디지털 기술(DT: Digital Technology)은 디지털 데이터를 수집/생성, 저장, 관리, 전송, 가공, 활용하는 기술로 컴퓨터 HW, SW, 통신(망)을 포함하는 종래의 ICT와 최근 부상한 신기술을 포함한다. 필자는 디지털 전환(DX)에 주로 활용되는 (디지털) 신기술을 편의상, 여러 애플리케이션에 공통 적용 가능한 기반기술과 특정 문제해결용 서비스에 활용하는 응용기술의 두 그룹으로 나눌 것이다. 기반기술은 인공지능(AI), 빅데이터, 클라우드, 모바일 (통신/기기), 사물인터넷(IoT) 등을, 응용기술은 증강현실(AR)/가상현실(VR)/메타버스(Metaverse), 3D 프린팅, 로봇/드론, 블록체인 등을 포함한다.
이들 신기술은 실제로는 여러 가지 요소기술이 물리적 또는 화학적으로 결합된 복합기술이다. 예를 들면, IoT는 관찰 대상 개체에 부착(또는 내장)된 센서, 센서로부터 수집된 데이터를 서버나 프로세서로 전송하는 유/무선 통신, 여러 데이터를 융합해서 상황을 판단하는 빅데이터와 AI 등이 결합된 기술이다. 하나의 기술은 범위가 점차 확장되거나 다른 기술과 융/복합되어 새로운 기술로 발전하고 있다. AI는 과거에는 알고리즘을 프로그램으로 구현한 SW였지만, 이제 일부 알고리즘을 반도체 칩에 내장한 HW를 포함하고 ‘AI 비서’나 ‘챗봇’ 같은 솔루션을 포함하는 기술로 발전하고 있다. 메타버스는 AR/VR, 게임 등에서 비롯된 것으로 입/출력용 기기/장치, 프로세서, 콘텐츠, 그래픽스, 시뮬레이션, 사용자 인터페이스 등을 포괄하면서 진화하고 있다.
대부분의 디지털 기술, 특히 AI는 개인생활, 기업활동, 정부 서비스 등 경제/사회/문화 영역에 광범위하게 적용되는 범용기술(General-Purpose Tech.)이 되고 있다. 각 기술은 독립적으로 활용되기보다는 주어진 문제를 해결하기 위해 각자의 강점을 뽑고 약점은 감추는 식으로 결합, 활용된다. 예를 들면, 유통업체의 주문이행(order fulfillment) 시스템은 고객 주문을 신속, 정확하게 처리하기 위해 AI, IoT, 5G, 로봇 등을 결합한 것이다. 여기에서 AI는 한편으로 물류센터에 상품의 출고를 지시하고 다른 한편으로는 고객에게 주문처리 과정을 문자/이메일로 통보한다. IoT는 창고에서 출고할 상품의 위치를 인식하고 로봇에게 상품 피킹(picking)과 운반을 지시한 후 재고 보충을 요청하는 역할을 담당한다. 이와 같은 과정을 신속하게 처리할 수 있도록 여러 가지 유/무선 통신 기술이 활용된다.
이 글에서는 디지털 혁신에 대한 구체적인 논의 전에 그 핵심 수단인 여러 가지 신기술의 특성과 강/약점을 간략히 살펴볼 것이다. 이는 기업 경영/관리자가 DX 관련 의사결정을 하는 데 필요한 기초 지식에 해당한다. (각 기술에 대한 보다 더 상세한 설명은 필자의 글-예:https://brunch.co.kr/@duk-hyun/31 -이나 다른 전문서적을 참고 바람). 디지털 리더가 DX 프로젝트를 성공적으로 이끌기 위해서는 기술 자체와 관련 제품/서비스, 기업, 산업 동향 등 훨씬 더 넓고 깊은 지식과 경험을 갖춰야 한다. 거듭 강조하지만, 디지털 기술은 DX를 실현하기 위해 바르게 이해, 활용해야 할 수단이며 그것 자체가 목적은 아니다. 또한, 모든 기술은 ‘양(兩)날을 가진 검(劍)’이므로 해결하려는 문제에 알맞은 기술을 선택해서 알맞은 시기(: 너무 이르지도 늦지도 않은 타이밍)에 알맞은 방법(: 구매, 임차/구독, 자체개발; 신규 도입, 교체, 폐기)으로 활용하는 지혜가 필요하다.
