Home

챗GPT는 생성 인공지능(Generative AI)으로 대표되는 ‘GPT(Generative Pretrained Transformer)-3.5’를 기반으로 개발된 대화형 인공지능 모델이다. 이는 알고리즘을 통해 학습시킨 대규모 데이터 세트에 근거하여 사용자의 질문에 적합한 새롭고 독창적인 콘텐츠를 생성한다. 인간과 유사한 수준으로 대화의 전체 맥락을 이해하므로 연결된 질문이 가능하여 텍스트를 매개를 사용자와 상호작용 하는 분야에서 새로운 기회를 제공할 것으로 기대된다.

챗GPT는 키워드 중심의 기존 정보검색 서비스를 대체할 정도의 발전된 성능을 보유하고 있다. 이는 다양한 도메인에 활용되어 AI챗봇 및 정보서비스 시장에서 혁신적인 변화를 이끌 것이다[3]. 그러나 챗GPT는 정보검색 결과 높은 정확성과 일관성을 바탕으로 명확한 근거가 필요한 분야나 최신성이 요구되는 분야, 수치 데이터를 계산하는 분야에서는 아직 보완되어야 할 부분들도 있다[4].

국내·외 챗GPT 관련 기업 동향은 표 1과 같다. 미국에서는 Microsoft, Google 등이 활발한 투자와 기술개발을 진행 중이며, 국내에서는 한국어 챗GPT 서비스를 개발하여 헬스케어와 산업계(B2B)를 중심으로 상용화를 진행하고 있다.

최근 챗GPT에 관한 연구논문을 Dimensions 데이터베이스를 통해 1,006건을 수집하여 체계적 문헌 검토(Systematic literature review)를 위해서 논문의 제목과 초록에서 추출한 단어들의 동시출현관계를 VOSviewer 프로그램을 사용하여 시각화한 결과는 그림 1과 같다. ‘교육’, ‘학생’, ‘기회’, ‘영향’, ‘헬스케어’, ‘환자’, ‘수술’, ‘증상’, ‘사례’, ‘작가’, ‘전환’, ‘자연어 처리’, ‘대규모 언어모델’, ‘성능’, ‘시험’, ‘평가’ 등의 키워드들이 다른 단어들과 밀접한 연관 관계를 맺고 있는 것으로 보인다. 전체 키워드 군집(Cluster)은 4개로 구분되었고, ① 교육적 활용 및 영향, ② 의료 영역에서의 응용 및 활용성 검증, ③ 챗GPT가 생성한 텍스트와 실제 출판된 문서 비교·분석, ④ 질의응답 성능 평가 및 검증 등에 관련된 주제들을 형성하고 있다[5]-[7]. 이외에 마케팅, 법률자문, 기후변화 예측 등의 분야에서 챗GPT 연구가 진행되고 있다.

Fig. 1. 
ChatGPT research keyword co-occurrence network

텍스트 마이닝은 많은 양의 텍스트 집합에 사용되며, 유용한 키워드를 추출하여 맥락 수준의 의미를 찾아 결과를 도출한다[8] 특정 주제를 도출하기 위해 키워드의 빈도분석, 네트워크 분석, 감성분석, 주제분석 등이 사용된다. 워드클라우드(Wordcloud)는 직관적으로 텍스트 구조를 파악할 수 있어 단어의 시각화 도구로써 사용된다. 그러나 단어들의 빈도수만으로 전체 문서의 주제를 파악하기 어렵다는 단점이 있다. 이에 토픽모델링의 확률적 알고리즘 모델을 통해 문헌 전체 주제와 각 문서별 주제비율, 각 단어들이 주제에 포함될 확률을 추정해 잠재된 의미구조를 분석할 수 있다[9]. 최근에는 뉴스 데이터를 이용해 최신 기술·산업·정책 등 사회적 이슈를 분석하여 동향 분석 연구에 활용되고 있다[10].

PEST 분석은 1967년 하버드 대학의 Francis J. Aguilar 교수가 기업경영분석에 처음 사용한 거시적 외부환경 분석기법으로 기업이나 조직의 미래 종합발전계획 수립에 전략적 도구로 사용되고 있다[11]. PEST 분석은 정치·정책(P), 경제(E), 사회(S), 과학·기술(T) 측면에서 영향을 주는 요인들을 분석 및 평가해 객관화하는 기법이다[12]. 이외에도 환경적(Environmental) 요인을 더한 STEEP 분석이나 법적(Legal) 요인을 포함하는 PESTLE 분석이 거시환경 분석에 활용되고 있다.

