하버드 비즈니스 스쿨과 보스턴 컨설팅이 758명의 컨설턴트를 대상으로 실험한 연구결과가 공개되었는데 재미있네요.
AI를 사용하는 경우와 AI 도움 없는 경우를 비교했는데, AI 기능 범위 내에서 18가지 현실적인 컨설팅 작업 세트 각각에 대해 AI를 사용하는 컨설턴트는 훨씬 더 생산적이었고(평균 12.2% 더 많은 작업을 완료하고 25.1% 더 빨리 작업을 완료했습니다) 훨씬 더 높은 품질의 결과를 산출했습니다. (대조군 대비 품질이 40% 이상 높음) 기술 분포 전반에 걸쳐 컨설턴트는 AI 증강을 통해 상당한 이점을 얻었으며, 평균 성과 임계값보다 낮은 컨설턴트는 자신의 점수에 비해 43% 증가하고 그 이상인 컨설턴트는 17% 증가했습니다.
그러나 경계 외부에 있는 것으로 선택된 작업의 경우 AI를 사용하는 컨설턴트는 AI를 사용하지 않는 컨설턴트에 비해 올바른 솔루션을 생성할 가능성이 19% 포인트 낮았습니다.
제목:
Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality
요약:
LLM(대형 언어 모델)의 공개 출시는 인간이 인공 지능(AI)을 사용하여 다양한 작업을 수행하는 방법에 대한 엄청난 관심을 불러일으켰습니다. 글로벌 경영 컨설팅 회사인 보스턴 컨설팅 그룹(Boston Consulting Group)과 함께 실시한 연구에서 우리는 현실적이고 복잡하며 지식 집약적인 작업에 대한 AI의 성능 영향을 조사했습니다. 사전 등록된 실험에는 회사의 개별 기여자 수준 컨설턴트의 약 7%로 구성된 758명의 컨설턴트가 참여했습니다. 유사한 작업에 대한 성능 기준을 설정한 후 피험자는 AI 액세스 없음, GPT-4 AI 액세스 또는 신속한 엔지니어링 개요와 함께 GPT-4 AI 액세스의 세 가지 조건 중 하나에 무작위로 할당되었습니다. 우리는 AI의 능력이 일부 작업은 AI로 쉽게 수행하는 반면 다른 작업은 쉽게 수행할 수 있는 "불균일한 기술 영역"을 창출한다고 제안합니다. 난이도가 비슷해 보이지만 현재 AI의 능력을 벗어납니다. AI 기능 범위 내에서 18가지 현실적인 컨설팅 작업 세트 각각에 대해 AI를 사용하는 컨설턴트는 훨씬 더 생산적이었고(평균 12.2% 더 많은 작업을 완료하고 25.1% 더 빨리 작업을 완료했습니다) 훨씬 더 높은 품질의 결과를 산출했습니다. (대조군 대비 품질이 40% 이상 높음) 기술 분포 전반에 걸쳐 컨설턴트는 AI 증강을 통해 상당한 이점을 얻었으며, 평균 성과 임계값보다 낮은 컨설턴트는 자신의 점수에 비해 43% 증가하고 그 이상인 컨설턴트는 17% 증가했습니다. 그러나 경계 외부에 있는 것으로 선택된 작업의 경우 AI를 사용하는 컨설턴트는 AI를 사용하지 않는 컨설턴트에 비해 올바른 솔루션을 생성할 가능성이 19% 포인트 낮았습니다. 더 나아가, 우리의 분석은 인간-AI 통합의 스펙트럼을 따라 인간이 AI를 성공적으로 사용하는 두 가지 독특한 패턴의 출현을 보여줍니다. 한 세트의 컨설턴트는 신화 속의 반마/반인 생물처럼 "켄타우로스" 역할을 하며 솔루션 생성 활동을 AI 또는 그들 자신에게 나누어 위임했습니다. 또 다른 컨설턴트 그룹은 작업 흐름을 AI와 완전히 통합하고 기술과 지속적으로 상호 작용하는 "사이보그"처럼 행동했습니다.
출처: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4573321
AI를 사용하는 경우와 AI 도움 없는 경우를 비교했는데, AI 기능 범위 내에서 18가지 현실적인 컨설팅 작업 세트 각각에 대해 AI를 사용하는 컨설턴트는 훨씬 더 생산적이었고(평균 12.2% 더 많은 작업을 완료하고 25.1% 더 빨리 작업을 완료했습니다) 훨씬 더 높은 품질의 결과를 산출했습니다. (대조군 대비 품질이 40% 이상 높음) 기술 분포 전반에 걸쳐 컨설턴트는 AI 증강을 통해 상당한 이점을 얻었으며, 평균 성과 임계값보다 낮은 컨설턴트는 자신의 점수에 비해 43% 증가하고 그 이상인 컨설턴트는 17% 증가했습니다.