◯ 인공지능(AI)
AI는 1950년대에 등장한 이래 사람처럼 사물이나 개념을 인식, 학습한 후 주어진 문제의 특성을 식별, 분류해서 인간이 좀 더 지능적, 합리적 의사결정을 하도록 돕는 기술이다. 기계학습/머신러닝은 논리적으로 표현한 규칙(rule)이나 현실에서 수집한 데이터로 컴퓨터를 학습시켜 두고 실제 문제에 접하면 (사람이 개입하지 않더라도) 스스로 해결할 수 있게 만드는 기술이다. 2010년대 이전에는 주로 규칙을 기반으로 문제를 해결하는 기계학습 방식(예: 전문가 시스템)이 활용되다가 2010년대 이후 대량 데이터를 인공신경망에 학습시키는 심층학습/딥러닝 방식이 널리 활용되고 있다. 딥러닝은 머신러닝의 한 형태이고, 머신러닝은 AI의 한 분야이다.
딥러닝은 수십 년 동안 시행착오를 반복했으나 2006년 캐나다 토론토 대학의 제프리 힌튼 교수가 개발한 심층신경망(DNN: Deep Neural Network)을 개발함으로써 실용화에 이르는 계기를 만들었다. 이후 힌튼과 구글이 딥러닝을 함께 발전시켰고 2012년에는 기존 방식을 압도적으로 넘어서는 수준에 이르렀다. 머신러닝에서 AI 모델을 훈련하는 방식은 레이블을 붙인 데이터를 활용하는 지도학습, 레이블이 없는 데이터를 활용하는 비(非)지도학습, 학습 결과에 따라 보상을 가감하는 강화학습 등이 있다. 딥러닝은 CNN(Convolutional NN, 합성곱 신경망), RNN(Recurrent NN, 순환신경망), GAN(Generative Adversarial Network, 적대적 생성 신경망) 등 새로운 모델이 등장하면서 계속 발전하고 있다. CNN은 인간의 시(視)신경 구조를 모방한 것으로 주로 이미지 인식에 활용되고, RNN은 반복적, 순차적 정보를 가진 데이터(예: 텍스트, 음성, 음악, 동영상)의 패턴 추출에 활용된다. GAN은 2가지 상반된 역할을 담당하는 모델 즉, 생성자(generator)와 판별자(discriminator)가 경쟁하면서 데이터를 생성하는 방식으로 이미지/음성 생성에 적합하다. 음성, 이미지, 동영상 등을 실제 인물처럼 합성하는 기술인 ‘딥페이크(Deep Fake)’에도 적용되었다.
AI는 기본적으로 제품/서비스, 생산공정, 일상업무, 경영 의사결정 등을 지능화하는 데 활용된다. AI의 미래에 대해서는 전문가들조차 긍정 또는 부정으로 상반된 전망을 내놓고 있다. 긍정적 전망은 이를테면 AI를 활용함으로써 얻게 될 경제/사회 측면의 이득이 엄청나다는 것이고, 부정적 전망은 AI 발전 속도가 너무나 빠르므로 속도를 조절하지 않으면 인류에게 커다란 재앙이 되리라는 것이다. 현재 주류를 이루고 있는 딥러닝은 광범위한 기업활동이나 개인생활 지원 서비스에 적용되어 커다란 성과를 내고 있다. 반면, 딥러닝 기반 AI는 여전히 몇 가지 근본적인 한계를 갖고 있다. 수십~수백 개의 심층망을 거쳐서 탁월한 결과물을 만들지만, 그 결과물이 만들어진 과정을 논리적으로 설명할 수 없는 ‘블랙박스’이고 학습/훈련에 사용한 데이터에 따라 편향된(biased) 결과를 내기도 한다. 그와 같은 문제점을 해소하기 위해 EU, 미국 등을 포함한 주요 국가 정부는 법률/지침 등을 제정하고 대학/연구기관과 기술 기업은 기술개발에 투자하고 있다. ‘설명가능한 AI’와 ‘공정성, 책무, 투명성, 윤리의식(Fairness, Accountability, Transparency, Ethics)’을 갖춘 AI를 만들기 위한 기술과 제도를 개발 중이다. 이와 같은 여건을 감안할 때 기업은 AI 기술/제도 발전 상황과 시장 수요, 내부 역량 등을 분석해서 알맞은 모델/솔루션을 선정하고 이를 도입, 적용한 후 성과에 따라 범위를 확대하는 식으로 접근하는 것이 바람직하다.
