맥킨지 리포트: 2023년 중요 기술 동향과 전망
이 글은 제가 NIA [한국지능정보사회진흥원]의 < 디지털서비스 이슈리포트 > 2023년 9월호에 기고한 글입니다. 원본 글 '맥킨지 리포트: 2023년 중요 기술 동향과 전망'을 이곳 브런치에서도 공유합니다.
0. 들어가며
액센츄어 리포트[1] 에서는 “기술의 성숙도는 데이터와 해당 기술뿐만 아니라 조직의 전략, 인재, 문화 등 핵심 역량을 적절히 조합하여 완성형 모델로 만드는 데 달려 있다”라고 한다. 기업과 조직은 비즈니스 발전을 촉진할 수 있는 신 기술 잠재력에 대한 투자와 인재 확보에 있어 어느 때보다도 높은 관심의 시간을 보내고 있다. 생성형 AI는 이러한 기술 르네상스를 연 공로가 탁월하지만, 이는 곧 다가올 많은 기술 발전 중 하나에 불과할 것이다. 이러한 새로운 기술들은 지속 가능하고 포용적인 성장을 주도하고 복잡한 글로벌 과제를 해결할 수 있을 것으로 기대한다.
매년 새로운 최신 기술 동향을 발표하는 맥킨지에서 2023년 가장 중요한 기술 동향를 분석하고 전망한 결과 리포트[2] 를 발표했다. 그 기술들이 아직 도입 및 확장 초기 단계에 있지만, 이 분석 결과를 통해 잠재적인 사용 사례를 이해하고 미래 기회가치를 선점하기 위한 인재 채용과 핵심 기술을 파악하는 것은 기업의 생존에 있어 매우 중요하다.
이 리포트는 모두 15개의 기술을 제시하였고, 관심도, 혁신성, 투자에 대한 정량적 지표를 조사하여 각 기술의 모멘텀을 측정하고 각 기술 동향의 장기적인 특성과 상호 의존성을 고려하여 주변 기반 기술, 불확실성, 의문점 등을 심층적으로 서술하였다. 특히 올해 보고서의 특징으로는 결과 분석에 ‘인재(talent)’라는 중요한 차원을 새롭게 추가했다는 점이다. 예를 들어 이 인재 차원은 각 트렌드와 가장 관련성이 높은 직무에 대한 인재 수급에 대한 데이터를 제공하여 흥미로운 분석 결과를 보여준다.
아래 그림 1의 경우처럼, 채용공고는 인공지능, 차세대 소프트웨어 개발, 클라우드와 같은 세 개의 축이 이끌어 가고 있는 상황이다.
그림 1. 2021-22 기술직군 채용 공고 동향 (출처: 맥킨지)매킨지가 선택한 15개의 기술 동향은 다음과 같다.
- 응용 AI (Applied AI)
- 머신러신 운영 (MLOps)
- 생성형 AI (Generative AI)
- 차세대 소프트웨어 개발 (Next-generation software development)
- 신뢰 아키텍쳐와 디지털 아이덴티티 (Trust architectures and digital identity)
- Web3
- 고급 연결성 (Advanced connectivity)
- 몰입형 현실 기술 (Immersive-reality technologies)
- 클라우드와 에지 컴퓨팅 (Cloud and edge computing)
- 양자 컴퓨터 기술 (Quantum technologies)
- 모빌리티의 미래 (Future of mobility)
- 생명공학의 미래 (Future of bioengineering)
- 우주 기술의 미래 (Future of space technologies)
- 전기화 및 재생 에너지 (Electrification and renewables)
- 기후 기술 (Climate technologies)
그 중 클라우드 컴퓨팅과 인공지능 기술을 포함 가장 무게감 있는 5가지를 골라 집중 정리해 본다.
1. 2023년 5가지 핵심 기술
1) 응용 AI (Applied AI)
동향
모든 산업 분야의 기업은 머신러닝, 컴퓨터 비전, 자연어 처리와 같은 인공지능 기능을 통해 데이터를 사용하고 인사이트를 도출, 프로세스를 자동화하고, 사용자 기능을 추가 또는 확장하여 더 나은 의사 결정을 내릴 수 있다. 응용 AI를 통해 얻을 수 있는 잠재적 경제적 가치는 작년 17조 달러에서 26조 달러로 증가했고 조직의 AI 도입 비율은 2017년 20%에서 2022년 50%로 두 배 이상 늘었다. 그러나 기업이 기술의 잠재력을 최대한 활용하기 위해서는 조직, 기술, 윤리 및 규제 문제의 해결이 필요하다.
