Library

Home > Library > ESG Report
제너레이티브 AI의 경제적 잠재력 - 맥킨지 보고서
작성자
이봉
작성일
2023-10-18
조회수
188

 

제너레이티브 AI의 경제적 잠재력 - 맥킨지 보고서

The economic potential of generative AI: The next productivity frontier

 

 

AI는 스마트폰에 탑재된 기술부터 자동차의 자율 주행 기능, 소매업체가 소비자를 놀라게 하고 만족시키기 위해 사용하는 도구에 이르기까지 우리 생활에 점차 스며들고 있습니다. 그 결과, 그 발전은 이제 거의 눈에 띄지 않을 정도로 일상화 되었습니다. 딥마인드에서 개발한 AI 기반 프로그램인 알파고가 2016년 세계 챔피언 바둑기사를 이긴 것과 같은 뚜렷한 이정표가 있었지만 대중의 의식에서 금세 사라져 버렸습니다.

 

ChatGPT, GitHub Copilot, Stable Diffusion 등과 같은 제너레이티브 AI 애플리케이션은 거의 모든 사람이 의사소통과 창작에 사용할 수 있는 광범위한 활용성과 사용자와 대화할 수 있는 초자연적인 능력 덕분에 알파고가 하지 못했던 방식으로 전 세계 사람들의 상상력을 사로잡았습니다. 최신 생성 AI 애플리케이션은 데이터 재구성 및 분류와 같은 다양한 일상적인 작업을 수행할 수 있습니다. 그러나 텍스트를 작성하고, 음악을 작곡하고, 디지털 아트를 만드는 이들의 능력은 뉴스 헤드라인을 장식하고 소비자와 가정에서 직접 실험해 보도록 유혹했습니다. 그 결과, 더 많은 이해관계자들이 제너레이티브 AI가 비즈니스와 사회에 미칠 영향에 대해 고민하고 있지만, 이를 이해하는 데 도움이 되는 맥락이 부족한 실정입니다.

 

제너레이티브 AI 기술이 발전하는 속도에 비추어 볼 때 비즈니스와 사회에 미칠 영향에 대해 이해를 하기란 결코 쉽지 않습니다. ChatGPT202211월에 출시되었습니다. 4개월 후, OpenAI는 기능이 대폭 개선된 새로운 대규모 언어 모델(LLM)GPT-4를 출시했습니다.

 

마찬가지로 20235월까지 앤트로픽Anthropic의 제너레이티브 AI인 클로드Claude는 평균 소설 한 권 분량인 약 75,000단어에 해당하는 100,000개의 텍스트를 처리할 수 있었으며, 이는 20233월 도입 당시 약 9,000개의 토큰을 처리할 수 있었던 것과 비교하면 약 2배가량 늘어난 수치입니다.

 

그리고 20235, 구글은 검색 생성 경험, 바드Bard 챗봇을 구동할 새로운 거대언어모델(LLM. Large Language Model)PaLM 2 등 생성형 AI로 구동되는 여러 가지 새로운 기능을 발표했습니다.

 

AI의 미래를 파악하려면 수십 년 동안 발전해 온 제너레이티브 AI의 부상을 가능하게 한 혁신에 대한 이해가 필요합니다. 이 보고서에서는 일반적으로 기초 모델을 사용하여 구축된 애플리케이션을 제너레이티브 AI로 정의합니다. 이러한 모델에는 인간의 뇌에 연결된 수십억 개의 뉴런에서 영감을 받은 광범위한 인공 신경망이 포함되어 있습니다.

 

파운데이션 모델foundation models은 신경망 내의 여러 심층 계층을 암시하는 딥 러닝deep learning이라는 것입니다. 딥러닝은 최근 AI의 많은 발전을 뒷받침해 왔지만, 제너레이티브 AI 애플리케이션을 구동하는 파운데이션 모델은 딥러닝 내에서 한 단계 더 진화한 모델입니다. 이전의 딥러닝 모델과 달리 매우 크고 다양한 비정형 데이터 세트를 처리하고 두 가지 이상의 작업을 수행할 수 있습니다.

 

파운데이션 모델은 이미지, 비디오, 오디오, 컴퓨터 코드 등 광범위한 양식에 걸쳐 새로운 기능을 구현하고 기존 기능을 크게 개선했습니다. 이러한 모델을 학습한 AI는 분류, 편집, 요약, 질문에 대한 답변, 새로운 콘텐츠 초안 작성 등 다양한 기능을 수행할 수 있습니다.

 

우리 모두는 제너레이티브 AI의 힘, 범위, 기능을 이해하기 위한 여정의 시작 단계에 있습니다. 맥킨지의 이 연구는 새로운 AI 시대의 영향을 평가하기 위한 최신 연구입니다. 이 연구에 따르면 제너레이티브 AI는 영업 및 마케팅, 고객 운영, 소프트웨어 개발과 같은 기능 전반에서 역할을 혁신하고 성과를 높일 준비가 되어 있습니다. 이 과정에서 은행업부터 생명과학에 이르기까지 다양한 분야에서 수조 달러의 가치를 창출할 수 있습니다.

 

맥킨지의 초기 조사 결과는 다음과 같습니다.

 

핵심 인사이트

1. 생산성에 대한 제너레이티브 AI의 영향력은 전 세계 경제에 수조 달러의 가치를 더할 수 있습니다.

 

최근 연구에 따르면 제너레이티브 AI는 분석 대상인 63개 사용 사례에서 연간 26천억 달러에서 44천억 달러에 해당하는 가치를 추가할 수 있는 것으로 나타났습니다. 이에 비해 2021년 영국의 전체 GDP31천억 달러였습니다. 이는 모든 인공 지능의 영향력을 15~40% 증가시킬 것입니다. 이러한 사용 사례 외에 현재 다른 작업에 사용되는 소프트웨어에 제너레이티브 AI를 내장하는 것의 영향을 포함하면 이 추정치는 약 두 배가 될 것입니다.

 

2. 제너레이티브 AI 사용 사례가 제공할 수 있는 가치의 약 75%는 네 가지 영역에 걸쳐 있습니다. 고객 관리, 마케팅 및 영업, 소프트웨어 엔지니어링, R&D입니다.

 

맥킨지는 16개 비즈니스 기능에 걸쳐 제너레이티브 AI 기술이 하나 이상의 측정 가능한 결과를 창출하는 방식으로 특정 비즈니스 과제를 해결할 수 있는 63개의 사용 사례를 조사했습니다. 고객과의 상호작용 지원, 마케팅 및 영업을 위한 창의적인 콘텐츠 생성, 자연어 프롬프트에 기반한 컴퓨터 코드 초안 작성 등 다양한 작업을 지원하는 제너레이티브 AI의 기능을 예로 들 수 있습니다.

 

3. 제너레이티브 AI는 모든 산업 분야에 걸쳐 상당한 영향을 미칠 것입니다.

은행, 하이테크, 생명과학은 제너레이티브 AI가 매출에 미치는 영향이 가장 클 것으로 예상되는 산업 중 하나입니다. 예를 들어, 은행 업계에서는 사용 사례가 완전히 구현될 경우 이 기술이 연간 2,000~3,400억 달러에 해당하는 가치를 추가로 제공할 수 있습니다. 소매 및 소비재 분야에서도 잠재적 영향력은 연간 4,000~6,600억 달러로 상당합니다.

 

4. 제너레이티브 AI는 개별 활동의 일부를 자동화하여 개별 작업자의 역량을 강화함으로써 업무의 구조를 바꿀 수 있는 잠재력을 가지고 있습니다.

현재의 제너레이티브 AI 및 기타 기술은 현재 직원의 시간 중 60~70%를 차지하는 업무 활동을 자동화할 수 있는 잠재력을 가지고 있습니다. 이와는 대조적으로, 이전에는 기술이 직원 업무 시간의 절반을 자동화할 수 있는 잠재력을 가지고 있다고 추정했습니다.

 

기술 자동화의 잠재력이 가속화되는 것은 총 업무 시간의 25%를 차지하는 업무 활동에 필요한 자연어 이해 능력이 제너레이티브 AI로 인해 크게 향상되었기 때문입니다. 따라서 제너레이티브 AI는 다른 유형의 업무보다 임금과 교육 요구 사항이 높은 직종과 관련된 지식 업무에 더 많은 영향을 미칩니다.

 

5. 기술 자동화의 잠재력이 증가함에 따라 인력 혁신의 속도는 더욱 빨라질 것으로 보입니다.

기술 개발, 경제성, 확산 일정을 포함한 업데이트된 AI 도입 시나리오에 따르면 2030년에서 2060년 사이에 오늘날 업무 활동의 절반이 자동화될 것으로 예상되며, 중간 시점은 2045년으로 이전 추정치보다 약 10년 앞당겨질 것으로 예상됩니다.

 

6. 제너레이티브 AI는 경제 전반의 노동 생산성을 크게 향상시킬 수 있지만, 이를 위해서는 근로자가 업무 활동을 전환하거나 직업을 변경할 때 이를 지원하기 위한 투자가 필요합니다.

 

제너레이티브 AI는 기술 채택률과 근로자의 시간을 다른 활동으로 재배치하는 비율에 따라 2040년까지 매년 0.1~0.6%의 노동 생산성 증가를 가능하게 할 수 있습니다. 제너레이티브 AI와 다른 모든 기술을 결합하면 업무 자동화를 통해 연간 0.2~3.3% 포인트의 생산성 성장을 달성할 수 있습니다.

