가트너 선정 2022년 주요 IT 전략 기술 : Top 5 - 8

Gartner© 선정 2022년 주요 IT 전략 기술 : Top 5 – 8

변화 만들기(Sculpting Change)

가트너©는 신뢰할 수 있는 IT 인프라 토대 위에서 팀원들이 신속하게 디지털 혁신을 수행할 수 있도록(Sculpting Change) 돕는 주요 툴로 ▲ 구성 가능한 애플리케이션(Composable Application), ▲ 의사 결정 인텔리전스(Decision Intelligence), ▲ 초자동화(Hyperautomation), ▲ AI 엔지니어링(AI Engineering) 등4가지 전략 기술을 선정하였다.[1]

구성 가능한 애플리케이션(Composable Application)

구성 가능한 애플리케이션(Composable Application)이란, 비즈니스 중심적인 모듈라 컴포넌트로 구성하는 애플리케이션을 말한다. 여러 빌딩 블록을 조합하여 목적하는 대상을 구축한다는 의미에서 구성 가능한 비즈니스(Composable Business), 구성 가능한 아키텍처(Composable Architecture) 등과 유사한 원리로 이해할 수 있다.

기존에 사용한 모듈을 재사용할 수 있고, 팀에서 자체 조립(self-assemble) 하기 용이하여, 애플리케이션을 빠르게 만들어낼 수 있다. 소프트웨어 솔루션의 출시 기간을 단축하고 비즈니스 가치를 창출할 수 있다.

구성 가능한 애플리케이션(Composable Application)에는 PBC (Packaged-Business Capabilities) 또는 소프트웨어 정의 비즈니스 오브젝트 (Software-defined Business Objects)를 활용한다.

* PBC (Packaged-Business Capabilities)[2] :패키지 된 비즈니스 기능 또는 PBC는 잘 정의된 비즈니스 기능을 표현하는 소프트웨어 컴포넌트를 뜻한다. 외부 데이터나 서비스에 의존하지 않고 완전히 자율적이며 단독으로 사용할 수 있고, 엔드 유저가 그 자체로 소비할 수 있는 비즈니스 서비스이다. PBC는 API로 연결하여 좀 더 광범위한 서비스를 구축하는 데 빌딩 블록으로 활용할 수 있다. PBC는 워크플로우와 인터페이스를 간소화한다.

* 소프트웨어 정의 비즈니스 오브젝트 (Software-defined Business Objects)[3]:소프트웨어 정의 (Software-defined) 관련 기술 (SDx)의 일종으로, 소프트웨어를 통해 가상화 된 비즈니스 오브젝트를 뜻한다. 비즈니스 오브젝트(BO)는 애플리케이션 서비스, 컴포넌트 간 교환되는 데이터를 담아 운반하는 데이터 컨테이너이다.[4] 소프트웨어를 통해 서비스화 하여 관리 및 제어에 소요되는 비용을 절감하고, 소프트웨어를 통한 프로그래밍의 가능성을 확장하여 민첩성(agility)과 상호 운용성(interoperability)를 높인다.[5]

실제 사용 사례로(Use Case) Ally Bank는 사기 경보(fraud alerting) 등 반복 가능한 기능을 갖고 있는 PBC를 구축하였다. 직원들이 PBC에서 생성한 모듈을 재사용할 수 있고, 로우 코드 (low-code) 환경에서 직접 모듈을 조합할 수 있어, 200,000 시간 이상의 수동 작업을 절감할 수 있었다.

가트너©는 앞으로 개발하는 SaaS 및 커스텀 애플리케이션은 구성 가능한 API만을 사용하거나 이를 우선하여(‘composable API-first or API-only’) 사용할 것으로 예상하였다.

