요즘 챗(Chat)GPT가 '핫'하다. 챗GPT는 생성형 언어학습모델을 통해 다양한 지식 분야에서 정교한 대답을 하는 대화형 AI(인공지능)이다. 오픈(Open)AI는 올해 3월14일 기존 GPT-3.5에 비해 8배나 많은 문장을 처리하고 사진까지 이해할 수 있는 GPT-4를 발표한 바 있다.

이미 마이크로소프트(MS)는 자사 오피스 제품군에 코파일럿(Copilot)이라고 하는 AI 서비스를 추가했다. 이를 통해 프로그램이 주도적으로 글을 작성, 편집, 요약, 창작하거나, 기존 문서를 자동으로 프레젠테이션 자료로 변환하는 것이 가능해졌다. 그야말로 SF(공상과학) 영화에서나 봤던 일들이 현실이 되고 있는 것이다.

전통적 프로그래밍은 사람(프로그래머)이 규칙을 만들고 데이터를 입력하면 그 규칙에 따라 해답을 도출하는 방식에 머물렀다. 즉, 계산기의 개념에서 크게 벗어나지 못했던 것이다. 그러나 머신러닝은 방대한 데이터를 학습하며 의사결정을 위한 패턴을 기계가 스스로 학습해 규칙을 찾아낸다. 사람처럼 경험을 통해 귀납적 추론을 하는 것이 가능해진 것이다.

더욱이 챗GPT같은 생성형 AI는 자연어 처리·생성 기술을 통해 결과를 사람이 이해하기 쉽게 정리해 제공할 뿐 아니라 채팅 형식으로 AI와의 의사소통을 직관적이고 쉽게 만들어 줬다. 앞으로도 AI 기술이 엄청난 속도로 발전할 것이 분명한 만큼 기술사업화에도 엄청난 변화가 있을 것으로 예상된다.

첫째, 기술에 대한 이해도가 비약적으로 발전할 것이다. 지금도 기술의 경제적 가치를 판단하기 위해 기술가치 평가를 하고 있지만 현존 평가모델이 기술의 잠재적 가치까지 정확히 예측하지는 못하고 있다. 이는 기술이 가진 암묵지성 때문인데, 기술은 노하우라고 하는 말이나 글로 표현하기 힘든 부분이 있어 몇 가지 변수로만 진정한 가치를 평가하기 어렵다.

기술가치 평가를 많이 해본 전문가들은 수치 외에도 소위 전문가의 '감'을 가지고 있는 데 이는 경험으로부터 얻어지는 설명하기 힘든 학습결과이다. GPT-4처럼 AI가 문서는 물론, 이미지, 동영상 등 다양한 종류의 방대한 데이터를 귀납적으로 학습한다면 전문가들의 '감'을 익히는 것도 불가능한 것은 아니다. 과거 20~30년 치의 기술이전 데이터를 AI가 학습해 기술이전 가능성을 예측하는 연구들이 다수 진행되고 있고, 상당히 높은 수준의 정확도를 보이고 있다.

둘째, 수요-공급의 미스매치를 해결할 수 있다. 미스매치는 기술사업화의 해묵은 난제 중 하나인데, 이는 정부나 공공기관 등 중간 매개자들이 제한된 정보만을 가지고 수요와 공급을 매칭하기 때문이다. 정보의 부족이 주요 원인이며, 정보 비대칭 문제는 종종 대리인의 역선택 같은 부작용도 일으키고 있다.

그러나 AI를 활용한다면 기술보유기관의 논문.특허 정보와 수요기업의 수요서, 제품군, 경영지표 등 다양한 데이터를 입체적으로 분석하고 학습해 다양한 유사도 지표를 만들 수 있으며, 이를 통해 수요자의 니즈를 세분화하고 정확도 높은 매칭을 제안할 수 있다.

셋째, 새로운 기술사업화 기회를 모색할 수 있다. 최근 다양한 디지털 기술이 빠르게 발전하면서 디지털 치료제처럼 새로운 융복합 제품과 서비스들이 쏟아져 나오고 있다. 기술사업화가 어려운 이유 중 하나는 기술이 어떠한 시장에서 성공적으로 상업화될지 예측하기 힘들다는 점이다.

그러나 앞으로 AI 기반의 정밀한 기술가치 평가가 가능해지면 이를 기반으로 새로운 기술사업화 기회를 찾는 것이 가능해 질 것이다. 기존 시장 뿐 아니라, 새로운 시장까지 폭 넓게 예측할 수 있기 때문에 새로운 기술적용 분야를 발굴하고 이를 통해 사업다각화 또는 신시장 개척이 용이하게 추진할 수 있을 것이다.

챗GPT는 AI 기술의 잠재력을 보여주는 좋은 사례이다. 앞으로 AI는 다양한 기술적 진보를 통해 기술사업화 '시즌2'의 시대를 열 수 있을 것으로 기대된다.

[머니투데이 스타트업 미디어 플랫폼 '유니콘팩토리']