 

그러나 근로자들은 새로운 기술을 배우기 위해 지원이 필요하며 일부는 직업을 바꾸게 될 것입니다. 근로자의 전환과 기타 위험을 관리할 수 있다면 제너레이티브 AI는 경제 성장에 실질적으로 기여하고 보다 지속 가능하고 포용적인 세상을 지원할 수 있습니다.

 

7. 제너레이티브 AI의 시대는 이제 막 시작되었습니다.

이 기술에 대한 기대감이 고조되고 있으며, 초기 파일럿들의 성과는 매우 인상적입니다. 그러나 이 기술의 이점을 완전히 실현하려면 시간이 걸리며, 비즈니스와 사회의 리더들은 여전히 해결해야 할 과제가 많습니다. 제너레이티브 AI에 내재된 위험 관리, 인력에 필요한 새로운 기술과 역량 결정, 재교육 및 새로운 기술 개발과 같은 핵심 비즈니스 프로세스의 재고 등이 그것입니다.

 

AI의 비즈니스 가치 원천

Where business value lies

 

제너레이티브 AI는 인공지능 진화의 한 단계 변화입니다. 기업들이 서둘러 적응하고 구현함에 따라 이 기술이 경제와 사회 전반에 가치를 제공할 수 있는 잠재력을 이해하면 중요한 결정을 내리는 데 도움이 될 것입니다.

 

맥킨지는 두 가지 상호 보완적인 관점에서 현재의 제너레이티브 AI가 가장 큰 가치를 제공할 수 있는 분야와 그 가치가 얼마나 클 수 있는지를 파악했습니다(도표 1).

 

 

첫 번째 관점은 조직이 도입할 수 있는 제너레이티브 AI의 사용 사례입니다. "사용 사례use case"란 특정 비즈니스 과제에 제너레이티브 AI를 적용하여 하나 이상의 측정 가능한 결과를 도출하는 것을 말합니다. 예를 들어, 마케팅 분야의 사용 사례는 개인화된 이메일과 같은 창의적인 콘텐츠를 생성하기 위해 제너레이티브 AI를 적용하는 것으로, 이러한 콘텐츠 생성 비용 절감, 고품질 콘텐츠의 대규모 효과 향상으로 인한 수익 증대 등의 측정 가능한 결과를 얻을 수 있습니다.

 

맥킨지는 16개 비즈니스 기능에 걸쳐 63개의 생성형 AI 사용 사례를 확인했으며, 이를 산업 전반에 적용할 경우 연간 26천억 달러에서 44천억 달러에 이르는 경제적 가치를 창출할 수 있는 것으로 나타났습니다.

 

이는 현재 비제너레시티브nongenerative AI와 분석analytics이 창출할 수 있을 것으로 예상되는 11조 달러에서 177천억 달러의 경제적 가치가 15~40% 더 추가되는 것입니다. (2017년의 이전 추정치는 AI95,000억 달러에서 154,000억 달러의 경제적 가치를 제공할 수 있을 것으로 예상했습니다.)

 

두 번째 관점은 약 850개 직종에 필요한 업무 활동에 대한 제너레이티브 AI의 잠재적 영향을 분석하여 첫 번째 관점을 보완했습니다.

 

맥킨지는 시나리오를 모델링하여 세계 경제에서 이러한 직업을 구성하는 2,100개 이상의 '세부 업무 활동detailed work activities'(: 운영 계획 또는 활동에 대해 다른 사람과 소통하기)을 제너레이티브 AI가 각각 언제 수행할 수 있을지 예측했습니다. 이를 통해 현재 제너레이티브 AI의 역량이 현재 전 세계 인력이 수행하는 모든 업무에서 노동 생산성에 어떤 영향을 미칠 수 있는지 추정할 수 있습니다.

 

이러한 영향 중 일부는 위에서 설명한 사용 사례 분석의 비용 절감과 중복되며, 이는 노동 생산성 향상의 결과라고 가정합니다. 이러한 중복 효과를 제외하면, 맥킨지가 살펴본 주요 사용 사례와 이 기술이 지식 근로자의 활동 전반에 적용될 때 실현될 수 있는 무수한 생산성 향상을 포함하여 제너레이티브 AI의 총 경제적 이익은 연간 61천억 달러에서 79천억 달러에 달합니다(도표 2).

 

 

제너레이티브 AI는 흥미롭고 빠르게 발전하는 기술이지만, 다른 AI 응용 분야가 여전히 AI의 전체 잠재적 가치의 대부분을 차지하고 있습니다. 기존의 고급 분석advanced-analytics 및 머신러닝 알고리즘은 예측 모델링과 같은 수치 및 최적화 작업을 수행하는 데 매우 효과적이며, 다양한 산업 분야에서 계속해서 새로운 응용 분야를 찾고 있습니다. 그러나 제너레이티브 AI가 계속 발전하고 성숙해짐에 따라 창의성과 혁신에 있어 완전히 새로운 지평을 열 수 있는 잠재력을 가지고 있습니다. 이미 AI가 전반적으로 달성할 수 있는 가능성을 확장했습니다. ['제너레이티브 AI 사용 사례의 잠재적 가치를 평가한 방법 참조]

 

****

[제너레이티브 AI 사용 사례의 잠재적 가치를 평가한 방법]

제너레이티브 AI의 잠재적 가치를 평가하기 위해 잠재적 AI 사용 사례에 대한 맥킨지 고유의 데이터베이스를 업데이트하고 산업 및 해당 비즈니스 기능에 대한 100명 이상의 전문가들의 경험을 활용했습니다.

 

이번 업데이트에서는 제너레이티브 AI의 사용 사례, 특히 제너레이티브 AI 기술(주로 트랜스포머 기반 신경망)을 사용하여 이전 기술로는 잘 해결되지 않았던 문제를 해결하는 방법을 살펴봤습니다.

 

이번 조사에서 맥킨지는 제너레이티브 AI가 주요 가치를 창출하는 결과물을 크게 개선할 수 있는 사용 사례만을 분석했습니다. 특히, 이 기술이 창출할 수 있는 주요 가치에 대한 추정치에는 자연어 사용 능력만이 유일한 이점이 될 수 있는 사용 사례는 포함되지 않았습니다. 예를 들어, 자연어 기능은 고객 서비스 사용 사례에서는 가치의 핵심 동인이 될 수 있지만, 주로 정량적 분석에서 가치가 발생하는 물류 네트워크 최적화 사용 사례에서는 그렇지 않습니다.

 

그런 다음 이러한 AI 활용 사례가 전체 경제에 도입될 경우 잠재적인 연간 가치를 추정했습니다. 영업 및 마케팅 분야와 같이 매출 증대를 목표로 하는 사용 사례의 경우, 영업 및 마케팅 지출의 생산성을 향상시킴으로써 경제 전반에 걸쳐 생성적 AI가 제공할 수 있는 가치를 추정했습니다.

 

이 추정치는 2022년 글로벌 경제 구조를 기반으로 하며, AI가 완전히 새로운 제품 또는 서비스 카테고리를 생산할 경우 창출할 수 있는 가치 창출은 고려하지 않았습니다.

****

 

이 섹션에서는 비즈니스 기능 전반에 걸쳐 제너레이티브 AI의 가치 잠재력을 강조합니다.

 

제너레이티브 AI는 대부분의 비즈니스 기능에 영향을 미칠 수 있지만, 기능적 비용의 비율로 기술의 영향력을 측정할 때 두드러지는 몇 가지 기능이 있습니다(도표 3).

 

 

16개 비즈니스 기능에 대한 분석 결과, 고객 운영, 마케팅 및 영업, 소프트웨어 엔지니어링, 연구 개발 등 4개 기능만이 제너레이티브 AI 사용 사례로 인한 연간 총 가치의 약 75%를 차지할 수 있는 것으로 나타났습니다.

 

특히, 제조 및 공급망 기능 등 이전 AI 사용 사례 규모에서 두드러졌던 일부 기능에 대한 제너레이티브 AI 사용의 잠재적 가치는 이제 훨씬 낮아졌습니다. 이는 이전 AI 적용의 주요 가치 동인이었던 수치 및 최적화 애플리케이션이 대부분 제외된 제너레이티브 AI 사용 사례의 특성으로 인해 대부분 설명됩니다.

 

제너레이티브 AI는 기능별 사용 사례에서 잠재적인 가치를 제공할 수 있을 뿐만 아니라 내부 지식 관리 시스템을 혁신하여 조직 전체에 가치를 창출할 수 있는 기술입니다. 자연어 처리에 능숙한 제너레이티브 AI는 직원이 사람에게 질문하고 지속적인 대화에 참여하는 것과 같은 방식으로 쿼리를 구성하여 저장된 내부 지식을 검색하는 데 도움을 줄 수 있습니다. 이를 통해 팀은 관련 정보에 빠르게 액세스하여 더 나은 정보를 바탕으로 신속하게 의사 결정을 내리고 효과적인 전략을 개발할 수 있습니다.

 

2012년 맥킨지 글로벌 연구소(MGI)는 지식 근로자들이 근무 시간의 약 5분의 1, 즉 매주 하루를 정보 검색 및 수집에 소비하는 것으로 추정했습니다. 제너레이티브 AI가 이러한 작업을 수행하여 작업자의 효율성과 효과를 높일 수 있다면 그 혜택은 엄청날 것입니다. 이러한 가상 전문 지식은 자연어로 저장된 방대한 기업 정보 라이브러리를 빠르게 '판독'하고 인간과의 대화를 통해 소스 자료를 빠르게 스캔하여 연구를 미세 조정하고 맞춤화할 수 있으므로, 해당 작업을 위해 인간 전문가 팀을 고용하는 것보다 더 확장 가능한 솔루션이 될 수 있습니다.