* 로우 코드 (Low-code)[6 ]: 로우 코드란 수동 방식 코딩을 최소화하여 애플리케이션을 더 빠르게 딜리버리 할 수 있는 소프트웨어 개발 방식이다. 로우 코드 플랫폼은 GUI(Graphic User Interface), ‘끌어서 놓기(Drag&Drop)’ 기능 등을 활용해 코딩 경험이 많지 않은 비즈니스 유저, 프로젝트 관리자, 특정 프로그래밍 언어에 대한 지식이 많지 않은 개발자 등이 쉽게 사용할 수 있다. 이에 따라 IT 부서에서 사용하는 서비스나 애플리케이션을 IT 관리부서가 파악하지 못하는 섀도우 IT(Shadow IT) 현상을 줄이고 비즈니스 프로세스 관리를 개선하며 애플리케이션 개발 주기를 단축할 수 있다. 비슷한 개념으로 ‘노 코드(No code)’가 있다. 노 코드 개발 플랫폼 (No Code Development Platform)는 전문 개발 지식이 없는 비즈니스 유저를 주요 대상으로 하고, ‘끌어서 놓기(Drag&Drop)’ 기능 등을 지원하는 인터페이스를 통해 수동 코딩 없이 손쉽게 애플리케이션을 만들 수 있다.

의사 결정 인텔리전스(Decision Intelligence)

의사 결정 인텔리전스(Decision Intelligence)는 의사 결정을 최적화(Decision Optimization)하는 데 적용되는 AI, 최적화 모델링 등을 말한다. 비즈니스 자동화(business automation) 방식의 하나로, 비즈니스 규칙을 적용하여 조직에서 정의한 의사 결정 프로세스를 자동화하여 운영의 효율성을 향상시킨다.

인간의 의사 결정은 다양한 경험과 편견(Experiences and Biases)의 영향을 받는다. 한편 빠르게 변화하는 비즈니스 환경에서 조직은 더 나은 결정을 더 빨리 내려야 하는 도전에 직면한다. 의사 결정 인텔리전스는 거의 실시간으로 광범위한 소스에서 자사 및 타사 데이터, 소비자 데이터, 다자간 컨텐츠(multi-party contents) 등 데이터를 수집하고 증강, 분석하여 의사 결정을 지원하고, 자동화한다. 그리고 사용자 피드백 데이터 셋 등을 학습하여 결정 모델을 관리(manage), 평가(evaluate), 개선(improve)한다.

예를 들어, 금융, 에너지 서비스 등의 포트폴리오 최적화, 항공사, 호텔 등의 가격 최적화, 공급망 최적화, 운송 및 배송시간 최적화, 생산량 극대화 등의 부문에서 의사 결정 인텔리전스를 전략적으로 운용할 수 있다.[7 ]

가트너©는 규모가 큰 조직은2년 내에 1/3이 의사 결정 모델링 및 의사 결정 인텔리전스를 활용할 것이라고 전망한다.

초자동화(Hyperautomation)

초자동화(Hyperautomation)는 다양한 장소에 흩어져 있는 많은 비즈니스 자산과 IT 프로세스를 빠르게 식별, 검증, 자동화하는 비즈니스 중심 접근 방식이다. 비즈니스의 확장성을 제고하고 운영 퍼포먼스를 개선하는 광범위한 수준의 자동화를 일컫는다. RPA (Robotic Process Automation), 로우 코드(low-code) 플랫폼, 프로세스 마이닝 툴(Process Mining Tools) 등 여러 툴과 플랫폼을 연계적으로 활용하여 자동화 목표를 달성한다.

* RPA (Robotic Process Automation)[8 ]:로봇 프로세스 자동화 또는 RPA는 비즈니스 프로세스 자동화 기술의 한 형태로서, 소프트웨어 로봇을 사용하여 사람의 사무작업과 프로세스를 에뮬레이트(emulate), 모방하고 인간이 수행하는 작업, 휴먼 프로세스를 자동화한다. 인간 작업자와 유사하게 동작하도록 엔드 유저가 정의하는 프로세스를 따라 인간 작업 방식을 복제하여 수행한다. 주로 사용자 친화적인 로우 코드(Low-code) 인터페이스를 수반하며, 프론트엔드(Front-end) 통합을 통해 엔터프라이즈 애플리케이션들과 연결될 수 있도록 지원한다.소프트웨어 로보틱스(Software Robotics)라고도 한다.

