인공지능(AI)이 우리 삶의 중심에 자리 잡고, 다양한 기술과 융합되면서 산업 전반에 큰 혁신을 일으키고 있습니다. 특히 생성형 AI는 새로운 콘텐츠나 데이터 등을 만들어내는 능력으로, 비즈니스의 새로운 가능성을 제시하고 있는데요. 그중에서도 Vision AI와 생성형 AI의 결합은 강력한 시너지를 발휘하며, 기술적 진보를 이끌어내고 있습니다.

Vision AI는 컴퓨터 비전과 인공지능이 통합된 기술로, 쉽게 말해 컴퓨터가 이미지를 인식하고 해석할 수 있게 만들어주는 기술입니다. 오늘날 Vision AI는 다양한 이미지 센서를 통해 자율주행을 실현하고, 제조 산업에서 상품을 검수하는 등 판별형 Vision AI로써 쉽게 찾아볼 수 있습니다. 심지어 3D 스캔을 통해 질병을 분류하고, 일상 속 인파 밀집도를 분석해 사고를 예방하는 등 사람의 생명을 좌우하는 분야에서도 활용될 정도로 기술이 고도화되고 있습니다. 이러한 Vision AI는 최근 생성형 AI와 맞물려 빠르게 성장하고 있으며, 그 활용 범위가 점점 넓어지는 추세입니다.

생성형 AI와 멀티모달로 한 층 업그레이드된 Vision AI

지금까지 Vision AI는 학습된 데이터를 기반으로 각종 시각 데이터를 처리해 왔습니다. 그렇기에 데이터 품질에 크게 의존할 수밖에 없었으며, 예측 가능성과 정확성이 높은 대신 창의적이고 유연한 결과를 도출하는 데 한계가 있었습니다. 하지만 생성형 AI의 등장 이후, 단순히 이미지를 인식하고 분석하는데 그쳤던 Vision AI가 한층 진화하고 있습니다. 생성형 AI의 창의적이고 독창적인 결과물 생성 기술을 활용해 이미지를 재가공하고, 가상현실에 반영하는 등 더 넓은 응용성을 갖추게 된 것입니다.

한편, Vision AI의 발전에는 생성형 AI뿐만 아니라 멀티모달(Multi Modal) 기술이 중요하게 작용하고 있습니다. 멀티모달은 텍스트, 이미지, 오디오, 비디오 등 여러 유형의 데이터를 동시에 처리하고, 이를 상호 연관시켜 이해하는 기술입니다. 쉽게 말해, 멀티모달은 AI가 학습할 수 있는 다양한 형태의 데이터를 제공하여 AI가 보다 폭넓은 정보 기반에서 학습할 수 있도록 돕습니다. 이를 기반으로 Vision AI는 생성형 AI와 협력해 작업물을 개선하고 더 나은 성과를 만들어냅니다.

이처럼 Vision AI는 다양한 데이터를 처리하기 위해 생성형 AI가 필요하며, 생성형 AI는 이러한 데이터를 다룰 수 있는 기반을 확보하기 위해 멀티모달 기술을 활용합니다. 덕분에 Vision AI는 더욱 다양한 형태의 데이터를 처리하고 고도화된 결과를 만들어낼 수 있습니다.

다양한 분야에서 활용 가능한 생성형 Vision AI 사례

그렇다면 생성형 AI 도입으로 진화한 Vision AI는 다양한 산업에서 어떻게 활용할 수 있을까요? 다양한 분야에서 활용 가능한 생성형 Vision AI 사례를 살펴보겠습니다.

① 인테리어/가구
인테리어나 가구를 구입하기 전, 우리 집에 어울릴지 혹은 사이즈가 맞을지 고민해 본 적이 있을 것입니다. 이러한 고민을 해결하기 위해 AI 기반 인테리어 디자인 솔루션 기업인 아키스케치(Archisketch)는 Vision AI를 활용한 인테리어 이미지 생성 솔루션을 출시했습니다. 이는 인테리어가 필요한 방의 사진을 활용해 공간에 딱 맞는 인테리어 이미지를 생성 및 추천해 주는 서비스로, 소비자들의 가구 구매 전 사이즈와 적합성에 대한 고민을 해소했습니다. 현재 아키스케치는 텍스트를 통해 원하는 테마의 인테리어를 생성할 수 있도록 서비스를 제공하고 있습니다.

② 패션/스포츠

인테리어/가구 분야와 비슷하게 패션/스포츠 분야에서도 생성형 Vision AI를 활용할 수 있습니다. 온라인 쇼핑몰 틴커는 생성형 Vision AI를 활용해 인터넷에서 상품을 구매하기 전, 얼굴과 체형 정보를 입력해 가상으로 옷을 피팅해볼 수 있도록 제공하고 있습니다. 이를 통해 고객은 직접 옷을 입어보지 않고도 자신에게 맞는 사이즈를 선별할 수 있습니다.