 

또한 제너레이티브 AI가 작업자와 협력하여 생산성을 가속화하는 방식으로 작업을 보강함으로써 가치를 창출할 수 있습니다. 방대한 데이터를 빠르게 소화하고 결론을 도출하는 능력 덕분에 이 기술은 지식 작업을 획기적으로 향상시킬 수 있는 인사이트와 옵션을 제공할 수 있습니다. 이를 통해 제품 개발 프로세스의 속도를 크게 높이고 직원들이 더 영향력 있는 업무에 더 많은 시간을 할애할 수 있습니다.

 

다음은 63개의 제너레이티브 AI 사용 사례 분석에서 확인한 잠재적 가치의 대부분을 제공할 수 있는 비즈니스 기능 전반의 몇 가지 사용 사례에서 제너레이티브 AI가 어떻게 운영상의 이점을 창출할 수 있는지에 대한 네 가지 예입니다. 앞의 두 가지 예에서 제너레이티브 AI는 가상 전문가로, 다음 두 가지 예에서는 가상 협업자로서의 역할을 수행하고 있었습니다.

 

사례1. 고객 운영: 고객 및 상담원 경험 개선

 

제너레이티브 AI는 디지털 셀프 서비스를 통해 고객 경험과 상담원 생산성을 개선하고 상담원 스킬을 향상 및 보강하여 전체 고객 운영 기능을 혁신할 수 있는 잠재력을 가지고 있습니다. 이 기술은 자연어를 사용하여 고객과의 상호작용을 자동화할 수 있다는 점에서 이미 고객 서비스 분야에서 주목을 받고 있습니다.

 

연구에 따르면 5,000명의 고객 서비스 상담원을 보유한 한 기업에서 제너레이티브 AI를 적용한 결과 시간당 문제 해결률이 14% 향상되고 문제 처리 시간이 9% 단축되었습니다. 또한 상담원의 이탈률과 관리자와의 통화 요청이 25% 감소했습니다.

 

경험이 적은 상담원의 생산성과 서비스 품질이 가장 크게 개선된 반면, 고도로 숙련된 상담원의 생산성과 품질 지표는 증가하지 않았으며 때로는 오히려 감소했습니다. 이는 AI 지원이 경험이 적은 상담원이 고숙련 상담원과 유사한 기술을 사용하여 소통하는 데 도움이 되었기 때문입니다.

 

특정 사용 사례에서 제너레이티브 AI가 가져올 수 있는 운영 개선의 예는 다음과 같습니다.

 

고객 셀프 서비스Customer self-service.

제너레이티브 AI 기반의 챗봇은 고객의 언어나 위치에 관계없이 복잡한 고객 문의에 즉각적이고 개인화된 답변을 제공할 수 있습니다. 자동화된 채널을 통해 상호작용의 품질과 효율성을 개선함으로써 제너레이티브 AI는 더 많은 고객 문의에 대한 응답을 자동화하여 고객 관리 팀이 인간 상담원만 해결할 수 있는 문의를 처리할 수 있도록 지원할 수 있습니다.

 

맥킨지의 조사에 따르면 북미의 은행, 통신, 유틸리티 기업이 처리하는 고객 문의의 약 절반이 이미 AI를 포함한 기계에 의해 처리되고 있는 것으로 나타났습니다. 기업의 기존 자동화 수준에 따라 제너레이티브 AI를 활용하면 사람이 직접 응대하는 고객 문의의 양을 최대 50%까지 줄일 수 있을 것으로 예상됩니다.

 

초기 접촉 시 문제 해결Resolution during initial contact.

제너레이티브 AI는 기업이 특정 고객에 대해 보유하고 있는 데이터를 즉시 검색할 수 있으므로 인간 고객 서비스 담당자가 초기 상호 작용 중에 질문에 더 성공적으로 답변하고 문제를 해결하는 데 도움이 될 수 있습니다.

 

응답 시간 단축.

제너레이티브 AI는 실시간으로 지원을 제공하고 다음 단계를 추천함으로써 인간 영업 담당자가 고객 응대에 소요하는 시간을 단축할 수 있습니다.

 

매출 증대.

고객과 고객의 검색 기록에 대한 데이터를 빠르게 처리할 수 있는 이 기술은 고객 선호도에 맞는 상품 제안과 거래를 식별할 수 있습니다. 또한 제너레이티브 AI는 고객 대화에서 인사이트를 수집하고, 더 나은 방법을 찾아내며, 상담원을 코칭함으로써 품질 보증 및 코칭을 향상시킬 수 있습니다.

 

맥킨지는 고객 관리 기능에 제너레이티브 AI를 적용하면 현재 기능 비용의 30~45% 수준에서 생산성을 높일 수 있을 것으로 예상하고 있습니다.

 

이번 분석은 제너레이티브 AI가 고객 운영의 생산성에 미칠 수 있는 직접적인 영향만을 포착한 것입니다. 인간 상담원이 보다 개인화된 도움말과 추천을 제공하는 데 도움이 될 수 있는 고객의 맥락에 대한 더 나은 이해를 포함하여 향상된 경험으로 인해 기술이 고객 만족도 및 유지율에 미칠 수 있는 잠재적인 파급 효과는 고려하지 않았습니다.

 

사례2. 마케팅 및 영업 맞춤화, 콘텐츠 제작 및 영업 생산성 향상

 

제너레이티브 AI는 텍스트 기반 커뮤니케이션과 대규모 개인화가 원동력이 되는 마케팅 및 영업 부서에서 빠르게 자리를 잡아가고 있습니다. 이 기술은 개별 고객의 관심사, 선호도, 행동에 맞춘 개인화된 메시지를 생성할 뿐만 아니라 브랜드 광고, 헤드라인, 슬로건, 소셜 미디어 게시물, 제품 설명의 초안을 작성하는 등의 작업을 수행할 수 있기 때문입니다.

 

마케팅

마케팅 기능에 제너레이티브 AI를 도입하려면 신중한 고려가 필요합니다. 우선, 표절, 저작권 위반, 브랜드 인지도에 대한 충분한 보호 장치 없이 공개적으로 사용 가능한 데이터로 학습된 수학적 모델은 지적 재산권을 침해할 위험이 있습니다. 가상 체험 애플리케이션은 제한적이거나 편향된 훈련 데이터로 인해 특정 인구 통계에 대한 편향된 표현을 생성할 수 있습니다. 따라서 각 기업의 니즈에 맞는 개념적, 전략적 사고를 위해서는 상당한 인적 감독이 필요합니다.

 

마케팅에 제너레이티브 AI를 사용할 경우 얻을 수 있는 운영상의 이점은 다음과 같습니다.

 

효율적이고 효과적인 콘텐츠 제작. 제너레이티브 AI는 아이디어 발상 및 콘텐츠 초안 작성에 필요한 시간을 크게 단축하여 귀중한 시간과 노력을 절약할 수 있습니다. 또한 다양한 콘텐츠에서 일관성을 유지하여 일관된 브랜드 보이스, 글쓰기 스타일 및 형식을 보장할 수 있습니다. 팀원들은 제너레이티브 AI를 통해 협업할 수 있으며, 이를 통해 각자의 아이디어를 하나의 일관된 콘텐츠로 통합할 수 있습니다.

 

이를 통해 팀은 다양한 고객 세그먼트, 지역 및 인구 통계를 대상으로 하는 마케팅 메시지의 개인 맞춤화를 크게 향상시킬 수 있습니다. 대량 이메일 캠페인은 대상에 따라 다른 이미지와 메시지를 사용하여 필요한 만큼의 언어로 즉시 번역할 수 있습니다.

 

다양한 사양의 콘텐츠를 제작할 수 있는 제너레이티브 AI의 능력은 고객 가치, 매력도, 전환율, 리텐션을 평생에 걸쳐, 그리고 현재 기존 기술로는 불가능한 규모 이상으로 높일 수 있습니다.

 

데이터 활용도 향상.

제너레이티브 AI는 마케팅 부서에서 텍스트, 이미지, 다양한 구조와 같은 추상적인 데이터 소스를 해석하여 서로 다른 데이터베이스에서 가져온 비정형적이고 일관되지 않으며 단절된 데이터의 문제를 극복하는 데 도움을 줄 수 있습니다. 이를 통해 마케터는 지역 성과, 종합된 고객 피드백, 고객 행동 등의 데이터를 더 효과적으로 활용하여 타겟 고객 프로필, 채널 추천 등 데이터에 기반한 마케팅 전략을 수립할 수 있습니다.

 

이러한 도구는 소셜 미디어, 뉴스, 학술 연구 및 고객 피드백과 같은 비정형 데이터에서 트렌드, 주요 동인, 시장 및 제품 기회를 식별하고 종합할 수 있습니다.

 

서치엔진 최적화SEO.

제너레이티브 AI는 마케터가 페이지 제목, 이미지 태그, URL과 같은 마케팅 및 영업 기술 구성 요소에 대한 검색 엔진 최적화(SEO)를 통해 전환율을 높이고 비용을 절감하는 데 도움을 줄 수 있습니다. 주요 SEO 토큰을 합성하고, SEO 디지털 콘텐츠 제작 전문가를 지원하며, 고객에게 타겟팅된 콘텐츠를 배포할 수 있습니다.

 

상품 검색 및 검색 개인화.