* 프로세스 마이닝 툴 (Process Mining Tools)[9 ]: 프로세스 마이닝 툴은 프로세스 마이닝을 지원하는 도구모음을 말한다. 프로세스 마이닝(Process Mining)이란 프로세스가 전개되는 패턴 및 세부사항을 식별하는 이벤트 로그 데이터를 마이닝 하여 워크플로우를 발견, 이해, 검토 및 개선하는 작업이다. 즉 데이터 마이닝과 프로세스 분석을 결합해 프로세스 최적화에 데이터 기반 접근 방식을 적용한다.

무엇을 자동화할 것인지, 자동화 대상(what to automate)은 시장 출시 시간(time to market), 비즈니스 민첩성 (business agility), 비즈니스 모델 혁신, 품질, 등 목표하는 성과에 맞추어 전략적으로 결정한다.

초자동화를 도입할 때는 전체적인 매핑을 통해서 총괄적인 이니셔티브를 우선 수립하여 업무 자동화에서 고립되는 업무들(‘islands of task automation’)이 생기지 않도록 해야 한다. 나아가 초자동화 방식을 수용할 수 있는 적응형 거버넌스(adaptive governance)가 긴요하다.

AI 엔지니어링(AI Engineering)

AI 엔지니어링은 업데이트 파이프라인을 자동화하고 데이터 통합, 애플리케이션 업데이트, 모델 업데이트 등의 과정을 간소화하여 효율적으로 AI를 딜리버리 하는 것을 의미한다. 조직에 최적화(optimize)된 AI 거버넌스가 뒷받침되는 경우 큰 비즈니스 가치를 창출할 수 있다.

단순히 AI를 도입하는 것만으로는 AI 프로젝트의 성공을 보장하지 못하며, 데이터 통합의 비효율성이나 거버넌스 난점 등으로 인해 목표한 바를 달성하지 못하거나 성과가 저조한 문제가 발현할 수 있다. AI 엔지니어링은 이러한 예상되는 비효율성을 개선하는 일련의 작업이다. DevOps, DataOps 등에서 축적한 경험을 AI 엔지니어링에 반영하여 모범 사례를 구축할 수 있다.

* DevOps[10 ]:DevOps는 Development와 Operation이 결합한 조어로, 소프트웨어 개발 및 IT 운영 팀의 작업을 결합하고 자동화하여 계획(Planning; Ideation), 개발(Development), 통합(Integration; Continuous Integration and Continuous Delivery), 배포(Deployment), 운영(Operations), 학습(Learning; Continuous Feedback)에 이르는 소프트웨어 개발 수명 주기를 단축하고 효율성을 높이는 작업 방식을 뜻한다. 전통적으로 소프트웨어 개발은 선형(linear) 프로젝트 방식의 하나인 폭포수(Waterfall) 방식을 따랐다. 개발 팀이 새 코드를 개발하고 나면 품질 보증, 보안, 운영 팀이 코드를 테스트하는데, 이 과정에서 수 개월 또는 수 년의 시간이 소비되었다. DevOps는 선형 개발 방식이 아니라 지속적 통합 및 지속적 전달 (Continuous Integration and continuous Delivery; CI/CD) 방식을 활용하여 업데이트 주기를 자주 그리고 짧게 반복한다. 이를 통해 소프트웨어 개발 및 업데이트 과정을 효율적으로 가속화한다.

* DataOps[11 ]:DataOps란 Data와 Operation이 결합한 조어로, 데이터 수집부터 전달에 이르기까지 데이터 파이프라인 프로세스, 데이터 흐름 및 데이터 수명 주기 전반에 걸쳐 클라이언트, 애플리케이션 등에 데이터를 효율적으로 전달하기 위한 플랫폼, 프로세스, 기술을 뜻한다. Data를 위한 DevOps라고도 불리운다.

가트너©는 AI 엔지니어링을 성공적으로 한 10%의 회사가 그렇지 않은 90%의 회사보다 AI 활용에 있어 2025년까지 최소 3배 이상의 가치를 창출할 것이라고 전망한다.