그러나 경계 외부에 있는 것으로 선택된 작업의 경우 AI를 사용하는 컨설턴트는 AI를 사용하지 않는 컨설턴트에 비해 올바른 솔루션을 생성할 가능성이 19% 포인트 낮았습니다.
제목:
Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality
요약:
LLM(대형 언어 모델)의 공개 출시는 인간이 인공 지능(AI)을 사용하여 다양한 작업을 수행하는 방법에 대한 엄청난 관심을 불러일으켰습니다. 글로벌 경영 컨설팅 회사인 보스턴 컨설팅 그룹(Boston Consulting Group)과 함께 실시한 연구에서 우리는 현실적이고 복잡하며 지식 집약적인 작업에 대한 AI의 성능 영향을 조사했습니다. 사전 등록된 실험에는 회사의 개별 기여자 수준 컨설턴트의 약 7%로 구성된 758명의 컨설턴트가 참여했습니다. 유사한 작업에 대한 성능 기준을 설정한 후 피험자는 AI 액세스 없음, GPT-4 AI 액세스 또는 신속한 엔지니어링 개요와 함께 GPT-4 AI 액세스의 세 가지 조건 중 하나에 무작위로 할당되었습니다. 우리는 AI의 능력이 일부 작업은 AI로 쉽게 수행하는 반면 다른 작업은 쉽게 수행할 수 있는 "불균일한 기술 영역"을 창출한다고 제안합니다. 난이도가 비슷해 보이지만 현재 AI의 능력을 벗어납니다. AI 기능 범위 내에서 18가지 현실적인 컨설팅 작업 세트 각각에 대해 AI를 사용하는 컨설턴트는 훨씬 더 생산적이었고(평균 12.2% 더 많은 작업을 완료하고 25.1% 더 빨리 작업을 완료했습니다) 훨씬 더 높은 품질의 결과를 산출했습니다. (대조군 대비 품질이 40% 이상 높음) 기술 분포 전반에 걸쳐 컨설턴트는 AI 증강을 통해 상당한 이점을 얻었으며, 평균 성과 임계값보다 낮은 컨설턴트는 자신의 점수에 비해 43% 증가하고 그 이상인 컨설턴트는 17% 증가했습니다. 그러나 경계 외부에 있는 것으로 선택된 작업의 경우 AI를 사용하는 컨설턴트는 AI를 사용하지 않는 컨설턴트에 비해 올바른 솔루션을 생성할 가능성이 19% 포인트 낮았습니다. 더 나아가, 우리의 분석은 인간-AI 통합의 스펙트럼을 따라 인간이 AI를 성공적으로 사용하는 두 가지 독특한 패턴의 출현을 보여줍니다. 한 세트의 컨설턴트는 신화 속의 반마/반인 생물처럼 "켄타우로스" 역할을 하며 솔루션 생성 활동을 AI 또는 그들 자신에게 나누어 위임했습니다. 또 다른 컨설턴트 그룹은 작업 흐름을 AI와 완전히 통합하고 기술과 지속적으로 상호 작용하는 "사이보그"처럼 행동했습니다.
출처: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4573321
Ssrn
Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity…
The public release of Large Language Models (LLMs) has sparked tremendous
interest in how humans will use Artificial Intelligence (AI) to accomplish a variet
interest in how humans will use Artificial Intelligence (AI) to accomplish a variet
Forwarded from 전종현의 인사이트
로블록스 AI 모습인데, 이런거 보면 AI+AR 조합은 강력하다라는걸 다시한번 느낀다
https://x.com/rowancheung/status/1701626833970794989?s=20
https://x.com/rowancheung/status/1701626833970794989?s=20
https://www.math.cmu.edu/~jmackey/151_128/bws_book.pdf
A Guided Journey Into the World of Abstract Mathematics and the Writing of Proofs
A Guided Journey Into the World of Abstract Mathematics and the Writing of Proofs
🪖유럽서 국방 AI 유니콘 나왔다 ‘헬싱’
왜 중요한가:
양적긴축 정책으로 글로벌 유동성이 고갈되고 있지만, AI 분야에 대한 투자는 계속되고 있습니다.
리서치 회사 CB인사이츠에 따르면 2023년은 생성형 AI 스타트업 투자에 있어 기록적인 한 해가 될 전망입니다. 2분기(6월 30일) 기준 141억달러 규모의 투자를 기록, 이미 2022년 전체 투자액(25억달러)의 다섯 배를 훌쩍 넘겼습니다. 유럽 국방 AI 스타트업 ‘헬싱(Helsing)’의 유니콘 등극 역시 이런 추세를 반영한 사례라고 할 수 있습니다.
