딜로이트 테크 트렌드 2024 Part 1
Deloitte Tech Trends
이 글은 Deloitte Tech Trends 2024 내용을 번역, 요약, 의역 및 재구성한 글입니다.
"운영이 혁신을 점심으로 먹어치운다."
"Operations eats innovation for lunch"
- 조직의 일상적인 운영(operations)이 혁신(innovation)보다 더 중요
- 아무리 혁신적인 아이디어나 전략이 있더라도, 일상적인 운영이 제대로 이루어지지 않으면 그 혁신은 성공할 수 없음
IT의 3요소를 강화시키는 힘(elevating forces)
1. 공간 컴퓨팅(spatial computing)과 산업에 적용된 메타버스(metaverse)
- 상호작용(interaction)- 사용자와 시스템 간의 소통, 입력과 출력의 교환 -에 영향
- 증강 및 가상 현실은 일반 소비자 시장에서 먼저 용되어 관심을 많이 끌었지만, 실제 가치와 영향은 산업적으로 더 큰 것으로 보임
- 기업들은 산업적 메타버스를 활용하여 디지털 트윈(digital twin), 공간 시뮬레이션(spatial simulation), 증강 업무 교육, 협업 디지털 공간(collaborative digital space) 등을 만들어 더욱 연결되고 협력적인 업무 환경을 조성 -> 효율성과 생산성 증대
2. 성장의 촉매가 된 생성형 AI(generative AI)
- 정보 (information)- 데이터를 가공하고 처리하여 의미를 부여한 결과물 -에 영향
- 생성형 AI는 산업 내에서 폭발적인 생산성 및 효율성 증대의 가능성을 보여주고 있음
- 생성형 AI는 단순히 기술 혁신이 아니라, 기업이 일하는 방식을 완전히 바꿔버리는 산업적 혁명 및 패러다임 변화를 만들어 나가고 있음
3. 양적으로 처리하는 것이 아닌, 똑똑하게 처리하는(smarter, not harder) 새로운 연산 하드웨어의 등장
- 연산 (computation)- 컴퓨터가 데이터를 처리하고 계산하는 과정-에 영향
- AI 모델 학습, 복잡한 시뮬레이션 구현, 디지털 트윈 구축 등 엄청난 양의 데이터를 처리해야하는 기술들을 사용하게 되면서, 연산을 효율적으로 처리할 수 있는 하드웨어의 필요성이 대두되고 있음
트렌드 1: 공간 컴퓨팅(spatial computing)과 산업에 적용된 메타버스(metaverse)
- 산업 메타버스는 데이터와 인공지능을 기반으로 현실의 공정을 그대로 구현하여 유용한 도구로 거듭남 -> 대표적인 사례: 디지털 트윈, 협업 디지털 공간
- 현실의 물리학에 기반한 공간 데이터를 이용하여 AI를 기반으로 몰입형 시각화(immersive visualiazation) -> 디지털 환경에서 현실과 거의 동일한 환경을 경험할 수 있게 해줌
- '시뮬레이션 우선(simulation-first) 전략': 먼저 디지털 환경에서 모의 상황 및 실험을 여러 번 한 후 실제 실행
- 이러한 확장 현실(extended reality) 기술은 실용화된 공간 웹(operationalized spatial web)을 구축하여, 산업 환경에서의 운영을 매우 효율적으로 만들어나가고 있음
NOW: 시뮬레이션에 집중하고 있는 기업들
