- 생성형 AI는 리더가 연례 보고서, 계약서, 고객 피드백, 기술 문서, 내부 메모와 같은 비정형 텍스트 데이터를 활용하여 비즈니스 전략에서 실행 가능한 정보를 생성하는 방식을 바꾸고 있습니다.
- 과거에는 방대한 양의 기업 텍스트를 분석하는 데 많은 시간과 비용이 소요되어, 많은 중요한 데이터가 길고 활용하기 어려운 문서 안에 “갇혀” 있었습니다.
- 이 연구는 GPT 모델을 미세 조정(fine-tune)하여 미국 상장 기업의 10-K 보고서 내 “사업 설명(Business Description)” 섹션을 분석함으로써 탈탄소화를 지원하는 제품 및 서비스와 관련된 내용을 탐지했습니다.
- 훈련 데이터 세트는 다양한 산업 분야의 약 3,500개 라벨링된 문장으로 구성되어, AI가 기후 솔루션 판매와 단순한 환경 문제 언급을 구분할 수 있도록 도왔습니다.
- 이후 이 모델은 2005~2022년 기간 동안 4,483개 미국 기업의 39,710개 10-K 보고서에서 추출한 약 1,000만 개의 문장을 분류하는 데 적용되었습니다.
- 확인된 기후 솔루션에는 배터리, 전기차, 에너지 저장, 재생 에너지(풍력 및 태양광), 재활용 재료, 식물성 단백질, 에너지 절약 솔루션 및 바이오 연료가 포함됩니다.
- 결과에 따르면 텍스트에서 추출된 “기후 솔루션 강도”는 높은 매출 성장, 더 큰 시장 가치 평가 및 기후 정책에 대한 주식 시장의 긍정적인 반응과 상관관계가 있는 것으로 나타났습니다.
- 텍스트 분석은 또한 에너지 저장 기술이 자동차 산업과 전력 유틸리티 산업에 동시에 관련되는 것과 같이 산업 간의 융합을 조기에 발견하는 데 도움이 됩니다.
- 유사한 기후 솔루션 테마를 가진 산업은 주식 변동성도 비슷하게 나타나는 경향이 있어, 비즈니스 기반이 서로 연결되고 있음을 보여줍니다.
- 생성형 AI는 기술이 더 저렴하고 효율적으로 변함에 따라 에너지 전환에 대한 정치적 영향이 예상보다 낮다는 등 리더의 전략적 가정을 검증하는 데에도 도움이 됩니다.
📌 과거에는 방대한 양의 기업 문서를 분석하는 데 시간과 비용이 많이 들어 많은 중요한 데이터가 길고 추출하기 어려운 문서에 “갇혀” 있었습니다. 생성형 AI는 리더가 연례 보고서, 계약서, 고객 피드백, 기술 문서 및 내부 메모와 같은 비정형 텍스트 데이터를 활용하여 비즈니스 전략에서 실행 가능한 정보를 생성하는 방식을 변화시키고 있습니다. 텍스트에서 추출된 신호는 비즈니스 활동을 반영할 뿐만 아니라 매출 성장, 시장 가치 평가 및 경쟁 트렌드와도 관련이 있습니다. 이 방법은 공급망, 고객, 인력 및 법적 리스크와 같은 다른 많은 분야에도 적용될 수 있습니다.