* AI 거버넌스 (AI governance): AI 거버넌스란 AI 알고리즘을 AI의 효율성, 위험, 편향, 영향 등의 관점에서 검토하고 AI의 개발과 배포 프로세스를 관리, 모니터링, 지시, 감독하는 체계를 말한다.모델을 훈련시킨 기술, 사용된 파라미터, 테스트 단계의 메트릭 등 데이터, 모델, 메타데이터, 파이프라인의 디테일을 투명하게 문서화 해놓는 프로세스를 포함한다. 규제 기관 및 감사 기관은 모델에 대한 디테일을 검토하고 관련 산업 규정 및 법적 요구 사항을 기준으로 모델의 위험성과 영향 등을 평가한다. 투명하고(transparent) 윤리적이며(ethical) 책임성 있고(accountable) 신뢰할 수 있는(reliable, trustworthy, credible) AI가 개발, 서비스될 수 있도록 감독한다.[12]

[참고 문헌]

[1] Gartner top strategic technology trends for 2022, Oct 18, 2021, Gartner, https://www.gartner.com/en/information-technology/insights/top-technology-trends

[2] Yefim Natis, Dennis Gaughan, Mark O’Neill, Benoit Lheureux and Massimo Pezzini, Innovation Insight for Packaged Business Capabilities and Their Role in the Future Composable Enterprise, Dec 11, 2019, Gartner, https://www.gartner.com/en/documents/3976170/innovation-insight-for-packaged-business-capabilities-an

[3] Rainer Alt, Jan Marco Leimeister, Thomas Priemuth, Stephan Sachse, Nils Urbach and Nico Wunderlich, Software-Defined Business: Implications for IT Management, Business & Information Systems Engineering, 62(6), 2020, 609-621, https://doi.org/10.1007/s12599-020-00669-6 ; 최영락&김찬호, 확산되는 소프트웨어 정의(SDx) 개념 및 동향, 2014.11.20, 소프트웨어정책연구소(SPRi), https://spri.kr/posts/view/9181?code=ai_brief

[4] IBM Business Process Manager, Documentation, Business objects, https://www.ibm.com/docs/en/bpm/8.5.5?topic=objects-business

[5] 가트너는 2015년 주요 전략 기술로 소프트웨어 정의 애플리케이션 및 인프라를 선정하고 소프트웨어를 통한 애자일(agile) 프로그래밍과 비즈니스의 유연성(flexibility)에 주목한 바 있다: Gartner, Gartner’s Top 10 Strategic Technology Trends for 2015, Feb 18, 2015, https://www.gartner.com/smarterwithgartner/gartners-top-10-strategic-technology-trends-for-2015

[6] IBM Cloud Education, Low-Code, April 22, 2021, https://www.ibm.com/cloud/learn/low-code

[7] Sajan Kuttappa, The rise of decision intelligence: AI that optimizes decision-making, June 7, 2020, IBM Blog, https://www.ibm.com/blogs/journey-to-ai/2020/06/the-rise-of-decision-intelligence-ai-that-optimizes-decision-making/

[8] IBM Cloud Education, Robotic Process Automation, Oct 22, 2020, IBM, https://www.ibm.com/cloud/learn/rpa

[9] IBM Cloud Education, Process Mining, Jan 8, 2021, IBM, https://www.ibm.com/cloud/learn/process-mining

[10] Andrea Crawford, DevOps, Oct 2, 2019, IBM, https://www.ibm.com/cloud/learn/devops-a-complete-guide

[11] Sara Quoma, What is DataOps?, Dec. 18, 2019, Journey to AI Blog, IBM https://www.ibm.com/blogs/journey-to-ai/2019/12/what-is-dataops/; IBM DataOps, https://www.ibm.com/analytics/dataops

[12] IBM Smart Papers, AI governance: Ensuring your AI is transparent, compliant, and trustworthy, https://www.ibm.com/analytics/common/smartpapers/ai-governance-smartpaper/; Michael Hind, Emma Tucker and Rohan Vaidyanathan, Foundations of trustworthy AI: How mature is your AI governance?, June 8, 2021, IBM Watson Blog, https://www.ibm.com/blogs/watson/2021/06/ai-governance-maturity/