5. 제4차 산업 혁명의 도래 (2/2)
클라우드 그리고 사물인터넷
GE는 125년 된 회사이지만 항상 가장 중요한 날은 내일이라고 믿고 있다 - 제프리 이멜트 (GE CEO)
5.2 클라우드 컴퓨팅, IT 패러다임을 바꾸다
클라우드 컴퓨팅(Cloud Computing)은 1965년 미국의 컴퓨터 학자인 존 매카시(John McCarthy. 1927 ~ 2011)가 “컴퓨팅 환경은 공공시설을 쓰는 것과도 같을 것”이라는 개념을 제시한 것에서 유래하였다. 2005년 이후에야 본격적으로 서비스되었지만 사실 1930년대부터 대규모 ATM을 지칭하는데 쓰였으며 1995년 3월 AT&T 외 다수의 통신사들과 제휴를 맺고 ‘General Magic’이라는 회사가 클라우드 컴퓨팅 서비스를 최초로 시작하였다. 인터넷에 접속하기만 하면 언제 어디서나 하드웨어나 소프트웨어 등 컴퓨팅 자원을 사용할 수 있는 클라우드 컴퓨팅은 소유에서 공유로 경제 패러다임이 변하면서, 일용품화 또는 범용품화된 IT자원도 더 이상 소유를 위한 투자 대상이 아니라 필요에 따라 빌려 쓸 수 있는 자원이라는 인식을 주게 되었다. 컴퓨팅 자원을 필요한 만큼 사용한다는 종량제 개념(Pay-per-Use)은 많은 기업의 IT 도입 및 유지보수에 있어 비용 모델의 변화를 가져왔다. 웹디스크 방식으로 PC의 하드디스크를 대체할 목적으로 다양한 클라우드 디스크 서비스를 해주는 기업들부터 세일즈포스닷컴같이 소프트웨어를 서비스로 제공하는 기업들도 있다. 2017년 현재 아마존 AWS와 마이크로소프트의 Azure는 IaaS부터 SaaS까지 지원하는 가장 인지도 높은 클라우드 서비스이다. 클라우드 서비스 모델은 기술적 측면에서 그림 I-21과 같이 크게 3가지로 구분되는데 기업의 클라우드에 대한 인식 및 서비스 도입 수준에 따라 다양하게 활용 가능하다.
Fig. I-21. 클라우드 컴퓨팅 서비스의 종류와 내용 클라우드 컴퓨팅 서비스에 대한 또 다른 구분으로 운영의 개방 수준에 따라 프라이빗 클라우드(Private Cloud), 하이브리드 클라우드(Hybrid Cloud), 퍼블릭 클라우드(Public Cloud)로 구분할 수 있다. 각각의 구분은 보안과 공유의 수준에 따라서 개념화된 것으로 기업의 IT 운영 방향 또는 전략에 따라 다르다.
표 I-8. 클라우드 서비스 운영모델의 종류클라우드 서비스 도입을 살펴본다면 기업의 IT기획팀에서 전통적인 방식으로 정보시스템 인프라를 도입하려고 할 경우, 대부분 다음과 같은 절차를 진행한다.
1) 장래의 수요를 예측하여 용량을 결정한다. (수 개월 소요)
2) IT업체(SI기업)에 시스템 구성 제안을 요청하고 견적을 의뢰하여 가격을 교섭한다. (몇 주 ~ 몇 개월 소요)
3) 품의서를 작성하고 승인 및 결제절차를 밟는다
4) 선정한 IT업체에 발주한다.
5) IT업체는 제조사에 조달을 의뢰한다. (시간 소요)
6) 조달한 기기를 조립/구축한다 (시간 소요)
7) 고객이 지시한 장소에 시스템을 설치하고 소프트웨어 도입이나 설정을 한다.
반면, 클라우드 서비스를 활용하면 아래와 같이 진행된다.