핵심 요약:
1. 독일의 방위 AI 스타트업 헬싱은 14일(현지시각) 2억9000만유로(약 4120억원) 규모의 시리즈 B 투자 유치를 마무리했다고 밝혔습니다. 이번 투자 유치로 헬싱의 투자 후 기업가치는 17억유로(약 2조4250억원)에 도달, 유럽 최대 AI 기업이 됐습니다.
2. 투자에는 스포티파이 창업자 다니엘 에크가 참여했으며 매사추세츠주 케임브리지에 본사를 둔 벤처캐피털 제너럴 카탈리스트가 투자를 리드했습니다. 스웨덴 중공업 및 방위산업 그룹인 사브(SAAB)가 전략적 투자자로 참여한 것도 특징입니다.
3. 헬싱은 AI 기술, 소프트웨어를 통해 전자전(전자장비 무력화)에 특화된 보안 기술을 제공하는 업체입니다. 창업자인 군버트 셰르프(Gundbert Scherf)는 “민주주의의 가치를 수호하기 위해서는 AI가 필수적이라고 믿는다”고 했습니다.
인사이트 한 스푼:
헬싱의 유니콘 등극은 다양한 글로벌 산업 영역에서 AI의 중요성이 커지고 있다는 걸 보여줍니다. 특히 기술에 의해 승패가 좌우되는 안보 분야에서는 첨단 기술 활용이 필수적입니다.
헬싱에 따르면 독일 정부는 2023년 6월 곧 출시될 전투기 ‘유로파이터’ 신형에 적용되는 AI 기반 전자전 기능을 제공할 업체로 헬싱과 사브를 선정했습니다. 8월에는 미래 전투 항공 시스템(FCAS) 프로그램을 위한 AI 백본 공급 계약을 따내기도 했습니다.
2022년부터는 우크라이나 전쟁에 투입돼 최전선에서의 작전을 위한 역량과 기술 제공하고 있기도 합니다.
왜 중요한가:
양적긴축 정책으로 글로벌 유동성이 고갈되고 있지만, AI 분야에 대한 투자는 계속되고 있습니다.
리서치 회사 CB인사이츠에 따르면 2023년은 생성형 AI 스타트업 투자에 있어 기록적인 한 해가 될 전망입니다. 2분기(6월 30일) 기준 141억달러 규모의 투자를 기록, 이미 2022년 전체 투자액(25억달러)의 다섯 배를 훌쩍 넘겼습니다. 유럽 국방 AI 스타트업 ‘헬싱(Helsing)’의 유니콘 등극 역시 이런 추세를 반영한 사례라고 할 수 있습니다.
핵심 요약:
1. 독일의 방위 AI 스타트업 헬싱은 14일(현지시각) 2억9000만유로(약 4120억원) 규모의 시리즈 B 투자 유치를 마무리했다고 밝혔습니다. 이번 투자 유치로 헬싱의 투자 후 기업가치는 17억유로(약 2조4250억원)에 도달, 유럽 최대 AI 기업이 됐습니다.
2. 투자에는 스포티파이 창업자 다니엘 에크가 참여했으며 매사추세츠주 케임브리지에 본사를 둔 벤처캐피털 제너럴 카탈리스트가 투자를 리드했습니다. 스웨덴 중공업 및 방위산업 그룹인 사브(SAAB)가 전략적 투자자로 참여한 것도 특징입니다.
3. 헬싱은 AI 기술, 소프트웨어를 통해 전자전(전자장비 무력화)에 특화된 보안 기술을 제공하는 업체입니다. 창업자인 군버트 셰르프(Gundbert Scherf)는 “민주주의의 가치를 수호하기 위해서는 AI가 필수적이라고 믿는다”고 했습니다.
인사이트 한 스푼:
헬싱의 유니콘 등극은 다양한 글로벌 산업 영역에서 AI의 중요성이 커지고 있다는 걸 보여줍니다. 특히 기술에 의해 승패가 좌우되는 안보 분야에서는 첨단 기술 활용이 필수적입니다.
헬싱에 따르면 독일 정부는 2023년 6월 곧 출시될 전투기 ‘유로파이터’ 신형에 적용되는 AI 기반 전자전 기능을 제공할 업체로 헬싱과 사브를 선정했습니다. 8월에는 미래 전투 항공 시스템(FCAS) 프로그램을 위한 AI 백본 공급 계약을 따내기도 했습니다.
2022년부터는 우크라이나 전쟁에 투입돼 최전선에서의 작전을 위한 역량과 기술 제공하고 있기도 합니다.
