| 2024년 가트너 10대 기술을 해석해 보면 크게 3가지로 요약할 수 있습니다. 첫 번째는 AI 기술에 가장 주목하고 있다는 점, 두 번째는 2023년의 전략기술과 중복되는 점이 많다는 것 그리고 세 번째는 미래를 위한 기술의 지속가능성을 강조하고 있다는 것입니다. ChatGPT의 등장으로 AI 기술이 급속도로 발전하고 있으며, 기술 변화 주기가 빨라지고 있습니다. 이러한 미래 예측의 어려움 속에서도 그 흐름을 반영하여 가트너에서는 2024년에 AI 기술에 주목하고 있으며, 향후 3년간 AI TRiSM, Democratized Generative AI, AI-Augmented Development, Intelligent Applications의 발전 방향으로 나아갈 것으로 예측하고 있습니다. 현재의 기술 트랜드를 정밀하게 분석하여 빠르게 변화하는 기술 환경에 유연하게 대응할 수 있는 능력을 기르는 것이 중요할 것으로 보입니다. |
I. 서론
2024년 가트너 10대 기술을 해석해 보면 크게 3가지로 요약할 수 있습니다. 첫 번째는 AI 기술에 가장 주목하고 있다는 점, 두 번째는 2023년의 전략과 중복되는 점이 많다는 것 그리고 세 번째는 미래를 위한 기술의 지속가능성을 강조하고 있다는 것입니다.
1) AI 기술에 주목
가트너 2024년 전략기술 중 AI TRiSM, AI-Augmented Development, Democratized Generative AI는 직접적으로 AI가 언급되었고, 나머지 7가지도 AI와 간접적으로 연관되어 있는 기술들입니다. 가트너 심포지움에서 발표한 키노트 문구 “We Shape AI, AI Shapes Us”에서도 볼 수 있듯이 2024년에도 AI의 영향력이 클 것으로 예상할 수 있습니다. 이와 같이 AI는 이제 인간과 기계를 연결하는 도구에서 파트너로 자리 잡고 있습니다.
2) 기술 성숙기
2024년 전략기술 중 2023년 전략기술과 중복되는 기술이 많다는 점입니다. AI TRiSM, Sustainable Technology, Platform Engineering, Industry Cloud Platforms 4개의 전략이 작년과 동일하게 발표되었습니다. 이는 해당 기술이 성숙 단계를 거쳐 안정기로 접어들며 맞춤형으로 대중화되는 시기라는 것을 알 수 있습니다.
3) 지속 가능한 기술
ESG(환경, 사회, 거버넌스)를 강조하면서 기술발전과 함께 환경과 인간 중심의 기술이어야 함을 강조하고 있습니다. 개인 프라이버시 보호, 편향 문제 해결, 탄소배출 감소를 항상 고려해야 함을 의미합니다.
[그림 1] 2023년 신기술 하이프 사이클
II. 본론 : 2024년 전략 기술 트랜드 10가지
가트너에서는 10대 전략기술을 크게 3가지 카테고리로 묶어서 발표했습니다.
- Protect the investment : 투자에 대한 보호를 위한 기술입니다. 과거와 미래의 전략적 기술 결정에 대한 이점을 보호하고 유지하도록 합니다. 안전하고 신뢰할 수 있는 서비스의 지속성을 추구합니다. (AI TRiSM, CTEM)
[그림 2] 2024년 가트너 10대 전략기술: “Protect Your Investment”
- Rise of Builders : 생성자들의 수준 및 생산성을 향상하기 위한 기술입니다. 정확한 기술을 사용하여 솔루션을 개발할 수 있도록 개발자뿐만 아니라 비개발자(IT 비전문가)에게도 힘을 실어줍니다. 개발자의 창의성과 생산성 제고를 추구합니다.(Platform Engineering, AI-Augmented Development)
[그림 3] 2024년 가트너 10대 전략기술: “Rise of the Builders”
- Deliver the value : 고객, 사용자에게 가치를 전달하기 위한 기술입니다. 비즈니스 가치 혁신을 통한 기업의 성장을 추구하는 기술입니다. (Machine Customers, Augmented Connected Workforce)
[그림 4] 2024년 가트너 10대 전략기술: “Deliver the Value”
이제부터 10가지 전략기술에 대해 하나씩 살펴보겠습니다.