즉, 기업과 조직의 성과에 영향을 주는 외부환경 요인을 파악하는데 효과적인 분석도구로써 기회 및 위험요인을 도출하여 선제적인 대응전략을 수립하는데 유용하게 사용되고 있다.

과학기술 분야에서는 국가 과학기술 경쟁력 강화 및 산업 활성화를 위한 발전전략과 투자 우선순위 선정 과정에서 PEST 분석이 적용된다. 외부환경의 다양한 변화 요인과 추세를 파악하고, 내부역량을 보완하는 발전전략과 추진과제를 제안하는 연구가 활발하다. 핵융합 국가연구개발사업의 사례분석을 중심으로 과학기술 전략 수립[13], 군사작전에 인공지능 기술 적용 전략 및 추진과제 제안[14], 국내외 자율주행차 테스트베드의 환경 분석을 통한 K-City 발전전략 수립[15], 가상현실(VR) 산업 생태계 조성 및 활성화 방안[16] 등의 연구가 있다. PEST 분석과 토픽모델링을 혼합하여 뉴스기사나 소셜미디어의 이슈를 도출한 연구도 있다. 즉, 모바일 간편 결제 서비스 기업의 활성화 전략 수립[17], 에너지 정책 설계를 위해 전기자동차에 관한 Facebook 게시글의 관심 주제를 PESTEL로 분석한 연구[18] 등이 있다. 그러나 아직까지 챗GPT를 주제로 PEST 기반 동향 분석을 수행한 연구는 찾아보기 어렵다.

국가R&D정보서비스(NTIS)는 2008년 3월말부터 서비스를 시작해 국가R&D사업 전주기 프로세스에 따른 과학기술 정보를 통합하여 제공하고 있다. 그 동안 축적된 국가R&D 과제, 성과, 인력 데이터를 활용하여 인공지능 기반 서비스 고도화를 추진 중이다. 즉, 부처별 R&D 현황, 연구자-연구기관 연계정보, 연구실적 및 성과활용, 기술수요 등 데이터를 분석하여 이용자 맞춤 정보를 제공하고, 국가R&D사업 성과관리 및 활용 체계화, 국가R&D 현안별 기술·산업 동향 분석, 연구지식 공유 등을 지원하고 있다. 표 2는 국가R&D정보서비스에서 챗GPT 기술 적용이 필요한 분야를 검토한 결과이다.

국가R&D정보서비스 이용자들의 의견에 따르면, 챗봇(엔디), 통합검색 문장검색, 해외R&D정보 번역, 국가R&D정보 요약, 생성, 데이터 분석 코딩 등의 서비스 개선이 필요한 것으로 조사되었다[19]. 구체적으로 이용자들이 R&D정보에 쉽게 접근해 실시간 질의응답(Q&A)과 음성인식이 가능한 챗봇, 키워드 검색의 정보추출 방식에서 문장 단위 또는 대화형 통합검색 인터페이스, 장문의 연구과제 내용을 요약하여 비교·분석 및 결과 시각화, 특정 주제의 연구계획서 및 기술동향 문서 생성, 해외R&D 정보검색 및 자동번역, 데이터 분석이 용이한 자동 코딩 프로그램 등이 추가된 서비스 개선이 필요하다. 따라서 기존 국가R&D정보서비스에서 챗GPT 관련 기술을 도입하기 이전에 뉴스기사를 활용하여 챗GPT 등장으로 인한 거시적 환경변화와 공공여론의 담론 및 관심분야를 파악하고자 한다.

본 연구는 챗GPT 등장으로 인한 거시환경 변화를 분석하기 위해 주목받는 주제를 대상으로 이해관계자들의 의견을 종합하여 전달하는 뉴스기사를 활용하였다. 뉴스기사는 한국언론진흥재단의 ‘빅카인즈(BIGKinds)’ 뉴스 빅데이터 분석서비스를 통해 총 54개의 국내 언론매체에서 보도한 챗GPT 관련 기사를 수집하였다[20]. 챗GPT 출시일 2022년 11월 30일부터 2023년 5월 31일까지 제목 또는 본문에서 한글·영문 표기 ‘챗GPT/ChatGPT’ 키워드로 포함한 총 11,284건이 검색되었다.

