[경제신문스크랩] 네이버 AI검색 ‘큐’ 내년 중 모바일 적용…AI 사업 계획은?

기사 헤드라인

네이버 AI검색 ‘큐’ 내년 중 모바일 적용…AI 사업 계획은?
기사링크 - https://www.mk.co.kr/news/business/10865474


네이버 생성형 AI 검색 ‘큐’
내년 중 모바일에도 적용
대화형 AI 클로바X ‘개선중’
기업용 하이퍼클로바X 이달 출시
클로바 스튜디오 새 수익원으로

신문기사 본문

네이버의 생성형 인공지능(AI) 검색 서비스 ‘큐’(CUE:)가 내년 중 모바일에도 적용된다. 네이버는 자사 AI 기술의 토대가 되는 거대언어모델(LLM) 하이퍼클로바X를 공개한 이후 다양한 서비스를 연달아 내놓고 있다.

 

최수연 네이버 대표는 3일 올 3분기 실적 발표 콘퍼런스콜에서 “내년에는 큐를 모바일 환경에도 적용하고 멀티 모달 기술을 지원하는 등 단계적으로 서비스를 확장해 네이버만의 생성형 검색 경험을 향상시킬 것”이라고 말했다.

 

네이버는 지난 9월 PC 환경에서 큐의 베타 서비스를 시작했다. 큐는 검색 기능에 생성형 AI를 적용한 서비스로 사용자의 복잡한 요청에 대응할 수 있다. 단계별 추론(멀티스텝 리즈닝) 기술을 적용해서다.

 

예컨대 “원룸에서 초보자가 키우기 좋은 식물과 관리법 알려줘”라고 검색하면 원룸에서 키우기 좋은 식물 특징과 장점, 관리법 순서대로 검색 계획을 스스로 수립한 다음 단계별 검색을 수행한다. 나아가 각 단계에서 수집한 결과를 종합해 답변을 생성하고 참고정보를 제공한다.

 

최 대표는 “네이버의 생성형 AI 하이퍼클로바X를 이용한 새로운 검색 경험을 제공하기 위해 준비중”이라며 “PC 테스트를 시작한 큐의 경우 이용자와 사용성이 점진적으로 확대되고 있다”고 설명했다.

 

이어 “쇼핑, 로컬 등 네이버 버티컬 서비스와의 연동을 통해 사용자 만족도를 높이고 할루시네이션(환각)을 줄여 검색 신뢰성을 높이는 데 초점이 맞춰진 큐는 이용자를 대상으로 한 평가에서 신뢰성에 대한 부분이 경쟁사 대비 높다는 결과도 확인할 수 있었다”고 강조했다.

 

최 대표는 “또한 답변에 대한 만족도가 높아 11월부터 PC 통합 검색 부분에 적용해 나가면서 네이버만이 보유한 양질의 데이터를 활용해 주제 영역을 더 확대해 나갈 계획”이라고 했다.

 

네이버 AI 기술의 기반인 하이퍼클로바X는 최초 버전에서 코딩·전문분야 데이터 강화 등의 업그레이드를 진행 중이다.

 

대화형 AI 클로바X는 정보 추천 전문분야 관련 질문·요약·번역·글쓰기 등 생산성 중심으로 활용되고 있다. 답변이 반복 생성되는 오류, 답변 강화 등 이용자들의 의견을 중심으로 서비스를 개선 중인 상태다.

 

최 대표는 “연내에는 외부 문서 참조, 이미지 편집, 외부 서비스와의 연동 등 신규 기능을 추가하고 생산성 향상에 초점을 두고 다양한 실험을 진행하고자 한다”며 “업무 생산성 향상을 위해 준비 중인 커넥트X의 경우 지난달 26일 네이버클라우드를 시작으로 오늘부터는 네이버 직원들을 대상으로 사내 테스트를 시작했다”고 말했다.

 

파트너십을 맺은 고객사만 하이퍼클로바X를 사용할 수 있는 하이브리드(혼합) 클라우드 서비스 ‘뉴로클라우드 포 하이퍼클로바X’는 이달 중 공개된다. 뉴로클라우드 포 하이퍼클로바X는 보안 영역에서 강점을 갖는다. 데이터 유출에 민감한 기업들을 위해 데이터센터(IDC) 내부 폐쇄된 사내망을 이용해 네트워크 환경을 구축하는 방식이다.

 

AI 개발도구 클로바 스튜디오의 업그레이드 버전도 새로운 수익 창출 서비스로 주목된다.

 

최 대표는 “클로바 스튜디오 업그레이드 버전이 지난달 18일 출시돼 다양한 분야의 스타트업과 기업고객들의 관심 속에 테스트를 진행하고 있다”며 “새로운 수익화의 기회요인으로 발전해 나갈 것으로 기대한다”고 했다.

 

사우디아라비아와의 협업은 네이버 클라우드 기술의 해외 확장 가능성을 확인한 사례라는 점도 강조했다.