1) 현재 필요한 리소스를 생각하여 규모를 결정한다 (예측 필요 없음)
2) 품의서 작성 및 승인, 결제 절차를 밟는다
3) 클라우드 서비스의 웹 UI를 통해 시스템 구성을 선택함 (교섭 없음)
4) 설정 메뉴에서 보안 레벨, 백업 일정 등 운영환경에 필요한 항목을 설정한다.
5) 구매 버튼을 클릭한다
끝이다. 좀 거칠게 서술한 면이 없지 않지만 시스템 도입을 위해 몇 개월이 소요되던 일이 클라우드 서비스를 사용하면 거의 하루 내에 끝낼 수 있다. Private 클라우드이던 Public 클라우드이던 일의 편의성 측면에서 기존 운영 환경을 충분히 지원해준다면 클라우드 서비스로 전환하지 않을 이유가 없다. 그러나 이상적인 컴퓨팅 플랫폼인 클라우드 컴퓨팅에 장점만 있는 것은 아니다. 가장 많이 언급되는 단점은 보안에 취약할 수 있다는 것인데 일단 데이터를 기업이 보관하고 있지 않고 클라우드 사업자가 보관, 유지 관리를 하기 때문에 클라우드 활용을 위해 사업자를 선정하고자 할 때에는 데이터 보안에 대한 체크리스트도 사업자 선정의 중요한 기준이 된다.
표 I-9. 클라우드 서비스의 장점과 단점IT시스템의 도입과 운영의 패러다임을 바꾸고 있는 클라우드 서비스는 빅데이터 분석 및 활용과 함께 발전될 것으로 생각하고 있는데, 그 이유는 빅데이터의 도입과 성장은 필연적으로 얻게 되는 대용량 데이터를 어떻게 처리할 것인가를 고민하게 될 것이고, 기업들은 비용 효율적인 아키텍처 구축을 위해 필수 보유 데이터와 클라우드 활용 데이터를 구분하게 될 것이며, 클라우드 활용 데이터는 퍼블릭 클라우드를 이용하여 처리함으로써 비용을 절감할 것으로 예상되기 때문이다. 빅데이터와 클라우드, 여기에 사물인터넷(IoT)이 합세하면서 기존 산업은 스마트(Smart)하게 변신하게 된다.
5.3 사물인터넷의 산업 리모델링
사물인터넷(IoT)이 새롭게 등장한 개념은 아니다. 사물인터넷이라는 표현은 1999년 MIT의 RFID 전문가인 캐빈 애쉬톤(Kevin Ashton. 1968 ~ 현재)이 제안한 개념으로 네트워크 상의 기기는 물론 인간, 차량, 교량, 각종 전자장비, 문화재, 자연환경을 구성하는 물리적 사물들이 사물인터넷의 구성요인에 포함된다고 하였다. 사물, 사람, 서비스 간에 연결된 네트워크를 통해서 데이터 및 정보를 수집, 공유, 분석하면서 상호작용하는 환경이라 할 수 있다. 흔히 사물인터넷을 산업 리모델링의 핵심이라 말하는데 이는 B2B, B2C 관계없이 거의 전 영역에서 그 활용이 시도되고 있기 때문이다.
