생성형 AI와의 협업을 위한 인간 참여형(Human-In-The-Loop) 접근 방식

*이 콘텐츠는 AI 번역 도구를 사용하여 번역되었습니다. 정확성을 기하기 위해 노력하고 있으나, 자동 번역에는 오류나 누락이 포함될 수 있습니다. 정확한 정보는 영문 원본을 참고해 주시기 바랍니다.

생성형 AI는 복잡한 계산을 수행하고 방대한 양의 정보를 통합하는 데 능숙합니다. 동영상을 생성하거나, 블로그 게시물을 작성하거나, 바이브 코드를 개발하는 데도 도움이 될 수 있습니다. 하지만 인간은 생성형 AI가 복제할 수 없는 고유한 전문성과 경험을 가지고 있기 때문에 AI를 안내하고 감독하기 위해서는 여전히 인간의 입력이 중요합니다. 인간과 머신의 지능을 결합하는 한 가지 방법은 '인간 참여형(Human-In-The-Loop)' 접근 방식을 사용하는 것입니다.

인간 참여형(Human-in-the-loop)이란 주제에 대한 지식, 상황에 대한 이해, 전문적인 판단을 바탕으로 AI와 협업함으로써 출력을 개선하고 생성형 AI의 데이터 수집 및 생성 잠재력을 활용하는 방식을 말합니다. 이 접근 방식은 우리가 사용하는 생성형 AI 도구의 개발에도 사용됩니다. 사람들은 AI 모델과 협업하여 모델을 학습시키고 시간이 지남에 따라 성능을 테스트합니다. 그리고 인간만이 가진 전문성을 적용하여 AI 모델이 복잡한 안전 가이드라인을 해석하는 방식을 미세 조정합니다. 이러한 모델을 실제 상황의 미묘한 차이에 따라 평가함으로써 기술이 모든 상호작용에서 일관되게 유용하고 신뢰할 수 있도록 보장합니다.

인간 참여형(Human-In-The-Loop) 접근 방식은 품질, 생산성, 안정성 측면에서 인간과 AI의 협업이 가져다주는 이점을 극대화하고 두 가지의 장점을 결합하여 작업을 완료하고 목표를 달성할 수 있도록 도와줍니다.

작동 방식

인간 참여형(Human-In-The-Loop)은 새로운 용어처럼 보일 수 있지만, 이미 수십여 년의 오랜 역사를 가지고 있으며, 초기의 AI 자동화 시스템의 맥락에서 처음 사용되었습니다. 비행기의 자동 조종 장치를 예로 들 수 있습니다. 이 장치는 수십 개의 센서와 신호에서 수집한 데이터 포인트를 사용하여 비행기가 경로를 유지하도록 돕습니다. 하지만 최종 결정권은 갖는 것은 아니죠.

센서가 고장 나거나 시스템이 오작동하거나 특히 까다로운 기동이 필요한 경우에는 항상 숙련되고 주의 깊은 조종사가 조종합니다. 기술과 인간 각각의 강점을 모두 활용하는 이 접근 방식은 안전망을 유지하는 동시에 사람의 업무 부담을 줄여줍니다.

잠재적 영향 측정

오늘날 사람들은 매일 이메일을 다듬는 일부터 법률 계약 검토와 암 연구에 이르기까지 다양한 업무에 생성형 AI를 활용하고 있습니다. 그리고 모든 출력을 처음부터 끝까지 검토할 필요는 없습니다.

대신 출력이 어떤 영향을 미칠지 고려하고 그 목적에 가장 중요한 요소에 맞춰 검토 수준을 조정하는 것이 도움이 됩니다. 다음과 같은 기준을 고려해 볼 수 있습니다.

• 위험도. 어떤 결정은 위험도가 낮아 비교적 낮은 수준의 감독만으로 충분할 수 있습니다. 하지만 되돌릴 수 없는 결정이거나 많은 자원이 투입되는 사안이라면 보다 철저한 검토가 필요합니다.
• 규모. 작은 부분이라도 많은 사람에게 영향을 미칠 수 있는 결정이라면 보다 면밀하고 철저한 검토를 거치는 것이 좋습니다.

중요한 지식을 식별하고 적합한 사람 찾기

배에 항해사가 필요하듯, 인간 참여형(Human-In-The-Loop) 접근 방식은 AI가 언제나 전문가의 판단에 따라 올바른 방향으로 작동하도록 보장합니다.

훌륭한 검토자는 다음과 같은 역량을 갖추고 있어야 합니다.

• 작업의 맥락을 이해합니다.
• 입력의 정확성을 보증할 수 있습니다.
• 출력이 어떻게 활용될지 알고 있습니다.
• 새로운 과제나 문제에 대한 논리/접근 방식을 검증할 수 있습니다.

인간은 불확실성에 대처하는 데 더 적합하기 때문에 적절한 인간 참여형(Human In The Loop) 접근 방식은 AI 출력을 사용하는 방법을 결정할 때 잠재적인 지식 격차까지 고려할 수 있습니다. 많은 경우 AI의 도움을 받아 출력을 생성한 사람이 그 검토 역할까지 수행할 수 있습니다.

다음은 몇 가지 샘플 가이드라인입니다.

시너지 효과

인간 참여형(Human-In-The-Loop) 접근 방식은 인간과 AI의 파트너십을 활용하여 인간의 전문성과 AI의 데이터 처리 능력을 최대한 활용합니다. 이러한 협업 접근 방식은 출력의 정확성, 품질, 활용도를 높이는 데 도움이 됩니다. 이는 인간 작업자에게도 이점이 있습니다. AI를 효과적으로 활용하면 중요도가 낮지만 시간이 많이 드는 작업에 에너지를 쏟을 필요가 없습니다. 또한 인간 참여형(Human-In-The-Loop) 접근 방식을 적용하면 언제나 통제권은 자신에게 있다는 확신을 가지고 AI 지원 워크플로를 자유롭게 구축할 수 있습니다.