Ethan Mollick: 생성 AI의 멋진 신세계

이번 에피소드에서는 McKinsey Global Institute의 Forward Thinking 팟캐스트의 공동 진행자인 Michael Chui가 경영학 교수인 Ethan Mollick과 이야기를 나눕니다. 그는 펜실베이니아 대학교 와튼 스쿨의 부교수입니다. Mollick은 다음을 포함한 주제를 다룹니다.

마이클 추이(공동 진행자):Janet, ChatGPT를 사용해 보셨나요?

자넷 부시(공동 진행자): 실제로는 없었습니다. 정말 긴장했는데, 이 대화를 나누기 직전에 가입하라고 설득하셨어요. 그리고 나는 정말 깜짝 놀랐습니다. 영어로 놀랐다는 뜻입니다. 그래서 나는 그것에 대해 더 듣고 싶어합니다.

마이클 추이: 글쎄요, 아시다시피 우리는 6월에 생성 인공 지능이 노동력에 미치는 영향을 포함하여 경제적 잠재력에 대한 연구를 실제로 발표할 예정입니다. 그러나 오늘의 손님은 비즈니스에서 생성 AI의 엄청난 잠재력에도 놀랐습니다. 그리고 그는 그것에 대해 생각하고 트윗을 올렸을 뿐만 아니라 이러한 아이디어도 실험해 왔습니다. 그리고 기업가 정신을 가르치는 경영학 교수인 그는 실제로 학생들이 자신의 강좌에서 사업 계획을 개발할 때 생성 AI를 사용하도록 요구합니다.

자넷 부시: 글쎄요, 저는 ChatGPT를 사용하여 글을 쓴다면 부정행위를 하지 않을 것이라는 뜻이기 때문에 그것을 좋아합니다. 나는 그가 말하는 것을 듣고 매료되었습니다.

마이클 추이:Ethan, 팟캐스트에 오신 것을 환영합니다.

에단 몰릭: 여기 있어서 정말 기뻐요. 초대해주셔서 감사합니다.

마이클 추이: 엄청난. 배경부터 시작해 보겠습니다. 어디서 자랐나요? 무엇을 공부하셨나요? 오늘 하고 있는 일을 어떻게 마무리하셨나요?

에단 몰릭: 나는 이스트코스터처럼 말할지 모르지만 위스콘신 주 밀워키에서 태어나고 자랐기 때문에 모두가 놀랐습니다. 그러나 나는 그것을 증명하기 위해 치즈 커드를 좋아합니다. 그리고 하버드에서 학부를 마치고 경영 컨설팅을 의무적으로 마친 후 대학 룸메이트와 함께 회사를 시작했습니다.

우리는 페이월을 발명했는데, 아직도 좀 안타깝습니다. 그런 다음 저는 제가 하고 있는 일에 대해 아무것도 몰랐기 때문에(우리는 계속해서 만들어 나가고 있었습니다) 그것을 올바르게 수행하는 방법을 배우기 위해 MBA를 취득하기로 결정했습니다. MBA를 취득하기 위해 MIT에 갔다가 박사 학위를 받기 위해 그곳에 머물렀는데, 그들이 스타트업에 대해 무엇을 하고 있는지 아는 사람이 아무도 없다는 것을 깨달았습니다.

그 기간 동안 저는 AI에 관심이 있는 몇몇 사람들과 함께 미디어 랩에서 일하기 시작했습니다. 저도 한동안 게임 작업을 해왔습니다. 그 후 저는 와튼에 갔고, 그 이후로 그곳에서 가르치고 있으며, 내부 와튼 스타트업을 시작하고 기본적으로 개인의 성과와 더 나은 교육 방법을 연구했습니다.

마이클 추이: 페이월은 어떻게 되나요? 거기서 무엇을 발명했나요?

에단 몰릭: 기술 천재였던 내 대학 룸메이트는 실제로 최초의 액세스 요금인 페이월을 개발했습니다. 그래서 New York Times, The Wall Street Journal은 한동안 그들이 사용하던 임시 소프트웨어를 사용했습니다.

그리고 저는 22살이었고 대규모 출판사에 가서 인터넷에 접속해야 한다고 말하려고 했지만 그것이 아마도 나쁜 생각일지도 모른다는 것을 더 잘 알지 못했습니다. 그 당시 우리는 모든 사람을 온라인에 연결했기 때문에 좋았습니다. 우리는 모든 과정을 거쳤습니다. 우리는 인수되었습니다. 나는 그 과정의 반대편에 있었습니다.

마이클 추이: 괜찮은. 이제부터 우리는 당신을 비난할 것입니다. 훌륭해요. 글쎄요, 최근 당신은 제너레이티브 AI에 경력 전체를 걸고 있다고 말했습니다. 그렇다면 청취자들을 위한 생성 AI란 무엇일까요?

에단 몰릭: 나는 두 가지 중 경력이 훨씬 더 불길하다고 생각하지만 생성 AI에 대해 먼저 이야기하겠습니다. 생성 AI는 ChatGPT, Midjourney 또는 DALL-E에서 볼 수 있는 종류의 인공 지능에 할당하는 카테고리입니다.

다소 불분명하지만 모든 AI가 과거 데이터를 기반으로 미래를 예측하는 동일한 작업을 수행한다고 생각할 수 있습니다. 예전에는 우리가 판매할 부품 수나 UPS 트럭이 어디에 있어야 하는지 예측하는 것이 목적이었습니다.