생성형 AI, LLM, 머신러닝 소식을 짧게 요약하고 다음 학습에 활용할 방법을 전합니다.
가정의 조명 제어 사례처럼, 일부 AI 워크플로는 실제로는 간단한 규칙으로도 처리할 수 있는 작업을 복잡하게 다루기도 합니다. 예시로 제시된 경우는 숫자가 임계값보다 큰지 확인하는 작업이며, 이는 초기 Excel 시절부터 조건문이 처리해 온 일입니다.
ChatGPT는 처음에는 OpenAI의 large language models(LLM)을 보여 주는 챗봇이자 기술 데모로 시작했습니다. 현재는 웹 검색, 이미지 생성, 코드 작성, 복잡한 문제 추론, 여러 앱에 걸친 다단계 작업 실행까지 하는 범용 AI 플랫폼에 더 가깝습니다. OpenAI가 새로운 모델과 기능을 계속 추가하면서, ChatGPT의 작동 방식을 설명하는 일은 점점 더 어려워졌습니다.
ChatGPT는 대화에 강하지만, 실제 업무에서는 채팅 창 밖의 작업까지 이어지기를 원할 때가 많습니다. 예를 들어 연구 결과를 바탕으로 기록을 갱신하거나, 떠오른 아이디어를 메시지로 보내거나, 출력을 다른 곳에 저장할 수 있습니다. 연결 방법은 여러 가지가 있으며, 용어가 혼란스럽고 선택지가 겹쳐서 어떤 방식이 적절한지 바로 알기 어렵습니다.
같은 프롬프트라도 AI는 매번 다른 답을 낼 수 있으며, 이는 확률적 시스템의 특성입니다. 이런 변동성은 브레인스토밍에는 유용하지만, 팀이 일관성과 통제가 필요한 실제 업무에 AI를 넣을 때는 문제가 됩니다. 그래서 많은 기업이 AI만으로 이루어진 흐름을 줄이고 deterministic AI로 방향을 바꾸고 있습니다.
이 글은 ChatGPT를 처음 시작하는 사람을 위해, ChatGPT가 무엇인지와 어떻게 사용하는지, 그리고 어떻게 맞춤 설정하는지를 다룹니다. 또한 연구, 글쓰기, 다른 앱에서의 작업 실행까지 ChatGPT를 활용할 수 있다고 설명합니다.
이 글은 AI 자동화를 소프트웨어가 사람의 일을 대신 처리하도록 만드는 방식으로 설명합니다. 기존의 자동화에 AI가 더해지면서 더 똑똑한 자동화가 가능해졌다고 소개합니다. 또한 AI 자동화가 무엇인지와 이를 구현하는 방법을 실제 팀 사례와 함께 다룰 예정입니다.
브라우저 탭에 ChatGPT를 열어 두고 필요할 때만 묻는 방식은 일회성 요청에는 유용하지만, 반복 업무로는 확장하기 어렵습니다. AI 워크플로 자동화는 AI를 반복 가능한 업무 과정에 넣어 실제 업무 흐름의 일부로 만드는 방식입니다. 예를 들어 메일 초안 작성이나 스프레드시트 수식 설명 같은 작업을 자동화하는 데 활용할 수 있습니다.
최신 소식을 모두 확인했습니다.