기업의 고유 데이터와 전문 지식에 맞춰 저비용 AI 모델을 미세조정(파인트레이닝)하는 트렌드가 OpenAI와 Anthropic의 첨단 AI 모델에 대응하는 대항마로 떠오르고 있습니다.
과거 법률, 의료, 교육 분야의 전문 AI 모델은 구세대 AI를 따라잡는 수준에 그쳤으나, 최근 여러 테스트에 따르면 그 격차가 크게 줄어들고 있는 것으로 나타났습니다.
ハーベイAI(Harvey AI)는 법률 분야를 위해 Kimi 2.6 모델을 미세조정하여 성능을 약 40% 향상시켰으며, 비용은 약 11분의 1 수준에 불과하면서도 첨단 AI 모델과 대등한 수준을 달성했습니다.
그러나 Anthropic이 동일한 테스트에서 더 높은 성능을 발휘하는 새로운 Opus 버전을 출시하면서 이 우위는 빠르게 축소되었습니다.
브릿지워터 어소시에이츠(Bridgewater Associates)는 씽킹 머신즈 랩(Thinking Machines Lab)과 협력하여 투자 팀의 내부 데이터, 프로세스 및 경험을 바탕으로 Qwen3-235B 모델을 미세조정했습니다.
미세조정된 모델은 재무 분석 작업에서 약 85%의 정확도를 달성하여 첨단 AI 모델 대비 오류를 30% 가까이 줄였으며, 비용은 약 14분의 1 수준에 불과했습니다.
이러한 성공은 모델이 정답만을 학습한 것이 아니라, 브릿지워터의 전문가들이 실제 일상 업무에서 어떻게 의사결정을 내리는지까지 학습했기 때문입니다.
이 글은 단순히 거대 기반 모델에 대한 접근 권한을 판매하는 대신, 각 조직에 맞춘 고유의 AI 모델을 구축하고 유지 관리해 주는 서비스를 전문으로 제공하는 기업들이 등장할 것이라고 예측합니다.
마이크로소프트 역시 데이터 제어권과 지식 자산의 가치를 잃을 위험이 있다며, 기업들이 소수의 폐쇄형 AI 모델에 의존하지 말라고 경고했습니다.
아울러 이 글은 자신의 입지를 줄일 수도 있는 상황에서, 직원들이 오랜 세월 축적해 온 지식을 기업의 AI 학습을 위해 기꺼이 이전하려 할 것인가라는 의문도 제기합니다.
📌 결론: AI 경쟁은 가장 강력한 모델을 만드는 것에서 각 기업의 고유한 지식을 활용하는 방향으로 전환되고 있습니다. Harvey AI나 브릿지워터와 같은 사례는 내부 데이터와 경험으로 미세조정된 저비용 모델이 약 11분의 1에서 14분의 1의 비용만으로도 첨단 AI 모델의 성능을 따라잡거나 능가할 수 있음을 증명합니다. 이러한 추세가 지속된다면, 주도권은 AI 모델 공급업체에서 고유 데이터, 프로세스 및 전문 지식을 보유한 기업으로 이동할 수 있습니다.
