내 손안의 AI 비서들: 멀티 LLM 활용기
안녕하세요. AI Korea 뉴스레터 구독자 여러분 Solo AI Lab의 Sai 입니다. 오늘은 특별한 뉴스레터를 써보려고 하는데요. 데이터 분석 및 연구자, 완전히 바꿔놓은 놀라운 경험에 대해 이야기해보려고 해요. 바로 여러 개의 AI 언어 모델을 동시에 활용하는 '멀티 LLM' 사용기예요.
"LLM이 뭐예요?" 하고 궁금해하시는 분들이 계실 것 같네요. LLM은 'Large Language Model'의 줄임말로, 요즘 유행하는 ChatGPT 같은 생성형 AI 언어 모델을 말해요. 이 모델들은 우리의 질문에 답하고, 글을 작성하고, 심지어 코드도 짜주는 만능 비서같은 존재죠.
근데, 한 명의 비서도 좋지만, 여러 명의 전문가 비서가 있다면 어떨까요? 바로 그게 제가 경험한 '멀티 LLM' 활용법이에요. SKT가 자체 개발한 AX, ChatGPT, Claude, Perplexity 이 네 가지 AI를 마치 서로 다른 전문성을 가진 비서처럼 활용하는 거예요. A.은 이 모든 것을 활용할 수 있습니다.
처음에는 "아, 이거 너무 복잡하지 않을까?" 하는 생각이 드실수 있어요. 그런데 막상 사용해보니, 마치 전문가 그룹을 두고 일 하는 것 같은 느낌을 받으실거에요! 각자의 강점을 살려 문제를 해결하는 활용법을 경험하시면 여러분들도 유용하게 생각하실거라 생각합니다.
에이닷의 멀티 LLM은 크게 4가지로 각각의 장점은 다음과 같습니다.
AX - SKT 기본 LLM 모델
Chat GPT - 창의적 문제 해결 가능한 고급 언어 처리 모델
Claude 3는 복잡한 워크플로우와 데이터 분석, 코딩 가능한 모델
Perplexity는 실시간 검색결과와 출처 제공
이제부터 제가 이 네 가지 AI 비서를 데이터분석과 교육자, 연구원의 역할로 어떻게 활용했는지, 그리고 그 과정에서 어떤 놀라운 경험을 했는지 사용기를 적어보겠습니다.
멀티 LLM 사례 1 - 서울시 대중교통 개선을 위한 연구
먼저 서울시 대중교통 개선을 위해 다양한 정보를 A.의 멀티 LLM기능을 통해 구현해볼텐데요. Chat GPT, Claude 3, Perplexity를 활용하여 구현하려고 합니다.
가장 유명한 Chat GPT를 가지고, 처음 수행을 하려고 합니다.
그러나 Chat GPT 4o는 A.에서 실시간 웹 검색을 수행하지 못하는 것을 볼 수 있습니다. Chat GPT의 역할은 창의적인 아이디어를 제공한 언어모델이기 때문인데요. 그렇기 때문에 상황에 맞게 멀티 LLM 에이전트에서 필요한 LLM을 잘 선택하셔야합니다.
그래서 웹검색이 가능하다고 설명되어있는 Perplexity를 활용해 동일한 질문을 해보겠습니다.
그러면 Perplexity는 관련 사진 자료, 글을 적어주고, 그 글에 대한 출처까지 제시하는 것을 볼 수 있습니다. 뉴스 기사를 토대로 글을 정리해주고, 마지막에 있는 3이라는 숫자를 누르면 바로 관련 사이트로 옮겨서 정리된 내용과 원문이 동일함을 확인 할 수 있습니다. 사실 이러한 정보에는 출처가 중요한데 바로바로 찾아주니 너무 편했습니다.
이렇게 출처가 명확한 정보를 제공받으니 좋지 않나요? 기존에는 구글이나 네이버에 검색을 야만했지만 이렇게 정보요약에 출처까지 제공해주니 편했습니다. 그러면 여기에 따른 대중교통이용 개선에 대한 아이디어가 필요한데요. 이중 창의적인 내용을 잘 작성하는 Chat GPT 4o에게 질문을 해보도록 하겠습니다.
Chat GPT는 정확하게 3가지를 추천하고, 위의 내용에 맞게 첫번째로는 주말 및 공휴일에 대한 맞춤형 대중교통 서비스를 적절하게 추천해주고,
실시간 혼잡도 정보 제공 시스템, 대중교통 연계 서비스 강화 등 실제로 구현가능한 아이디어를 추천해주는 것을 볼 수 있습니다. 이러한 기획은 실제로는 쉽지 않지만 Chat GPT가 시의적절한 아이디어를 제공해주니 편하고 좋았습니다.
그럼 이런 아이디어를 기반으로 정리를 잘 해야하는데요. 멀티 LLM 중 가장 글을 잘 쓰는 LLM은 Claude라는 LLM입니다. 이 중 Claude 3 Opus를 활용해서 데이터 분석 보고서를 작성해보겠습니다. 이러한 데이터 분석 보고서는 내용도 중요하지만 맥락과 구성이 중요한데요.