- 디지털 트윈, 5G, 클라우드, AI 등은 제조업에 엄청난 영향을 끼치고 있음
- 딜로이트가 조사한 92% 이상의 제조업 임원들은 최소 1번 이상의 메타버스 관련 기술을 적용했다고 답했으며, 평균적으로 6개 이상의 기술을 현재 운영 중에 있다고 답함
- 이 임원들은 메타버스가 제조업에서 판매, 처리 효율, 품질에 있어서 12~14%의 개선을 이끌어낼 것이라고 답함
- 가장 많이 사용하는 기술은 시뮬레이션과 디지털 트윈: 제조업 현장의 운영에서는 복잡성, 비용, 정확성이 매우 크게 요구되기 때문에 충분한 시뮬레이션은 비용 절감의 핵심이 됨
- 디지털 트윈의 시장의 크기는 2021년 65억 달러에서 2030년 1257억 달러로 성장할 것으로 예상
- 증강 현실(AR) 시장의 크기는 2022년 386억 달러였으며, 2030년까지 매해 36%의 성장율을 보일 것으로 예상 -> 현재 AR 시장에 가장 큰 영향을 미치고 있는 산업은 모의 수술과 같은 헬스케어 산업으로, 2030년까지 평균 44%의 성장율을 보일 것으로 보임
- 사물 인터넷(IoT, Internet of Things)과 위성 네트워크(satellite network) 기술의 발전은 원격 제어 공장(remote factory)를 실현시켜 공장의 전체적인 운영을 원격으로 제어할 수 있을 것
NEW: 구축되고 있는 공간 웹(spatial web)
- 디지털 컨텐츠와 물리적 사물들의 경계가 허물어져, 가상 현실과 실제 현실을 하나로 경험할 수 있는 '공간 웹'이 개발되고 있음 ex. 스마트 글래스(smart glass)
- 18~24개월 내에 실제 적용이 될 것으로 보임
- 공간 컴퓨팅(spatial computing) 기술으로 메타버스 시장은 2032년까지 6000억 달러까지 성장할 것으로 예측 됨
증강 인력(augmented workforce)
(1) 모니터링(monitoring) 강화
- AR 기기와 공간 몰입(space immersion)을 통해 여러 시설/공정에 대해 한번에 감독할 수 있게 될 것
- 노키아(Nokia)의 확장 현실 멀티 미디어(eXtended Reality Multimedia)는 운영 인력에게 3차원의 실시간 시각, 청각 경험을 제공하여 원격으로 공정을 관리할 수 있도록 함
(2) 줄어든 온보딩(onboarding) 시간
- 신입 사원들은 표준화된 시뮬레이션을 통해 실제 업무와 매우 유사한 교육 과정을 거쳐 빠르게 실무에 투입될 수 있음
(3) 줄어든 안전 위험
- 스탠포드 의과 대학은 MRI와 CT 이미지 데이터를 기반으로 VR 시스템을 구축하여, 환자의 신체를 3D로 구현하여 모의 수술에 사용
AR 기술의 제품 산업에의 영향
- 앱, 웹사이트, 매장에 AR 기술을 적용하여 제품 경험을 강화 -> 몇몇 판매업자는 방문자당 매출이 50%이상 증가했다고 답함
- 공간 기술을 기반으로 제품 디자인과 생산의 시뮬레이션을 하여 시장 진입 시간(time to market)을 줄이고 지속 가능성을 높여 총체적인 생산성을 높임
공간 기획(space planning)과 시뮬레이션
"Measure 3,000 times, cut once"
"3000번 (디지털로) 측정하고, 1번 (실제로) 실행한다."
