

직무별 성장률 (2026년 2월 대비 6~8월 기준):
-
법률 (Legal): 108배 (108x)
-
영업 / 고객관리 (Sales / Account): 41배 (41x)
-
인사 / 채용 (People / Recruiting): 41배 (41x)
-
마케팅 / 홍보 (Marketing / Communications): 26배 (26x)
-
의료 / 임상 (Healthcare / Clinical): 24배 (24x)
-
재무 / 회계 (Finance / Accounting): 20배 (20x)
-
프로젝트 / 프로그램 관리 (Project / Program): 18배 (18x)
-
엔지니어링 / 기술 실무 (Engineering / Technical Practitioner): 5배 (5x)
계약서, 판례, 규제 등 방대한 자료 검색 및 정리......라는 것이
AI가 너무나 손쉽게 해내는 분야여서...
저라면 로컬 서버를 만들어 써도 될 것 같습니다.
이런 서비스에 필요한 성능은 로컬로도 충분한 시점이 되었고,
단지 일반 데스크탑으로는 방대한 컨텍스트 처리가 어려우니 서버 사양을 갖춰야 겠죠.
물론 프런티어 서비스와 마찬가지로 법률 전용 하네스를 장착해야겠고 말입니다.
영업 분야, 인사 분야 등에서도 AI에이전틱 파이프라인을 구축해서 활용하는 곳들이
급증 하는 추세에 있습니다.
이는 엔트로픽이 선점하여 많은 효과를 누렸지만, 근래에는 OpenAI 역시 뒤늦게 열심이어서,
생각 보다 기업 매출이 급증하는 추세입니다.
아마 이번에 엔트로픽이 매출만이 아니라 여러 수치에서 앞서나가게 되었지만,
다음 분기에는 오픈AI가 재역전 또는 근접할 수 있지 않을까 싶습니다.
ai만 믿고 하기엔 부담이 너무 크죠.
실제 데이터를 참고 할 수 있는 시스템이 갖춰져 있다고 보아야겠죠.
방대한 데이터를 취합 한후 근거가 되는 자료 링크 정도는...
결국 사람 손이 닿더라도 그 과정을 대폭 줄여 주고요.
토큰이 매우 과다하게 산정되어서 AI 이용요금이 엄청 나옵니다.
그 결과물 또한 누락된게 많아서 아쉽고요...
RAG, 스토리지도 써봤는데 이것도 대용량 문서처리에는 한계가 있네요.
결국 방대한 문서일수록 로컬LLM을 구축해야겠다라는 생각과,
로컬LLM을 돌릴수 있을 만한 시스템을 구축하는 비용간에서 고민하게 되네요.
RAG 에서 원하는 데이터를 추출하는 여러 기법들이 요즘 많이 발전 되어 있습니다.
찾아 보시면 예전 보다 토큰을 크게 줄이면서 정확도를 올려주는 스킬들이 근래 부쩍 발전하고 있는 모습입니다.
즉, 알고리즘과 DB가 동시에 발전 하고 있습니다.
예를 들면 이런 것이 있겠네요.
https://github.com/volcengine/OpenViking
이 외에도 많습니다.
혹시 오해가 있을 것 같아 적어 보자면,
다른 저장 방법을 보시라는 의미가 아니라
어떻게 원하는 자료를 찾아내는가에 대한 알고리즘을 보시라고 링크를 단 것입니다.
변호사들도 놓치는 사소한 내용을 끄집어 내서 논점을 만드는거 보고 놀랐습니다.
그렇다고 변호사의 역할이 중요하지 않다는건 절대 아니구요, 법률시장에 강력한 도구가 나타났다는 걸 말씀 드리는 겁니다.