제너레이티브 AI를 사용하면 텍스트, 이미지, 음성의 멀티모달 입력과 고객 프로필에 대한 심층적인 이해를 바탕으로 상품 검색 및 검색을 개인화할 수 있습니다. 예를 들어, 기술은 개별 사용자의 선호도, 행동 및 구매 이력을 활용하여 고객이 가장 관련성이 높은 제품을 검색하고 개인화된 제품 설명을 생성할 수 있도록 지원합니다. 이를 통해 소비재CPG, 여행, 리테일 기업은 웹사이트 전환율을 높여 이커머스 매출을 향상시킬 수 있습니다.

 

맥킨지는 제너레이티브 AI가 총 마케팅 지출의 5~15%에 해당하는 가치로 마케팅 기능의 생산성을 향상시킬 수 있을 것으로 예상했습니다.

 

마케팅에서 제너레이티브 AI의 잠재적 활용에 대한 분석은 생산성에 대한 직접적인 영향 이외의 파급 효과는 고려하지 않았습니다.

 

제너레이티브 AI를 활용한 합성은 더 높은 품질의 데이터 인사이트를 제공하여 마케팅 캠페인에 대한 새로운 아이디어와 더 정확한 타겟팅 고객 세그먼트로 이어질 수 있습니다. 마케팅 부서는 자체 채널을 위한 고품질 콘텐츠 제작으로 리소스를 전환하여 외부 채널 및 대행사에 대한 지출을 줄일 수 있습니다.

 

영업

제너레이티브 AIB2B B2C 기업이 영업에 접근하는 방식도 바꿀 수 있습니다. 다음은 영업에 대한 두 가지 사용 사례입니다.

 

판매 가능성 증대.

생성형 AI는 정형 및 비정형 데이터에서 종합적인 소비자 프로필을 생성하고 모든 접점에서 고객 참여를 개선하기 위한 조치를 직원에게 제안함으로써 영업 리드를 식별하고 우선순위를 지정할 수 있습니다. 예를 들어, 제너레이티브 AI는 고객 선호도에 대한 더 나은 정보를 제공하여 잠재적으로 거래 성사율을 향상시킬 수 있습니다.

 

잠재고객lead 개발 개선.

생성형 AI는 영업 담당자가 관련 제품판매 정보와 고객 프로필을 종합하고 업셀링 및 크로스셀링 대화 포인트를 포함한 고객 대화를 촉진하는 토론 스크립트를 생성하여 잠재고객을 육성하는 데 도움을 줄 수 있습니다. 또한 영업 후속 조치를 자동화하고 고객이 영업 담당자와 직접 대화할 준비가 될 때까지 잠재고객을 수동적으로 육성할 수 있습니다.

 

맥킨지의 분석 결과, 제너레이티브 AI를 도입하면 현재 글로벌 매출 지출의 약 3~5%까지 영업 생산성을 높일 수 있는 것으로 나타났습니다.

 

이 분석은 제너레이티브 AI가 영업 기능에 가져올 수 있는 추가 수익을 완전히 설명하지 못할 수도 있습니다. 예를 들어, 제너레이티브 AI의 잠재고객 식별 능력과 후속 조치 기능은 새로운 잠재고객을 발굴하고 보다 효과적인 홍보 활동을 촉진하여 추가 수익을 창출할 수 있습니다.

 

또한 제너레이티브 AI의 기능으로 인해 영업 담당자가 절약한 시간을 더 높은 품질의 고객 상호 작용에 투자할 수 있어 영업 성공률을 높일 수 있습니다.

 

사례3. 소프트웨어 엔지니어링: 코딩 어시스턴트로서 개발자의 작업 속도 향상

 

컴퓨터 언어를 또 다른 언어로 취급하면 소프트웨어 엔지니어링에 새로운 가능성이 열립니다. 소프트웨어 엔지니어는 페어 프로그래밍pair programming과 증강 코딩에 제너레이티브 AI를 사용할 수 있으며, 코드가 수행해야 할 작업을 설명하는 자연어 프롬프트가 주어지면 코드를 생성하는 애플리케이션을 개발하도록 LLM을 학습시킬 수 있습니다.

 

소프트웨어 엔지니어링은 대부분의 기업에서 중요한 기능이며, 기술 대기업뿐만 아니라 모든 대기업이 다양한 제품과 서비스에 소프트웨어를 탑재함에 따라 그 중요성이 계속 커지고 있습니다. 예를 들어, 신차의 가치 중 상당 부분은 어댑티브 크루즈 컨트롤, 주차 지원, IoT 연결과 같은 디지털 기능에서 비롯됩니다.

 

분석에 따르면 소프트웨어 엔지니어링의 생산성에 대한 AI의 직접적인 영향은 현재 해당 기능에 대한 연간 지출의 20~45%에 달할 수 있습니다. 이러한 가치는 주로 초기 코드 초안 생성, 코드 수정 및 리팩토링, 근본 원인 분석, 새로운 시스템 설계 생성 등 특정 활동에 소요되는 시간을 줄임으로써 발생할 수 있습니다.

 

코딩 프로세스를 가속화함으로써 제너레이티브 AI는 소프트웨어 엔지니어링에 필요한 기술 세트와 기능을 코드 및 아키텍처 설계로 확장할 수 있습니다. 한 연구에 따르면 마이크로소프트의 GitHub Copilot을 사용하는 소프트웨어 개발자는 이 도구를 사용하지 않는 개발자보다 56% 더 빠르게 작업을 완료하는 것으로 나타났습니다.

 

소프트웨어 엔지니어링 팀을 대상으로 한 맥킨지의 내부 실증 연구에 따르면 제너레이티브 AI 도구를 사용하도록 교육받은 사람들은 코드를 생성하고 리팩터링하는 데 필요한 시간을 빠르게 단축했으며, 엔지니어들은 행복감, 업무 흐름, 성취감이 향상되었다는 점을 언급하며 업무 환경이 개선되었다고 답했습니다.

 

이번 분석에서는 제너레이티브 AI가 코드를 개선하거나 IT 아키텍처를 개선함으로써 애플리케이션 품질이 향상되고 그에 따른 생산성 향상, IT 가치 사슬 전반의 생산성을 향상시킬 수 있는 효과는 고려하지 않았습니다. 그러나 IT 아키텍처의 품질은 제너레이티브 AI의 현재 기능으로 생성할 수 있는 초기 초안보다는 여전히 소프트웨어 설계자에 따라 크게 좌우됩니다.

 

대형 기술 기업들은 이미 소프트웨어 엔지니어링을 위한 제너레이티브 AI를 판매하고 있으며, 현재 OpenAIGPT-4와 통합된 GitHub Copilot2천만 명 이상의 코더가 사용하는 Replit가 그것입니다.

 

 

사례4. 제품 R&D: 연구 및 설계 시간 단축, 시뮬레이션 및 테스트 개선

 

R&D 분야에서 제너레이티브 AI의 잠재력은 다른 비즈니스 기능에서의 잠재력에 비해 덜 잘 알려져 있습니다. 하지만 연구 결과에 따르면 이 기술은 전체 R&D 비용의 10~15%에 달하는 가치를 지닌 생산성을 제공할 수 있는 것으로 나타났습니다.

 

예를 들어, 생명과학 및 화학 업계에서는 제너레이티브 설계라고 알려진 R&D에 제너레이티브 AI 기반 모델을 사용하기 시작했습니다. 기초 모델은 후보 분자를 생성하여 신약 및 소재 개발 프로세스를 가속화할 수 있습니다. 생명공학 제약 회사인 Entos는 제너레이티브 AI와 자동화된 합성 개발 도구를 결합하여 저분자 치료제를 설계했습니다.

 

생명공학 제약 회사인 Entos는 저분자 치료제를 설계하기 위해 제너레이티브 AI와 자동화된 합성 개발 도구를 결합했습니다. 하지만 대규모 물리적 제품이나 전기 회로 등 다른 많은 제품 설계에도 동일한 원리를 적용할 수 있습니다.

 

다른 제너레이티브 설계 기법은 이미 R&DAI를 적용할 수 있는 잠재력을 일부 실현했지만, '전통적인' 머신러닝을 사용하는 것과 같은 비용과 데이터 요구 사항으로 인해 적용이 제한될 수 있습니다. 제너레이티브 AI를 뒷받침하는 사전 학습된 기반 모델 또는 미세 조정을 통해 향상된 모델은 단일 작업에 최적화된 모델보다 적용 범위가 훨씬 더 넓습니다. 따라서 시장 출시 기간을 단축하고 제너레이티브 디자인을 적용할 수 있는 제품 유형을 넓힐 수 있습니다. 하지만 현재로서는 기초 모델로는 모든 산업 분야의 제품 설계를 지원할 수 있는 기능이 부족합니다.

 

제너레이티브 디자인은 후보 디자인을 빠르게 생산할 수 있어 생산성이 향상될 뿐만 아니라, 제너레이티브 AI가 가져올 수 있는 운영 개선의 다음 예와 같이 디자인 자체의 개선도 가능하게 할 수 있습니다.

 

향상된 디자인.

제너레이티브 AI는 제품 디자이너가 재료를 더 효율적으로 선택하고 사용함으로써 비용을 절감할 수 있도록 도와줍니다. 또한 제조에 맞게 설계를 최적화하여 물류 및 생산 비용을 절감할 수 있습니다.

 

제품 테스트 및 품질 개선. 제너레이티브 디자인에 제너레이티브 AI를 사용하면 더 높은 품질의 제품을 생산할 수 있으며, 그 결과 제품의 매력과 시장 매력도가 높아집니다. 제너레이티브 AI는 시나리오 초안을 작성하고 테스트 후보를 프로파일링하는 기능을 통해 복잡한 시스템의 테스트 시간을 단축하고 고객 테스트와 관련된 시험 단계를 가속화하는 데 도움을 줄 수 있습니다.