PEST 분야별 뉴스를 추출하기 위해 빅카인즈의 통합분류코드를 이용하여 국제·문화·스포츠·미분류 기사, 중복기사, 인사·부고·동정 등 분석대상에 부합하지 않은 뉴스 2,122건을 모두 제외하였다. 이를 통해 최종적으로 총 9,162건의 뉴스 분석 데이터가 수집되었다. PEST 분야에 따라 정치 273건, 경제 2,666건, 사회(지역 포함) 1,150건, 과학·기술 5,073건으로 수집되었으며, 언론사 성격에 따라 종합지 4,620건과 경제지 4,542건으로 구분되었다.

수집된 데이터는 유의미한 결과를 도출하기 위해 빅카인즈에서 형태소 분석을 통해 뉴스 본문에서 추출된 명사를 대상으로 전처리 작업을 수행하였다. 먼저, 특수문자, 단순숫자, 한자어, 의미 없는 단어, 검색어인 ‘챗GPT/ChatGPT’ 등을 제거하였다. 다음으로 동의어 및 유의어를 통일하고, 중복된 단어를 통합했으며, 챗GPT와 무관한 단어는 삭제하였다.

본 연구의 절차는 그림 2와 같다. 국내 챗GPT 관련 뉴스기사의 주요 키워드와 이슈를 도출하기 위해 PEST 분석과 텍스트 마이닝 기법을 결합한 방법론을 적용하였다. 우선, 정치, 경제, 사회, 과학기술에 해당하는 뉴스기사를 분류하여 앞서 정제한 키워드를 대상으로 빈도를 분석하였다. 빈도 분석은 자주 사용된 단어의 출현한 빈도(Term Frequency)를 통해 PEST 분야별 기사에 출현하는 공통 키워드와 특별한 의미를 갖는 키워드를 비교하였다. 그리고 워드클라우드를 이용하여 어떤 단어가 가장 많이 등장했는지 시각적으로 표현하였다.

Fig. 2. 
Overall research process

텍스트 데이터의 주제 도출에 유용한 토픽모델링 기법 중 하나인 LDA 모델을 활용하여 분야별 뉴스 이슈 토픽을 도출하고, 챗GPT 기술을 적용하는데 고려해야 하는 외부환경 분석을 실시하였다. 데이터 분석에는 텍스트 분석이 가능한 오픈소스 프로그램 R을 활용하였다. 먼저, PEST 분야별 최적의 토픽 수(k)는 FindTopicsNumber 함수로 도출된 토픽 수의 범위를 변경하면서 실험을 반복하여 LDAvis 시각화 도구를 이용해 토픽 군집을 확인하였다.

토픽 수는 서로 중복되지 않는 군집을 형성하고, 토픽의 해석 가능성을 고려해 적절한 수치를 설정하였다. 그리고 PEST 분야별 뉴스기사를 구성하는 단어의 출현 확률과 각 뉴스기사에 토픽이 포함될 확률분포에 따른 군집화를 통해 이슈 토픽을 도출하였다. 토픽의 명칭은 각 토픽에 분류된 키워드와 뉴스기사 원문을 비교하여 어떠한 맥락에서 단어가 사용된 것인지 유추해 부여하였다.

또한, 토픽의 비중과 트렌드를 파악하여 사회적 변화 양상과 과학기술적 측면에서 영향력에 대하여 분석하였다. PEST 분야별 이슈 토픽과 앞서 챗GPT 기술 도입의 필요성이 제기된 국가R&D정보서비스개선사항을 종합하여 향후 챗GPT 기술을 적용하는 과정에서 고려할 시사점과 전략방향을 제안하였다.

챗GPT 뉴스기사의 주별 빈도수를 집계한 결과는 그림 3과 같다. 2022년 12월 8일 처음 언론보도를 시작으로 2023년 1월 4주부터 급증해 2월 2주에는0 가장 많은 660건이 보도된 것으로 확인된다. 챗GPT 사용자가 전체 100만명이 된 시점과 월간 사용자수 1억명 이상을 달성한 이후 보도수가 증가한 것으로 나타난다. 그리고 챗GPT 기능을 탑재한 검색서비스 개시 시점과 신규 버전이 출시됐을 때 언론보도가 집중된 것을 알 수 있다. 5월의 기사 수는 2,086건(22.8%)으로 2월 2,335건(25.5%)에 비해 감소했으나 챗GPT에 관한 언론보도는 지속되고 있는 추세이다.