① 역량 강화를 위한 투자: 는 2021년 1,468억 달러로 최고치를 기록한 후 2022년 1,040억 달러로 감소했지만, 다른 기술과 비교하면 평균 수준보다 앞서는 속도를 보이고 있다. 모델 정확도 등의 분야에서 지속적인 개선이 보인다. 예를 들어, 이미지 분류 시스템을 훈련하는 데 드는 비용은 2018년 이후 63.6% 감소했으며, 훈련 시간은 94.4% 개선되었다.[3] 새롭게 부상하는 기술과 결합하면 응용 AI의 잠재력을 더욱 높일 수 있는데 예를 들어, 생성형 AI의 기반이 되는 기초 모델은 메모 및 로그와 같은 대량의 비정형 데이터를 처리하여 성능을 최적화하는 작업에 큰 도움을 줄 수 있다.
② 규제 조치 가속화: 기술이 발전함에 따라 데이터의 사용 및 결정에 대한 오용 가능성도 높아진다. 인공 지능의 윤리적 오용과 관련된 사건을 추적하는 AIAAIC 리포지토리에 따르면 알고리듬 및 자동화와 관련된 윤리적 이슈가 2012년 이후 26배나 증가했다고 한다. 민간 기업의 인공 지능 개발 가속화에 힘입어 기초적인 AI 모델을 규제하는 유럽연합의 AI 법이 의회 위원회 승인을 거쳐 법제화를 앞두고 있다.
③ 기술 도입은 완료 상태: 전 세계적으로 인공지능 채택률은 2017년의 두 배 이상이지만, 최근 몇 년 동안 AI를 사용하는 조직의 비율은 약 50-60%로 평준화되었다. 이미 인공 지능 기술을 도입한 기업은 자연어 생성이나 컴퓨터 비전과 같이 사용하는 기능의 수를 두 배 가까이 늘릴 계획이다.[4]
불확실성
인공 기술 적용에 영향을 미치는 주요 불확실성은 다음과 같다.
① 머신러닝 산업화를 위한 솔루션과 IT 인프라의 기술적 발전에도 불구하고 인재와 투자금과 같은 가용 리소스가 부족하면 AI 애플리케이션 배포 계획에 영향을 미칠 수 있다.
② 2022년 주요 리스크로 사이버 보안과 개인정보 보호, 데이터 위험 및 취약성뿐만 아니라, 신 기술에 대한 규제 및 규정 준수는 인공 지능 연구 및 애플리케이션에 영향을 미칠 수 있다.
③ 데이터 거버넌스, 형평성, 공정성'을 포함한 윤리적 고려 사항은 인공지능 제품 사용에 영향을 미칠 수 있다.
2) 머신 러닝 운영(MLOps)
MLOps는 기업에서 머신러닝 애플리케이션을 확장하고 유지하는 데 필요한 엔지니어링 프랙티스를 말한다. 이것은 기업 내 기술 도구 에코시스템에 의해 활성화되고 지원된다. MLOps 도구는 기업이 파일럿 프로젝트 수준에서 실행 가능한 비즈니스 제품으로 전환하고 분석의 규모를 빠르게 확장하는 데 도움을 주고, 솔루션 및 프로덕션에서 발생하는 문제를 빠르게 선제적으로 식별 및 해결하고 팀의 생산성을 개선하는데 도움을 준다.
동향
① 투자 증가: MLOps 솔루션을 제공하는 기업에 대한 투자는 2022년에도 누적 투자액이 47억 달러로 강세를 유지했다. IDC는 2024년까지 60%의 기업이 MLOps를 도입하고 구현할 것으로 예측한다.[5] 인공지능 기술을 통해 더 높은 수익을 창출하는 기업이 MLOps를 실행할 가능성이 더 높다는 사실인 만큼 이 분야에 대한 투자는 꾸준히 증가할 것으로 예상한다.
