제너레이티브 AI는 특히 커뮤니케이션 영역에서 진정한 게임 체인저입니다.이 기술은 기존 정보와 사용자 입력을 기반으로 새로운 콘텐츠를 생성할 수 있기 때문입니다. 이 기술은 대규모 언어 모델(LLM)을 기반으로 하며 ChatGPT, Google Bard, Aleph Alpha와 같은 AI 도구에서 사용됩니다. 다양한 컨텍스트와 차원의 대량의 데이터로 학습된 이러한 머신 러닝(ML) 모델은 이제 복잡한 관계와 종속성을 이해할 수 있습니다.

BMW 전문가인 알렉산더 숄츠에 따르면, 이 기술은 특히 공급망에서 중요한 효율성을 높이는 원동력이기도 합니다. 자동차 산업에서 AI의 이점은 이미 생산 현장에서 체감되고 있습니다. 예를 들어, 스파르탄버그에 위치한 BMW의 미국 공장에서는 차체 공장에서만 AI를 사용하여 연간 100만 달러 이상의 생산 비용을 절감하고 있습니다. 또한 BMW는 이미 사람의 개입 없이 새로운 오프로드 차량을 설계하는 등 차량 설계에 인공지능을 실험하고 있습니다. 신생 기업인 ChargeX도 모듈형 전기차 충전 인프라에 AI 솔루션을 활용하고 있습니다. 이 솔루션은 현장의 여러 전기 자동차 간에 부하를 자동으로 분산하는 데 사용됩니다. "최적의 충전 전략을 개발하는 데 이 솔루션을 사용할 수 있습니다."라고 설립자 겸 CEO인 토비아스 바그너는 말합니다. 하지만 아직은 초기 단계에 불과합니다.

서로 다른 관점에도 불구하고 토론을 통해 많은 공통점도 발견할 수 있었습니다. 예를 들어, 데이터 보안, 민감한 정보 보호, 책임 및 보증 문제 등 AI의 잠재적 위험에 대해 이야기할 때 많은 공통점이 발견되었습니다.

숄츠는 "선제적으로 대응하고 최대한의 투명성을 확보해야 한다"고 강조했습니다. 또한 그는 AI 언어 모델을 책임감 있게 사용하고 직원과 고객 사이에서 AI 사용에 대한 신뢰를 구축하는 것이 중요하다고 덧붙였습니다.

이러한 이유로 BMW는 이미 이 파괴적인 기술을 다루기 위한 윤리적 원칙을 명시한 자체 AI 가이드라인을 발표 했습니다. 여기에는 인간의 통제 없이 AI의 반응에 맹목적 으로 의존하지 않는 것이 포함됩니다.

특히 안전이 중요한 상황에서 AI가 '환각'을 일으키지 않도록 하려면 적절한 학습을 통해 LLM의 결과가 실제로 정확하고 편견이 없음을 보장해야 합니다. 또한, 의심스러운 상황 에서는 항상 사람의 판단이 AI의 판단보다 우선시되어야 합니다.

토비아스 와그너는 최종 사용자 수용의 절대적 필요성이라는 또 다른 측면을 논의의 주제로 가져왔습니다. 그는 운전자는 불투명한 알고리즘에 맡기지 않고 스스로 결정을 내리길 원하기 때문에 자동차 업계는 특히 이 문제에 민감해야 한다고 말했습니다. 그는 이전 버전에서는 과거 데이터와 특정 위치의 현재 상황을 기반으로 전기차를 위한 최적의 충전 프로세스를 자동으로 결정했던 자신의 회사 충전 앱을 예로 들었습니다.

"하지만 사람들은 자신의 특정 상황에 따라 배터리를 얼마나 충전해야 하는지, 충전 시간은 얼마나 걸리는지 스스로 결정하기를 원합니다."라고 그는 ChargeX의 경험을 이야기하며 말했습니다. 그는 AI의 합리적인 제안과 추천은 도움이 되지만 궁극적인 결정은 고객이 내려야 한다고 말했습니다.

뮌헨에서 열린 마스터클래스에서는 자동차 산업에서 제너레이티브 AI를 사용하는 데 있어 또 다른 주요 이슈에 대해서도 논의했습니다: 바로 데이터의 수집과 구조화, 그리고 그 품질입니다. 아무리 좋은 분석 도구도 양질의 데이터가 없으면 무용지물이며, 데이터가 부실하면 아무리 좋은 AI도 쓸모없는 답을 제공할 수밖에 없다는 점을 지적했습니다.

반면에 고객 여정의 모든 접점에서 관련 정보를 수집하고 분석하면, 예를 들어 고객이 선호하는 채널을 통해 맞춤형 제안을 보낼 수 있습니다. 하지만 이를 위해서는 고객의 동의가 필요합니다.

패널들은 제너레이티브 AI가 수신자의 현재 상황에 맞는 개인화된 마케팅을 위한 이상적인 도구라는 데 동의했습니다. 고객과 관련성이 높은 1:1 캠페인을 자동화하여 더 나은 결과를 도출할 수 있는 훌륭한 방법이기 때문입니다.