1) AI 신뢰, 리스크 및 보안 관리(AI Trust, Risk and Security Management, AI TRiSM)
A. 개념 : AI 모델의 설명가능성(Explainable)을 통해 투명성과 공정성을 보장하고, Data drift나 편향, 개인정보 식별 등의 보안, 리스크로부터 보호하여 신뢰성, 견고성을 보장하는 기술입니다.
B. 필요성 : 기업 대부분이 운영중인 ML(머신러닝) 모델에서 라이프사이클 관리의 복잡성과 비효율성을 경험하고 있으며, 40%는 개인정보 및 보안 문제를 경험하고 있습니다. 또한 거짓 정보를 사실인 것처럼 전달하는 할루시네이션(hallucination) 문제를 우려하고 있습니다. 이러한 리스크를 관리하기 위해 AI TRiSM이 필요합니다. AI TRiSM은 AI의 파트너로, 선택이 아닌 필수 요소입니다. AI 기술의 가드레일이라고도 할 수 있습니다.
C. 리스크 관리를 위한 4가지 요소 : ① 설명가능한 모델 개발 및 모델의 모니터링, ② ModelOps 도입 및 모델운영 자동화, ③ AI 어플리케이션 보안 강화, ④ 프라이버시 강화가 필요합니다.
[그림 5] AI TRiSM: 리스크 관리를 위한 4가지 요소
2) 지속적인 위협 노출 관리(Continuous Threat Exposure Management, CTEM)
A. 개념 : 중요 자산에 대한 위협을 식별, 측정 및 우선순위를 지정하는 프로세스입니다. 위협 보호 조치의 지속적 평가를 통해 가장 큰 위협을 초래하는 위협에 노출되는 것을 관리하는 데 중점을 두고 있습니다.
B. 필요성 : 재택근무, 클라우드 사용 증가로 기업의 공격표면 확대에 따른 위협 증가에 능동적인 대응을 위해서 비즈니스 가치 관점에서 중요한 취약성 우선순위에 따른 대응이 필요합니다.
C. 핵심 : 모든 취약성과 위험을 포괄적으로 식별하는 것보다 변화하는 위험과 노출에 대한 지속적인 모니터링과 우선순위를 식별하여, 능동적으로 대응하는 것이 중요합니다. 기업의 모든 공격 영역(표면)을 관리하는 것은 현실적으로 불가능하고 비용이 많이 듦으로, 선택과 집중을 하여 관리하는 것이 효율적입니다.
[그림 6] CTEM : 1 ~ 5단계
[표 1] CTEM의 5단계별 절차 내용
| 구분 | 단계 | 절차 | 내용 |
| 1단계 | 범위지정 | – 조직 내 ‘공격 표면’ (공격을 받을 수 있는 영역) 정의 | |
| 진단 | 2단계 | 탐색 | – 비즈니스 영역에 초점 |
| 3단계 | 우선순위 | – 위험수준, 긴급성, 공격 범위 등에 따라 대응 | |
| 액션 | 4단계 | 유효성 검증 | – 모든 잠재적 경로 분석. 계획의 효과성 검증 |
| 5단계 | 인력동원 | – 보안팀과 비즈니스 이해관계자에게 명확한 CTEM 계획 전달 |
3) 지속 가능한 기술(Sustainable Technology)
A. 개념 : 환경, 사회, 거버넌스에서 지속 가능한 결과를 도출하는 데 사용될 수 있는 디지털 솔루션 프레임워크입니다. 기업들은 지속 가능한 기술을 활용하여 사회적, 환경적 책임을 다하는 동시에 비즈니스 가치도 창출할 수 있는 기술전략을 모색해야 합니다.
B. 배경 : AI, Cloud, IoT 등 디지털 기술의 혁신이 에너지와 환경에 미치는 영향에 대한 우려가 커지고 있습니다. IT의 끊임없는 전력 수요 증가가 에너지원의 생산 및 공급을 초월하여 ’27년이면 전력 부족에 직면할 것으로 예측하고 있습니다.
C. 핵심 : IT 인프라와 업무 공간 서비스의 에너지 및 탄소 효율성을 관리하여 조직의 디지털 역량 수준과 복원력을 향상시키는 것이 중요합니다. Sustainable 기술이 비즈니스를 지원하는 역할 뿐만 아니라 성장을 위한 혁신 기회로 작용하도록 활용해야 합니다.