AI 서비스들에 대한 수익화를 고민하고 있는 이 시점에서 많은 인사이트를 주는 글 같습니다!
인상깊게 읽어서 긴 글의 내용을 조금 요약해 보았습니다. 주옥 같은 글귀가 많아서 대부분은 문장 그대로 가져왔습니다.
https://twocents.hur.xyz/p/two-cents-64-generative-ai
지금의 AI 시장을 보는 관점
- 초기에 성공하는 비즈니스는 정말 드물다. 해당 도메인에서 시도하는 서비스가 여럿이어도, 실제로 성공하는 경우는 적음. 소셜 네트워크 서비스에는 싸이월드나 개인 홈페이지 서비스’인 GeoCities' 가 있었는데 실제로 성공한건 10년후 페이스북 부터. OTT 분야에서는 야후가 57억 달러에 인수한 Broadcast.com 가 있지만 실제로 승자는 10년 후 넷플릭스
- 새로운 disruptive 기술이 등장하는 초기에는 “‘청바지’ ‘곡괭이’ 같은 툴을 파는 비즈니스의 기회가 더 크다”는 이야기를 일반적으로 많이 하는데, 나는 기본적으로 “(B2C이든 B2B이든) 직접적인 고객 가치를 만들어 내는 것에 집중하는 비즈니스가 훨씬 큰 가치를 만들어 낼 수 있고, 이들 비즈니스를 돕는 ‘툴 비즈니스’는 구조적으로 ‘훨씬’ (order of magnitude) 작은 규모의 비즈니스 밖에 만들지 못한다”는 생각을 가지고 있다. (이러한 생각에서부터 나는 대체적으로 ‘툴 비즈니스’에 대한 투자 가능성을 상대적으로 낮게 보는 편이다)
B2B와 관련해서
- 기업 규모와 관계 없이 AI 도입을 통한 생산성 향상 니즈가 (지금 당장은 기업마다 온도차가 크지만) 향후 2-3년간 대부분의 기업에 보편적으로 확산될 것으로 예상되는데, 대부분의 기업에 이러한 AITx를 진행할 내부 인력이 없기 때문에 이에 대한 수요가 폭발할 것이다.
- 이후 3-5년 정도 지나면서 시장이 성숙하고 그동안 관련 인력이 시장에 충분히 공급되면 이러한 비즈니스에 대한 수요와 공급도 그 구조가 성숙되어 갈 것이다. 그 과정에서, 일부 선두업체는 기술, 플랫폼, 고객 lock-in 등의 moat를 구축하면서 다음 단계로 진화하여 인프라 플레이 혹은 B2B 플랫폼으로 성장해 가겠지만 (예: AWS, Databricks, Snowflake), 그렇지 못한 많은 업체들은 시장 성숙 단계를 지나면서 도태될 것으로 예상된다.
B2C 와 관련해서
- B2C 분야에서도 다양한 실험적 시도들이 폭발적으로 만들어져서 등장하고 (그 중 대부분은 금방) 사라질 것으로 보인다.
- 첫 번째 B2C 서비스 wave의 가장 큰 특징은 “AI-augmented” 서비스일 것으로 보인다. 이는 Gen AI 기술이 사용자의 behavior를 크게 바꾸지 않는 특성 때문이다. Gen AI는 기존의 서비스의 효율을 크게 올리지만 기존 사용자 behavior 자체를 크게 바꾸지는 않는 특성을 가진다. (이미지 생성, 동영상 편집도 기본적으로는 기존 작업의 효율성을 올리는 과정이다)
- 이는 상당히 많은 B2C 서비스 분야에서 신규 시장 진입자보다 기존 사업자가 훨씬 유리한 입장을 가진다는 의미가 된다. 실제 Microsoft, Google, Notion, Adobe, Figma, Salesforce 등 기존 서비스에 바로 AI 기능을 강화하면서 시장 입지를 (신규 진입자 대비) 먼저 강화하기 시작한 것이 그 대표적 예이다.
그럼 신규 사업자에게 기회가 없는 것인가?
- 나는 (아직 등장하지 않았지만) Gen AI이기 때문에 비로소 가능해진 ‘2세대 모델’의 새로운 AI-native 서비스를 등장해야 비로소 가능할 것이라고 본다. 단, 여기에서의 몇 가지 특징/조건이 있을 것이다.
- 이전 세대의 (웹, 모바일) 기술 기반으로는 전혀 가능하지 않은 모델. 실제 어떤 것이 가능할지 지금은 전혀 상상할 수 없을 것이다. 어쩌면 지금 쉽게 바로 상상할 수 있는 모델이라면 의미 없는 것일 가능성이 더 높다. 1995년의 Netscape Moment 이후 꽤 오랜 시간이 지난 1998년에야 구글, 네이버가 창업된 것을 잊지 말자. 그동안 ‘키워드 광고’라는 ‘미친’ 아이디어가 발명된 이후에야 이런 ‘기존에 없던’ 모델이 사업적으로 가능해졌기 때문이다.