2022년 말, 오픈AI가 ‘챗GPT’라는 생성형 AI를 발표한 후 AI는 종래의 인식-판단을 돕는 수준을 넘어서 문서, 이미지/그림, 음성, 동영상 등을 만들어 주는 도구로 발전하고 있다. AI가 인간의 지적 활동뿐만 아니라 창작 활동도 대신하는 도구가 된 것이다. 생성형 AI의 엄청난 능력은 딥러닝 모델의 일종인 트랜스포머(transformer)에서 비롯된다. 트랜스포머는 2017년 구글이 발표한 것으로 기존 모델과 달리 주어진 데이터의 순차적 정보뿐만 아니라 상호관계도 추적해서 맥락과 의미를 학습한다. 오픈AI가 2023년 3월에 발표한 대형언어모델(LLM) GPT-4는 인간이 컴퓨터와 지금처럼 텍스트만으로 상호작용하는 것이 아니라 오디오/비디오로도 소통하는 멀티모달(multi-modal) AI 시대를 열었다. 생성형 AI는 특정 문제에 대해서는 전문가 수준 또는 그 이상 수준으로 빠르게 발전, 확산하고 있기에 비즈니스 측면에서도 기회와 위협이 큰 상태이다. 새로운 제품/서비스로 시장을 선점할 수도 있지만, 공들여 쌓아 온 시장/고객 기반을 신생기업에게 빼앗길 수도 있기 때문이다. 생성형 AI는 아직은 무시할 수 없는 수준(예: 20%)의 오답-이를 ‘환각(hallucination)’이라고 함-을 내놓고 엄청난 에너지를 사용하며 소수의 글로벌 테크기업이 기술/솔루션 공급을 주도하고 있어서 ‘승자독식(Winner-takes-all)’ 상황이 심화될 위험성도 안고 있다.
◯ 빅데이터
빅데이터는 3V 즉, Volume(양이 많음), Variety(다양함), Velocity(실시간 수집) 등을 특징으로 갖는 데이터를 가리키며, AI, 센서, 통신, 통계, 시뮬레이션 등 기술과 결합되어 활용된다. ‘빅데이터’라는 용어는 실제로는 데이터의 분석, 활용에 초점을 둔 데이터 분석(Data Analysis or Analytics) 기술을 포함하는 의미로 사용되고 있다. 빅데이터는 딥러닝 모델을 학습/훈련시키기 위한 필수 재료이며, (생성형) AI는 빅데이터로부터 새로운 지식/콘텐츠를 만들어 내기에 이제 두 기술은 경계를 나누기 어려운 관계가 되었다.
빅데이터는 인간의 데이터/정보 수집-저장-분석-활용 능력을 획기적으로 높이고 합리적이며 최적화된 의사결정을 할 수 있게 해 준다. 빅데이터를 활용해서 과거에 몰랐던 새로운 지식을 얻고 미래를 예측하며 위험을 사전에 파악, 대처하고 개인화/맞춤화 서비스를 제공할 수도 있다. 반면, 빅데이터는 넘쳐나는 정보와 데이터 쓰레기 처리, 각종 거래와 커뮤니케이션 과정에서 노출되는 개인정보 보호 등 해결과제를 만들어 냈다. 빅데이터가 진정한 가치(value)를 만들기 위해서는 데이터 처리를 시작하기 전에 활용 목적을 명확히 해야 한다. 또한, 데이터 과학자/기술자 육성, 관련 제도 정비와 기술 발전 등이 병행되어야 한다.