 

맥킨지는 또한 비제너레이티브 AI의 새로운 R&D 활용 사례도 확인했습니다. 이전 연구 이후 사용이 증가하고 있는 딥 러닝 대리자를 제너레이티브 AI와 결합하면 더 큰 이점을 얻을 수 있다는 것입니다. 물론 통합을 위해서는 특정 솔루션의 개발이 필요하지만, 딥러닝 대리자가 제너레이티브 AI가 제안한 설계의 테스트를 가속화할 수 있는 잠재력을 가지고 있기 때문에 그 가치는 상당할 수 있습니다.

 

맥킨지는 제너레이티브 AIR&D 기능에 미칠 수 있는 직접적인 영향은 추정했지만, 완전히 새로운 제품 카테고리를 창출할 수 있는 기술의 잠재력은 추정하지 않았습니다. 이러한 유형의 혁신은 개별 기업의 성과뿐만 아니라 전반적인 경제 성장에 획기적인 변화를 가져올 수 있습니다.

 

산업에 미치는 영향

 

63개의 사용 사례를 분석한 결과, 제너레이티브 AI는 산업 전반에 걸쳐 26,000억 달러에서 44,000억 달러의 가치를 창출할 수 있는 잠재력을 가지고 있는 것으로 나타났습니다. 정확한 영향력은 다양한 기능의 조합과 중요도, 산업 매출 규모 등 다양한 요인에 따라 달라질 수 있습니다(도표 4).

 

 

예를 들어, 분석에 따르면 제너레이티브 AI는 마케팅 및 고객 상호 작용과 같은 기능의 성능을 향상시켜 소매업(자동차 대리점 포함)에 약 3100억 달러의 추가 가치를 창출할 수 있는 것으로 추정됩니다. 이에 비해 첨단 기술 분야의 잠재적 가치는 대부분 소프트웨어 개발의 속도와 효율성을 높이는 제너레이티브 AI의 능력에서 비롯됩니다(도표 5).

 

 

은행 업계에서 제너레이티브 AI는 필수 보고, 규제 개발 모니터링, 데이터 수집과 같이 리스크 관리에서 가치가 낮은 작업을 수행함으로써 이미 인공지능이 제공하는 효율성을 개선할 수 있는 잠재력을 가지고 있습니다. 생명과학 산업에서 제너레이티브 AI는 신약 발견 및 개발에 크게 기여할 수 있습니다.

 

제너레이티브 AI가 산업에 미치는 영향에 대한 자세한 분석은 다음과 같습니다.

 

제너레이티브 AI는 소매 및 소비재 분야의 핵심 가치 동인을 지원합니다.

 

제너레이티브 AI는 연간 매출의 1.2~2.0%, 4,000~6,600억 달러의 생산성을 높여 소매 및 소비재(CPG) 산업에 가치를 창출할 수 있습니다. 프로세스를 간소화하기 위해 제너레이티브 AI는 고객 서비스, 마케팅 및 판매, 재고 및 공급망 관리와 같은 주요 기능을 자동화할 수 있습니다.

 

기술은 수십 년 동안 리테일 및 일용소비재 산업에서 필수적인 역할을 해왔습니다. 기존의 AI 및 고급 분석 솔루션은 기업이 수많은 재고관리를 위한 최소한의 단위(SKU.Stock Keeping Unit), 광범위한 공급망 및 창고 네트워크, 소모품과 같은 복잡한 제품 범주에 걸쳐 방대한 데이터 풀을 관리하는 데 도움이 되었습니다.

 

또한 이러한 산업은 고객과의 대면이 많기 때문에 제너레이티브 AI가 기존의 인공지능을 보완할 수 있는 기회를 제공합니다. 예를 들어, 개인화된 오퍼링을 제공하는 제너레이티브 AI의 기능은 기존 AI 솔루션이 이미 처리하고 있는 마케팅 및 영업 활동을 최적화할 수 있습니다. 마찬가지로, 제너레이티브 AI 도구는 데이터 관리에 탁월하며 기존의 AI 기반 가격 책정 도구를 지원할 수 있습니다. 이러한 활동에 제너레이티브 AI를 적용하는 것은 기업 전체에 걸쳐 애플리케이션을 통합하는 단계가 될 수 있습니다.

 

리테일 및 CPG에서 활용되는 제너레이티브 AI: 고객 상호작용 패턴의 재창조

 

의류와 화장품부터 큐레이션된 쇼핑 경험, 개인화된 홍보, 음식에 이르기까지 모든 분야에서 맞춤화를 원하는 소비자들이 늘어나고 있으며, 제너레이티브 AI는 이러한 경험을 개선할 수 있습니다. 제너레이티브 AI는 시장 데이터를 집계하여 컨셉, 아이디어, 모델을 테스트할 수 있습니다.

 

알고리즘을 사용하여 고객에게 스타일 선택을 제안하는 Stitch Fix는 색상, 원단, 스타일에 대한 고객 선호도를 기반으로 제품을 시각화하기 위해 DALL-E를 실험했습니다. 이 회사의 스타일리스트는 텍스트 이미지 생성을 사용하여 소비자의 선호도에 따라 의류를 시각화한 다음 Stitch Fix의 인벤토리에서 유사한 의류를 식별할 수 있습니다.

 

리테일러는 고객에게 차세대 경험을 제공하는 애플리케이션을 개발하여 고객이 하나의 자연어 인터페이스를 통해 제품을 선택하기를 기대하는 시대에 상당한 경쟁 우위를 확보할 수 있습니다. 예를 들어, 제너레이티브 AI는 식재료를 선택하고 주문하거나 음식을 준비하는 과정을 개선할 수 있습니다. 레시피에 첨부된 댓글에서 가장 인기 있는 팁을 가져올 수 있는 챗봇을 상상해보십시오.

 

챗봇을 통해 개인화된 마케팅 캠페인을 제공함으로써 고객 가치 관리를 강화할 수 있는 큰 기회도 있습니다. 이러한 애플리케이션은 고객 만족도, 트래픽, 브랜드 충성도를 높일 수 있는 방식으로 제품에 대해 사람과 같은 대화를 나눌 수 있습니다.

 

제너레이티브 AI는 리테일러와 CPG 기업에 교차 판매 및 상향 판매, 제품 개선을 위한 인사이트 수집, 고객 기반, 수익 기회, 전반적인 마케팅 ROI를 높일 수 있는 다양한 기회를 제공합니다.

 

주요 영역에서 가치 창출 가속화

제너레이티브 AI 도구는 마케팅 및 영업을 위한 카피 작성을 용이하게 하고, 창의적인 마케팅 아이디어를 브레인스토밍하고, 소비자 조사를 신속하게 진행하며, 콘텐츠 분석 및 제작을 가속화할 수 있습니다. 글과 비주얼의 잠재적 개선은 인지도를 높이고 판매 전환율을 향상시킬 수 있습니다.

 

신속한 문제 해결 및 고객 관리 인사이트 향상

이커머스의 성장과 함께 효과적인 소비자 상호작용의 중요성도 높아지고 있습니다. 리테일러는 기존 AI 툴과 제너레이티브 AI를 결합하여 챗봇의 기능을 강화함으로써 고객의 문의에 직접 응답하고, 주문을 추적 또는 취소하고, 할인을 제공하고, 상향 판매를 제공하는 등 인간 상담원의 상호작용 스타일을 더 잘 모방할 수 있습니다. 반복적인 작업을 자동화하면 상담원이 복잡한 고객 문제를 처리하고 상황에 맞는 정보를 얻는 데 더 많은 시간을 할애할 수 있습니다.

 

파괴적이고 창의적인 혁신

제너레이티브 AI 툴은 새로운 디자인을 디지털 방식으로 빠르게 생성하여 새로운 버전의 제품을 개발하는 프로세스를 개선할 수 있습니다. 디자이너는 패키징 디자인을 처음부터 새로 생성하거나 기존 디자인에 대한 변형을 생성할 수 있습니다. 이 기술은 빠르게 발전하고 있으며 텍스트-비디오 생성을 추가할 수 있는 잠재력을 가지고 있습니다.

 

리테일 및 CPG 조직이 고려해야 할 요소

리테일 및 소비재 유통업체 경영진이 제너레이티브 AI를 운영에 통합하는 방법을 모색할 때, 기술로부터 가치를 창출하는 능력에 영향을 미칠 수 있는 다음과같은 몇 가지 요소를 염두에 두어야 합니다.

 

외부 추론.

제너레이티브 AI는 생성된 콘텐츠가 사실에 기반한 것인지 추론에 기반한 것인지에 대한 이해의 필요성을 증가시켜 새로운 수준의 품질 관리가 필요하게 되었습니다.

 

적대적 공격.

파운데이션 모델은 해커 및 기타 악의적인 공격자의 주요 공격 대상이 되며, 다양한 잠재적 보안 취약성과 개인 정보 위험이 증가합니다.

 

이러한 우려를 해결하기 위해 소매 및 소비재 기업은 전략적으로 사람을 계속 투입하고 보안과 개인정보 보호를 모든 구현의 최우선 고려사항으로 삼아야 합니다. 기업은 고객 담당자가 작성한 이메일과 같이 기존에 사람이 처리하던 프로세스에 대해 새로운 품질 검사를 도입하고, 제품 설계와 같은 AI 지원 프로세스에 대해 더욱 세밀한 품질 검사를 수행해야 합니다.