- Big Tech들이 사용자 기반, 인프라, 인력으로 따라 오기 전에 agile하게 움직일 수 있는 모델. 실제로는 새로 등장한 (장난감 같은) 새로운 것에 대해 Big Tech은 초반에 별거 아니라고 무시하고 신경쓰지 않을 것이고, 이렇게 번 시간을 최대한 활용해서 생존 & 초기 성장을 만들어야 하겠지만 (이 것이 Clayton Christensen의 Disruptive Tech의 정의임)
인상깊게 읽어서 긴 글의 내용을 조금 요약해 보았습니다. 주옥 같은 글귀가 많아서 대부분은 문장 그대로 가져왔습니다.
https://twocents.hur.xyz/p/two-cents-64-generative-ai
지금의 AI 시장을 보는 관점
- 초기에 성공하는 비즈니스는 정말 드물다. 해당 도메인에서 시도하는 서비스가 여럿이어도, 실제로 성공하는 경우는 적음. 소셜 네트워크 서비스에는 싸이월드나 개인 홈페이지 서비스’인 GeoCities' 가 있었는데 실제로 성공한건 10년후 페이스북 부터. OTT 분야에서는 야후가 57억 달러에 인수한 Broadcast.com 가 있지만 실제로 승자는 10년 후 넷플릭스
- 새로운 disruptive 기술이 등장하는 초기에는 “‘청바지’ ‘곡괭이’ 같은 툴을 파는 비즈니스의 기회가 더 크다”는 이야기를 일반적으로 많이 하는데, 나는 기본적으로 “(B2C이든 B2B이든) 직접적인 고객 가치를 만들어 내는 것에 집중하는 비즈니스가 훨씬 큰 가치를 만들어 낼 수 있고, 이들 비즈니스를 돕는 ‘툴 비즈니스’는 구조적으로 ‘훨씬’ (order of magnitude) 작은 규모의 비즈니스 밖에 만들지 못한다”는 생각을 가지고 있다. (이러한 생각에서부터 나는 대체적으로 ‘툴 비즈니스’에 대한 투자 가능성을 상대적으로 낮게 보는 편이다)
B2B와 관련해서
- 기업 규모와 관계 없이 AI 도입을 통한 생산성 향상 니즈가 (지금 당장은 기업마다 온도차가 크지만) 향후 2-3년간 대부분의 기업에 보편적으로 확산될 것으로 예상되는데, 대부분의 기업에 이러한 AITx를 진행할 내부 인력이 없기 때문에 이에 대한 수요가 폭발할 것이다.
- 이후 3-5년 정도 지나면서 시장이 성숙하고 그동안 관련 인력이 시장에 충분히 공급되면 이러한 비즈니스에 대한 수요와 공급도 그 구조가 성숙되어 갈 것이다. 그 과정에서, 일부 선두업체는 기술, 플랫폼, 고객 lock-in 등의 moat를 구축하면서 다음 단계로 진화하여 인프라 플레이 혹은 B2B 플랫폼으로 성장해 가겠지만 (예: AWS, Databricks, Snowflake), 그렇지 못한 많은 업체들은 시장 성숙 단계를 지나면서 도태될 것으로 예상된다.
B2C 와 관련해서
- B2C 분야에서도 다양한 실험적 시도들이 폭발적으로 만들어져서 등장하고 (그 중 대부분은 금방) 사라질 것으로 보인다.
- 첫 번째 B2C 서비스 wave의 가장 큰 특징은 “AI-augmented” 서비스일 것으로 보인다. 이는 Gen AI 기술이 사용자의 behavior를 크게 바꾸지 않는 특성 때문이다. Gen AI는 기존의 서비스의 효율을 크게 올리지만 기존 사용자 behavior 자체를 크게 바꾸지는 않는 특성을 가진다. (이미지 생성, 동영상 편집도 기본적으로는 기존 작업의 효율성을 올리는 과정이다)
- 이는 상당히 많은 B2C 서비스 분야에서 신규 시장 진입자보다 기존 사업자가 훨씬 유리한 입장을 가진다는 의미가 된다. 실제 Microsoft, Google, Notion, Adobe, Figma, Salesforce 등 기존 서비스에 바로 AI 기능을 강화하면서 시장 입지를 (신규 진입자 대비) 먼저 강화하기 시작한 것이 그 대표적 예이다.
그럼 신규 사업자에게 기회가 없는 것인가?