② 생태계는 빠르게 진화: 2022년은 중요한 인수, 합병, 파트너십아 있었다. 알테어(Altair)가 래피드마이너(RapidMiner)를 인수했고, 스노우플레이크(Snowflake)는 미스트 AI(Myst AI)를, 휴렛팩커드가 파키덤(Pachyderm)을 인수했습니다. 데이터브릭스(Databricks)는 인기 높은 오픈 소스 MLOps 프레임워크의 v 2.0을 발표했다. 갠트리(Gantry)는 실시간 ML 모델 생산 성능과 이를 최적화하는 방법을 결정하는 플랫폼을 출시했다. MLOps를 고민하는 기업들에겐 선택의 폭이 넓어진 생태계가 완성되었다.
불확실성
기업의 의사 결정권자는 MLOps를 도입하고 실행할 때 다음 사항에 관해 충분한 고려가 필요하다.
① 기업과 조직에 이미 정형화된 업무 프로세스에 특화된 MLOps를 구축하려면 선행 투자와 리소스가 필요하다.
② 산업 규모에서 ML 솔루션을 유지 관리하려면 명확하고 동의된 프로세스와 책임이 중요하다.
③ 빠르게 진화하는 시장에서 벤더 종속을 피하고 기존 벤더의 에코시스템 밖에 있는 다른 벤더가 제공하는 새로운 제품에서 가치를 실현할 수 있어야 한다.
④ 조직이 사용 사례 요구에 맞는 수준과 적합한 솔루션에 투자하고 있는지 확인하여 잘못될 가능성을 미연에 방지해야 한다.
3) 생성형 AI
생성형 AI는 인공지능의 가장 위에서 주목받는 기술이다. 이전의 AI와 달리 유사한 형식의 비정형 데이터에서 학습한 정보를 기반으로 텍스트, 오디오, 비디오, 이미지, 코드, 시뮬레이션, 심지어 단백질 서열이나 소비자 여정과 같은 새로운 비정형 콘텐츠를 생성할 수 있다. 또한 핵심 기술인 기초 모델은 요약, 분류, 초안 작성 등 다양한 작업에 적용될 수 있다. 이전 세대의 AI 모델은 한 가지 작업만 수행할 수 있는 '협소성'을 가진 경우가 대부분이었다.
비즈니스 맥락에서 생성형 AI는 새로운 사용 사례를 발굴할 수 있을 뿐만 아니라 기존 사용 사례의 속도, 확장 또는 개선도 가능하다. 생성형 AI의 비즈니스 잠재력과 가치 사슬은 새로운 제품 개발, 고객 경험 향상에 기여할 것으로 예상되나 가장 큰 영향은 직원 생산성 및 경험 개선에 있을 것으로 예상한다.
초기에는 많은 업계에서 생성형 AI를 주로 업무 초안을 작성하거나, 가설을 생성하거나, 전문가가 작업을 더 빠르고 더 잘 수행할 수 있도록 지원하는 보조 기술로 사용하게 되는데, 여기에는 다음과 같은 두 가지 공통점이 있다.
• 애플리케이션에서 생성된 부정확한 콘텐츠와 지적 재산권 문제 등 결과물을 확인할 수 있는 전문가가 루프에 있다.
• 기존 워크플로에 사용되므로 채택 및 변경 관리가 용이하다
조직이 생성형 AI 기반 애플리케이션을 보조적인 수준에서 위험도가 높은 고효율 사용 사례를 지원하는 완전 자동화로 발전시키기까지는 약간의 시간이 걸릴 것으로 예상된다.