[그림 7] Sustainable Technology Framework
4) 산업 클라우드 플랫폼(Industry Cloud Platforms)
A. 개념 : 산업별 특화된 요구사항을 충족하기 위하여 IaaS, PaaS, SaaS 기능을 결합한 플랫폼입니다. ‘수직(vertical) 클라우드 플랫폼’이라고도 불리는 산업 클라우드 플랫폼을 빠르게 구축하기 위해 점점 더 Composable한 서비스 형태로 발전하고 있습니다.
B. 배경 : 일반적인 클라우드 서비스는 특정 산업의 복잡한 요구사항을 충족하기 어렵습니다. 따라서 산업 클라우드 플랫폼을 활용하여 기업들은 비즈니스 변화, 데이터 변화, 규제 변화 등에 빠르게 대응할 수 있도록 솔루션을 제공합니다.
C. Industry Cloud 변화 방향 : 기능별 개발팀 간 협업, 광범위한 이해관계자 참여, CSP사의 Composable 어플리케이션 개발 등이 가속화되고 있습니다.
[그림 8] Industry Cloud Platform Evolution
5) 플랫폼 엔지니어링(Platform Engineering)
A. 개념 : 애플리케이션의 개발 및 빌드, 배포의 생산성과 민첩성 확보를 위해 아키텍처의 복잡성을 숨기고, 개발자의 셀프 서비스로 쉽고 빠르게 애플리케이션을 개발,배포할 수 있는 공통 플랫폼을 제공/운영하는 과정을 통칭하는 것입니다.
B. 배경 : 디지털 비즈니스로의 빠른 전환은 개발자의 창의성과 생산성 향상을 촉구하고 있어 Self-Service 및 자동화 경험을 제공하는 것이 기업의 핵심과제로 부상하였습니다.
C. 기대효과 : Platform Engineering은 다양한 도구(Serverless, Container, Kubernetes, CI/CD 도구 등)들을 통합하고 구축하여 개발자에게 셀프 서비스를 제공합니다. Platform Engineering은 엔지니어가 Feedback loop를 통해 개발자와 직접 대화를 함으로써 제품 개발 및 배포를 신속하게 제공할 수 있도록 지원합니다.
D. CIO의 역할 : 개발자가 사용할 수 있는 재사용 가능한 구성요소를 만들고 개발자가 서비스를 더 빠르게 구성할 수 있도록 지원하는 것이 핵심입니다.
[그림 9] Diagram of Platform Engineering
6) AI 증강 개발(AI-Augmented Development)
A. 개념 : 소프트웨어 엔지니어가 애플리케이션을 만들고 테스트하고 제공하는 데 도움을 주기 위해 Generative AI 및 Machine Learning 등의 기술을 사용하는 것을 의미합니다.
B. 발전 방향 : ChatGPT, Copilot, Duet AI 등을 활용한 Code Generation으로 앞으로는 Code Analysis, 테스트 시나리오 생성, 스크립트 및 테스트 보고서 자동화와 같은 기능을 포함하여 개발 Lifecycle 전 단계로 확장될 예정입니다. 개발 속도를 빠르게 하고 높은 품질을 보장하여 생산성을 향상하는 데 큰 기여를 할 것입니다.
C. 기대효과 : Code Generation으로 개발 속도가 가속화되면서 진정한 생산성 혁신을 달성할 수 있게 됩니다. 디지털 제품의 제공 속도를 높이고 전체 SW 포트폴리오의 증가를 기대할 수 있습니다.
[그림 10] 3 Components of AI-Augmented Development
7) 지능형 어플리케이션(Intelligent Applications)
A. 개념 : AI/ML이 내장되어 있어 상황에 맞게 지속적으로 학습함으로써, 사람과 기계에 자율적으로 반응하는 어플리케이션을 의미합니다.
B. 배경 : 최근 대규모 언어 모델(LLM)을 활용한 다양한 비즈니스 지원 사례가 증가하면서(예: MS Copilot, Google Duet AI 등), 비즈니스 사용자를 보다 지능적으로 만들기 위해 AI/ML이 포함된 Intelligent Application이 등장하고 있습니다.