Fig I-22. 암벡(Ambeg)의 생산자동화 현장, 지멘스(Siemens)독일은 제4차 산업혁명을 주도하고 미래 제조업의 경쟁력을 확보한다는 차원에서 현재 추진 중인 ‘Industry 4.0’ 프로젝트에 2억 유로를 투자하기로 결정하였다. 독일이 강점을 가지는 자동차, 기계 등의 제조산업에 IT를 접목하여 모든 생산 공정, 조달 및 물류, 서비스 등을 통합하는 디지털 공장(Digital Factories) 또는 스마트 공장(Smart Factory)을 실현할 국가 차원의 제조 산업 정보화 전략을 구상 중인 것이다. 지멘스의 암벡(Ambeg) 공장은 이미 사물인터넷(IoT)과 빅데이터를 활용해 공정의 대부분을 자동화하였는데, 각 설비에는 센서가 부착되어 있고 일련번호가 있는 부품들을 실시간으로 관리하여 이상 유무 또는 부품 파손 등에 능동적으로 대응할 수 있다. 공정과정을 통해 공장에서 생산되는 데이터는 하루 5,000만 건 이상으로 매년 182억 건이 넘으며 그럼에도 불구하고 빅데이터 분석을 통해 0.0012%의 낮은 불량률 관리를 자랑한다. 모든 과정을 컴퓨터에 입력하기만 하면 생산라인이 자유자재로 바뀌는 트랜스포머(Transformer) 공장으로 하나의 생산라인에서 하나의 제품만 만들 수 있는 일반 공장과 달리 암벡 공장의 생산라인은 1년에 5천 여 차례나 바꿀 수 있다. 또한, 고객이 원하는 다양한 상품들을 실시간으로 생산하는데 특히, 초당 하나의 제품 생산이 가능하여 주문을 받은 후 24시간 안에 전 세계 6만명의 고객에게 배송될 제품을 생산할 수 있다.
미국의 대표적인 제조기업인 GE는 사물인터넷을 보다 더 적극적으로 활용하여 빅데이터, 클라우드와 연계한 소프트웨어 플랫폼을 만들고 이를 공개하였다. GE의 기술진들은 중동과 아시아 특정 도시구간을 운항하는 제트엔진이 다른 노선의 같은 기종 엔진과 성능이 다르다는 사실을 발견하고, 데이터를 분석했는데 해당 노선의 항공기들은 엔진의 마모 패턴이 다르다는 사실을 발견했고 해당 지역의 공기 질, 기상, 파일럿의 운항 습관 등을 파악하여 연관성을 찾기 시작한 끝에 그런 결과가 발생하게 된 원인에 대해 단서를 찾았고 관리 방안도 찾아냈다고 한다. 이들이 활용한 빅데이터, 클라우드, 사물인터넷 기반의 소프트웨어 플랫폼이 프레딕스(Predix)이다.
Fig. I-23 GE Predix 개념도프레딕스는 디지털 트윈(Digital Twin)이라는 개념을 사용하는데 발전소나 엔진의 물리량을 측정하는 실제 계측기를 디지털로 모델링하여 실제 기계와 가상의 기계를 1:1로 매칭하고 그 변화를 모니터링하여 마치 실물을 다루는 것처럼 구현하게 해준다. 즉, 발전용 터빈 엔진이나 플랜트의 파이프라인을 내 컴퓨터의 모니터 안에서 실제와 같이 관측하고 다룰 수 있게 해 주는 것이다. GE는 제품을 생산하며 판매하던 사업 모델에서 제품과 서비스를 결합하여 제품을 판매 후 유지보수하고 원격 모니터링하는 사업 모델을 거쳐, 이제는 프레딕스 플랫폼을 통해 제품을 진단하고 분석하며 예측하는 서비스를 제공하는 '디지탈 산업 기업(Digitla Industrial Company)'을 지향하고 있다.
제4차 산업혁명을 맞아 제조업을 포함한 각 산업에서는 스마트 기술의 활용 및 그에 따른 산업의 속성 변화가 두드러지고 있다. 산업 차원의 컨버젼스나 혁신의 영향과 더불어 4장 솔루션 사업 이야기에서도 언급했듯이 가장 큰 변화는 고객에게 전달되는 방식이 ‘서비스의 형태로 변화’되고 있다는 것이다. 많은 B2B 사업들이 금융과 결합한 서비스 형태, 종량제(Pay per Use) 형태로 제공된다는 것은 소유의 시대가 공유의 시대, 접속의 시대로 변화되고 있는 것을 의미한다. 많은 지성들이 다가올 미래는 서비스의 시대라고 말하는 이유이기도 하다.