동향
① 파일럿 투자의 증가: 생성형 AI에 대한 투자는 2020년에 비해 425% 증가했고, 현재 AI 연구의 80%가 생성형 AI에 초점을 맞추고 있기 때문에 금융 서비스에서 생명 과학에 이르는 다양한 산업 분야의 기업들이 엔터프라이즈 사용 사례를 실험하기 시작한 단계에 접어들었다. 코히어(Cohere)와 같은 업체는 대기업이 원하는 높은 수준의 지적 재산권 보호, 소비자 개인정보 보호, 저렴한 비용의 LLM을 자사 환경에 제공하고 있다. 많은 스타트업들이 LLM 플랫폼을 기반으로 본인의 서비스를 구축하거나 오픈 소스 모델을 확장하고 있는 과정에 구글은 검색 생성형 경험(Search Generative Experience)과 바드 챗봇을 비롯한 여러 구글 제품을 구동할 새로운 LLM인 PaLM 2와 같은 기반 기능을 발표했다. 오라클, SAP, 세일즈포스와 같은 전통적인 비즈니스 소프트웨어 벤더는 기존 업무용 제품에 생성형 AI 기능을 통합하기 위해 상당한 투자를 하고 있다.
② GPT4와 그 이후: GPT-3가 변호사 시험 응시자 중 하위 10%의 성적을 기록한 반면, GPT-4는 상위 10%의 성적을 기록했다. GPT-4는 이미지와 텍스트를 입력으로 사용할 수 있고, 최대 25,000 단어(GPT-3의 경우 4,000 단어)까지 처리할 수 있으며, 정확한 응답을 생성할 가능성이 40% 더 높다. 멀티모달 입력 사용 및 오케스트레이션과 같은 여러 가지 복잡한 애플리케이션이 나타나고, AutoGPT 및 BabyAGI와 같은 애플리케이션을 통해 새로운 레시피를 고안하는 등의 작업 수행이 가능하다.
③ 하드웨어 가속기 설계 활동: 구글은 이전 버전에 비해 시스템 성능이 약 10배 향상된 4세대 텐서 프로세싱 유닛(TPU v4)을 개발했다.[6] 이런 경향은 애플의 뉴럴 엔진과 같이 소비자 하드웨어 및 에지 시스템에서도 LLM을 보다 효율적으로 실행할 수 있는 특정 설계를 갖춘 제품들이 출시되고 있다.[7]
그림 2. 애플 뉴럴 엔진(ANE) 의 벤치마크 결과 (출처: 애플)④ 생성형 AI는 2018년부터 인재 수요가 빠르게 증가하고 있다. 2023년의 채용 수요는 관심과 투자 증가로 인해 훨씬 더 높은데, 이 분야의 채용 증가는 다른 기술 트렌드와는 다른 경향을 보인다. 규제 담당 관리자급 채용 공고가 많은 것은 기업이 생성형 AI 전략 개발이 빠르게 필요하고 그 전략을 통해 다음 행보를 결정하고자 함을 나타낸다. 개발자나 엔지니어의 채용률이 상대적으로 낮다는 것은 내부 역량 구축에 투자를 하기 전에 사용자 친화적인 오픈소스 모델을 시범 운영하여 먼저 가치를 검증하려는 의도를 보여준다고도 해석할 수 있다.
그림 3. 생성형 AI 채용 공고 동향 (출처: 맥킨지)불확실성
생성형 AI에 영향을 미치는 주요 불확실성은 다음과 같다.
① 고객 및 보호 대상의 데이터 유출 위험 및 취약성과 관련한 사이버 보안 및 개인정보 보호 문제가 있다.
② 데이터 거버넌스, 정의와 공정성, 책임성, 설명 가능성 등 생성형 AI의 책임감 있는 사용과 관련된 윤리적 고려 사항이 있다.
③ 규제 및 규정 준수는 생성형 AI와 그 잠재적 응용 분야에 대한 연구에 영향을 미칠 수 있다.
④ 오픈 소스 모델로 생성된 콘텐츠의 저작권 소유권 및 보호는 아직 정의되지 않은 문제다.
⑤ 학습 모델이 기하급수적으로 더 많은 컴퓨팅 리소스를 사용함에 따라 환경에 미치는 영향이 증가한다.
