생성 AI 및 기반 모델의 경제적 사례

Jul 05, 2023

인공지능은 1950년대부터 컴퓨터 과학의 주요 요소였습니다. 수년에 걸쳐 기업이 이를 효과적으로 배포할 수 있도록 많은 돈을 벌었습니다. 그러나 최근 Wall Street Journal의 논평 기사에서 설명했듯이(여기서 논의하는 보다 자세한 논의를 위한 좋은 출발점이 됩니다) 이러한 이익의 대부분은 Google이나 Meta와 같은 대규모 기존 공급업체에게 돌아갔습니다. 스타트업보다. 아주 최근까지(생성 AI와 그에 포함된 모든 것의 출현으로) 우리는 AI 우선 기업이 직접적인 경쟁이나 기존 기업을 쓸모없게 만드는 완전히 새로운 행동을 통해 더 크고 확고한 동료 기업의 이익을 심각하게 위협하는 것을 본 적이 없습니다.

그러나 생성적 AI 애플리케이션과 기초 모델(또는 프론티어 모델)을 사용하면 상황이 매우 달라 보입니다. 엄청난 속도의 혁신과 결합된 놀라운 성능과 채택은 우리가 마이크로칩과 인터넷 이후 볼 수 없었던 수준으로 우리의 삶과 경제를 변화시킬 주기의 초기 단계에 있을 수 있음을 시사합니다.

이 게시물에서는 기존 AI의 경제성과 AI를 핵심 차별화 요소로 사용하는 스타트업의 탈출 속도에 도달하는 것이 일반적으로 어려운 이유(과거에 우리가 작성한 내용)를 살펴봅니다. 그런 다음 생성적 AI 애플리케이션과 대규모 기반 모델 회사가 왜 매우 다르게 보이는지, 그리고 이것이 우리 업계에 어떤 의미를 가질 수 있는지 설명합니다.

역사적으로 AI의 문제는 작동하지 않는다는 것(오랫동안 놀라운 결과를 만들어 왔다)이 아니라 오히려 민간 시장에서 매력적인 순수 플레이 비즈니스 모델을 구축하는 데 저항해 왔다는 것입니다. 펀더멘털을 살펴보면 스타트업이 AI로부터 뛰어난 경제성을 얻는 것이 왜 어려운지 이해하기 어렵지 않습니다.

많은 AI 제품은 흔히 "꼬리"라고 불리는 드문 상황에서도 높은 정확도를 제공해야 합니다. 그리고 특정 상황이 그 자체로는 드문 경우가 많지만, 종합적으로 보면 드문 상황이 많이 있는 경향이 있습니다. 인스턴스의 희귀성이 높아질수록 이를 처리하는 데 필요한 투자 수준이 급증할 수 있기 때문에 이는 중요합니다. 이는 스타트업이 합리화하기에는 비뚤어진 규모의 경제일 수 있습니다.

예를 들어, 80%의 정확도로 체리를 따는 로봇을 구축하려면 2천만 달러의 투자가 필요할 수 있지만, 90%의 정확도가 필요한 경우 필요한 투자액은 2억 달러로 늘어날 수 있습니다. 95%의 정확도를 얻으려면 10억 달러가 필요할 수 있습니다. 인간에게 너무 많이 의존하지 않고 적절한 수준의 정확성을 얻으려면 엄청난 양의 선행 투자가 필요할 뿐만 아니라(그렇지 않으면 요점이 무엇입니까?) 투자한 자본에 대한 한계 수익이 감소하는 결과도 낳습니다. 원하는 수준의 정확성을 달성하고 유지하는 데 필요할 수 있는 엄청난 양의 달러 외에도 진행 비용의 증가는 리더에게 해자 역할을 할 수 있습니다. 리더는 R&D에 현금을 태우고 빠른 추종자는 학습을 기반으로 합니다. 적은 비용으로 격차를 해소할 수 있습니다.

전통적인 AI 문제 영역 중 다수는 특히 잘못된 답변을 용인하지 않습니다. 예를 들어, 고객 성공 봇은 잘못된 지침을 제공해서는 안 되고, 수표 입금에 대한 광학 문자 인식(OCR)은 은행 계좌를 잘못 읽어서는 안 되며, (물론) 자율주행차는 불법적이거나 위험한 일을 해서는 안 됩니다. 잘 정의된 일부 작업에서는 AI가 인간보다 더 정확한 것으로 입증되었지만, 맥락이 중요한 롱테일 문제에서는 인간이 더 나은 성능을 발휘하는 경우가 많습니다. 따라서 AI 기반 솔루션은 정확성을 보장하기 위해 여전히 루프에 사람을 사용하는 경우가 많으며, 이는 확장하기 어려울 수 있고 종종 총 마진에 부담을 주는 부담스러운 비용이 됩니다.

인간의 몸과 뇌는 물리적 세계를 탐색하기 위해 수억 년에 걸쳐 진화해 온 아날로그 기계로 구성되어 있습니다. 대략 150와트의 에너지를 소비하고, 죽 한 그릇으로 작동하며, 문제 해결에 꽤 능숙하며, 전 세계 평균 임금은 시간당 약 5달러입니다. 세계 일부 지역에서는 일부 업무의 평균 임금이 하루 1달러 미만입니다.