Break #7. 로봇과 인공지능(Robots & Artificial Intelligence)
많은 미래학자들이 말하길 빅데이터, 클라우드, 사물인터넷과 더불어 제4차 산업 혁명을 리딩할 것이라는 또 하나의 큰 축이 ‘로봇과 인공지능’이다. 2016년 한국에서는 인공지능(AI)과 관련해서 큰 사건이 있었다. 프로 바둑기사 이세돌 9단과 구글(Google)의 인공지능 알파고(Alphago) 간의 대국에서 인공지능이 5전 4승 1패로 승리한 것이다. 1950년 대부터 연구되어 온 ‘인공지능이 인간과 대등하게 또는 우월하게 사고한다’는이론이 실현된 이 사건은 전 세계사람들은 충격에 빠지게 되었다. 이 사건 이후 지구촌은 인공지능의 발전에 대해 다시 눈여겨보게 되었는데 인공지능의 주요 역사는 표 I-10과 같다.
표 I-10. 인공지능의 역사1) 로봇과 인공지능의 차이
유명한 SF영화 등에서 인공지능을 탑재한 로봇들이 많이 등장하여로봇과 인공지능이 무엇이 다를까 헷갈릴 수 있는데 로봇은 하드웨어, 인공지능은 소프트웨어라고 생각할 수 있다. 인공지능은 컴퓨터과학, 로봇은 기계공학과 전자공학의 영역으로 학문적 분야도 다르지만이 둘의 상호 작용은 대단하다. 궁극적으로 인공지능이 갖춰진 인간형 로봇, 휴머노이드가 지향점이다.
2) 인공지능 연구의 급진전, 딥러닝(Deep Learning) 인공지능의 역사에서도 볼 수 있듯이 인공지능의 연구는 암흑기를 거쳐 머신러닝(Machine Learning)이 딥러닝으로 발전하면서 급속히 진행되었다. 10년 전쯤에도 인공신경망을 중심으로 많은 연구들이 진행되었지만 딥러닝과 또 이를 지원할 수 있는 클라우드 및 빅데이터 처리 기술의 발달이 현재의 성과를 낳고 있다.
Fig I-24. 인공지능 '자비스(JARVIS)'와 토니 스타크, 영화' 아이언맨' 중에서또한, 2017년 1월 초 비영리단체 FLI(Future of Life)의 주최로 전 세계의 AI/Robots 전문가들은 미국 캘리포니아 주의 아실로마(Asilomar)에 모여 AI 개발과 관련된 일종의 가이드를 만들었는데 이는 엘론 머스크(Elon Musk. 테슬라 CEO), 천체물리학자 스티븐 호킹, 데미스 허사비스 구글 딥마인드 CEO, 미래학자 레이먼드 커즈와일 등 전 세계 과학/기술계의 거장 2,000여 명들의 지지 서명을 얻어내었다. 요지는 미래에 사회의 각 분야에서 다양하게 사용될 AI를 '이롭게 사용하자'는 23가지 원칙을 담은 것으로 주요 내용은 다음과 같다.
AI 연구 목표는 이로운 지능을 추구한다
인간 존엄, 자유, 권리와 부합하도록 하며
AI로 인한 경제적 풍요는 넓게 공유하고
살생 가능한 자율무기 군비 경쟁은 지양하며
전 인류의 혜택과 보편적인 윤리적 이성을 위해서만 개발한다
아실로마 AI 23 원칙 (AI Principles)의 전문은 아래와 같으며 원문은 다음 링크를 참고할 수 있다.
Research Issues
1) Research Goal: The goal of AI research should be to create not undirected intelligence, but beneficial intelligence.
2) Research Funding: Investments in AI should be accompanied by funding for research on ensuring its beneficial use, including thorny questions in computer science, economics, law, ethics, and social studies, such as:
How can we make future AI systems highly robust, so that they do what we want without malfunctioning or getting hacked?