4) 클라우드/에지 컴퓨팅
앞으로 기업은 조직내 온프레미스 환경부터 가까운 위치 (에지), 소규모 지역 데이터 센터, 원격 하이퍼스케일 데이터 센터에 이르기까지 여러 위치 지점에 컴퓨팅과 스토리지가 포함된 인프라 공간을 활용하게 될 것이다. 에지 컴퓨팅은 원본에 더 가까운 곳에서 데이터를 더 빠르게 처리할 수 있는 유연성(초저지연: Ultra-low latency)을 제공하며, 클라우드에 비해 데이터 주권을 확보하고 데이터 프라이버시를 강화할 수 있어 다양한 새로운 사용 사례를 창출할 수 있다. 최종 사용자에게 목적지까지의 거리 단축의 의미는 데이터 전송 지연과 비용을 줄일 수 있을 뿐만 아니라 더 많은 관련 데이터 집합에 더 빠르게 액세스 할 수 있어 기업이 데이터 보존 관련 법률을 준수하는 데 도움이 된다.
이런 경향에도 불구하고 퍼블릭 클라우드는 기업에서 지속적으로 중요한 역할을 할 것이다. 시간에 민감하지 않은 컴퓨팅 사용 사례를 훨씬 더 나은 규모의 경제로 수행하여 기본 비즈니스의 안정성을 구현할 수 있다. 클라우드와 에지 리소스의 유연한 통합을 통해 사용자는 클라우드의 혁신, 속도, 민첩성을 에지까지 확장할 수 있다. 실시간 시스템을 구축하여 혁신을 가속화하고 생산성을 높이며 비즈니스 가치를 창출한다.
동향
① 마이그레이션 속도 둔화[8] : 기업들이 퍼블릭 클라우드로 마이그레이션하고 있지만, 데이터 프라이버시 및 지연 시간 관련 문제와 치솟는 비용관리의 어려움으로 인해 마이그레이션 속도가 늦어지고 있다. 업타임 인스티튜트 글로벌 데이터 센터의 연구 결과에 따르면 일부 기업의 경우 클라우드에서 데이터 센터로 ‘회기 이전’한 경험이 있다고 한다. 그러나 클라우드로 이전한 기업 중 클라우드를 완전히 포기한 비율은 6%에 불과하다. 대다수는 온프레미스 및 퍼블릭 클라우드 옵션을 사용하는 하이브리드 접근 방식을 사용한다.
② 에지 컴퓨팅의 지속적 확산: 다양한 산업 분야에서 400개 이상의 에지 사용 사례가 확인되었으며 향후 5년간 전 세계적으로 두 자릿수 성장을 보일 것으로 예상된다.[9] 원격 공장과 같은 특정위치에서의 안정적인 네트워크의 부족 현상을 비롯한 다양한 이유로 에지 도입이 증가하고 있다. 에지 컴퓨팅을 통해 데이터가 생성된 곳에서 데이터를 직접 처리함으로 더 빠른 속도와 정확성, 효율적인 데이터 분석을 통해 올바른 비즈니스 의사 결정이 가능해진다.
③ 클라우드에서 고성능 컴퓨팅과 AI/머신러닝 사용이 증가: 워크로드의 증가를 활용하고 하드웨어를 최적화하기 위해 클라우드 제공업체는 여러 기술 파트너십을 강화할 뿐만 아니라 구글의 텐서 처리 장치(TPU)및 AWS의 Nitro 시스템과 같이 기업내 칩 설계에도 투자하고 있다.
④ 인재 수급 상황에서 보면 리눅스, 파이썬, 클라우드 컴퓨팅과 같은 기본적인 영역에서는 이미 포화 상태를 보인다. 도입 시기가 지나고, 본격적인 운영 시기가 되면서 하이퍼스케일러 운영 및 데브옵스와 인프라 관리 부문의 인재들의 수요가 증가하고 있다.
그림 4. 클라우드 컴퓨팅 인재 가용성 (출처: 맥킨지)
불확실성
클라우드 및 에지 컴퓨팅에 영향을 미치는 주요 불확실성은 다음과 같다.
① 에지 컴퓨팅은 기존 클라우드 컴퓨팅의 규모의 경제를 활용하지 못하기 때문에 에지 노드 및 디바이스 수가 증가함에 따라 확장에 따른 여러 문제가 발생할 수 있다.
② ROI 가시성 부족, 에지 개발에 대한 전반적으로 더 긴 수익 경로가 예상된다.
③ 부가가치 사용 사례에 대한 고객의 이해 부족, 파일럿에서 대규모 구현으로 확장하기 위한 대규모 투자 요구 사항, 에지 컴퓨팅 위치의 단기 공급 과잉, 복잡한 기술 스택 요구 사항, 즉시 배포 가능한 솔루션의 부족 등이 불확실성이 있다.