또 다른 사례로 스포츠 의류 브랜드 리복의 생성형 Vision AI를 활용한 맞춤형 디지털 스니커즈 생성 서비스가 있습니다. 이는 고객이 적용하고 싶은 이미지를 제출하면 생성형 Vision AI를 통해 해당 이미지를 가상 모델에 적용하는 프로젝트로, 고객이 직접 자신만의 신발을 직접 기획함으로써 뜨거운 호응을 얻을 수 있었습니다.

③ 뷰티

마찬가지로 뷰티 분야에서도 생성형 Vision AI를 활용한 사례가 있습니다. 화장품 브랜드 로레알은 Vision AI를 통해 가상으로 다양한 메이크업을 해볼 수 있는 서비스를 출시했습니다. 이를 통해 고객은 화장품을 직접 사용해 보지 않더라도 자신에게 어울리는 화장품을 선택할 수 있습니다. 이후 출시한 뷰티 지니어스 앱에서는 사용자가 업로드한 사진을 기반으로 생성형 AI가 피부의 건조 상태를 분석하고 적절한 제품을 추천하는 등 개인 맞춤형 피부 관리 비서도 지원하고 있습니다. 비슷하게 미용 브랜드 가르니에는 생성형 Vision AI를 헤어에 적용해 고객이 다양한 헤어 컬러를 가상으로 체험할 수 있도록 지원하고 있습니다.

④ 식품

앞선 뷰티 분야의 마케팅 관점의 생성형 Vision AI 활용은 식품 분야에서도 활용할 수 있습니다. 코카콜라는 생성형 Vision AI를 활용해 고객이 직접 코카콜라 제품을 디자인해 볼 수 있는 이벤트를 진행했습니다. 이를 통해 고객과 브랜드가 상호작용하고, 이색적인 경험을 제공하여 브랜드 인지도를 제고할 수 있었습니다.

기업 비즈니스의 새로운 기회, 생성형 Vision AI 도입 시 고려 사항은?

앞선 사례로 미루어 보았을 때 생성형 Vision AI는 다양한 산업에서 고객 만족도를 획기적으로 높이고, 이미지와 충성도를 강화하는 잠재력을 보유하고 있음을 알 수 있습니다. 특히 고객의 선호와 요구에 맞춘 초개인화 서비스는 기업이 소비자와의 정서적 연결을 강화하고 확보하는데 기여할 수 있습니다.

마켓앤마켓(MarketsandMarkets)이 공개한 ‘2028년까지 컴퓨터 비전 산업에서의 AI 전망’ 보고서¹⁾에 따르면, 컴퓨터 비전 산업의 AI 시장 규모는 2028년 457억 달러로 증가해 연간 21.5%로 성장할 전망입니다. 다시 말해, 향후 많은 기업에서 생성형 Vision AI의 수요가 증가할 것으로 보이며, 이에 따라 그 시장 규모도 증가할 것으로 예측됩니다.

하지만 Vision AI 기술 도입에는 다음과 같은 고려 사항도 존재합니다. 먼저, 생성형 Vision AI 도입은 명확한 비즈니스 목표가 필요합니다. 다시 말해 AI 기술이 장기적으로 기업 성과에 어떻게 기여할 수 있는지 구체적인 계획이 선행되어야 함을 의미합니다. 두 번째는, 데이터 보안 문제에 대비하는 것입니다. 생성형 AI를 활용하는 과정에는 대규모 데이터 처리가 일어나기 마련입니다. 이 과정에서 민감한 정보가 포함될 수 있으며, 이를 방지하기 위해 기업을 필수적으로 철저한 보안 체계를 구축해야 합니다.

이와 같은 문제를 해결하기 위한 방안은 도메인 특화 LLM을 활용해 맞춤형 AI 기술을 도입하는 것입니다. 도메인 특화 모델은 특정 분야에 한정하여 전문적인 용어나 문맥을 이해하면서도 향상된 성능을 보장할 수 있습니다. 즉, 기업은 도메인 특화 LLM 도입을 통해 데이터 보안 문제를 해결하고, 기술의 정확성을 높일 수 있으며, 더 나아가 비즈니스 성과를 극대화할 수 있습니다.

생성형 Vision AI는 단순한 기술 혁신을 넘어 브랜드와 소비자가 함께 가치를 창출하는 시대를 열어가는 기반이 될 것입니다. 기업 규모와 산업별 요구에 맞는 맞춤형 솔루션을 통해 차별화된 고객 경험을 제공하고, 변화하는 시장 환경에서 경쟁 우위를 확보해 보세요.

1) MarketsandMarkets, <AI In Computer Vision Market Size, Share & Trends 2024>

본 콘텐츠는 저작권법에 의해 보호 받는 저작물로 LG CNS에 저작권이 있습니다.
사전 동의 없이 2차 가공 및 영리적인 이용을 금합니다