- 나는 (아직 등장하지 않았지만) Gen AI이기 때문에 비로소 가능해진 ‘2세대 모델’의 새로운 AI-native 서비스를 등장해야 비로소 가능할 것이라고 본다. 단, 여기에서의 몇 가지 특징/조건이 있을 것이다.
- 이전 세대의 (웹, 모바일) 기술 기반으로는 전혀 가능하지 않은 모델. 실제 어떤 것이 가능할지 지금은 전혀 상상할 수 없을 것이다. 어쩌면 지금 쉽게 바로 상상할 수 있는 모델이라면 의미 없는 것일 가능성이 더 높다. 1995년의 Netscape Moment 이후 꽤 오랜 시간이 지난 1998년에야 구글, 네이버가 창업된 것을 잊지 말자. 그동안 ‘키워드 광고’라는 ‘미친’ 아이디어가 발명된 이후에야 이런 ‘기존에 없던’ 모델이 사업적으로 가능해졌기 때문이다.
- Big Tech들이 사용자 기반, 인프라, 인력으로 따라 오기 전에 agile하게 움직일 수 있는 모델. 실제로는 새로 등장한 (장난감 같은) 새로운 것에 대해 Big Tech은 초반에 별거 아니라고 무시하고 신경쓰지 않을 것이고, 이렇게 번 시간을 최대한 활용해서 생존 & 초기 성장을 만들어야 하겠지만 (이 것이 Clayton Christensen의 Disruptive Tech의 정의임)
❤2
https://investor-js.blogspot.com/2023/02/feat-vs.html
그래서 저는 다음과 같은 조건을 가진 회사를 선호합니다. 1) 오너가 경영하는 체계이면서, 2) 최대주주와 특수관계인의 지분율이 50%를 넘지 않고, 3) 당장의 지분증여 문제가 없으면서, 4) 딱히 최대주주 일가가 부도덕하게 주주들의 부를 빼돌리는 행위를 하지 않은 회사 정도의 조건이면 족합니다.
What should we consider integrity of management?
그래서 저는 다음과 같은 조건을 가진 회사를 선호합니다. 1) 오너가 경영하는 체계이면서, 2) 최대주주와 특수관계인의 지분율이 50%를 넘지 않고, 3) 당장의 지분증여 문제가 없으면서, 4) 딱히 최대주주 일가가 부도덕하게 주주들의 부를 빼돌리는 행위를 하지 않은 회사 정도의 조건이면 족합니다.
What should we consider integrity of management?
Blogspot
선호하는 지분율 (feat. 소유경영 vs. 전문경영)
IT비지니스와 개발, 그리고 투자에 관한 블로그입니다.
Continuous Learning_Startup & Investment
AI 서비스들에 대한 수익화를 고민하고 있는 이 시점에서 많은 인사이트를 주는 글 같습니다! 인상깊게 읽어서 긴 글의 내용을 조금 요약해 보았습니다. 주옥 같은 글귀가 많아서 대부분은 문장 그대로 가져왔습니다. https://twocents.hur.xyz/p/two-cents-64-generative-ai 지금의 AI 시장을 보는 관점 - 초기에 성공하는 비즈니스는 정말 드물다. 해당 도메인에서 시도하는 서비스가 여럿이어도, 실제로 성공하는 경우는 적음.…
아직까진 아무말 대잔치를 할 수 있는 시기라서 제 생각도 조금 덧붙여보면..
AI B2B 시장
- AI Agency
각 산업별로 이미 AI를 적용하려는 시도는 많았지만 ChatGPT덕분에 거의 전 산업의 리더/임원들이 더 공격적으로 AI를 사용하고 싶어하고 AI를 사용했을 때 나오는 결과물의 수준을 ChatGPT와 비교하지 않을까 싶어요. 꽤 많은 기업들이 직접하고 싶어서 Acquirehire를 많이 선택할 것 같고요.
그런 관점에서는 과거 인터넷 초기에 웹 에이전시들이 많이 생겼던 것처럼 지금은 여러 섹터 혹은 특정 섹터이지만 충분히 큰 영역에서 AI를 적용해보면서 어떤 부분에서 고객의 비용을 줄여주거나 돈을 더 벌게 해주는지 알아가는 시간이지 않을까 싶습니다.
앞으로 1-2년동안에는 어떤 산업에서 무슨 Use-case가 나올지 검증하고 -> Use-case가 쌓이면 그에 맞게 Infra/Tool들이 구체화되고 -> Needs에 맞는 구체적인 솔루션들이 나오지 않을까 싶네요.
Tools for AI companies
추가로, Use-case를 만들려는 팀들을 위한 곡괭이를 파는 접근은 여전히 유효할 것 같고요.
