컨텐츠 바로가기

09.14 (토)

이슈 인공지능 시대가 열린다

“임상보고서는 의사보다 훨씬 잘 쓰네”…의료·금융 맞춤형 AI서비스 봇물

댓글 첫 댓글을 작성해보세요
주소복사가 완료되었습니다
막대한 개발 비용 부담에
특정산업 집중 두드러져
범용보다 수익화에 우려

구글, 의료용 LLM 고도화
통신사, 소상공인에 특화


매일경제

국내외 인공지능(AI) 기업들이 연이어 특정 산업(도메인)에 특화된 맞춤형 모델과 관련 솔루션(서비스) 개발에 속도를 내고 있다.

대규모언어모델(LLM) 등 범용 AI를 고도화하는 것 자체가 막대한 비용이 투입되다 보니 ‘돈 먹는 하마’라는 시장의 인식이 강해진 반면, 상대적으로 기업·기관의 데이터를 토대로 시장 수요에 맞춘 ‘타깃형 AI’는 수익화에 유리하기 때문이다.

구글은 27일 서울 종로구 포시즌스호텔에서 ‘리서치앳 코리아’ 행사에 앞서 가진 기자간담회를 통해 자사 생성형 AI 모델 ‘제미나이’에 기반한 최첨단 의료용 LLM ‘메드-제미나이’의 연구·개발 과정을 공개하며 향후 의료 전문가의 진단과 치료 결정을 지원하는 관련 서비스 상용화에 본격 나선다고 밝혔다. 리서치앳은 구글이 전 세계 연구 커뮤니티를 대상으로 AI 분야 최신 연구 동향을 공유하는 자리로, 한국에서만 유일하게 작년에 이어 올해 두 번째 개최됐다.

로리 필그림 구글 리서치 소프트웨어 엔지니어는 “의료 분야에 AI가 사용되기 위해선 텍스트는 물론 이미지, 유전 정보 등 다양한 형태의 의료 데이터를 학습해 처리할 수 있어야 한다”면서 “2D·3D 수술 영상 및 유전체 정보, ECG(심전도) 신호와 같은 정보를 다루는 데 제미나이를 훈련시켜 나온 결과물이 메드-제미나이”라고 설명했다. 구글에 따르면 의료 등 헬스케어 분야에 최적화된 멀티모달 AI인 메드-제미나이의 경우 흉부 엑스레이를 토대로 작성한 임상 결과 보고서를 블라인드 테스트하자 기존 의사가 작성한 보고서와 비슷하거나 더 우수하다는 평가가 72%에 달했다.

이러한 구글의 솔루션은 카카오의 AI 전문 조직 카카오브레인이 개발 및 사업화를 관장해온 흉부 엑스레이 영상 판독 AI 솔루션 ‘카라-CXR’과 비슷하다.

특히 네이버는 내부적으로 네이버클라우드 주도 하에 의료 의무기록을 AI가 자동으로 작성해주는 프로그램인 ‘VOICE EMR’을 준비 인 것으로 파악된다. 이 솔루션은 AI가 의료진 대화를 인식해 실시간으로 의무기록을 대신 기입해주는 보조 도구로 현재 삼성병원응급실이 시범 채택하고 있다.

통신사들은 주로 AI 컨택센터(AICC) 등 소상공인 특화 B2B(기업 간 거래) AI 플랫폼에 집중하고 있다. 가령 KT는 매장으로 걸려오는 전화를 AI가 응대하고 가게 홍보까지 가능한 ‘AI 링고전화’ 및 AI 기반 자율주행 서비스로 서빙을 담당하는 ‘AI 로봇’ 서비스를 운영하고 있다.

국내 금융·법률 등의 AI 분야에선 주로 스타트업 단위에서 활발하게 움직이고 있다. 일례로 업스테이지가 신한투자증권과 손잡고 금융투자업에 특화된 생성형 AI 플랫폼을 만들고 있다. 이어 로앤컴퍼니는 지난달부터 판례 분석과 초안 작성을 도와주는 AI툴 ‘슈퍼 로이어’ 서비스를 시작하기도 했다.

아울러 LG AI연구원은 자체 모델 ‘엑사원’을 기반으로 가전 등 생산 설비에 접목할 수 있는 AI 에이전트를 개발 중인데, 이르면 올 하반기 LG그룹 각 계열사 생산라인에 최적화된 솔루션이 탑재될 것으로 전망된다. 여기엔 주로 생산 물량 등 수요를 예측하는 AI 솔루션부터 공정 스케줄링과 이상 감지 모델 등 다양하게 적용될 예정이다.

이와 관련 김일혁 KB증권 연구원은 “생성형 AI는 LLM을 만드는 학습에서 이 모델을 활용하는 추론으로 무게중심이 이동하고 있다”면서 “파라미터 개수가 적은 LLM을 이용해 더 낮은 비용을 추구하는 방향으로 생성형 AI가 한 단계 이동하고 있다”고 분석했다.

네이버클라우드 관계자도 “생성형 AI 개발과 서비스 개진에 있어 투자 대비 수익률(ROI)이 나오느냐가 중요해진 시기”라고 말했다.

[ⓒ 매일경제 & mk.co.kr, 무단 전재, 재배포 및 AI학습 이용 금지]
기사가 속한 카테고리는 언론사가 분류합니다.
언론사는 한 기사를 두 개 이상의 카테고리로 분류할 수 있습니다.