◯ 클라우드(cloud)
구름을 의미하는 단어인 ‘클라우드’는 디지털 세상에서는 ‘원격지에 있는 컴퓨팅 자원’을 가리킨다. 컴퓨팅 자원을 회사 내에 확보, 운영하는 것을 ‘온(On)프레미스’, 외부에 두는 것을 ‘오프(Off) 프레미스’라고 한다. ‘클라우드 서비스’는 사용자가 필요로 할 때 필요한 만큼 사용하고 사용한 만큼 비용을 지불하는 서비스를 가리킨다. 아마존 AWS, 마이크로소프트, 구글, 국내 네이버, KT 등이 클라우드 서비스를 제공한다. 클라우드 서비스는 지원하는 서비스에 따라 컴퓨터 HW, 시스템 SW, 네트워크 등을 포함하는 IaaS(인프라), 데이터베이스, 개발도구, 보안, AI 등을 포함하는 PaaS(플랫폼), MS 오피스, ERP 같은 애플리케이션 SW를 제공하는 SaaS, 그리고 컨설팅/운영을 지원하는 매니지드 서비스 등으로 구분한다.
클라우드 서비스는 기업이 모든 컴퓨팅 자원을 한꺼번에 구매해서 소유할 필요가 없고, 실시간 수집 데이터를 효율적으로 저장, 관리할 수 있으며, 트래픽이 늘어나면 바로 용량을 늘릴 수 있고, 신기술 SW를 쉽게 사용해 볼 수도 있는 효과적 수단이어서 빠르게 확산하고 있다. 그러나, 기업 비밀이나 고객 데이터 유출 우려, 오프 프레미스 경우 통신비/서버에 과부하 발생, 특정 기업/서비스에 고착(‘lock-in’) 되는 점, 내부 기술/인재 혁신 지연, 파트너와 공동활용 해야 할 업무의 클라우드 이전 지연 등 문제점이 드러나고 있다. 이를 해결하기 위해 간단한 데이터 처리는 단말기에서 수행하는 ‘엣지(edge)’ 컴퓨팅, 여러 개의 클라우드 서비스를 함께 쓰는 멀티 클라우드, 내부 서버에 있는 프라이빗 클라우드와 서비스 업체의 퍼블릭 클라우드를 조합한 하이브리드 클라우드, 클라우드에 적합한 애플리케이션은 시작부터 클라우드로 구축하는 클라우드 네이티브 등의 대안이 적용되고 있다.
◯ 모바일(mobile)
모바일 기술은 통신(망), 기기, 애플리케이션/서비스 등을 보행 중 또는 차량으로 이동 중에도 무리없이 이용할 수 있게 하는 기술을 총칭하는 용어이다. 모바일 기술 중에서 통신 및 기기 부분이 기반기술에 속한다. 이동/휴대 통신망은 아날로그 방식의 음성 통신을 지원한 1세대(국내 1985년 상용화)로부터 문자메시지와 무선 인터넷이 가능한 2세대(예: CDMA, 1996년~), 영상통화와 고속 무선 데이터 통신이 가능한 3세대(예: EV-DO, 2002~), 무선 광대역 통신인 4세대(예: LTE, 20011~), 그리고 지금의 5세대(2019~) 통신으로 발전해 왔다. 5G는 4G와 비교하면 속도 20배(약 20Gbps), 지연시간 1/10(1 밀리초 이내), 연결 가능한 장치 숫자 10배 등의 특성을 가진 초고속, 저지연, 초연결 통신망이다. 2030년 전후에 상용화할 것을 목표로 하는 6G 통신은 속도가 5G의 50배인 1 Tbps에 이르게 되어 진정한 의미의 실시간 & 실감형 데이터 처리와 컴퓨터-사용자 간 상호작용이 필요한 홀로그램, 자율주행 서비스 등을 가능하게 해 줄 것이다.
모바일 통신/기기의 발달에 힘입어서 텍스트/문서, 이미지, 동영상을 포함한 각종 데이터/지식/콘텐츠가 저비용-고효율로 생산-유통되고 경제, 사회, 문화, 정치 등 모든 인간 활동에서 엄청난 변화가 나타났다. 예를 들면, 각종 SNS는 전 세계 많은 친구/지인과 소속감, 친밀감을 나누고 소통하며 지식/콘텐츠를 공유하는 사회 관계망을 형성했다. 공동체에서는 오프라인과 온라인, 현실세계와 가상세계를 나눌 필요가 없고 누구나, 또 무엇에든 즉시 연결, 즉시 소통할 수 있게 되었다. 반면, 모바일 기술은 인간이 얼굴을 맞대고(face-to-face) 집단 내에서 지식과 감정을 교환/공유하던 관습을 제한하고 중독과 편견, 사회 갈등을 조장하며 프라이버시를 침해하는 식의 폐해도 만들었다. 공동체를 유지하는 인프라 대부분이 컴퓨터와 통신망을 통해 운영되는 시기가 되면 사이버 공격이나 국부적인 장애만으로도 피해가 커질 것이기에 이를 방지할 기술/제도 측면의 백업-복구 대책이 마련되어야 한다.
