가트너 선정 2022년 주요 IT 전략 기술 : Top 9 - 12

Gartner© 선정 2022년 주요 IT 전략 기술 : Top 9 – 12

성장 가속화(Accelerating Growth)

가트너©는 비즈니스의 성장을 가속화하고 (Accelerating Growth) 조직의 IT 역량과 조직이 창출할 수 있는 가치를 극대화할 주요 툴로써 ▲ 분산 엔터프라이즈(Distributed Enterprise), ▲ 총 경험(Total Experience), ▲ 자율 시스템(Autonomic Systems), ▲ 생성 AI (Generative AI) 등 4가지 전략 기술을 선정하였다. [1]

분산 엔터프라이즈 (Distributed Enterprise)

분산 엔터프라이즈(Distributed Enterprise)는 기존의 물리적 사무실 기반 근무 환경, 영업 환경이 원격 및 하이브리드 환경으로 전환되면서 분산된 데이터와 근무 인력을 지원하는 가상 우선(virtual-first), 원격 우선(remote-first) 아키텍처이다. 클라우드에 최적화한 분산 서비스와 인프라를 제공한다.

팬데믹의 영향으로 크게 두 영역에서 분산 엔터프라이즈에 대한 수요가 가속화하였다. 하나는 직원들이 원격 근무 환경에서 활용하고 근무 유연성을 제고할 수 있는 툴에 대한 수요가 증가하였다. 또 하나는 전통적으로 소비자들과 접점이 발생하던 물리적 장소와 도로를 활용하기 어려워져, 기업들은 고객과 소비자의 변화를 포착하고 새로운 시장을 점유하기 위해 가상 우선, 원격 우선 비즈니스 모델을 도입하였다. 새로운 비즈니스 모델을 지원하고 소비자와 기업의 디지털 접점을 구축하는 아키텍처가 필요해졌다.

분산 엔터프라이즈는 원격 또는 하이브리드 근무자들에게 가상 및 원격 작업 공간을 지원한다. 또한 디지털 환경에서 소비자가 기업의 제품을 경험할 수 있도록 소비자와 기업 간 접점(consumer touchpoints)을 디지털화 한다.

일례로 Armoire는 분산 엔터프라이즈 방식을 도입하여 고객들이 가상으로(virtually) 스타일을 시도해 볼 수 있도록 디지털 드레싱 룸(dressing room)을 제공하였다. 또 Merrill Lynch는 위치정보(geolocation)를 사용하여 고객이 가까운 위치의 재정 고문을 찾을 수 있도록 지원하였다.

가트너©는 2023년까지 분산 엔터프라이즈를 활용하는 조직의 75%가 분산 엔터프라이즈를 활용하지 않는 경쟁 조직보다 약 25% 빠른 매출 성장을 기록할 것으로 전망했다.

총 경험 (Total Experience; TX)

총 경험 (Total Experience; TX)은 소비자 경험 (Customer Experience; CX), 직원 경험 (Employee Experience; EX), 사용자 경험 (User Experience; UX) 및 다중 경험(Multiexperience; MX)을 상호 연결하고 통합하여 고객과 직원의 경험을 개선하는 접근 방식이다. 각 경험 영역을 포괄적인 하나의 모델로 수렴시키고 서비스 및 솔루션과 관련한 이해관계자들의 경험을 총체적인 관점에서 관리한다. 소비자, 직원, 사용자의 만족, 신뢰도, 충성도 등을 종합적으로 고려한다.

[그림 4] 총 경험(Total Experience) 개념도

총 경험 접근 방식은 팬데믹 하에서 비대면 서비스와 원격 근무 형태가 확산하면서 더욱 주목받았다. 고객의 서비스 사용을 직접 관찰할 수 없으므로 기업은 총체적인 관점에서 고객의 서비스 사용 행동을 분석하고 고객의 다음 행동에 선제적으로 응대하고자 한다. 또한 총 경험을 활용하여 직원들에게 실제적인 서비스 제공을 시뮬레이션 교육할 수 있도록 한다.