How can we grow our prosperity through automation while maintaining people’s resources and purpose?
How can we update our legal systems to be more fair and efficient, to keep pace with AI, and to manage the risks associated with AI?
What set of values should AI be aligned with, and what legal and ethical status should it have?
3) Science-Policy Link: There should be constructive and healthy exchange between AI researchers and policy-makers.
4) Research Culture: A culture of cooperation, trust, and transparency should be fostered among researchers and developers of AI.
5) Race Avoidance: Teams developing AI systems should actively cooperate to avoid corner-cutting on safety standards.
Ethics and Values
6) Safety: AI systems should be safe and secure throughout their operational lifetime, and verifiably so where applicable and feasible.
7) Failure Transparency: If an AI system causes harm, it should be possible to ascertain why.
8) Judicial Transparency: Any involvement by an autonomous system in judicial decision-making should provide a satisfactory explanation auditable by a competent human authority.
9) Responsibility: Designers and builders of advanced AI systems are stakeholders in the moral implications of their use, misuse, and actions, with a responsibility and opportunity to shape those implications.
10) Value Alignment: Highly autonomous AI systems should be designed so that their goals and behaviors can be assured to align with human values throughout their operation.
11) Human Values: AI systems should be designed and operated so as to be compatible with ideals of human dignity, rights, freedoms, and cultural diversity.
12) Personal Privacy: People should have the right to access, manage and control the data they generate, given AI systems’ power to analyze and utilize that data.
13) Liberty and Privacy: The application of AI to personal data must not unreasonably curtail people’s real or perceived liberty.
14) Shared Benefit: AI technologies should benefit and empower as many people as possible.
15) Shared Prosperity: The economic prosperity created by AI should be shared broadly, to benefit all of humanity.
16) Human Control: Humans should choose how and whether to delegate decisions to AI systems, to accomplish human-chosen objectives.
17) Non-subversion: The power conferred by control of highly advanced AI systems should respect and improve, rather than subvert, the social and civic processes on which the health of society depends.
18) AI Arms Race: An arms race in lethal autonomous weapons should be avoided.
Longer-term Issues
19) Capability Caution: There being no consensus, we should avoid strong assumptions regarding upper limits on future AI capabilities.
20) Importance: Advanced AI could represent a profound change in the history of life on Earth, and should be planned for and managed with commensurate care and resources.
21) Risks: Risks posed by AI systems, especially catastrophic or existential risks, must be subject to planning and mitigation efforts commensurate with their expected impact.
22) Recursive Self-Improvement: AI systems designed to recursively self-improve or self-replicate in a manner that could lead to rapidly increasing quality or quantity must be subject to strict safety and control measures.
23) Common Good: Superintelligence should only be developed in the service of widely shared ethical ideals, and for the benefit of all humanity rather than one state or organization.
Break #8. 원하는 물건 집어서 그냥 가면 끝! 아마존 고(Amazon Go!)