LLM infra examples: 데이터 확보, 데이터 전처리, 벡터데이터베이스, 프롬프트 엔지니어링, Ochestration, LLM Cache, Logging, LLMops, Validation, Guardlane etc
Micro SaaS
기존에 SaaS와 거의 동일한 피쳐인데 AI를 잘활용해서 회사의 인원을 줄이고 제품의 가격도 낮춘 Micro SaaS들이 많이 생길 것 같습니다.
AI first product
기존에는 2-3개의 제품을 사용해야했었는데, 이를 잘 Aggregate하고 AI를 잘 활용한 SaaS가 등장할 수도 있지 않을까?
Software가 큰 혁신을 못만들었던 영역: 건축, 바이오, 방산 etc
B2C
- 뭐가 될지 몰라서 정말 뭐든 해볼 수 있는 영역. 그만큼 많은 시도와 실패가 누적되는 시기.
- 어린 친구들이 AI를 가지고 어떻게 노는지 잘 살펴보면 힌트가 있지 않을까 싶은데, 그게 되겠어 싶은 아이디어도 뭐든 해봐야 아는 것 같네요.
AI B2B 시장
- AI Agency
각 산업별로 이미 AI를 적용하려는 시도는 많았지만 ChatGPT덕분에 거의 전 산업의 리더/임원들이 더 공격적으로 AI를 사용하고 싶어하고 AI를 사용했을 때 나오는 결과물의 수준을 ChatGPT와 비교하지 않을까 싶어요. 꽤 많은 기업들이 직접하고 싶어서 Acquirehire를 많이 선택할 것 같고요.
그런 관점에서는 과거 인터넷 초기에 웹 에이전시들이 많이 생겼던 것처럼 지금은 여러 섹터 혹은 특정 섹터이지만 충분히 큰 영역에서 AI를 적용해보면서 어떤 부분에서 고객의 비용을 줄여주거나 돈을 더 벌게 해주는지 알아가는 시간이지 않을까 싶습니다.
앞으로 1-2년동안에는 어떤 산업에서 무슨 Use-case가 나올지 검증하고 -> Use-case가 쌓이면 그에 맞게 Infra/Tool들이 구체화되고 -> Needs에 맞는 구체적인 솔루션들이 나오지 않을까 싶네요.
Tools for AI companies
추가로, Use-case를 만들려는 팀들을 위한 곡괭이를 파는 접근은 여전히 유효할 것 같고요.
LLM infra examples: 데이터 확보, 데이터 전처리, 벡터데이터베이스, 프롬프트 엔지니어링, Ochestration, LLM Cache, Logging, LLMops, Validation, Guardlane etc
Micro SaaS
기존에 SaaS와 거의 동일한 피쳐인데 AI를 잘활용해서 회사의 인원을 줄이고 제품의 가격도 낮춘 Micro SaaS들이 많이 생길 것 같습니다.
AI first product
기존에는 2-3개의 제품을 사용해야했었는데, 이를 잘 Aggregate하고 AI를 잘 활용한 SaaS가 등장할 수도 있지 않을까?
Software가 큰 혁신을 못만들었던 영역: 건축, 바이오, 방산 etc
B2C
- 뭐가 될지 몰라서 정말 뭐든 해볼 수 있는 영역. 그만큼 많은 시도와 실패가 누적되는 시기.
- 어린 친구들이 AI를 가지고 어떻게 노는지 잘 살펴보면 힌트가 있지 않을까 싶은데, 그게 되겠어 싶은 아이디어도 뭐든 해봐야 아는 것 같네요.
❤1👍1
Productivity and Structural Reform: Why Countries Succeed & Fail, and What Should Be
Done So Failing Countries Succeed
by Ray Dalio
In this report the drivers of productivity are shown and are used to create an economic health index. That index
shows how 20 major countries are doing as measured by 19 economic health indicators, and it shows what these
indicators portend for real GDP growth in each of these countries over the next 10 years. As you will see, past
predictions based on this process have been highly reliable. For this reason this economic health index provides a
reliable formula for success. By looking at these cause-effect relationships, in much the same way as a doctor
looks at your genetics, blood tests and regimes for exercise and diet, we can see each country's health prospects
and also know what changes can be made so that these countries can become economically healthier.
We are making this research available in the hope that it will facilitate the very important discussions about
structural reforms that are now going on and will help both the public and policy makers to look past their
ideological differences to see the economy as a machine in much the same way as doctors study bodies and look
at the relationship of cholesterol and heart attacks analytically rather than ideologically.