- 응급실 확장을 위해 응급실 환자의 입원 수를 측정하고 이를 기반으로 추가적으로 필요한 병상의 수를 시뮬레이션에 기반하여 계산
- 자동차 제조업체는 급격한 수요 증가를 대비할 수 있도록 공장 증축 계획에 시뮬레이션 데이터를 활용
- 현대자동차는 유니티(Unity)와 협력 -> 공장을 가상으로 시뮬레이션하여 최적의 운영 방법과 공간 배치를 계산할 계획, 추후에는 이를 원격으로 가능하게 만들 예정
- 지멘스(Siemens)는 디지털 환경에서 모의 실험을 거쳐 독일에 공장을 지을 예정
- 게스(GUESS)는 가상 시뮬레이션을 통해 매장 최적화를 하여 30%의 비용 절감 효과와 탄소 발자국 감축
NEXT: 완전한 디지털화
두뇌 컴퓨터 인터페이스(BCI, Brain-computer interface)
- 인간의 두뇌와 컴퓨터의 연결을 통해 인간의 능력의 확장
- 6G 네트워크 및 사물 인터넷 기술의 발전 필요
트렌드 2: 성장의 촉매가 된 생성형 AI(generative AI)
NOW: 폭발적인 생성형 AI에 대한 관심과 유망한 혁신
- 발전된 하드웨어 -> 인공지능 학습에 전문화된 AI 반도체 칩이 개발되고 있음
- AI가 인간을 대체할 것이라는 우려는 있지만, 실제로 그러한 움직임은 잘 보이지 않음 -> 조사에 따르면, 임원진들은 오히려 품질 개선, 경쟁 우위 확보, 직원들의 전문성 증대에 생성형 AI를 사용한다고 답함
- 생성형 AI의 가치는 암기와 반복 업무로부터 사람을 자유롭게 해줄 수 있다는 점에 있음
AI로 성장하는(AI-fueled) 조직은 신중한 관리 시스템을 필요로함
- 생성형 AI는 기본적으로 테라바이트 이상의 데이터를 효율적으로 처리하는 고성능 연산 클러스터를 필요로 함
- 이러한 인프라를 갖추기엔 어렵기 때문에 타 기업으로부터 서비스 형태로 운영하는 경우가 많음
- 하지만 직접적으로 인프라를 갖춘 상태가 아니더라도 이러한 기술적 요구사항을 파악하고는 있어야 함
데이터는 생성형 AI의 핵심
- 데이터, 데이터의 구조는 AI 활용 및 학습에 있어서 확장성에도 매우 중요
- 북미 천연가스 공급업체 인브리지(Enbridge)는 몇 년전에 기업 내 데이터를 모두 클라우드로 이전(migration)했으며, 이 과정에서 데이터를 정제하고 구조화한 것이 현재 생성형 AI를 활용하는 데에 중요한 촉매제 역할을 수행
- 그렇기 때문에 데이터 거버넌스(governance)는 그 어느 때보다도 중요 -> 데이터를 효과적으로 처리하지 못 하면 AI의 효과는 미미할 것
- 미국의 자동차 판매 업체인 카맥스(Carmax)는 생성형 AI를 활용해, 고객의 리뷰를 요약하는 기능을 추가하는 등의 시도 -> 잘 계획되고 통제된(controlled) 생성형 AI 도입은 사업적 가치를 만들어 낼 수 있음
저작권의 중요성
- 최근 미국 법원은 생성형 AI로 만들어진 컨텐츠는 저작권으로 보호될 수 없다고 판결
- 현재 생성형 AI 학습 모델은 제3자로부터 무단으로 얻어진 데이터를 활용하고 있다는 논란의 중심에 있음
- 컨텐츠 공급업체인 셔터스톡(Shutterstock)은 저작권을 보호하기 위해, 컨텐츠 소유자의 동의를 얻어야 AI 학습에 포함시키며, 학습에 동의한 컨텐츠 소유자에게 돈을 지급할 뿐만 아니라 라이선스(license)를 등록
생성형 AI의 활용 예시
(1) 화학업체 이스트맨(Eastman)
- 고객의 산업 공정에서 사용되는 열전달 유체가 저하될 가능성을 예측 -> 유체의 최적 품질을 유지하고, 예측적 유지보수 필요성을 예측하며, 제조 라인에서 발생할 수 있는 비용이 많이 드는 작동 중단(downtime)을 사전에 방지
- 세일즈 관련 텍스트 파일이나 통화 파일을 기반으로 주요 정보와 통찰을 추출
(2) 엔비디아(NVIDIA) - 바이오테크 섹터에 특화된 거대 언어 모델인 BioNeMO 출시
(3) 구글의 CS 특화 모델
(4) 블룸버그의 산업 관련 질문에 대답하는 BloombergGPT