◯ 사물인터넷(IoT)
사물인터넷(IoT: Internet of Things)은 센싱/센서, 무선통신(망), 애플리케이션 인터페이스 등이 결합된 애플리케이션이다. IoT는 1980년대에 등장한 유비쿼터스 컴퓨팅/네트워크 기술이 시간, 공간, 기기, 네트워크, 서비스 등의 경계를 넘어서게 하고, 1990년대에 RFID(무선인식)를 포함한 디지털 센서가 발달하며, 2011년 인터넷 주소체계가 IPv4에서 무한대 수준인 IPv6로 전환되면서 실용화 수준에 이르렀다. 1984년 일본 동경대 사카무라 켄 교수는 모든 컴퓨팅 기기가 하나로 연결된 세상을, 1988년 미국 제록스 PARC의 마크 와이저는 컴퓨터가 모든 사물에 식재되어 볼 수 없는 가운데 현실세계와 가상세계 간의 경계가 사라진 세상을 예견했던 것이다. IoT는 궁극적으로 인간과 각종 인공물을 독립된 개체로 간주한 가운데 그들을 상시(常時) 연결(always connected), 상시 인식(always aware), 상시 실행 가능한(always active) 상태로 만들어 준다. 예를 들면, 제조 공장에서 작업자와 각종 설비/기기, 재료/부품, 공정 등이 연결되어 실시간 수준에서 자료를 교환/공유함으로써 문제 발생 시 즉각적인 조치를 할 수 있게 된 것이다.
IoT는 산업 현장은 물론, 가정, 건물, 병원, 도로 등에서 관심있는 개체(예: 가전기구, 온도/습도, 의약품, 노면)의 상태나 동작을 상시 모니터링 & 제어함으로써 비용 절감, 품질 향상, 위험 회피 등을 가능하게 한다. IoT에 빅데이터와 AI, 로봇이나 에이전트 SW 등이 결합되면 실시간 수준에서 사람의 개입이 없더라도 자율적으로 문제를 해결하는 ‘스마트(smart)’ 시스템이 된다. 클라우드 기술은 센서로부터 수집된 데이터를 원격지 서버에 무한정 저장-관리할 수 있게 하고, 뒤에 설명할 블록체인 기술은 데이터의 출처나 처리 과정에 하자가 없음을 보장해 줄 것이다. AI가 컴퓨터 과학/공학을 기반으로 한 SW가 확장된 IT의 일부인 것처럼, IoT는 전자공학, 기계공학을 기반으로 한 HW가 확장된 OT(Operational Tech., 운영기술)에 속한다. 실물 자산의 비중이 큰 산업(예: 제조업, 운송업)을 디지털화하기 위해서는 IT와 OT 간 기술융합이 필수적이며 IoT가 그 연결고리인 것이다.
디지털 CCTV가 범죄를 예방하기 위한 효과적 수단이지만 오/남용될 경우 인권이 침해되고 감시사회가 될 수 있는 것처럼 온갖 사물에 센서가 부착/내장되면 여러 가지 심각한 문제가 발생할 수 있다. 개인의 위치/이동궤적/상태 등이 노출되는 식의 사생활 침해 가능성이 커진다. 스마트 공장이나 자율주행차 같은 디지털 시스템 경우 센서 숫자나 통신 범위가 확대되면서 외부 공격이나 장애 발생 가능성과 취약성도 커진다. IoT와 스마트 시스템을 확대하기 위해서는 그에 상응하는 보안 및 안전 대책이 미리 마련되거나 최소한 병행되어야 한다. ‘자동차가 빨리 달릴 수 있는 이유’는 가속할 수 있는 액셀러레이터가 있어서가 아니라 필요할 때 멈출 수 있는 브레이크가 있기 때문이라는 것은 이 문제에도 적용되는 우문현답이다. //
