AI 스타트업 넥스트젠에이아이가 개발한 한국어 임베딩 모델 두 종이 텍스트 임베딩 성능 평가 체계 MTEB(Massive Text Embedding Benchmark)의 한국어 벤치마크에서 각각 다른 조건의 1위를 기록하며 기술력을 입증했습니다. 임베딩 모델은 문장이나 문서를 컴퓨터가 이해하고 비교할 수 있는 숫자 벡터로 변환하는 핵심 기술로, 검색증강생성(RAG), 사내 문서 검색, 문서 분류 등 다양한 AI 응용 분야에 필수적입니다.
넥스트젠에이아이의 1억 4,900만 파라미터(parameter) 규모 경량 모델 'ko-embed-v0'는 MTEB 한국어 리더보드의 '제로샷 전용' 조건에서 종합 순위 1위에 올랐습니다. 제로샷(zero-shot)은 평가 데이터를 학습에 사용하지 않고도 성능을 발휘하는 능력을 의미하며, 이 모델은 분류, 군집화, 검색, 문장 유사도 등 한국어 20개 과제를 별도 학습 없이 수행했습니다. 또한, 약 5억 6,800만 파라미터 규모의 'ko-embed-cls' 모델은 뉴스 제목을 7개 분야로 분류하는 단일 뉴스 분류 과제(KLUE-TC)에서 1위를 차지하며 특정 업무에 특화된 성능을 보여주었습니다.
이번 성과는 모델 크기를 무작정 키우기보다 기업 현장에서 실제로 활용 가능한 경량 AI 모델 연구에 집중한 결과로 평가됩니다. 넥스트젠에이아이는 라벨 데이터가 부족한 기업 초기 단계에는 제로샷 모델로 AI 적용 가능성을 검증하고, 이후 실제 업무 데이터를 반영한 특화 모델로 정확도를 높이는 단계적 AI 구축 전략을 제시했습니다. 이는 검색이나 분류처럼 목적이 명확한 업무에서 대규모 범용 모델보다 경량 특화 모델이 GPU 인프라 부담을 줄여 효율적이라는 점을 시사합니다. 이러한 접근 방식은 기업들이 AI 도입 시 겪는 비용과 복잡성 문제를 해결하는 데 기여할 것으로 기대됩니다.