기업은 데이터라는 혁신에 필수적인 금광에 앉아 있을 수 있습니다. 하지만 민감한 정보를 잠재적인 서드파티 소프트웨어 공급업체와 공유하거나 AI 학습에 사용하는 등 데이터를 안전하게 활용하는 것은 매우 까다로운 부분입니다. 철저한 데이터 규정 준수와 기술 혁신 사이의 대립을 끝내기 위해 비교적 새로운 엔터프라이즈 솔루션, 즉 인위적으로 생성되었지만 실제 데이터 세트를 기반으로 하는 합성 데이터로 전환하고 있는 기업이 점점 더 많아지고 있습니다.

합성 데이터를 개발하기 위해, 거의 모든 소스의 정보를 분석하여 구조와 패턴을 감지한 다음, 원본의 핵심 특성을 모방한 새로운 데이터 세트를 만들기 위한 기초로 사용합니다. 특히 거대 언어 모델(LLM)은 보다 사실적인 합성 데이터를 생성하는 데 탁월한데요, 그러나 현실적이라고 해서 항상 신뢰할 수 있는 것은 아니므로 개인 정보를 보호하면서 동시에 통계적인 정확성을 보장하려면 적절한 솔루션과 검증이 필요합니다. 책임감 있는 AI 원칙을 엄격하게 적용하는 것이 중요합니다.

어떤 비즈니스 문제를 누구를 위해 해결할 수 있는가?

비즈니스 의사결정에 정보를 제공할 수 있는 방식으로 관련 데이터를 식별, 수집, 구조화하는 작업은 시간과 비용이 많이 들고 잠재적으로 위험할 수 있습니다. 합성 데이터는 근본적인 출처와 민감한 정보를 노출하지 않고도 앞으로 나아갈 방향성을 제시하는 명확한 인상을 줄 수 있습니다.

거의 모든 비즈니스에서 합성 데이터의 잠재적 활용 가능성이 있으며, CIO, CTO, CISO 및 연구 개발, 데이터 및 분석, 법무 및 규정 준수, 마케팅 및 영업 부서는 이미 그 옵션을 검토하고 있을 것입니다. 특히 헬스케어, 제약 및 생명 과학, 금융 서비스 등 데이터 개인정보 보호 및 액세스 문제를 다루는 산업에서 가장 큰 혜택을 볼 수 있을 것으로 보입니다.

어떻게 가치를 창출하나요?

합성 데이터는 기존의 데이터 수집 및 큐레이션 방법보다 방대한 양의 데이터에 더 저렴하고 빠르게 액세스할 수 있는 방법입니다. 즉, 머신러닝 모델과 AI 학습의 기반이 되어 모든 산업의 데이터 기반 혁신을 가속화할 수 있는 잠재력을 지니고 있습니다. 이는 결국 새로운 제품, 서비스, 업무 방식의 개발을 가능하게 하여 몇 년 전 우리 모두를 흥분시켰던 ‘빅 데이터’의 약속을 실현할 수 있게 해줍니다.

합성 데이터는 비용 절감 외에도 데이터 소싱의 병목 현상을 제거하여 혁신 주기를 근본적으로 변화시킵니다. 기존의 R&D 프로세스는 충분한 실제 데이터 수집을 기다리는 동안 중단되는 경우가 많았지만, 합성 데이터는 신속한 실험과 반복을 가능하게 합니다.

합성 데이터는 이미 많은 산업 분야에서 사용되고 있습니다. Amazon은 음성 패턴, 구문 및 의미에 대한 합성 데이터를 사용하여 Alexa 가상 비서의 다국어 음성 인식을 개선했습니다. 영국 국민건강서비스(NHS)는 사고 및 응급(A&E) 치료를 위한 환자 입원에 대한 실제 데이터를 통계적으로 유사하지만 익명화된 오픈 소스 데이터 세트로 변환하여 NHS 의료 기관이 환자 및 의료 제공자의 요구를 더 잘 이해하고 충족할 수 있도록 지원했습니다. 이러한 종류의 의료 데이터는 알파벳과 미국 보험회사 Anthem에서도 보험 사기 탐지를 개선하는 데 활용되었습니다.

이제 단순히 정적인 속성을 복제하는 것이 아니라 행동을 시뮬레이션하는 진정한 의미의 동적인 디지털 트윈을 비롯한 더 진보된 애플리케이션이 등장하고 있습니다. 이러한 시뮬레이션을 통해 현실 세계에서는 위험하거나 비용이 많이 들거나 불가능한 환경에서도 테스트할 수 있습니다. AI 데이터 플라이휠 효과도 있습니다. 딥시크의 R1 모델에서 볼 수 있듯이 AI는 확장 가능한 사실적인 합성 데이터를 생성하여 고급 모델을 재귀적으로 학습하고 기능을 기하급수적으로 가속화합니다.

어떤 위험이 있는가?

합성 데이터는 아직 비교적 초기 단계의 기술이며, 다른 인위적인 생성 정보와 마찬가지로 입력과 알고리즘만큼만 좋은 결과를 얻을 수 있습니다. 소스 데이터의 이상값과 이상값이 증폭되거나 아예 손실될 수 있으며, 어느 쪽이든 최종 결과물이 대체하려는 실제 데이터를 덜 대표하게 됩니다. 또한 합성 데이터 세트는 실수로 원본 데이터의 일부 개인 식별 정보를 보유할 수 있으며, 이는 사람들의 개인 정보를 침해하고 데이터를 사용하는 조직을 법적 조치에 노출시킬 수 있습니다.

생성형 AI는 파운데이션 모델의 이상 징후를 인식하지 못하고 통계적으로 그럴듯해 보이지만 실제 데이터에 의해 뒷받침되지 않는 결론을 도출하는 경우 잘못된 정보를 ‘환각’할 위험이 있는 것으로 알려져 있습니다. 그러면 이러한 착각으로 생성된 모든 합성 데이터 세트가 환각으로 인한 영향을 받게 됩니다. 이러한 현상으로 인해 합성 데이터의 확산으로 인해 시간이 지남에 따라 피드백 루프가 발생하여 AI가 생성한 정보의 신뢰성이 떨어질 수 있다고 우려하는 사람들도 있습니다.

문화적, 사회적 영향

합성 데이터 생성이 가속화되면서 인공적으로 생성된 콘텐츠가 인간이 만든 정보를 훨씬 앞지르는 시대가 곧 도래할 가능성도 있는데요, 이러한 변화는 AI가 점점 더 우리의 정보 환경을 형성하면서 문화와 담론에 대한 생각을 자극하는 질문을 제기하게 됩니다.

식량 생산의 산업화는 전례 없는 풍요를 가져왔지만 의도하지 않은 결과를 초래하여 결국 더 신중한 소비를 요구하게 되었는데요, 이와 마찬가지로, 오늘 날 중요한 시그널과 거짓된 노이즈를 구별하는 능력이 가장 중요해지는 ‘데이터의 홍수’라는 문제에 직면하게 될 것입니다. 오늘날 소셜 플랫폼에서 AI가 생성한 콘텐츠는 이미 인간 크리에이터 없이도 놀라운 참여도를 달성하고 있죠.

앞으로의 가장 큰 과제는 더 많은 데이터를 생성하는 것이 아니라 합성 정보의 바다에서 진정으로 가치 있는 것을 식별하는 데 도움이 되는 정교한 ‘데이터 다이어트'(양이 아닌 데이터 검증, 필터링 및 수정)를 개발하는 것이 될 것입니다.