아마존(Amazon)은 인터넷 서점을 만들어 인터넷 전자상거래의 시대를 알린 기업이었는데 책 말고 다른 물건들도 팔기 시작했고 직접 배달도 하더니 클라우드 시대를 열었다. 이제 아마존 고로 점원 없는 점포의 시대를 열려고 한다. '점원 없는 점포' 아이디어는 사실 새로운 아이디어는 아니다. 14년 전에도 이와 비슷한 생각이 있었다. 저자도 신사업 개발을 하면서 해당 아이디어를 다룬 적이 있었다. 그 때는 '유비쿼터스(Ubiquitous)' 용어가 유행이었다. 지금의 IoT와 유사한 개념이라 생각할 수 있는데 당시에는 RFID로 그것을 구현할 수 있을 것이라 생각했었다. 그러나 시간이 지나도 RFID 단가는 떨어지지 않았고 사람들은 RFID 이외에도 더 중요한 기술들이 필요하다는 것을 알게 되었다. 바로 '클라우드'와 '인공지능(AI)'이다. 아마존은 클라우드의 성공 이후, 인공지능에 본격적인 투자를 하고 음성 인터페이스 개발에 집중하였다. 그리고 그것은 알렉사(Alexa)라는 인공지능 비서의 성공적 모델이 되었으며 CES 2017에서 화제의 중심에 서게 되었다. 아마존에서는 아마존고에 사용된 기술을 'Just Walk Out Technology'라고 말한다. CNBC에서는 'The Next Big Job Killer'라고 말하고. 아마존은 아마존고 매장을 미국 시애틀에 시범적으로 열었다. 현재는 직원들만 사용 가능한데 올 상반기에 미국 타 도시와 런던에서 오픈할 것이라는 얘기가 있다. 이용 방법은 간단하다. 가게 출입할 때 앱을 기동시켜 입구를 지나치면 그 때부터 동선을 따라 내가 선택하는 식료품의 계산을 자동으로 처리한다. 상당한 계산 부하와 지능적 요소가 필요할 것이라 생각이 들 것이다. 역시, 클라우드와 인공지능이 어느 정도 받쳐주는 지금이라야 가능하다. 10 여년 전에는 RFID의 인식 문제와 시스템 처리 속도 등 거의 모든 부분에서 현실에서 사용하기 어려웠었다. 그런 것을 생각해보면 최근 성취되는 기술 위주의 사회 변화는 가히 충격적이다. 물론, 앞으로 더 많은 충격이 올 수 있지만 ...
아마존 고 매장은 한국의 이마트 식품 매장 정도의 규모에서 6명 정도의 직원과 아마존 고 시스템이 모든 것을 처리할 수 있다고 한다. 한국은 130 ~ 150 여 명 정도 일할 듯 싶다. 아마존의 제프베조스는 지난 미국 대선에서 트럼프의 반대 진영에 있었다. 트럼프는 식품 매장에서 주로 일하는 불법 이민자들에 대한 추방을 실행하려고 하고 있고 아마존 고는 트럼프 정부의 행정 명령 없이 그런 사회를 자연스럽게 실현시켜줄지도 모른다. 참 편리해서 좋아지긴 하는데 왠지 씁쓸하네 ..
같이 읽어보면 좋은 책!
O 제4차 산업혁명(The Fourth Industrial Revolution), 클라우스 슈밥(Klaus Schwab), 2016
B2B 마케팅/영업, 21일의 여행
Part I. B2B 사업, 무엇이 다를까?
1. 왜 B2B 사업인가? (1/2)
1. 왜 B2B 사업인가? (2/2)
2. B2B 마케팅/영업 맛보기 (1/2)
2. B2B 마케팅/영업 맛보기 (2/2)
3. B2B 마케터 vs. B2B 영업대표
제6일 B2B 해외사업
제7일 B2B에서 B2G로!
Part II. 이제 B2B 마케팅도 필요하다!
제8일 시장을 알아야 한다(1)
제9일 시장을 알아야 한다(2)
제10일 B2B 마케팅 전략 수립하기 (1)
제11일 B2B 마케팅 전략 수립하기 (2)
제12일 마케팅의 성과는 무엇인가?
제13일 비즈니스 모델을 만들자
제14일 대관업무
Part III. B2B 영업, 진화해야 한다!
제15일 B2B 영업은 어떻게 전개되는가?
제16일 성공하는 제안
제17일 통하는 프레젠테이션
제18일 협상과 계약
제19일 핵심 어카운트 관리
제20일 디지털 마케팅과 B2B 영업
제21일 새로운 시대, 새로운 역할
#클라우드, #cloud, #프레딕스, #Predix, #사물인터넷, #IoT, #GE, #지멘스, #siemens, #b2b, #AI_principles, #아마존고