 

최 대표는 “지난달 사우디 자치행정주택부의 디지털 트윈 프로젝트 플랫폼 구축 사업 수주를 발표한 바 있다”며 “앞으로 5년간 사우디 수도인 리야드를 포함한 5개 도시를 대상으로 3D 모델링 기반 디지털 트윈 플랫폼을 구축·운영하면서 도시계획, 모니터링, 자연재해 예측 등에 활용할 예정”이라고 했다.

 

그러면서 “저희의 기술이 차세대 미래형 도시 구축 분야의 B2B(기업간거래)·B2G(기업·정부간거래) 시장에서 글로벌 기업들을 상대로도 높이 평가받았다는 점에서 의미 있는 성과라고 생각된다”며 “사우디를 넘어 전 세계로 확장해 나갈 수 있을 것으로 기대한다”고 자신했다.

 

사우디는 네이버의 디지털 트윈 플랫폼을 통해 국민 생활과 직접적으로 연관된 공공 서비스에 디지털 혁신을 도모한다는 구상을 내놨다.

 

스노우에서 출시한 카메라 앱 내 생성형 AI 기반의 프로필 상품과 에픽앱의 이어북 상품은 글로벌 사용자들 사이에서 인기를 끌면서 유의미한 신규 매출로 이어지고 있다.

 

최 대표는 “에픽앱은 56개국 앱 스토어에서 1위를 기록하고 유료 구독자 증가로도 이어지고 있다”며 “앞으로 다양한 AI 기반 상품 라인업을 선보이면서 성장을 이어가겠다”고 밝혔다.

 

네이버의 올 3분기 매출액은 지난해 같은 기간보다 18.9% 증가한 2조4453억원을 달성했다. 영업이익은 같은 기간 3802억원으로 15.1% 늘었다. 조정 EBITDA(법인세·이자·감가상각비 차감 전 영업이익)는 18.7% 증가한 5506억원으로 역대 최대 규모를 기록했다.

추가 조사

멀티스텝 리즈닝

 

멀티스텝 리즈닝(Multi-step Reasoning)은 기계 학습 및 인공 지능 분야에서 사용되는 개념입니다. 이것은 더 복잡하고 추상적인 문제나 작업을 수행하기 위해 여러 단계로 나누어 추론과 의사 결정을 하는 방법을 가리킵니다. 멀티스텝 리즈닝은 단일 단계의 작업이나 문제 해결보다 더 복잡한 작업에 필요합니다.

예를 들어, 자연어 처리 분야에서 멀티스텝 리즈닝은 텍스트 문제 해결, 질문 응답 시스템, 대화형 AI 시스템 등에서 사용될 수 있습니다. 이러한 작업에서 모델은 여러 정보를 통합하고 복잡한 추론을 수행하여 질문에 대한 답변을 생성하거나 작업을 수행합니다.

멀티스텝 리즈닝은 기계 학습 모델의 성능과 인공 지능 시스템의 지능을 향상시키는 데 중요한 역할을 합니다. 이것은 다양한 도메인에서 다양한 복잡한 문제를 다루는 데 유용하며, 특히 자연어 이해 및 추론 작업에서 많이 사용됩니다.

 

할루시네이션(hallucination)

 

할루시네이션(hallucination)은 주어진 정보나 데이터를 기반으로 한 예측, 생성 또는 결과의 일부가 사실이 아니거나 현실적이지 않은 것을 가리키는 용어입니다. AI 시스템에서의 할루시네이션은 주로 자연어 처리 및 이미지 생성과 같은 작업에서 발생할 수 있습니다.

자연어 처리에서의 할루시네이션: 자연어 처리 모델, 특히 생성 모델은 텍스트를 생성하거나 응답을 생성할 때 가끔 현실과 관련 없는 정보나 문맥 외의 내용을 생성할 수 있습니다. 이것은 모델이 주어진 데이터나 문맥 내에서 상상력을 넘어서거나 부정확한 정보를 생성하는 경우를 나타냅니다.

이미지 생성에서의 할루시네이션: 이미지 생성 모델은 주어진 정보나 스타일을 기반으로 이미지를 생성할 때 현실에서는 볼 수 없는 이미지를 생성할 수 있습니다. 이것은 모델이 실제로는 존재하지 않는 특징, 개체 또는 상황을 이미지에 포함시키는 경우를 나타냅니다.

할루시네이션은 AI 모델의 한계와 미완전한 이해로 인해 발생할 수 있습니다. 이것은 모델의 성능을 향상시키는 데 도움이 되는 경우도 있지만, 정보의 정확성과 신뢰성을 중요하게 고려해야 하는 많은 응용 분야에서 문제가 될 수 있습니다. AI 시스템에서 할루시네이션을 줄이는 것은 모델의 개선과 더 많은 데이터 및 피드백을 활용하여 진행됩니다.