 

은행이 제너레이티브 AI를 통해 중요한 가치를 실현할 수 있는 이유

 

제너레이티브 AI는 은행 업계에 상당한 영향을 미쳐 은행 업계 연간 매출의 2.8~4.7%, 2,000~3,400억 달러에 달하는 생산성 향상으로 인한 가치를 창출할 수 있습니다. 이러한 영향 외에도 제너레이티브 AI 도구를 사용하면 고객 만족도를 높이고, 의사 결정 및 직원 경험을 개선하며, 사기 및 위험 모니터링을 개선하여 리스크를 줄일 수 있습니다. 특히 규정 및 프로그래밍 언어와 같은 영역에서 텍스트 양식이 널리 사용되고, 많은 B2C 및 소규모 비즈니스 고객이 있는 고객 대면 산업이기 때문에 제너레이티브 AI 애플리케이션은 추가적인 이점을 제공할 수 있습니다.

 

몇 가지 특성으로 인해 은행업계는 제너레이티브 AI 애플리케이션을 통합할 수 있는 위치에 있습니다.

 

레거시 IT 시스템과 함께 지속적인 디지털화 노력. 은행은 수십 년 동안 기술에 투자해 왔으며, 사일로화되고 복잡한 IT 아키텍처와 함께 상당한 양의 기술 부채를 축적해 왔습니다.

 

대규모 고객 대면 인력. 은행 업무는 콜센터 상담원, 자산 관리 재무 설계사 등 수많은 서비스 담당자에게 의존합니다.

 

엄격한 규제 환경. 규제가 엄격한 산업인 은행업은 리스크, 규정 준수 및 법적 요구사항이 상당히 많습니다.

 

사무직 산업. 제너레이티브 AI의 영향력은 조직 전체에 걸쳐 모든 직원의 이메일 작성, 비즈니스 프레젠테이션 작성 및 기타 업무를 지원할 수 있습니다.

 

은행 업무에서 활용되는 제너레이티브 AI

 

은행들은 일선 업무와 소프트웨어 활동에서 제너레이티브 AI의 잠재력을 파악하기 시작했습니다. 얼리 어답터들은 주로 소프트웨어 및 지식 애플리케이션을 위한 산업별 솔루션뿐만 아니라 ChatGPT와 같은 솔루션을 활용하고 있습니다. 세 가지 활용 사례에서 제너레이티브 AI의 가치 잠재력을 확인할 수 있습니다.

 

직원 성과 향상을 위한 가상 전문가

정책, 연구, 고객 상호 작용과 같은 독점적인 지식으로 훈련된 생성형 AI 봇은 상시적이고 심층적인 기술 지원을 제공할 수 있습니다. 오늘날 일선 직원의 업무는 대부분 오퍼를 검증하고 고객과 소통하는 데 집중되어 있지만, 일선 직원에게도 데이터에 대한 액세스 권한을 부여하면 고객 경험을 개선할 수 있습니다. 또한 이 기술은 산업과 고객을 모니터링하고 공개 소스의 시맨틱 쿼리에 대한 경고를 보낼 수도 있습니다.

 

예를 들어, 모건 스탠리는 수만 명의 자산 관리자가 방대한 내부 지식 기반에서 신속하게 답을 찾고 종합할 수 있도록 지원하기 위해 GPT-4를 사용하여 AI 어시스턴트를 구축하고 있습니다. 이 모델은 검색과 콘텐츠 생성을 결합하여 자산 관리자가 언제든지 모든 고객을 위한 정보를 찾고 맞춤화할 수 있도록 지원합니다.

 

한 유럽 은행은 제너레이티브 AI를 활용하여 구조화되지 않은 정보가 포함된 긴 문서를 합성하고 추출하여 환경, 사회, 거버넌스(ESG) 가상 전문가를 개발했습니다. 이 모델은 프롬프트에 따라 복잡한 질문에 답하고, 각 답변의 출처를 식별하고, 그림과 표에서 정보를 추출합니다.

 

제너레이티브 AI는 백오피스 운영과 관련된 상당한 비용을 절감할 수 있습니다. 이러한 고객 응대 챗봇은 사용자의 요청을 평가하고 주제, 난이도, 고객 유형 등의 특성에 따라 이를 처리할 수 있는 최적의 서비스 전문가를 선택할 수 있습니다. 서비스 전문가는 제너레이티브 AI 어시스턴트를 통해 제품 가이드 및 정책과 같은 모든 관련 정보에 빠르게 액세스하여 고객의 요청에 즉각적으로 대응할 수 있습니다.

 

기술 부채tech debt를 줄이고 소프트웨어를 더 빠르게 제공하기 위한 코드 가속화

제너레이티브 AI 도구는 크게 네 가지 범주에서 소프트웨어 개발에 유용합니다. 첫째, 입력 코드 또는 자연어를 통해 컨텍스트에 따라 코드 초안을 작성할 수 있어 개발자가 마찰을 줄이면서 더 빠르게 코딩하고 자동 번역과 노코드 및 로우코드 툴을 사용할 수 있도록 도와줍니다. 둘째, 이러한 도구는 다양한 코드 테스트를 자동으로 생성, 우선순위 지정, 실행 및 검토하여 테스트 속도를 높이고 커버리지와 효율성을 높일 수 있습니다. 셋째, 제너레이티브 AI의 자연어 번역 기능은 레거시 프레임워크의 통합과 마이그레이션을 최적화할 수 있습니다. 마지막으로, 이 도구는 코드를 검토하여 컴퓨팅의 결함 및 비효율성을 식별할 수 있습니다. 그 결과 더욱 강력하고 효과적인 코드가 생성됩니다.

 

대규모 맞춤형 콘텐츠 제작

제너레이티브 AI 도구는 기존 문서와 데이터 세트를 활용하여 콘텐츠 생성을 크게 간소화할 수 있습니다. 이러한 도구는 특정 고객 프로필과 이력에 맞춘 개인화된 마케팅 및 영업 콘텐츠는 물론 A/B 테스트를 위한 다양한 대안을 생성할 수 있습니다. 또한 제너레이티브 AI는 모델 문서를 자동으로 생성하고, 누락된 문서를 식별하며, 관련 규정 업데이트를 스캔하여 관련 변화에 대한 알림을 생성할 수 있습니다.

 

은행이 고려해야 할 요소

은행은 제너레이티브 AI를 운영에 통합하는 방법을 모색할 때 다음과 같은 여러 가지 요소를 고려할 수 있습니다.

 

다양한 프로세스에 대한 규제 수준. 고객 서비스와 같이 규제가 없는 프로세스부터 신용 위험 점수 평가와 같이 엄격하게 규제되는 프로세스까지 다양합니다.

 

최종 사용자 유형. 최종 사용자는 제너레이티브 AI에 대한 기대치와 친숙도가 매우 다양합니다(: 직원과 고액 자산가 고객).

 

의도한 업무 자동화 수준. API를 통해 통합된 AI 상담원은 거의 자율적으로 또는 부조종사 역할을 수행하여 고객과의 상호작용 중에 상담원에게 실시간으로 제안을 제공할 수 있습니다.

 

데이터 제약. 연례 보고서와 같은 공개 데이터는 광범위하게 사용할 수 있지만 고객 및 기타 내부 데이터에 대한 식별 가능한 세부 정보에는 제한이 있어야 합니다.

 

제너레이티브 AI가 업무 및 생산성에 미치는 영향

 

기술은 수십 년 동안 업무의 구조를 변화시켜 왔습니다. 수년에 걸쳐 기계는 인간 근로자에게 다양한 '초능력'을 부여했습니다. 예를 들어, 산업화 시대의 기계는 근로자가 자신의 신체 능력을 뛰어넘는 육체적 작업을 수행할 수 있도록 했습니다. 최근에는 컴퓨터 덕분에 지식 근로자가 수작업으로 몇 년이 걸리던 계산을 수행할 수 있게 되었습니다.

 

이러한 예는 근로자가 직접 수행해야 했던 개별 활동의 자동화를 통해 기술이 어떻게 업무를 보강할 수 있는지를 보여줍니다. 개념적인 수준에서 보면 제너레이티브 AI의 적용은 현대의 업무 환경에서도 동일한 패턴을 따를 수 있지만, 이 장의 뒷부분에서 살펴보겠지만 제너레이티브 AI가 영향을 미칠 수 있는 활동의 유형과 변화할 수 있는 활동의 직종 유형은 이 기술의 결과로 이전 기술과 다를 가능성이 높습니다.

 

맥킨지 글로벌 연구소는 2017년부터 업무 활동의 기술 자동화가 미치는 영향을 분석하고 도입 시나리오를 모델링하기 시작했습니다. 당시에는 근로자가 업무 시간의 절반을 당시 존재하던 기술을 적용하여 자동화할 수 있는 잠재력, 즉 기술 자동화 잠재력이라고 부르는 활동에 소비하는 것으로 추정했습니다. 또한 이러한 기술이 채택되어 글로벌 경제 전반의 업무 활동에 영향을 미칠 수 있는 속도에 대한 다양한 잠재적 시나리오를 모델링했습니다.