Fig. 3. 
ChatGPT news article coverage by week

챗GPT 관련 전체 뉴스에서 추출된 상위 100개의 단어들을 그림 4에서 워드클라우드로 시각화하였다. 뉴스에서 인공지능(8,488), 기업(5,678), 활용(5,149), 글로벌(4,855), 서비스(4,836), 생성(4,112), 미국(3,767), 정보(3,670), 시장(3,681), 데이터(3,595), 사람(3,281), 오픈AI(3,268), 설명(3,122), 투자(3,090), 대화(3,073), 챗봇(2,953), 공개(2,794), 산업(2,710), 출시(2,699), 학습(2,652) 등 상위 20개의 키워드가 공통적으로 등장한 것으로 확인된다. 이러한 키워드는 PEST 분야별 키워드 빈도 분석에도 상위권에 등장하며, 챗GPT 서비스의 공개 출시, 생성형 인공지능, 학습 데이터, 챗봇 서비스 활용, 수혜업종과 산업 분야, 증시의 투자 동향 등에 관련된 뉴스기사들이 주로 다뤄졌음을 알 수 있다.

Fig. 4. 
ChatGPT news keywords (top 100)

PEST 분야의 챗GPT 뉴스 키워드 빈도 분석의 결과(공통 상위 20위 제외)는 표 3과 같다.

정치·정책 분야는 챗GPT로 인한 변화와 혁신에 대한 국회의 대응, 지원, 평가 등에 관한 키워드를 통해 제도 개선을 위한 회의가 진행된 것으로 유추할 수 있다. 또한, 선거와 정치활동 과정에서 비판 및 소통의 도구로써 챗GPT를 활용한 것으로 파악된다. 경제 분야는 챗GPT 모델 개발과 적용을 위해 필요한 반도체 수요 확대와 시장 성장을 나타내는 키워드 빈도가 높다. 반도체 산업에서 글로벌 기업들의 전략적 우위 선점을 위한 경쟁 심화와 관련된 뉴스가 다수 보도된 것으로 확인된다. 사회 분야는 챗GPT 활용에 따른 교육 환경의 변화와 학교 현장 프로그램 혁신에 관한 키워드가 주를 이룬다. 즉, 교사와 학생이 수업에서 챗GPT를 적용한 사례가 증가해 혁심 능력 강화의 기회를 제공하는 보도를 포함한 것으로 파악된다. 과학기술 분야는 챗GPT 기술개발과 적용분야에 관한 키워드가 두드러진다. 또한, 기업들이 챗GPT를 활용한 언어모델, AI챗봇, 서비스 플랫폼 등을 개발 현황과 사용자들이 검색·이미지·콘텐츠 제작 등 업무에서 챗GPT를 사용하여 맞춤 정보를 얻는 접근성 및 활용성의 보도내용을 유추할 수 있다.

챗GPT 관련 뉴스의 정치·정책, 경제, 사회, 과학기술 4개 분야의 토픽모델링 결과는 표 4 ~ 표 7과 같다. PEST 분야의 전체 뉴스 비중과 토픽의 수는 정치·정책(P)은 273건(3%)에서 4개 토픽, 경제(E)는 2,666건(29%)에서 5개 토픽, 사회(S)는 1,150건(13%)에서 5개 토픽, 과학기술(T)은 5,073건(55%)에서 6개 토픽이 추출되었다. 챗GPT는 서비스 특성상 경제와 과학기술 관련 뉴스기사가 높은 비중을 차지하며, 최적의 토픽 수가 분야별로 다르게 도출되었다.

앞선 챗GPT를 둘러싼 뉴스기사에 나타난 PEST 분야별 공통 및 차별화된 토픽들과 적용 시사점의 연계성은 그림 5에서 보여준다. 거시적 환경 변화에 맞춰 국가R&D정보서비스를 고도화를 위한 챗GPT 기술 적용방향을 종합하여 정리하면 다음과 같다.

Fig. 5. 
ChatGPT news issue topics and application insights

첫째, 정치·정책(P) 측면에서는 무분별한 챗GPT 사용으로 인해 발생될 수 있는 저작권 침해, 개인·민감·보안 정보 유출 문제와 답변의 신뢰성·윤리성·혐오성 등 윤리적 문제들을 이해시키고, 주의사항을 공지해야 한다. 공공서비스 영역에서 제한하는 ‘비공개 정보’와 ‘개인정보’를 포함한 질문을 입력하지 않도록 안내하고, 국가R&D정보서비스를 이용하는 목적에 맞게 맞춤형 챗봇 질문 가이드라인 수립이 필요하다. 그리고 챗GPT에서 생산된 정보를 근거 자료로 활용하기 위해서 출처 표기를 의무화하고, 정보의 사실여부 확인 및 내용검증의 과정을 거치도록 하는 제도적인 뒷받침이 필요하다.