C. 기대 효과 : ① 지능적 의사결정 ② 인간/기계가 상호작용하여 대안을 제공하는 비즈니스 창출 ③ 프로세스 자동 생성(ML, NLP, 지식, 그래프, 설명가능한 AI 등의 기능을 내장) 등을 통해 고도로 상황에 맞는 솔루션을 제공하게 될 것입니다.
[그림 11] 5 Components of Intelligent Applications
8) 대중화된 생성형 AI(Democratized Generative AI)
A. 개념 : 클라우드 기반의 오픈소스 생태계 활성화와 Public Cloud의 거대언어모델(LLM) 등장으로 Generative AI 모델에 쉽게 접근하고 활용할 수 있게 됨을 의미합니다. 이는 지식의 민주화와 기술의 민주화를 의미하기도 합니다. 조직 내 모든 직원이 대화형 방식으로 정보에 접근 가능합니다. 기술적 지식이 없는 사람도 복잡한 AI 시스템에 접근하고, Low code/No code 솔루션을 활용하여 개발이 가능합니다.
B. 시사점 : IT 비 전문가도 Generative AI 활용이 증가됨에 따라 Generative AI의 이점과 위험 사이에서의 균형이 필요합니다. 환각(Hallucination), 데이터 개인정보 보호, 설명가능한 모델 확보 등의 거버넌스 측면을 고려하여 활용하도록 가이드를 제시해야 합니다.
C. Generative AI 활용 시 고려사항 : 할루시네이션 모니터링, 개인정보 보호, 생성형 AI 윤리 가이드라인 준수, 설명가능한 모델 확보, 모델 모니터링 툴 확보와 모니터링 Loop에 사람 피드백, 모델과 의사소통을 위한 Prompt engineering 기술 개발, 개발자가 프로토타입과 제품 개발을 위한 sandbox 환경 구축 등을 고려해야 합니다.
[그림 12] Democratized Generative AI
9) 증강 연결된 인력(Augmented Connected Workforce)
A. 배경 : 조직 인력관리의 핵심 이슈인 Hybrid Work와 역할에 따른 스킬 Gap 해결을 위해 디지털직원경험(DEX) 보장이 중요해 졌습니다. Hybrid Collaboration, 지식관리나 스마트한 업무 수행을 위해 Augmented Connected Workforce가 요구되고 있습니다. 디지털 직원 경험 보장이 생산성 및 서비스 수준 향상의 핵심요인으로 등장하면서 보다 진화 발전된 Connected Workforce 제공이 요구되고 있습니다.
B. 개념 : 인재 구축을 가속화하고 확장하기 위하여 지능형 기술, 인력 분석, 스킬 강화 도구 사용으로 연결된 조직을 구축하여 직원이 제공하는 가치를 최적화하는 전략을 의미합니다.
C. Connected Workforce 주요 요소 : 직원 유형/페르소나를 고려한 DEX 솔루션 제공, 보안 도구를 활용한 BYOD(Bring your own devices) 정책, 어디서든 소통가능한 협업 도구, AR/VR/아바타를 이용한 Gamification 등의 요소가 필요합니다. Connected workforce를 위하여 실시간 데이터 확보, Endpoint 기기 및 애플리케이션 측정 데이터, 직원 감정 설문 데이터 등을 확보 및 분석하여 직원 경험 최적화하도록 합니다.
D. 기대효과 : Connected workforce 강화를 통해 서비스 레벨, Output 품질, Response time을 향상시킬 수 있습니다.
[그림 13] A Framework for the Augmented Connected Worker
10) 기계고객(Machine Customers)
A. 개념 : “custobot”으로, 사람이나 조직을 대신하여 경제적 행위 권한이 있는 기계(비인간 경제 행위자)를 의미합니다. 차량 내에서 자동차의 자체 예비 부품을 자동 주문하고, Alexa 및 구글 홈 디바이스의 쇼핑 자동 주문 등을 예로 들 수 있습니다.
B. 배경 : 인간 대신 고객 역할을 할 수 있는 인터넷에 연결된 기계가 급증하였습니다(예: 가상 개인 비서, 스마트 가전, Connected Car, IoT 지원 공장 장비 등). 또한 생성형 AI와 ChatGPT는 기계 고객 개발 및 배포를 가속화하였습니다.