Done So Failing Countries Succeed
by Ray Dalio
In this report the drivers of productivity are shown and are used to create an economic health index. That index
shows how 20 major countries are doing as measured by 19 economic health indicators, and it shows what these
indicators portend for real GDP growth in each of these countries over the next 10 years. As you will see, past
predictions based on this process have been highly reliable. For this reason this economic health index provides a
reliable formula for success. By looking at these cause-effect relationships, in much the same way as a doctor
looks at your genetics, blood tests and regimes for exercise and diet, we can see each country's health prospects
and also know what changes can be made so that these countries can become economically healthier.
We are making this research available in the hope that it will facilitate the very important discussions about
structural reforms that are now going on and will help both the public and policy makers to look past their
ideological differences to see the economy as a machine in much the same way as doctors study bodies and look
at the relationship of cholesterol and heart attacks analytically rather than ideologically.
Forwarded from Nikkei Asia
젠신 임팩트를 개발한 miHoYo는 최신 AI 에이전트에 대한 86페이지 분량의 설문조사 보고서를 공동 집필했습니다.
참고로 겐신 임팩트는 연간 10억 달러 이상의 매출을 올리는 역대 최대 규모의 오픈월드 모바일 게임 중 하나입니다.
이 논문은 인지 핵심(추론, 기억, 계획), 지각(텍스트, 시각, 청각), 행동(텍스트, 도구 사용, 구현), 참여자(단일 에이전트, 멀티 에이전트, 인간-AI 혼합), 환경(가상 샌드박스, 물리적) 등 여러 축을 고려한 훌륭한 개요를 제공합니다.
스탠포드 스몰빌('제너레이티브 에이전트')을 겐신이나 다른 대형 MMORPG의 플레이어 기반까지 확장할 수 있다면 꽤나 멋진 광경이 될 것입니다. 인간과 AI 에이전트 모두 제가 예측할 수 없는 놀라운 돌발 행동을 할 수 있을 테니까요.
안타깝게도 효율성과 비용이 이러한 대규모 배포를 가로막는 주요 과제입니다. 일단은요.
논문 "대규모 언어 모델 기반 에이전트의 부상과 잠재력: 설문 조사": http://arxiv.org/abs/2309.07864
이를 바탕으로 두뇌, 지각, 행동이라는 세 가지 주요 구성 요소로 구성된 LLM 기반 에이전트의 일반적인 프레임워크를 제시하고, 이 프레임워크는 다양한 애플리케이션에 맞게 조정할 수 있습니다. 이어서 단일 에이전트 시나리오, 다중 에이전트 시나리오, 인간과 에이전트 간의 협력이라는 세 가지 측면에서 LLM 기반 에이전트의 광범위한 적용 사례를 살펴봅니다. 그 다음에는 에이전트 사회에 대해 자세히 살펴보고 LLM 기반 에이전트의 행동과 성격, 에이전트 사회에서 나타나는 사회 현상, 인간 사회에 제공하는 인사이트에 대해 알아봅니다.
참고로 겐신 임팩트는 연간 10억 달러 이상의 매출을 올리는 역대 최대 규모의 오픈월드 모바일 게임 중 하나입니다.
이 논문은 인지 핵심(추론, 기억, 계획), 지각(텍스트, 시각, 청각), 행동(텍스트, 도구 사용, 구현), 참여자(단일 에이전트, 멀티 에이전트, 인간-AI 혼합), 환경(가상 샌드박스, 물리적) 등 여러 축을 고려한 훌륭한 개요를 제공합니다.
스탠포드 스몰빌('제너레이티브 에이전트')을 겐신이나 다른 대형 MMORPG의 플레이어 기반까지 확장할 수 있다면 꽤나 멋진 광경이 될 것입니다. 인간과 AI 에이전트 모두 제가 예측할 수 없는 놀라운 돌발 행동을 할 수 있을 테니까요.
안타깝게도 효율성과 비용이 이러한 대규모 배포를 가로막는 주요 과제입니다. 일단은요.
논문 "대규모 언어 모델 기반 에이전트의 부상과 잠재력: 설문 조사": http://arxiv.org/abs/2309.07864
이를 바탕으로 두뇌, 지각, 행동이라는 세 가지 주요 구성 요소로 구성된 LLM 기반 에이전트의 일반적인 프레임워크를 제시하고, 이 프레임워크는 다양한 애플리케이션에 맞게 조정할 수 있습니다. 이어서 단일 에이전트 시나리오, 다중 에이전트 시나리오, 인간과 에이전트 간의 협력이라는 세 가지 측면에서 LLM 기반 에이전트의 광범위한 적용 사례를 살펴봅니다. 그 다음에는 에이전트 사회에 대해 자세히 살펴보고 LLM 기반 에이전트의 행동과 성격, 에이전트 사회에서 나타나는 사회 현상, 인간 사회에 제공하는 인사이트에 대해 알아봅니다.