둘째, 경제적(E) 측면에서는 외부에 공개된 거대언어모델(LLM)의 응용프로그램 인터페이스(API)를 국가R&D정보서비스에 접목하여 자체 기술 개발의 시간을 단축하고, 비용절감 효과를 달성해야 한다. 그리고 국가R&D정보서비스의 공공성을 기반으로 데이터, 인공지능, 고성능컴퓨팅, 초고속망 등 인프라를 활용하여 조직 내부 디지털 전환 역량을 증진시키고, 업무의 효율성을 높여야 한다. 또한, 챗GPT 서비스 운영비용 절감과 생산성 향상 방안을 모색하여 업무의 효율성 향상과 서비스 혁신으로 이어지는 긍정적 효과를 이끌어내야 한다.

챗GPT를 도입하기 위해 기관 내부자원인 고성능컴퓨팅과 초고속망을 사용하거나 과학기술 분야에 특화된 거대언어모델의 경량화를 통해 최소비용으로 챗GPT 기술을 도입하고 유지할 방안을 찾아야 한다. 조직 내에 NABC(Needs-Approach-Benefit-Competition) 프로젝트 관리기법을 적용하여 사회적 변화와 이용자들의 니즈(Needs)를 파악하여 학습 데이터를 수집 및 관리하는 효율적인 운영방안을 마련해야 한다.

셋째, 사회적(S) 측면에서는 범용 AI 모델이 공개되고 일반 사용자도 쉽게 사용할 수 있는 환경으로 인해 챗GPT 기술 대한 관심이 증대되고 있다. 이에 국가R&D정보서비스는 대국민 과학기술 정보서비스로서 이용자별 맞춤형 자료를 데이터에 근거하여 신뢰성 있는 자료를 생성·공유하는 건전한 플랫폼 문화를 정착시켜야 한다. 또한, 국가R&D정보서비스 이용자들이 챗GPT 기능이 접목된 챗봇을 사용하여 양질의 과학기술 정보를 생산 및 유통할 수 있도록 활용 교육을 실시해야 한다. 특히, 축적된 국가R&D데이터를 기반으로 답변을 생성하기 때문에 정보의 출처가 명확하고 확인 가능하므로 이용자가 생성된 정보의 정확성과 신뢰성을 직접 평가하고 활용할 수 있도록 자료 검증 과정도 체계화할 필요가 있다.

마지막으로 과학·기술 측면에서는 과학기술 관련 정책과 국가R&D 내용을 이해하고 처리할 수 있는 특화된 인공지능 대화형 언어모델 개발이 필요하다. 즉, 국가R&D사업 논문, 특허, 보고서 등의 성과정보 텍스트를 요약하는 인공지능 모델을 기반으로 국가R&D정보서비스의 챗봇 기능을 개선하여 과학기술 전문지식을 실시간 대화형 서비스로 전환해야 한다. 나아가 고도화된 생성AI 기술과 초거대 언어모델을 대체할 수 있는 경량화 언어학습 모델을 개발하여 정보서비스에 적용해야 한다. 또한, 국가R&D정보서비스에 챗GPT 기술을 도입했을 때, 발생할 수 있는 정보보안 및 프라이버시 문제를 최소화하기 위해 AI보안 기술 경쟁력을 높여야 한다. 챗봇이 제공하는 데이터의 정확도와 보안성을 높이기 위해 국가R&D 데이터를 먼저 검색하고 결과물을 생성하는 검색증강생성(Retrieval-augmented generation) 기술[21]과 파인튜닝 기법을 적용한 언어모델 개발을 고려해 볼 수 있다. 나아가 챗GPT 기술이 접목된 챗봇 서비스를 실시간 제공하기 위해 모바일 연동 시스템 구축이 필요하며, 챗GPT와 음성인식 기능이 탑재된 AI챗봇 개발, 메타버스 같은 가상공간에서 디지털 휴먼 또는 아바타를 통해 정보검색·요약·분석 등을 경험할 수 있는 서비스 기획 등으로 확대할 수 있을 것이다.