 

대규모 기술 채택은 하룻밤 사이에 이루어지지 않습니다. 실험실에서 잠재력이 있는 기술을 발견했다고 해서 이를 특정 업무 활동을 자동화하는 솔루션에 즉시 통합할 수 있는 것은 아니며, 이러한 솔루션을 개발하는 데는 시간이 걸립니다. 이러한 솔루션이 개발되더라도 비용이 인건비를 초과하면 경제적으로 타당하지 않을 수 있습니다. 또한 솔루션 도입에 대한 경제적 인센티브가 존재하더라도 글로벌 경제 전반으로 확산되려면 시간이 걸립니다. 따라서 이러한 요소와 기술 자동화 잠재력을 함께 고려한 도입 시나리오는 시간이 지남에 따라 근로자의 활동이 변화할 수 있는 속도와 규모를 파악할 수 있습니다.

 

이 보고서의 분석에는 오늘날의 업무 활동에 대한 제너레이티브 AI의 잠재적 영향이 포함되어 있습니다. 제너레이티브 AI의 새로운 기능이 이전 기술과 결합되어 전 세계 기업 운영에 통합되면 개별 활동의 기술적 자동화와 인력의 역량을 강화하는 기술 채택이 가속화될 수 있습니다. 또한 이러한 기술의 결과로 활동이 변화할 것으로 예상되지 않았던 지식 근로자에게도 영향을 미칠 수 있습니다.

 

자동화 잠재력은 가속화되었지만 도입은 지연되고 있습니다.

 

제너레이티브 AI의 발전에 따라 기술 성능은 이제 광범위한 기능에 걸쳐 이전에 예상했던 것보다 더 빨리 인간의 능력 중앙값과 일치하고 상위 사분위수 인간 능력에 도달할 것으로 예상됩니다(도표 6). 예를 들어, MGI는 이전에는 자연어 이해에 대한 인간 능력의 중간값이 기술에 도달할 수 있는 가장 빠른 시점을 2027년으로 예상했지만, 이 새로운 분석에서는 2023년이 해당 시점입니다.

 

제너레이티브 AI로 인해 기술 역량을 재평가한 결과, 현재 존재하는 기술을 통합하여 이론적으로 자동화할 수 있는 총 시간 비율은 약 50%에서 60~70%로 증가했습니다. 제너레이티브 AI의 자연어 기능이 가속화됨에 따라 기술 잠재력 곡선은 매우 가파르게 상승하고 있습니다.

 

흥미롭게도 2017년 전문가 평가에 비해 초기 시나리오와 후기 시나리오 사이의 시간 범위가 압축되었는데, 이는 특정 시기까지 더 높은 수준의 기술 역량이 도달할 것이라는 확신이 커졌음을 반영합니다(도표 7).

 

 

도입 시나리오 분석은 개별 업무 활동을 자동화할 수 있는 솔루션에 기술 역량을 통합하는 데 필요한 시간, 전 세계 다양한 직종과 국가의 인간 노동 비용과 비교한 기술 비용, 기술이 경제 전반에 확산되는 데 걸리는 시간 등을 고려합니다. 제너레이티브 AI를 통한 기술 자동화 잠재력이 가속화됨에 따라 자동화 도입 시나리오도 그에 따라 가속화되고 있습니다. 이러한 시나리오는 솔루션의 개발 및 채택 속도가 투자, 배포, 규제 등에 대한 결정에 따라 달라질 수 있다는 점을 고려할 때 광범위한 결과를 포괄합니다. 그러나 이 시나리오는 근로자가 매일 수행하는 활동이 어느 정도 변화할 수 있는지를 보여줍니다(도표 8).

 

 

특정 직업군에서 이러한 변화가 어떻게 나타날 수 있는지에 대한 예로, 시험 준비와 학생 과제 평가가 세부적인 업무 활동인 중등 영어 및 문학 교사를 생각해 보겠습니다. 제너레이티브 AI의 향상된 자연어 기능을 활용하면 이러한 활동 중 더 많은 부분을 기계가 수행할 수 있으며, 처음에는 교사가 편집하는 초안을 작성하지만 나중에는 사람의 편집이 훨씬 적게 필요할 수 있습니다. 이렇게 하면 이러한 교사가 학급 토론을 안내하거나 추가 도움이 필요한 학생을 지도하는 등 다른 업무 활동에 더 많은 시간을 할애할 수 있습니다.

 

이전에 모델링한 도입 시나리오에서는 2016년 업무 활동에 소요되는 시간의 50%2035년에서 2070년 사이에 자동화될 것으로 예상했으며, 2053년경이 중간 시점 시나리오였습니다. 제너레이티브 AI의 발전을 고려한 업데이트된 도입 시나리오에서는 2023년 업무 활동에 소요되는 시간이 2030년에서 2060년 사이에 50% 자동화에 도달하고, 중간 시점은 2045년으로 이전 예상치보다 약 10년 정도 빨라질 것으로 모델링했습니다.

 

또한 임금이 높아 자동화 도입의 경제적 타당성을 더 일찍 파악할 수 있는 선진국에서는 도입이 더 빠를 수 있습니다. 특정 업무 활동을 자동화할 수 있는 기술의 잠재력이 높더라도, 이를 위해 필요한 비용과 인건비를 비교해야 합니다. 중국, 인도, 멕시코와 같이 임금 수준이 낮은 국가에서는 고임금 국가에 비해 자동화 도입이 더디게 이루어지는 것으로 나타났습니다(도표 9).

 

 

 

제너레이티브 AI가 지식 업무에 미치는 잠재적 영향

 

이전 세대의 자동화 기술은 데이터 수집 및 처리와 관련된 데이터 관리 작업을 자동화하는 데 특히 효과적이었습니다. 제너레이티브 AI의 자연어 기능은 이러한 유형의 활동의 자동화 잠재력을 어느 정도 높여줍니다. 그러나 더 많은 신체적 업무 활동에 미치는 영향은 훨씬 적었는데, 이는 기본적으로 인지적 작업을 수행하도록 설계된 기능이기 때문에 놀라운 일이 아닙니다.

 

결과적으로 제너레이티브 AI는 지식 업무, 특히 이전에는 자동화 잠재력이 가장 낮았던 의사 결정 및 협업과 관련된 활동에 가장 큰 영향을 미칠 것으로 보입니다(도표 10). 전문 지식 적용을 자동화할 수 있는 기술적 잠재력에 대한 예상치는 34% 포인트 상승했으며, 관리 및 인재 개발 자동화 잠재력은 201716%에서 202349%로 증가했습니다.

 

 

다양한 활동과 업무에 자연어를 이해하고 사용할 수 있는 제너레이티브 AI의 능력은 자동화 잠재력이 가파르게 상승한 이유를 설명해 줍니다. 경제 활동에서 근로자가 수행하는 활동의 약 40%는 자연어에 대한 인간의 중간 수준 이상의 이해력을 필요로 합니다.

 

그 결과 커뮤니케이션, 감독, 문서화, 사람들과의 상호작용 등 일반적으로 사람과 관련된 많은 업무 활동이 제너레이티브 AI에 의해 자동화될 가능성이 있으며, 교육 및 기술과 같이 자동화 잠재력이 나중에 나타날 것으로 예상되었던 직종에서 업무의 변화가 가속화되고 있습니다(도표 11).

 

 

노동 경제학자들은 자동화 기술의 도입이 학력으로 측정할 때 기술 수준이 가장 낮은 근로자에게 가장 큰 영향을 미치는 경향, 즉 기술 편향성이 있다고 종종 지적해 왔습니다. 하지만 제너레이티브 AI는 이와 반대되는 패턴으로, 고학력 근로자의 일부 활동을 자동화함으로써 가장 점진적인 영향을 미칠 가능성이 높다는 사실을 발견했습니다(도표 12).

 

 

이 결과를 해석하는 또 다른 방법은 제너레이티브 AI가 기술의 지표로서 다년간의 학위 취득에 도전할 것이며, 다른 사람들은 보다 공평하고 효율적인 인력 교육 및 매칭 시스템을 만들기 위해 인력 개발에 보다 기술 기반 접근 방식을 취해야 한다고 주장했습니다. 제너레이티브 AI는 여전히 기술 편향적인 기술 변화로 설명될 수 있지만, 기계가 할 수 있는 활동으로 보완되기보다는 대체될 가능성이 높은 기술에 대한 다른, 아마도 더 세분화된 설명을 포함할 수 있습니다.

 

이전 세대의 자동화 기술은 소득 분포의 중간에 해당하는 임금을 받는 직종에 가장 큰 영향을 미쳤습니다. 저임금 직종의 경우, 자동화의 잠재적 이점이 낮은 인건비와 경쟁하기 때문에 업무 자동화를 위한 사례를 만드는 것이 더 어렵습니다. 또한 저임금 직종에서 수행되는 일부 작업은 기술적으로 자동화하기 어렵습니다(: 천을 다루거나 섬세한 과일을 따는 작업). 일부 노동 경제학자들은 "중간에서 공동화 현상"을 관찰했으며, 이전 모델에 따르면 작업 자동화가 중간 소득 5분위 이하에 가장 큰 중기적 영향을 미칠 가능성이 높다고 합니다.

 

그러나 제너레이티브 AI의 영향은 이전에는 상대적으로 자동화에 영향을 받지 않는 것으로 여겨졌던 고임금 지식 근로자의 업무에 가장 큰 변화를 가져올 것으로 예상되는데, 이는 이들의 업무가 기술적으로 자동화될 가능성이 높아졌기 때문입니다(도표 13).

 

 

 

생산성 향상을 촉진할 수 있는 제너레이티브 AI

 

2012년부터 2022년까지 세계 경제 성장률은 그 이전 20년간보다 둔화되었습니다. 코로나19 팬데믹이 중요한 요인이었지만, 출산율 감소와 인구 고령화 등 장기적인 구조적 과제는 성장에 지속적인 장애물이 되고 있습니다.

