“아마존이 제공하는 인공지능(AI)의 경쟁력은 비즈니스에 있다.” 양승도 아마존웹서비스(AWS) 코리아 솔루션즈아키텍트(SA) 리더의 말이다. 그는 23일 ‘AWS 2024 테크 브리핑’ 기자간담회에서 아마존 AI 경쟁력을 묻는 기자의 질문에 시작부터 끝까지 비즈니스를 강조했다.

아마존은 AI 정통 기업 중 하나다. AI와 머신러닝(ML) 개발에 20년 이상을 투자해 왔다. AI 개발에 필수품이라 불리는 AI 칩 구매량만 봐도 알 수 있다. 아마존은 지난해 3분기 기준 엔비디아의 최신 그래픽처리장치(GPU) H100을 대략 5만 장 구매했다. 구글과 유사한 수치다. 약 15만 장을 구매한 메타, 마이크로소프트(MS)보다 상대적으로 적은 양으로 볼 수 있지만, 주관적으로 봤을 때 상당한 양이다. 참고로 H100 2만 장이 한국 돈으로 약 1조 원이다. AWS는 엔비디아로부터 차기 GPU인 GH200을 우선 공급받기로 약조하기도 했다.

AWS코리아는 이날 기자간담회에서 회사의 AI 비전 등을 공유했다. 지난해 11월 미국 라스베이거스에서 열린 ‘AWS 리인벤트 2023’의 주요 내용을 짚어보고 회사의 AI 주요 전략을 소개했다. 리인벤트 행사에 소개된 주요 제품으로는 △아마존Q △아마존 베드록 등을 꼽았다.

양승도 리더는 이번 간담회에서 아마존이 선보이는 AI 서비스의 경쟁력으로 비즈니스를 강조했다. “아마존의 AI 서비스는 철저하게 비즈니스 목적으로 개발됐다”면서 “우리 철학은 고객이고, AI도 고객이 원한 모델을 우선순위에 맞춰 개발하고 있다”고 밝혔다.

◇ 비즈니스 최적화 AI 비서 ‘아마존Q’

AWS가 발표한 대표 AI 서비스는 아마존Q다. 흔히 알고 있는 생성형 AI 기반 대화형 서비스와 유사하다. 사용자와 대화를 통해 궁금한 점을 알려주고 코딩과 인사이트를 구축해 주는 등의 역할을 한다. 일종의 AI 비서인 셈이다.

다른 점도 있다. 이 서비스는 비즈니스 전문가에 맞춰 개발됐다. 이 때문에 개발자를 위한 서비스(for builders), 컨택센터를 위한 서비스(in Connect), 유통업에 적합한 서비스(in SupplyChain) 등 용도에 맞춰 제품이 구체화 됐다. 양 리더는 “아마존Q는 몇몇 사용자를 위한 서비스가 아니다”라며 “비즈니스에 따라 다양한 사용자층을 겨냥한 제품”이라고 소개했다.

의문스러운 점은 있다. 시장 점유율 확보를 위한 경쟁력 확보다. 최근 오픈소스 파운데이션 모델이 공개되면서 많은 스타트업이 비즈니스간거래(B2B) 시장에 겨냥한 생성형 AI 모델을 공개하고 있고, 오픈AI도 GPT 기반 애플리케이션(앱)을 사고팔 수 있는 AI판 앱마켓인 ‘GPT 스토어’를 개장했다. 이 때문에 더 많은 B2B 겨냥 AI 앱이 등장할 가능성이 크다. 그러면 왜 아마존Q를 이용해야 할까. 이 질문을 던지자 양 리더는 역시 비즈니스라고 답했다.

그는 “아마존의 철학은 고객이 원하는 서비스를 하는 것”이라며 “아마존Q 기반 비즈니스 서비스는 고객이 원한 서비스를 우선순위대로 개발되고 있다”고 밝혔다. 고객이 원한 서비스를 AWS가 선제적으로 대응하고 있단 것이다. 또 그는 “하나의 서비스가 비즈니스 전문가들에게 또는 빌더에게 어떻게 활용될 수 있는지 등을 고려하고 있다”면서 “다양한 클라우드 서비스를 통합해 생성형 AI를 현장에서 바로 활용할 수 있게 하므로 다른 서비스들과 비즈니스적으로 차별화가 있다고 생각한다”고 말했다.

