SK하이닉스의 이러한 시도는 단순한 제품 협업을 넘어 기술 중심 기업이 어떻게 브랜드 경험을 소비자들에게 확장할 수 있는지를 보여줍니다. SK하이닉스는 이번 제품 출시를 시작으로 HBM 제품을 의인화한 캐릭터를 공개하며 본격적인 홍보에 나설 계획이라고 하는데요. 이러한 SK하이닉스의 사례는 B2B 산업에서 기술 홍보가 브랜드 문화로 어떻게 전환이 이루어지는 지를 살펴볼 수 있는 좋은 기회로 보입니다.

• 주제(Subject): 이미지 속 인물 또는 대상을 구체적으로 설정합니다.
  (예: 푸른빛 눈을 가진 냉정한 로봇 바리스타, 작은 마법사 모자를 쓴 긴 털의 삼색 고양이)
• 구도(Composition): 장면이 어떤 방식으로 프레임에 담기는지를 지정합니다.
  (예: 극단적 클로즈업, 와이드샷, 로우 앵글)
• 행동(Action): 무엇이 일어나고 있는지를 명확히 합니다.
  (예: 커피를 내리는 중, 마법 주문을 시전하는 중, 들판을 달리는 중간 장면)
• 배경(Location): 장면의 장소를 설정합니다.
  (예: 화성의 미래형 카페, 어수선한 연금술사의 서재, 황금빛 저녁의 초원)
• 스타일(Style): 전체적인 미적 방향을 제시합니다.
  (예: 3D 애니메이션, 느와르 영화풍, 수채화 스타일, 사실주의, 1990년대 제품 광고 사진)
• 편집 지시(Edit Instructions): 기존 이미지 수정 시에는 명확하고 구체적으로 표현합니다.
  (예: 남자의 넥타이를 초록색으로 바꾼다, 배경의 자동차를 제거한다)

• 탁월한 텍스트 렌더링으로 시각물 생성: 선명하고 읽기 쉬운 텍스트를 활용해 임팩트 있는 포스터, 정교한 다이어그램, 상세한 제품 목업을 제작할 수 있습니다.
• 현실 세계를 반영한 생성: 제미나이 3 프로의 실제 지식과 추론 능력을 바탕으로 정확하고 풍부한 디테일의 이미지를 만듭니다.
• 아이디어 번역 및 현지화: 이미지 속 텍스트를 자동 번역하거나 다국어 버전으로 생성합니다.
• 스튜디오 수준의 품질 제어: 조명, 카메라 각도, 초점, 색보정 등을 정밀하게 조정하여 전문가 수준의 결과를 얻습니다.
• 정밀한 리사이징: 1K, 2K, 4K 해상도 등 다양한 비율로 조합을 시도하며 선명한 이미지를 생성합니다.
• 여러 인물의 일관성 유지: 최대 6~14장의 서로 관련 없는 이미지도 균형 있게 합성하여 캐릭터 일관성을 유지하며 새로운 장면을 만듭니다.
• 브랜드 룩앤필 구현: 패턴, 로고, 그래픽 등을 3D 오브젝트나 포장재에 자연스럽게 덧입혀 브랜드 정체성이 유지된 시각물을 만듭니다.

웹크롤링 데이터로 아랍어 멀티모달 데이터셋 만들기

2022년 말 챗GPT가 등장했을 때, 많은 사람들이 큰 충격을 받았습니다. 이전에는 원하는 정보를 찾기 위해 구글이나 네이버 같은 검색 엔진에 키워드를 입력하고, 결과 웹페이지들을 일일이 클릭해 보면서 원하는 답을 찾아야 했습니다. 반면 챗GPT는 접근 방법이 전혀 달랐습니다. 궁금한 내용을 마치 선생님이나 친구들에게 물어보는 것처럼 입력하기만 하면 답을 알려주었기 때문입니다. 처음에는 텍스트로 입력하고 텍스트로 결과를 확인할 수 있었는데 이제는 답변을 깔끔하게 표로 만들어 주기도 하고, 내가 원하는 형태를 설명하기만 하면 그에 맞춰 이미지를 생성해 주는 수준으로 발전했습니다.

위 그림은 2022년 콜로라도 주립 박람회의 ‘디지털 아트’ 부문에서 1위를 차지한 작품입니다. 기존에 ‘디지털 아트’라고 하면, 사람이 컴퓨터를 이용해 직접 그린 그림을 의미했지만, 이미지를 이해하는 생성형 AI가 등장하면서 이제는 사람이 원하는 그림을 텍스트로 설명하기만 하면 AI가 그 내용을 기반으로 그림을 생성하는 기술로까지 확장되었습니다.

