본문으로 건너뛰기

생성형 AI 성능 비교 분석 및 법인 영업 활용 방안 연구

삑사리

2025.05.03

생성형 AI 성능 비교 분석 및 법인 영업 활용 방안 연구 본문 이미지

소개

  1. 인간에게 고유한 성격이 있듯이, 대규모 언어 모델(LLM) 또한 인간 데이터를 학습하며 고유한 특성과 경향성을 지닌다고 볼 수 있습니다.

  2. 생성형 AI의 성능을 객관적으로 비교 분석하기 위해서는 LLM 자체의 판단이 아닌, 제3자의 관점에서 다양한 데이터를 기반으로 한 평가가 필요합니다.

본 연구에서는 구글의 NotebookLM을 활용하여 100개의 관련 자료(논문, 유튜브 영상, 기사 등)를 학습시키고, 이를 바탕으로 LLM의 특장점과 성능을 객관적으로 평가하고자 합니다. 또한, 법인 영업 프로세스의 각 단계별로 Gemini, ChatGPT, Claude 등 주요 LLM의 최적 활용 방안을 구체화하는 것을 목표로 합니다.

진행 방법

  1. 열린 사고 질문 생성기 구축: Perplexity의 Spaces 기능을 이용하여 질문에 대한 심층적인 이해를 돕는 역질문 생성기인 '열린 사고 질문 생성기'를 개발합니다.

  2. LLM 비교 프롬프트 생성: 열린 사고 질문 생성기를 통해 LLM 비교 분석을 위한 프롬프트 질문 10개를 생성합니다 (한국어 5개, 영어 5개). 영어 질문을 포함한 이유는 해외 논문 및 기사 등 더욱 다양한 자료를 수집하는 데 유리할 것으로 예상되기 때문입니다.

    • 주요 질문 내용: 추론 능력 비교, 멀티모달 성능 영향, 엔터프라이즈 환경 적합성, 신뢰성 지표 분석, 제품별 차이점 등

      한국어 텍스트가있는 페이지
  3. NotebookLM 학습: 생성된 10개의 질문을 NotebookLM에 순차적으로 입력하여 각 질문당 10개의 관련 자료씩, 총 100개의 자료를 학습시킵니다.

    전화에 한국어 앱의 스크린 샷
  4. LLM 비교 분석: 학습된 NotebookLM에 다음과 같은 질문을 던져 Gemini, ChatGPT, Claude 세 가지 모델의 역량 비교 및 성능 차이를 심층적으로 분석합니다.

결과 및 배운 점

  1. 법인 영업 프로세스의 각 단계에 따라 최적의 LLM이 존재하듯이, 개인에게 맞는 LLM을 단정하기보다는 업무의 특성과 필요성에 따라 다양한 툴을 활용하고 상호 검증(Cross-Check)을 통해 결과를 개선하는 것이 중요하다고 판단됩니다.

  2. NotebookLM의 AI 음성 한국어 지원 기능은 운전 중 학습이나 신입 사원 교육 등 다양한 분야에서 예상보다 높은 활용도를 보일 것으로 기대됩니다.

향후 계획

다음 연구에서는 법인 영업 절차의 각 단계별로 LLM 3가지 툴의 세부적인 활용 방법과 작업 효율성을 높이는 방안에 대해 심층적으로 고민하고 분석할 계획입니다.

함께 이야기해요 0

로그인하고 댓글을 남겨 주세요

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요

이런 사례도 있어요

사례 전체 보기