◇ “파운데이션 안전하게 골라 AI 개발하세요”

AWS가 주요 서비스로 발표한 또 다른 제품은 아마존 베드록이다. 하나의 플랫폼에서 여러 파운데이션 모델을 서비스하는 제품이다. 최근 AI 서비스는 주로 파운데이션 모델을 파인튜닝하는 방식으로 이뤄진다. 모든 기업이 파운데이션 모델을 만들지 않고, 이미 만들어진 모델을 응용해 필요한 서비스를 만드는 식이다. AI 기초모델부터 만들 필요가 없어 비용과 시간, 자원 등을 아낄 수 있는 장점이 있다. AI 서비스를 만드는 스타트업 등에 적합하다고 평가된다.

파운데이션 모델은 다양하다. 오픈AI의 GPT, 메타의 라마2, 아마존 타이탄 등 기업별로 다양하다. 이중 오픈소스로 공개된 모델도 있다. AWS는 이러한 파운데이션 모델 일부를 한자리에 모아놨다. 고객이 자신이 하려는 서비스에 적합한 파운데이션 모델을 찾아 사용할 수 있게 했다. 이로 인해 고객은 여러 파운데이션 모델을 비싼 비용을 치르지 않고 사용해 필요한 서비스를 만들 수 있다.

양 프로는 베드록에서 생성형 AI의 고질적인 문제로 꼽히는 할루시네이션(환각) 현상과 보안 문제를 해결하고자 노력하고 있다고 밝혔다. 그는 “생성형 AI가 주로 오류를 일으키는 부분 중 하나는 작년, 내년 등 기준이 없는 시기를 얘기할 때”라며 “금융 AI 모델에서도 어디에 투자하면 좋은지 등의 투자 상품을 추천하는 것은 금융회사 입장에서 매우 어려운 문제”라고 지적했다. 이어 “AWS는 이러한 AI의 문제점을 알고 검색증강생성(RAG) 기술 등을 토대로 환각 현상 문제에 대응하고 있다”고 밝혔다.

보안도 당연히 강화하고 있다고 했다. 생성형 AI를 활용할 때 고객사 데이터가 타사에 유출되지 않도록 조치하고 있고, 데이터 역시 안전하게 보관하고 있다고 했다. 그는 “고객사로부터 자주 듣는 질문이 내 데이터가 파운데이션 모델을 다시 훈련하는 데 사용되는 것이 아니냐는 것”이라면서 “베드록에선 고객 데이터를 아주 안전하게 보관하고 다시 훈련하는 데 절대 사용하지 않는다”고 말했다. 이어 “파운데이션 모델을 파인튜닝 하는 과정에서 고객사 데이터를 연결할 때도 안전하게 연결하는 것이 베드록의 큰 장점”이라고 부연했다.

가격 경쟁력에 대해선 다른 플랫폼과의 차이는 답하기 어렵다고 했다. 유료로 제공하는 파운데이션 모델을 활용할 때와 베드록을 활용할 때 가격 경쟁력을 묻자 “각 회사가 제공하는 가격 정책을 따르고 있다”며 “이를 다른 플랫폼과 비교해 경쟁력을 찾는 것은 답하기 어렵다”고 말했다. 단 그는 모델 개발과 배포에서 가격 경쟁력은 충분하다고 했다. “어떤 파운데이션 모델을 활용해 개발하고, 이를 업무에 적용한다고 가정할 때 많은 과정이 필요하다”면서 “우선 인프라가 필요하고 이를 관리, 배포해야 하면서 원하는 결과가 나오지 않으면 새로 개발해야 하는 과정을 거친다”고 말했다. 이어 “이러한 전체적인 과정에서 발생하는 시간과 인프라 비용을 생각하면 개발을 효율적으로 할 수 있고 결과를 검증할 수 있는 베드록이 가격 경쟁력이 분명 있다”고 강조했다.