다음과 같이 10초도 안걸리는 시간에 보고서 하나가 뚝딱 작성되는 것을 볼 수 있습니다.
처음에 배경 및 목적부터 필요한 데이터, 분석 방법, 예상 결과, 기대효과까지 간단하지만 데이터 분석 체계를 정확히 파악하고, 적절한 분석보고서를 적어주는 것을 확인했습니다.
그러면 분석보고서에 맞게 코드를 구현하려면 어떻게 해야할까요? 기존에는 이러한 구현을 위해 교육을 듣고 배우거나 다양한 검색을 통해 비슷한 사례를 찾아야 했는데요. A.을 사용하면 걱정하실 필요가 없습니다. Claude가 가장 잘하는 것 중에 하나가 바로 데이터 분석과 코딩인데요. 다음을 보시면 위에서 제시한 내용을 바로 코드로 구현하는 것을 볼 수 있습니다.
먼저 위에서 제시한 데이터 분석 방법론을 그대로 차용해서 다시 정리하고, 그에 따라 데이터 로드 및 전처리 , 기술 통계 분석, 시각화, 가설검정 등을 수행하는 코드를 작성해주고, 그에 따라 실시간 혼잡도 정보 제공 시스템을 구현할 수 있음을 알려줍니다.
현재 A.에서는 데이터를 추가할 수가 없기 때문에 이 샘플 데이터를 가지고, 여러분들이 관심있어하는 공공데이터를 가져다가 분석을 하면 멋진 결과가 도출될수 있겠죠?
결론: 멀티 LLM으로 경험하는 새로운 연구 패러다임
우리는 지금까지 A.의 멀티 LLM 기능을 활용하여 서울시 대중교통 개선이라는 하나의 프로젝트를 진행해보았습니다. 이 과정에서 우리는 단순히 AI를 사용한 것이 아니라, 각기 다른 특성을 가진 멀티 LLM을 활용하여 LLM끼리 협업하는 새로운 연구 패러다임을 경험했습니다.
- 정보의 신뢰성과 효율성: Perplexity를 통해 우리는 최신 데이터와 뉴스를 신속하게 얻었으며, 동시에 그 출처까지 확인할 수 있었습니다. 이는 연구의 기반이 되는 정보의 신뢰성을 높이고, 정보 수집 시간을 대폭 줄여주었습니다.
- 창의적 문제 해결: ChatGPT의 도움으로 우리는 수집된 정보를 바탕으로 실현 가능한 창의적인 해결책을 도출할 수 있었습니다. 이는 연구자들이 기존의 틀을 벗어나 새로운 관점에서 문제를 바라볼 수 있게 해줍니다.
- 체계적인 분석과 보고: Claude 3의 능력을 통해 우리는 아이디어를 체계적인 연구 계획으로 발전시키고, 이를 바탕으로 코드까지 구현할 수 있었습니다. 이는 아이디어에서 실제 구현까지의 과정을 크게 단축시켜줍니다.
이러한 경험을 통해 우리는 멀티 LLM의 진정한 가치를 발견할 수 있었습니다. 그것은 바로 '통합적 지능'입니다. 각 AI의 강점을 조화롭게 활용함으로써, 우리는 인간 연구자의 직관과 AI의 데이터 처리 능력을 결합한 새로운 차원의 연구 방법론을 만들어낼 수 있습니다.
하지만 이 과정에서 우리가 잊지 말아야 할 점이 있습니다:
- 비판적 사고의 중요성: AI는 우리의 조력자이지 대체자가 아닙니다. 제공된 정보와 제안을 항상 비판적으로 검토하고, 우리의 전문성과 경험을 바탕으로 판단해야 합니다.
- 윤리적 고려: AI의 활용이 증가할수록 데이터 프라이버시, 알고리즘 편향성 등의 윤리적 문제에 더욱 주의를 기울여야 합니다.
- 지속적인 학습: AI 기술은 빠르게 발전하고 있습니다. 연구자로서 우리는 이러한 도구들의 최신 기능과 한계를 지속적으로 학습하고 이해해야 합니다.
결론적으로, 멀티 LLM의 활용은 연구자, 교육자, 데이터 분석가들에게 새로운 지평을 열어줍니다. 이는 단순히 작업의 효율성을 높이는 것을 넘어, 우리가 문제를 바라보고 해결하는 방식 자체를 변화시킬 수 있는 잠재력을 가지고 있습니다. A.와 같은 플랫폼을 통해 우리는 이제 여러 AI 전문가와 동시에 협업하는 경험을 할 수 있게 되었습니다.
이러한 도구를 현명하게 활용한다면, 우리는 더 빠르고, 더 깊이 있으며, 더 혁신적인 연구 결과를 만들어낼 수 있을 것입니다. 멀티 LLM의 시대, 이제 우리의 연구와 학습은 어떻게 진화해 나갈지 기대가 됩니다.
이제 나만의 AI 개인비서 에이닷을 만날 준비 되셨나요?
지금 바로 확인해보세요!
[저자 관련 정보]
이름 : 김진환 / 이메일 주소 : happydata1510@gmail.com
소속 : 주식회사 위니브 데이터 Lead / 고려대학교 빅데이터사이언스학부 겸임교수, 경제통계학 박사수료
