[All Around AI 1편] AI의 시작과 발전 과정, 미래 전망
https://news.skhynix.co.kr/all-around-ai-1/
ChatGPT 이후 AI 기술 발전사
https://blog.naver.com/fstory97/223862431036?trackingCode=rss
2022~2025년 AI 기술 진화 한눈에 보기
2022년 11월, ChatGPT가 등장하면서 인류는 처음으로 “대화가 가능한 인공지능”을 체감하게 됐습니다.
하지만 그 이후의 3년은 단순한 ‘AI 대화’의 시대가 아니라, AI가 스스로 이해·추론·행동·협업하는 단계로 넘어간 시기였습니다.
1. AI 발전의 큰 흐름
ChatGPT 이후의 AI 진화는 네 단계로 정리할 수 있습니다.
-
대화형 AI의 대중화 (2022~2023)
-
GPT-3.5와 GPT-4가 대표적
-
사람처럼 말하고 대화 맥락을 유지
-
오픈AI, Anthropic(Claude), Google(Bard→Gemini) 경쟁 구도 형성
-
-
멀티모달 시대 (2023~2024)
-
텍스트뿐 아니라 이미지, 음성, 영상까지 이해
-
대표 모델: GPT-4o, Gemini 1.5, Claude 3, Runway Gen-3
-
“텍스트→영상” 변환 기술인 Sora의 등장은 AI 발전의 상징적 사건
-
-
AI 에이전트의 등장 (2024~2025)
-
LangChain, LangGraph, AutoGen, CrewAI 같은 에이전트 프레임워크 확산
-
“명령 → 수행 → 보고”를 스스로 처리하는 자율형 AI 등장
-
단순한 답변이 아니라 실행 가능한 행동형 AI로 진화
-
-
효율화와 온디바이스 AI (2025~)
-
대형모델 경쟁에서 벗어나 “가볍고 빠른 AI”가 중심으로
-
소형 모델(sLLM, Phi-3 등), 양자화(AWQ), MoE(Mixture of Experts)로 최적화
-
개인 기기에서도 AI가 실시간 작동하는 환경 구축
-
2. 주목해야 할 핵심 기술 7가지
(1) Transformer 구조의 진화
-
FlashAttention-2, RoPE, ALiBi, MQA/GQA 같은 기술로 학습 속도와 장문 처리 능력이 획기적으로 향상됨.
-
FlashAttention-2는 GPU 메모리를 효율적으로 사용하는 기술로,
수십억 단어를 다루는 모델의 연산 속도를 2배 이상 높였습니다. -
RoPE (Rotary Positional Embedding) 은 단어의 ‘위치’를 회전 각도로 표현해, 긴 문맥에서도 자연스러운 문장 이해를 가능하게 했습니다.
-
ALiBi (Attention with Linear Biases) 는 모델이 훈련 중 보지 못한 더 긴 문장을 처리할 수 있게 만들어 장문 일반화 능력을 향상시켰습니다.
-
qqMQA / GQA (Multi-Query / Grouped-Query Attention) 은
여러 어텐션 헤드가 Key-Value 값을 공유하도록 해, 메모리 사용량을 줄이고 추론 속도를 높였습니다.
-
(2) 멀티모달 AI
-
GPT-4o, Gemini, Claude 3, AMIE 등은 “글 + 이미지 + 음성 + 영상”을 동시에 다룸.
-
의료 영상 판독, 디자인 분석, 영상 생성까지 모두 연결되는 중.
(3) RAG (검색 기반 생성)
<
-
AI가 실시간으로 외부 데이터를 검색해 답변의 정확성과 최신성을 높임.
-
“지식형 LLM”의 핵심 기술로 자리 잡음.
(4) AI 에이전트
-
AutoGPT 이후로, 스스로 문제를 분석하고 도구를 호출하며 결과를 요약.
-
“AI가 일하는 동료” 개념의 출발점.
(5) 추론(Reasoning) 강화
-
단순 계산을 넘어서 사고 과정을 개선하는 기술.
-
CoT → ToT → GoT 단계로 발전하며, AI의 “논리력”이 강화됨.
(6) 모델 경량화
-
거대한 모델을 압축·최적화해 스마트폰이나 로컬 환경에서도 구동 가능.
-
Phi 시리즈, AWQ 양자화, Distillation 등이 핵심 키워드.
(7) Mixture of Experts (MoE)
-
특정 입력에 맞는 일부 “전문가 모델”만 활성화하여 효율적으로 처리.
-
Mixtral, DeepSeek-V2, Llama 4 등이 대표 사례.
3. 산업별 확산 흐름
-
제조업: 설비 데이터를 분석해 고장 전 예측(예지보전)
-
금융: 거래 이상 탐지·대출 심사 자동화
-
유통/이커머스: 추천 엔진·가격 최적화
-
의료: AI 진단 보조(Mia, AMIE), 병원 운영 효율화
-
공공·교육: AI 챗봇·맞춤형 학습 플랫폼(DreamBox 등)
→ 공통점은 “데이터 + AI”의 결합이 의사결정 속도와 정확도를 함께 높인다는 점입니다.
4. 지금 중요한 건 ‘활용 전략’
AI 기술은 매달 업데이트되지만, 결국 기업이 성공하려면 “무엇을 적용하고 어떻게 쓰는가”가 핵심입니다.
-
데이터 품질: AI보다 중요한 건 데이터 정합성
-
도구 연결성: Slack, Notion, Teams 등 협업툴에 AI를 통합
-
AI 거버넌스: 보안·윤리·편향 관리 구조 설계
-
효율화 전략: 대형모델과 소형모델의 병행 운영
즉, “AI를 잘 만드는 것”보다 “AI를 잘 쓰는 문화와 시스템”을 만드는 것이 경쟁력입니다.
5. 앞으로의 AI
2025년 현재, AI는 단순히 “질문에 답하는 도구”를 넘어 스스로 이해하고, 계획하고, 협업하는 존재로 나아가고 있습니다.
다음 3년은 이런 변화가 본격화될 시기입니다.
-
LLM → 멀티모달 → 에이전트 → 협업형 AI
-
기술의 중심은 속도보다 정확성, 규모보다 실용성으로 이동
-
기업·개인 모두에게 필요한 건 “AI와 함께 일하는 감각”
ChatGPT는 시작이었다.
진짜 변화는 ‘AI가 생각하고 행동하기 시작한 시점’부터다.