* 직원 경험 (Employee Experience): 회사에서는 직원들의 복지 수준과 만족감, 소속감을 증대하고 회사의 가치와 비전을 공유할 수 있도록 하기 위해 직원 경험 요소에 관심을 기울인다. 직원의 경험은 고객의 경험 및 서비스 품질과 유기적으로 연결되어 있다. Airbnb는 직원 경험을 개선하고 서비스 수준을 향상시킬 수 있도록 2015년 직원 경험(Employee Experience)을 전면적으로 담당하는 부서를 신설하고 기존 인사 (Human Resources) 부서를 직원 경험 (EX) 부서로 대체한 바 있다. [2]

조직에서 총 경험 접근 방식을 실천하기 위해서는 경험 개선과 관련하여 팀 간 협력하고 서로 배울 수 있도록 격려할 필요가 있다. 경험 개선 관련 이니셔티브를 담당하는 모든 팀 리더가 고객과 직원의 통합적 요구 사항을 해결하는 데 동등한 수준의 책임을 분담하는 방법도 생각해 볼 수 있다.

가트너©는 2026년까지 규모가 큰 조직들의 60%가 총 경험을 활용하여 비즈니스 모델을 혁신하고 고객 및 직원에 대한 지원 수준을 개선할 것으로 전망했다.

자율 시스템(Autonomic Systems)

자율 시스템(Autonomic Systems)은 그 시스템의 적용 환경에 적합하도록 스스로 학습하고 실시간으로 자체 알고리즘을 동적으로 수정해 동작을 최적화하는 물리 시스템 또는 소프트웨어 시스템이다. 스스로 알고리즘을 수정하는 자체 관리형(self-managing) 모델이기 때문에 주기적으로 소프트웨어를 업그레이드해야 하는 비용과 복잡성을 절감한다.

조직이 빠르게 성장을 거듭할 때 기존의 수동 관리 체계로는 시스템을 신속하게 스케일 업 하기 어렵다. 자율 시스템은 새로운 요구 사항과 상황을 빠르게 지원하며 변화에 민첩하게 대응하고 복잡한 환경의 규모에 맞추어 성능을 최적화한다.

자율 시스템은 사이버 보안, 드론, 로봇, 생산 설비 등 광범위한 영역에 활용될 수 있다. 실제 사용 사례(Use Case)로 Ericsson은 수천개의 휴대폰 통신탑(cellular phone mast)을 자율 시스템으로 관리하고 있다. Ericsson의 자율 시스템은 디지털 트윈 및 강화 학습 등을 통해 5G 네트워크 퍼포먼스를 동적으로 최적화한다.

*디지털 트윈(Digital Twin): 컴퓨터에 현실의 사물을 가상 형태로 구현하고, 현실에서 발생할 수 있는 상황을 컴퓨터로 시뮬레이션 하여 결과를 미리 예측하는 기술이다.

*강화 학습(Reinforcement Learning): 강화 학습은 머신 러닝(Machine Learning)의 일종으로, 시행 착오(Trial and Error)와 보상을 반복하면서 에이전트가 선택 가능한 행동 가운데 보상을 최대화하는 행동을 선택하도록 작업 수행 방법을 학습하는 기술이다.

*자율 시스템(Autonomic Systems)과 자동화 시스템(Automated System) 또는 자동화(Automation)는 구분된다. 자동화 시스템(Automated System)은 수동 관리 업무를 사람의 개입 없이 작동하도록 지원하는 시스템을 주로 가리키며, 알고리즘을 스스로 수정하고 자체적으로 소프트웨어 업데이트를 수행하는 기능을 꼭 포함하지는 않는다.

생성 AI (Generative AI; GAI)

생성 AI (Generative AI; GAI)는 입력된 데이터에서 원본의 특징 및 기본 패턴을 학습하고 이를 활용하여 원본과 유사성을 유지하되 동일하지 않은 새롭고 독창적인 창작물을 생성하는 AI이다. 텍스트, 오디오, 이미지 등 기존 콘텐츠를 사용하여 새로운 콘텐츠를 창조한다. 지금까지 많은 AI모델이 결론을 도출하도록(produce conclusions) 설계되는데, 생성 AI는 스스로 기업이 역량으로 삼을 수 있는 새로운 아이템을 만들어 낸다.