AI가 사용자 만족도를 높이고 할루시네이션(환각)을 줄여 검색 신뢰성을 높이는 방법

 

데이터 품질 및 다양성 관리: AI 모델을 훈련시키는 데 사용되는 데이터의 품질과 다양성을 관리합니다. 신뢰성 있는 데이터를 사용하고 다양한 소스에서 데이터를 수집하여 모델의 일반화 능력을 향상시킵니다.

감독 및 지도 학습: 사용자로부터의 피드백과 감독된 학습을 활용하여 모델을 개선하고 할루시네이션을 줄입니다. 사용자 피드백을 모델 훈련과 개선에 활용하여 정확한 결과를 제공하도록 합니다.

신뢰성을 높이는 중복 검사: 다양한 데이터 및 모델의 입력에 대한 중복 검사 및 일관성 검사를 수행하여 결과를 검증하고 오류를 줄입니다. 이를 통해 검색 신뢰성을 향상시킬 수 있습니다.

검색 결과 설명: AI 모델이 결과를 생성할 때 결과의 이유를 설명하는 메커니즘을 제공하여 사용자가 모델의 판단을 이해하도록 돕습니다. 결과의 투명성을 높이고 사용자가 모델의 결정을 신뢰할 수 있도록 합니다.

모델 모니터링 및 업데이트: 모델의 성능을 지속적으로 모니터링하고 필요한 경우 모델을 업데이트합니다. 실시간 데이터와 피드백을 기반으로 모델을 최신 상태로 유지하여 성능을 유지하고 향상시킵니다.

민감한 주제 및 정보 처리: 민감한 주제나 정보에 대해 조심스럽게 처리하고 필요한 경우 특별한 검토 및 인증 과정을 추가하여 사용자의 프라이버시와 안전을 보호합니다.

이러한 방법을 통해 AI 시스템은 사용자 만족도를 높이고 할루시네이션을 줄이며 검색 신뢰성을 향상시킬 수 있습니다. 또한, 사용자와의 지속적인 상호 작용과 피드백을 통해 시스템을 개선하는 것이 중요합니다.

단순 호기심

생성형 인공지능 검색 서비스가 경쟁력을 가지려면?

 

정확성과 신뢰성: 검색 결과의 정확성과 신뢰성은 핵심입니다. 사용자가 검색 결과를 믿고 의존할 수 있어야 합니다. 이를 위해 데이터의 품질과 모델의 정확성을 지속적으로 향상시켜야 합니다.

다양성과 커스터마이제이션: 사용자의 다양한 요구와 관심에 맞게 검색 결과를 제공하는 데 중점을 두어야 합니다. 개별 사용자의 선호도와 필요에 맞게 커스터마이제이션된 결과를 제공하여 사용자 경험을 향상시킵니다.

속도와 효율성: 검색 결과를 신속하게 반환하고 빠른 응답 시간을 유지하는 것이 중요합니다. 사용자는 빠른 정보 검색을 원하며, 이를 위해 시스템의 성능을 최적화해야 합니다.

자연어 이해와 추론 능력: 사용자 쿼리를 이해하고 의미적으로 해석하는 능력이 필요합니다. 또한 사용자 의도를 추론하여 관련 정보를 제공하는 능력도 중요합니다.

투명성과 설명 가능성: 검색 결과가 어떻게 도출되었는지 사용자에게 설명 가능하게 제공하는 것이 중요합니다. 사용자는 결과를 신뢰하려면 모델의 의사 결정 프로세스를 이해해야 합니다.

피드백 및 개선: 사용자 피드백을 수집하고 이를 토대로 시스템을 개선해야 합니다. 사용자 의견을 활용하여 서비스의 품질을 지속적으로 향상시키는 것이 중요합니다.

보안과 개인정보 보호: 사용자 데이터를 안전하게 관리하고 개인정보 보호를 중시해야 합니다. 사용자의 개인 정보를 존중하고 보호하는 것은 신뢰를 유지하는 데 필수적입니다.

다양한 데이터 및 도메인 지식: 다양한 데이터와 도메인 지식을 활용하여 검색 결과를 향상시킬 수 있습니다. 다양한 소스의 데이터와 도메인 특정 정보를 통합하여 종합적이고 유용한 결과를 제공하는 데 도움이 됩니다.

경쟁분석 및 혁신: 경쟁 시장에서 경쟁사를 분석하고 새로운 기술 및 기능을 도입하여 혁신적인 서비스를 제공하는 것이 경쟁력을 유지하고 확보하는데 도움이 됩니다.

마케팅 및 이용자 교육: 서비스의 가치를 사용자에게 알리고 이용자 교육을 통해 서비스의 장점과 활용 방법을 알려주어야 합니다.

이러한 요소를 고려하면 생성형 인공지능 검색 서비스가 경쟁력을 확보하고 사용자들로부터 신뢰와 인기를 얻을 수 있을 것입니다.