5) 몰입형 실감 현실 기술
(Immersive-Reality technologies)
몰입형 현실 기술은 공간 컴퓨팅을 사용하여 물리적 공간을 해석하고, 실제 환경에 데이터, 사물, 사람을 추가하여 시뮬레이션하며, 증강 현실(AR), 가상 현실(VR), 혼합 현실(MR)이 제공하는 다양한 수준의 몰입감으로 가상 세계에서 상호작용을 가능하게 한다. 2022년에는 AR과 VR에 대한 총 투자액이 전 해에 비해 감소했지만, 이 분야는 기술 투자에 관심이 높은 것은 분명하다. 퓨어스토리지의 연구에 따르면 새로운 메타버스는 2030년까지 소비자 및 기업 사용 사례에서 최대 5조 달러의 가치를 창출할 수 있을 것으로 예상된다.[10]
동향
① VR 및 AR 기기에 대한 투자와 소비자 채택이 감소: 하지만 평면 기기에서의 AR 채택은 증가했다. 몰입형 현실 기술에 대한 투자는 2018년 140억 달러, 2021년 320억 달러, 2022년 160억 달러로 전 세계 VR 헤드셋 및 AR 기기 출하량이 12% 이상 감소했다. 그러나 스마트폰과 같은 평면 디바이스에서의 AR 사용은 계속 증가하고 있다. AR 앱 설치 기반은 2016년 10억 3천만 개에서 2022년 60억 6천만 개로 약 6배가량 증가했다.
② 새로운 기기 출시: 하드웨어 혁신은 주춤했지만, 2022년에는 새로운 VR 헤드셋이 출시되었다. 지속적으로 새로운 VR 헤드셋이 출시될 것으로 예상되며, 햅틱 및 디스플레이와 같은 주변 장치도 계속 발전하여 새로운 사용자 경험이 소비자 시장을 강화할 것으로 예상된다. 2023년 현재까지 플레이스테이션은 기존의 대규모 사용자 기반을 활용하여 VR2 헤드셋을 출시했으며, HTC는 하이엔드 소비자 및 전문가 부문을 위한 Vive XR Elite 헤드셋을 출시하여 긍정적인 평가를 받고 있다.
③ 미래 기술의 도약을 예고: 애플은 시선 추적, 손동작 인식, 끊김 없는 스크롤 등의 기술이 탑재된 비전 프로 AR/VR 헤드셋을 2024년에 출시할 예정이라고 발표했다. 애플은 인재와 자본을 바탕으로 5,000개 이상의 특허를 확보했고, 혼합 현실 영역에서 새로운 표준을 제시하고자 하고 있다.
불확실성
몰입형 현실 기술에 영향을 미치는 주요 불확실성은 다음과 같다.
① 소형화 및 경량화, 디바이스 내구성 강화, 센서 정밀도 향상, 사용자 편의성 증대, 발열 감소, 배터리 수명 연장 등을 위해서는 디바이스 하드웨어 및 소프트웨어 개선이 필요하다.
② 애플리케이션의 소비자 친화성과 확장성을 높이기 위해 경제적 접근이 필요하다.
③ 사용자 요구의 폭이 넓어지는 것은 아직 의문이다. 메타버스는 타깃화된 틈새 수요에서 더 광범위한 대중 시장 고객 사용으로 수요가 증가하는 지점에 도달하기까지 몇 년이 걸릴 것으로 보인다. 최종 소비자 가격대가 어떻게 진화되는지, 그것에 맞추어 특정 비즈니스 요구 사항이 기능으로 채택되는지에 따라 영향을 받을 것이다.
④ 사용자 행동 추적과 관련된 보안 및 개인정보 보호 문제를 완화하는 것이 신뢰 구축에 매우 중요하다.
⑤ 고도로 통제된 환경 밖에서 시야를 제한하는 AR 및 VR 플랫폼의 사용을 고려할 때 안전 문제가 중요하다.