 

고용 감소는 이러한 장애물 중 하나입니다. 전 세계 총 근로자 수의 연평균 증가율은 1972-822.5%에서 2012-220.8%로 둔화되었는데, 이는 주로 고령화로 인한 것입니다. 많은 대국에서는 이미 노동력 규모가 감소하고 있습니다. 투입 대비 산출량, 즉 생산된 재화와 서비스의 가치를 이를 생산하는 데 필요한 노동, 자본 및 기타 자원의 양으로 나눈 값을 측정하는 생산성은 1992년부터 2022년까지 30년간 경제 성장의 주요 원동력이었습니다(도표 14). 그러나 그 이후로 생산성 성장은 고용 성장 둔화와 함께 둔화되어 경제학자와 정책 입안자들을 혼란스럽게 하고 있습니다.

 

 

제너레이티브 AI 및 기타 기술의 도입은 생산성 성장을 가속화하여 고용 증가율 감소를 부분적으로 보완하고 전반적인 경제 성장을 가능하게 할 수 있습니다. 맥킨지의 추정에 따르면, 이러한 기술로 구현된 개별 작업 활동의 자동화는 자동화 도입 비율에 따라 2023년부터 2040년까지 세계 경제에 연간 생산성 0.2~3.3% 향상을 제공할 수 있으며, 제너레이티브 AI0.1~0.6% 기여할 수 있습니다. 그러나 기술의 영향을 받은 개인이 적어도 2022년 생산성 수준과 일치하는 다른 작업 활동으로 전환하는 경우에만 해당됩니다(도표 15). 어떤 경우에는 근로자가 같은 직종에 머물지만 활동의 조합이 바뀌고, 어떤 경우에는 근로자가 직종을 바꿔야 합니다.

 

 

 

비즈니스와 사회가 고려해야 할 사항

 

역사는 새로운 기술이 사회를 재편할 수 있는 잠재력을 가지고 있음을 보여줍니다. 인공지능은 이미 우리의 생활과 업무 방식을 변화시켰습니다. 예를 들어, 인공지능은 휴대폰이 우리가 말하는 내용을 이해하거나 이메일 초안을 작성하는 데 도움을 줄 수 있습니다. 그러나 대부분의 경우 AI는 비즈니스 프로세스를 최적화하거나 다음 구매 제품에 대한 추천을 제공하는 등 보이지 않는 곳에 머물러 있습니다. 제너레이티브 AI의 급속한 발전은 AI의 영향력을 전반적으로 크게 확대하여 매년 수조 달러의 부가가치를 창출하고 업무의 본질을 변화시킬 것으로 보입니다.

 

그러나 이 기술은 새롭고 중대한 과제를 가져올 수도 있습니다. 이해관계자들은 제너레이티브 AI가 채택될 수 있는 속도를 고려할 때 기회와 위험에 모두 대응할 수 있도록 신속하게 행동해야 합니다. 제너레이티브 AI 시스템이 생성하는 콘텐츠에 대한 우려를 비롯한 위험은 이미 드러나고 있습니다. 기초 모델을 만드는 데 사용된 학습 데이터의 '표절'로 인해 지적 재산권을 침해하는 것은 아닌가? 질문을 받았을 때 LLM이 생성하는 답변이 정확하고 설명할 수 있는가? 콘텐츠 생성 AI가 생성하는 콘텐츠가 공정할 것인가, 아니면 유해한 고정관념을 반영하는 콘텐츠를 생성하는 등 사용자가 원하지 않는 방식으로 편향될 것인가?

 

이 보고서에서 설명하는 인력 전환workforce transitions의 규모와 범위는 상당하기 때문에 경제적인 문제도 있습니다. 중간 시점 도입 시나리오에서는 향후 10년 동안 업무 활동의 약 4분의 1에서 3분의 1이 바뀔 수 있습니다. 우리 앞에 놓인 과제는 기술의 잠재적인 긍정적인 측면과 부정적인 측면을 동시에 관리하는 것입니다.

 

기술의 잠재적 이점에 대한 열정과 이로 인해 야기될 수 있는 새로운 도전의 균형을 맞추기 위해 우리가 해결해야 할 몇 가지 중요한 질문은 다음과 같습니다.

 

기업 및 비즈니스 리더

기업이 이 보고서에서 강조한 잠재적 가치를 신속하게 포착하는 동시에 제너레이티브 AI가 초래할 수 있는 위험을 관리하려면 어떻게 해야 하는가?

 

향후 몇 년 동안 기업 인력 전체에 필요한 직종과 기술의 조합이 제너레이티브 AI 및 기타 인공지능에 의해 어떻게 변화할 것인가?

 

기업은 채용 계획, 재교육 프로그램 및 기타 인적 자원 측면에서 이러한 전환을 어떻게 지원할 수 있는가?

 

기업이 사회에 해를 끼칠 수 있는 '부정적인 사용 사례'에 기술이 배포되지 않도록 하는 데 어떤 역할을 해야 할 것인가?

 

기업은 어떻게 하면 산업 내, 그리고 산업 전반에 걸쳐 제너레이티브 AI의 사용을 확장하는 경험을 정부 및 사회와 투명하게 공유할 것인가?

 

정책 입안자

직종과 기술 측면에서 경제 수준에서 미래의 일자리는 어떤 모습인가? 이는 인력 계획에 어떤 의미가 있는가?

 

시간이 지남에 따라 활동이 변화함에 따라 근로자를 어떻게 지원할 것인가? 어떤 재교육 프로그램을 마련할 수 있을까?

민간 기업이 인적 자본에 투자할 수 있도록 지원하려면 어떤 인센티브가 필요한가?

사람들이 자신과 가족을 계속 부양하면서 재교육을 받을 수 있는 견습직과 같은 일하면서 배우는 프로그램이 있는가?

 

정책 입안자들은 생성형 AI가 사회나 취약 계층에 해를 끼치는 방식으로 사용되는 것을 방지하기 위해 어떤 조치를 취할 수 있는가?

 

인간의 감독과 다양한 관점을 포함하고 사회적 가치를 고려하는 인간 중심의 AI 개발 및 배포를 보장하기 위해 새로운 정책을 개발하고 기존 정책을 수정할 수 있는가?

 

노동자, 소비자, 시민으로서의 개인

개인은 제너레이티브 AI의 출현에 대해 얼마나 우려해야 할까?

기업은 기술이 수익에 어떤 영향을 미칠지 평가할 수 있지만, 시민은 기술이 자신의 삶과 생계에 어떤 영향을 미칠지에 대한 정확하고 편견 없는 정보를 어디서 찾을 수 있을까?

 

근로자와 소비자로서 개인은 어떻게 제너레이티브 AI가 제공하는 편리함과 직장에 미치는 영향 사이에서 균형을 맞출 수 있을까?

 

시민들은 제너레이티브 AI의 배포와 통합을 결정할 때 자신의 삶에 영향을 미칠 결정에 목소리를 낼 수 있을까?

 

*****

 

기술 혁신은 경외심과 우려를 동시에 불러일으킬 수 있습니다. 혁신이 완전히 구체화되어 하룻밤 사이에 널리 확산되는 것처럼 보이면 두 가지 반응이 모두 증폭될 수 있습니다. 2022년 가을에 등장한 제너레이티브 AI는 이러한 현상의 가장 최근 사례로, 예상치 못한 빠른 채택과 함께 기업과 소비자들 사이에서 이를 배포, 통합, 활용하기 위한 경쟁이 벌어지고 있습니다.

 

우리 모두는 이 기술의 힘, 범위, 기능을 이해하기 위한 여정의 시작점에 서 있습니다. 지난 8개월이 길잡이가 되었다면 앞으로 몇 년 동안 우리는 빠르게 변화하는 혁신과 기술 혁신으로 인해 업무와 삶에 미치는 AI의 영향에 대한 이해를 재조정해야 하는 롤러코스터를 타게 될 것입니다.

 

이러한 현상을 제대로 이해하고 그 영향을 예측하는 것이 중요합니다. 지금까지의 제너레이티브 AI 배포 속도를 고려할 때 디지털 트랜스포메이션을 가속화하고 노동력을 재교육해야 할 필요성은 매우 큽니다.

 

이러한 도구는 기후 변화에 적응하고 완화하는 데 드는 막대한 비용을 고민하고 있는 세계 경제에 막대한 가치를 창출할 수 있는 잠재력을 가지고 있습니다. 동시에 이전 세대의 인공지능보다 더 불안정할 수 있는 잠재력도 있습니다.

 

인공지능은 전문 지식과 관련된 대부분의 업무 활동의 기본 요건이자 감정을 상하게 하고 오해를 불러일으키며 진실을 모호하게 하고 폭력과 전쟁을 선동하는 데 사용될 수 있는 가장 인간적인 능력인 언어를 구사할 수 있기 때문입니다.

 

맥킨지는 이번 연구가 기업 운영에 가치를 더하고 경제 성장과 번영을 촉진하는 제너레이티브 AI의 역량과 일하는 방식과 사회에서 우리의 목적을 극적으로 변화시킬 수 있는 잠재력에 대한 이해를 높이는 데 기여했기를 바랍니다.

 

기업, 정책 입안자, 소비자, 시민은 함께 협력하여 제너레이티브 AI가 중요한 가치를 창출하겠다는 약속을 이행하는 동시에 삶과 생계를 뒤흔들 수 있는 잠재력을 제한할 수 있도록 노력해야 합니다. 지금이 바로 행동할 때입니다.

 

[원문 보기]