C. 기업의 대응 전략 : 독자적인 기계 고객을 확보하기 위해, 기계 고객을 위한 Use-case 식별, 기계 고객에게 서비스를 제공하는 플랫폼 구축, 새로운 마케팅 및 판매 전략이 필요합니다. 인간 고객과 다르게 감정이 없으므로 윤리와 가치관 준수도 포함되어야 합니다.
[그림 14] 5 Behaviors of Human and Machine Customers
II. 결론
지금까지 가트너에서 제시한 2024년 가트너 10대 기술에 대해 알아보았습니다. 코로나 이후 ChatGPT의 등장으로 AI 기술이 급속도로 발전하고 있으며, 기술 변화 주기가 빨라지고 있습니다. 미래 예측의 어려움 속에서도 그 흐름을 반영하여 가트너에서는 2024년에 AI 기술에 주목하고 있으며, 향후 3년간 AI TRiSM, Democratized Generative AI, AI-Augmented Development, Intelligent Applications은 아래와 같은 발전 방향으로 나아갈 것으로 예측하고 있습니다.
[그림 15] Accelerate digital and become more AI-driven
[표 2] 가트너 10대 기술의 향후 발전 방향
| 가트너 10대 기술 | 현황 및 발전 방향 |
| AI TRiSM | – 2026년까지 AI TRiSM 제어 기능을 적용하는 기업이 오류 및 불법 정보를 최대 80%까지 줄여 의사결정의 정확성을 높일 것임 – AI 신뢰성 확보를 위해 국내외 AI 신뢰성 인증 제도 도입이 가속화됨 – 과기정통부와 TTA는 2021년부터 분야별 ‘신뢰할 수 있는 AI 개발안내서’(개발안내서) 개발과 보급을 통해 AI 신뢰성 확보를 위한 기술 요구사항을 정립하고 있음 – ‘23년 12월에는 AI 신뢰성 관련 국제표준인 ISO/IEC TR 24028(신뢰성 개요), ISO/IEC 23894(위험관리), ISO/IEC 22989(용어)와의 국제 호환성을 확보한 국내 최초의 AI 신뢰성 정보통신단체표준인 ‘AI 시스템 신뢰성 제고를 위한 요구사항’(AI 신뢰성 단체표준) 제정 – AI 생성물의 오남용으로 인한 사회적 혼란을 방지하고자 AI 생성물에 비가시적 워터마크 표기를 제도화·규제화하고 있음 |
| DemocratizedGenerative AI | – OpenAI가 GPT 스토어를 오픈하여, 비개발자 등 누구나 ChatGPT 기반의 앱 생성이 가능하도록 플랫폼을 제공함 – 플랫폼을 통해 인공지능 기본 원리와 응용 방법 실습이 가능하여 생성형 AI 기술이 보편화되고 있음 – 2026년 80% 이상의 기업이 생성형AI 애플리케이션 프로그래밍 인터페이스(API) 및 모델을 사용하거나 프로덕션 환경에 생성형AI 지원 애플리케이션을 배포할 것으로 예측하고 있음 |
| AI-Augmented Development | – AI 적용 개발도구는 코드 작성 시간을 줄여 SW엔지니어들이 경쟁력 있는 비즈니스 애플리케이션 설계·구성 등 더 전략적인 활동에 보다 많은 시간을 할애할 수 있도록 함 – LangChain을 이용하여 언어 모델(LLM)로 구동되는 애플리케이션 개발 가속화 – GhatGPT를 이용하여 대화식으로 코드 자동 생성 가능 |
| Intelligent Applications | – 추천시스템이 점차 진화하여 사용자가 직접 검색하지 않아도, 사용자의 행동을 연구하고 예측 분석하여 원하는 행동을 하도록 유도함(사용자의 행동 최소화) – IoT 센서, 웹 사이트, 모바일 앱, 비콘 등의 다양한 채널로부터 정보를 수집하고 이를 실시간으로 분석하여 결과를 제공 – 예시) 사용자의 선호도와 패턴을 분석해서 특정 휴가 시즌에 사용자에게 맞는 휴가 장소와 일정을 제공 |
현재의 기술 트랜드를 정밀하게 분석하여 빠르게 변화하는 기술 환경에 유연하게 대응할 수 있는 능력을 기르는 것이 중요할 것으로 보입니다.
참고문헌
[1] “2024-gartner-top-strategic-technology-trends-ebook.pdf” 2023