당시 AI를 이용해 생성했다는 사실을 밝히지 않고 출품해 1위를 차지함으로써 큰 논란이 되었었는데, 이후 AI 기술이 빠르게 발전하면서 이제는 사람이 그린 그림인지 AI가 생성한 이미지인지 거의 구분하기 어려운 수준이 되었습니다.

이처럼 AI가 표나 이미지 등 복잡한 형태를 이해할 수 있게 된 이유는 데이터셋에 표와 이미지를 포함해서 학습을 시켰기 때문입니다. 보통 우리가 문서를 작성할 때는 내용에 따라 체계적으로 구조를 나누고 필요시 표를 활용하기도 합니다. 기존에는 대규모 언어 모델(LLM, Large Language Model)을 학습할 때 이러한 문서에서 텍스트만 추출해 학습하였다면, 대규모 멀티모달 모델(LMM, Large Multimodal Model)에서는 문서의 구조와 함께 문서에 포함된 표나 이미지까지 원본 형태 그대로 학습에 사용합니다.

LLM을 만드는 초기에 가장 널리 사용되는 데이터셋 중 하나가 CommonCrawl1) 입니다. CommonCrawl은 온라인상의 웹페이지를 크롤링해 모아둔 것으로 주기적으로 새로운 웹페이지가 추가되고 있습니다. LLM을 개발하는 연구소나 기업 등에서는 별도로 대규모 데이터셋을 구축할 필요없이 CommonCrawl을 이용할 수 있어서 매우 유용합니다.

다만 CommonCrawl은 웹페이지를 단순히 수집해놓은 원천 데이터이기 때문에 LLM학습을 위한 데이터셋으로 활용하기 위해서는 정제 작업을 거쳐야 합니다. 중복된 페이지들이 있거나 여러 언어가 혼재되어 있기도 하고, 학습에 적합하지 않은 내용도 있을 수 있기 때문입니다. 이러한 데이터셋 정제 작업에 널리 사용되는 데이터 파이프라인이 OBELICS2)입니다.

OBELICS에서는 몇 가지 기준에 따라 웹사이트를 정제해 LLM 학습용으로 사용할 수 있도록 데이터셋을 생성합니다. 하지만 OBELICS는 영어 기준으로 설계되었기 때문에 동일하게 라틴 알파벳을 사용하는 언어에는 거의 그대로 사용할 수 있지만 그렇지 않은 언어는 고유한 특성이 있어 일부 기준이 맞지 않는 경우도 있습니다.

WASM는 아랍어의 특징을 반영해 OBELICS에서 몇 가지 정제 기준을 조정하였습니다.

정부가 AI 주권 확보를 위해 독자 파운데이션 모델 개발을 추진 중인 가운데, 한국어의 구조적 복잡성과 데이터 부족이 고성능 K‑AI 개발의 주요 과제로 떠올랐습니다. MS·UMD 연구에 따르면 한국어는 주요 글로벌 모델의 언어 이해 실험에서 26개 언어 중 22위를 기록하며 효율성이 낮게 나타났는데요. 전문가들은 그러나 문제의 본질이 언어 구조가 아니라 부족하고 폐쇄적인 데이터 환경에 있다고 지적했습니다. 김진구 플리토 CDO는 "한국어는 라틴 계열 언어들과 달리 교차 전이 학습 효과를 누리지 못하므로, 고품질 한국어 데이터 확보가 필수적"이라고 설명했습니다. 또한, "정부가 공공 데이터를 비식별화해 과감히 개방하고, 산·학·연이 협력해 최신성 높은 데이터셋을 구축해야 한다"고 덧붙였습니다.

플리토는 지난달 19~22일 코엑스에서 열린 '월드커피리더스포럼 2025'와 '서울카페쇼 2025'에서 AI 통번역 기술로 글로벌 미식 소통 환경을 구축했습니다. 이번 포럼은 '미식 경험의 설계자들'을 주제로 75개국 5000여 명이 참가했으며 플리토는 전 세션에 AI 동시통역 솔루션 라이브 트랜스레이션을 제공해 최대 42개 언어로 실시간 통역을 지원했습니다. 또 서울카페쇼에서는 웹 기반 '카페쇼 AI GUIDE'를 통해 37개 언어 안내 서비스를 운영해 전시 현장에서 외국인 방문객의 편의를 높였습니다. 이 서비스는 한국관광공사 주관 인공지능 기반 관광혁신 실증사업의 일환으로 플리토는 AI 통번역 솔루션 공급 기업으로 참여했습니다.