생성 AI는 신약 개발, 소프트웨어 개발 등의 다양한 영역에서 R&D 주기를 단축할 수 있다. 또한 타겟 마케팅(targeted marketing), 사기 및 가짜뉴스 감별, ID 도용 감지 등에도 활용될 수 있다. 실제 사용 사례(Use Case)로 영국 금융감독청 (UK Financial Conduct Authority)은 새로운 금융 사기 모델을 만드는 데 생성 AI를 사용하였다. 실제 지불 데이터 (real payment data) 5백만 건에서 생성한 합성 데이터 셋을 학습하여 AI를 설계하였다.

* 합성 데이터 셋 (synthetic data set) : 실제 데이터의 주요한 통계적 속성을 복제하여 만드는 인공 데이터 셋으로, 주로 개인 정보를 노출시키지 않으면서 데이터를 처리할 수 있도록 가공한다. 대규모로 생성하여 훈련용 데이터로 사용한다.

현재 생성 AI가 생산하는 데이터의 비중은 전체 데이터 가운데 1% 미만이지만, 가트너©는 2025년까지 생성 AI가 모든 데이터(all data produced)의 10%를 차지할 것이라고 전망한다.

생성 AI 기술의 하나에는 GAN(Generative Adversarial Networks) 이 있다. GAN은 생성기(Generator)와 판별기(Discriminator)라는 신경망으로 구성된다. 생성기는 입력 컨텐츠 또는 소스 데이터와 유사한 새로운 데이터를 생성하고, 판별기는 소스 데이터와 생성된 데이터를 구별한다. 생성기는 더 그럴듯하고 현실적인 데이터를 만들도록 훈련하고, 판별기는 소스 데이터와 생성된 데이터를 더 잘 구별하도록 훈련한다.

[그림 5] GAN 개념도

생성 AI는 실제 사람 이미지 데이터 셋에서 사람과 유사한 얼굴 이미지를, 사람 글씨 이미지에서 사람이 쓴 것 같은 글씨 컨텐츠를, 사람이 그린 그림 데이터 셋에서 사람이 그린 것 같은 그림 컨텐츠를 만들어낼 수 있다. 아래 [그림 6]은 사람의 글씨, 얼굴, 그림 등의 데이터에서 GAN을 이용하여 새로운 데이터 샘플을 생성한 사례를 보여준다.[4]

[그림 6] GAN 사례

* 맨 우측 칼럼의 컨텐츠는 AI가 생성한 이미지이다.
** Goodfellow (2014)에서 재인용.

한편 생성 AI를 통해 만들어낸 사람의 음성, 이미지, 동영상 등을 악용하는 사례, 딥페이크(Deepfake)의 문제가 병존한다. 생성 AI 개발 및 활용 시에는 책임성, 신뢰성, 윤리성(Accountability, Trust, Ethics) 측면에서 다양하게 검토해야 하며 기술적, 사회적 보완이 요구된다.[5]

[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] Jeanne Meister, The Future of Work: Airbnb CHRO becomes Chief Employee Experience Officer, June 12, 2015, Forbes, https://www.forbes.com/sites/jeannemeister/2015/07/21/the-future-of-work-airbnb-chro-becomes-chief-employee-experinece-officer/?sh=673f25342327; Airbnb, https://www.airbnb.com/

[3] Huzaifah Saleem, What is generative AI and how much power does it have?, August 20, 2020, IBM Blog, https://developer.ibm.com/blogs/what-is-generative-ai-and-how-much-power-does-it-have/

[4] Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville and Yoshua Bengio, Generative Adversarial Networks, June 10, 2014, https://arxiv.org/abs/1406.2661

[5] Prerna Bhojwani, Instilling Trust in AI, Oct 15, 2019, IBM Article, https://developer.ibm.com/articles/instilling-trust-in-ai/