를 넘어 더 복잡한 비즈니스 프로세스로 이동해야 한다고 말했습니다. 이러한 프로세스에서는 가장 강력한 모델에 대한 접근성보다 깨끗한 데이터, 신뢰성 및 비용 제어가 더 중요합니다.

기업들은 생성형 AI (generative AI)에 막대한 자금을 쏟아부었지만, 여전히 광범위한 생산성 향상의 증거를 찾고 있습니다. SAP는 수익이 범용 모델 (general-purpose models)보다는 특정 비즈니스 프로세스에 내장된 관리되는 시스템 (governed systems)에서 더 많이 발생할 것이라고 주장하고 있습니다.

Dominik Asam CFO는 SAP의 2분기 실적 발표 후 기자들에게 오늘날 AI 토큰 소비의 "가장 큰 부분"이 코딩 어시스턴트 및 챗봇과 같은 "쉬운 과제 (low-hanging fruits)"에 소비되고 있다고 말했습니다. 이러한 분야에서는 AI의 환각 (hallucinations) 현상이 발생하더라도 결과물이 가져오는 리스크가 제한적이기 때문에 덜 중요하게 작용합니다.

하지만 AI를 재무, 공급망 또는 기타 핵심 비즈니스 프로세스에 적용하는 것은 더 어렵습니다. 오류가 여러 단계에 걸쳐 전이되어 컴플라이언스 (compliance) 표준에 대한 리스크를 높이기 때문이라고 그는 설명했습니다.

Asam은 재무 워크플로 (workflows)를 언급하며, "프로세스 중에 환각이 발생하면 오류가 여러 단계에 걸쳐 통계적으로 실제로 누적될 것입니다"라고 말했습니다. "이는 훨씬 더 고통스러울 정도의 높은 보증 수준 (assurance levels)을 요구합니다."

Asam은 AI의 "어려운 과제 (high-hanging fruit)"는 기업 전반에 범용적인 플러그 앤 플레이 (plug-and-play) 대규모 언어 모델 (large language model)을 적용하는 것이 아니라, 특정 비즈니스를 중심으로 시스템을 구축하는 것이라고 말했습니다.

이를 위해서는 기업이 자체 데이터를 사용 가능하고 관리 가능한 상태로 만들어야 하며, 그래야 AI가 회사의 지식을 바탕으로 작동할 수 있습니다. Asam은 "데이터가 지저분한 레거시 데이터 사일로 (legacy data silos) 상태일 때 AI가 이 모든 문제를 해결할 것이라는 생각은 사실이 아닙니다"라고 말하며, 그러한 접근 방식은 "극도로 높은 토큰 비용"을 수반한다고 덧붙였습니다.

그는 가장 진보된 모델이 항상 정답은 아니라고 말했습니다. 실제로 기업들은 그것이 단순한 소프트웨어든, 오픈 소스 모델 (open-source model)이든, 혹은 값비싼 프런티어 모델 (frontier model)이든 관계없이, 필요한 결과를 안전하게 전달할 수 있는 가장 저렴하고 신뢰할 수 있는 도구를 사용할 것이라고 그는 말했습니다.

(Gdansk에서 Leo Marchandon 보도; Alistair Bell 편집)