2. 기술 트렌드를 이해해야 하는 이유
많은 기업이 디지털 트랜스포메이션을 진행하면서 클라우드나 인공지능, 머신러닝과 같은 기술을 도입하는 이유는 단순히 그것을 할 수 있는 역량이 있어서가 아니라 반드시 도입해야 하는 절대적 이유 때문이다. 새로운 디지털 기술은 기업의 민첩성, 혁신성, 확장성을 지원하기 전에 기업의 미래 생존을 결정하는 중요 요소이기 때문이다. 성공적인 기업이라면 클라우드에 있는 정보를 종합하고, 인공지능을 사용하여 데이터를 정보로, 지식으로 변환하고, 머신러닝을 사용하여 지식 간의 관계를 이해하고 비즈니스 문제에 학습을 적용하고, 의사 결정 및 자동화를 지원하는 차세대 소프트웨어 프레임워크를 통해 대규모 인사이트를 제공하는 "디지털 우선" 조직이 필요하다. 클라우드와 인공지능, 머신러닝은 비즈니스의 모든 기능 영역에 걸쳐 보편화되고 있다. 기술 트렌드를 이해하는 것은 디지털 우선 조직이 되기 위한 이니셔티브의 첫걸음이 된다. 맥킨지는 위에서 이야기한 5가지 외에도 양자 컴퓨팅, 디지털 신원, 재생에너지, 기후 기술을 2023년 주목해야 할 기술로 꼽았다.
언급된 모든 기술 하나하나가 우리 생애에서 가장 파괴적인 혁신을 가져올 것이다. 이러한 기술 트렌드를 이해해야 하는 이유는 세 가지이다.
① 매출 성장
새로운 기술을 통해 잠재 고객을 더 효과적으로 타깃팅하고, 아웃리치 캠페인을 최적화하며, 리드의 우선순위를 정할 수 있다. 소셜 미디어 감정 마이닝, 광고 속성의 알고리듬 방식 선택, 마케팅 프로그램의 효과 측정, 고객 충성도 보장, 지능형 영업 추천을 통해 매출 성장을 기대한다.
② 비용/운영 효율성
AI 기반 고객 센터 솔루션은 문제 해결 시간을 단축하고 고객 경험(CX)을 개선한다. 자연어 처리를 통해 고객은 번거로운 검색과정 없이, 필요한 사항을 쉽게 말할 수 있다. 머신러닝 알고리듬은 질병의 진단과 치료를 가속화하고 정밀 의학을 지원한다. 산업용 에지 컴퓨팅 모델은 기계의 고장 시기를 예측하고 예방적 유지보수를 권장하여 잠재적인 다운타임을 방지할 수 있다.
③ 리스크 완화
금융 기관은 대출 심사를 개선하고 리스크를 줄일 수 있다. 고급 사기 탐지 및 비정상적인 활동 발견을 통해 금융 범죄를 줄일 수 있다. 조직에 침해 예측 및 저지 능력을 향상시키고, 제로 트러스트 보안 프레임워크로 급증하는 위협 표면을 보호한다.
이와 같이 새로운 기술 동향의 올바른 이해를 통해 기업과 조직은 경제적 중요성과 성장 잠재력을 최대화하는 디지털 신 기술 전략을 세울 수 있게 된다.
참고문헌, 레퍼런스
[1] Accenture, “The art of AI maturity”, 2023
[2] McKinsey Digital, “McKinsey Technology Trends Outlook 2023”, Jul 20, 2023
[3] Stanford AI Index, “Artificial Intelligence Index Report 2022”, Mar 16, 2022
[4] McKinsey, “The state of AI in 2022—and a half decade in review”, Dec 6, 2022
[5] CIO.com, “Making the most of MLOps”, May 26, 2022
[6] Google Cloud, “Google’s Cloud TPU v4 provides exaFLOPS-scale ML with industry-leading efficiency”, Apr 6, 2023
[7] Apple, “Deploying Transformers on the Apple Neural Engine”, Jun 2022
[8] The Register, “Oh dear, AWS. Cloud growth slowing as customers get a dose of cost reality”, Jan 19, 2023
[9] IDC, “New IDC Spending Guide Forecasts Edge Computing Investments Will Reach $208 Billion in 2023”, Feb 15, 2023
[10] McKinsey, “Value creation in the metaverse”, Oct 2022