(5) 기후 변화 조사와 기후 변화 관련 위험에 대해 자문을 제공하는 ClimateBERT
생성형 인간(Generative humans)의 중요성은 더욱 커질 것
- 생성형 AI는 인간이 만들어내는 창의성의 필요를 없애지 않고, 오히려 창의적인 사람이 중요한 세상을 만들 것
- 생성형 AI는 창의성에 날개를 날아주는 역할(force multiplier)이기 때문에, 기존의 것들을 창의적으로 바라보는 사람이 더욱 필요해질 것
- 인공지능은 여태 그 어느 때보다 중요해진 것은 맞지만, 그렇다고 해서 우리가하는 일이 중요하지 않게 된 것이 아님을 명심해야 함
트렌드 3: 양적으로 처리하는 것이 아닌, 똑똑하게 처리하는(smarter, not harder) 새로운 연산 하드웨어의 등장
복잡한 업무 연산의 필요성의 증가
- AI 모델, 복잡한 시뮬레이션, 디지털 트윈 등 엄청난 양의 데이터와 연산 처리를 요구하는 기술들의 필요성이 증가하고 있지만, 기존 인프라의 제약이 장애물이 되고 있음
- 이러한 제약 극복과 비용 감소를 위해 코드 최적화(optimizing code)의 중요성이 커지고 있음
무어의 법칙(Moore's Law)가 틀릴 수 있는 시대가 오고 있다
- 한 반도체가 포함할 수 있는 트랜지스터의 양이 한계에 다다르고 있어, 성능의 증가에 제약이 생기는 중
- 현재 기업들은 엄청난 양의 연산을 요구하고 있지만, 현재의 반도체는 이를 효과적으로 처리하기 힘듬
- 기후 변화를 막기 위한 넷제로(net-zero) 탄소 배출 움직임으로, 기존의 방식으로 반도체를 성능을 증진시키는 것은 불가능 할 것
- 최신 기술을 적극적으로 활용하고자 기업들은 미친듯이 데이터 센터를 짓고 있지만, 이러한 시도는 천문학적인 비용을 요구할 뿐만 아니라 전력 및 에너지로 인해 기후에 악영향을 끼칠 것
NEW: 양적으로 빡세게 처리하는 것이 아니라, 똑똑하게 처리해야 한다
(1) 간단하게 최적화하기(Simple)
- 개발자들이 코드를 최적화하여 성능을 증진시키는 것의 중요성이 증가
- 클라우드 이전을 하면서 코드를 새로 짜는 것이 효과적인 방법이 될 수 있을 것
- 미국 유타(Utah)주의 공공 의료 기관에서 최근에 클라우드 이전을 하며 COBOL 코드를 Java로 바꾸면서 성능을 매우 크게 높임
(2) 기존 자원을 활용하여 최적화하기(Situated)
- 이미 가지고 있는 기술, 시설, 인프라를 활용하여 새로운 처리 시스템을 구축
- 벨기에 소매업체 콜루이트(Colruyt)는 현재 사용 가능한 스마트기기를 연결시켜 데이터 처리를 효율화
(3) 특화된 방식으로 최적화하기(Specialized)
- GPU는 한번에 여러 연산이 가능하기 때문에, 한번에 순차적으로 연산을 처리하는 CPU보다 더 수요가 높아짐 -> GPU를 활용한 인공지능 학습은 CPU보다 비용이 6배 저렴하며, 5배 빠름
- 하지만 GPU 말고도 특정 목적으로 사용 가능한 반도체 칩이 등장하고 있음 ex. 아마존(Amazon)의 인퍼렌시아(Interentia), 구글의 TPU(Tensor Processing Unit)
NEXT: 이진법이 아닌 그 이상의 연산
- 양자 어닐링, 신경계형 컴퓨팅, 광컴퓨팅은 기존의 연산보다 훨씬 적은 에너지를 소모
- 기존의 CPU와 GPU를 완전히 바로 대체할 수는 없겠지만, 새로운 연산 처리 방식을 활용하여 성능을 효율적으로 증대시킬 수 있을 것
(1) 양자 어닐링(quantum annealing)
- 아주 많은 변수(variable)가 존재하는 복잡한 문제를 해결하는 데에 뛰어남 ex. 우주 발사 일정, 재무 모델, 경로 최적화
- 양자 어닐링은 기존 머신러닝에 필요한 데이터보다 훨씬 적은 데이터로 정확성이 높은 계산이 가능
(2) 신경계형 컴퓨팅(neuromorphic computing)
- 인간 두뇌의 시냅스의 연결 구조를 따온 형태로 연산을 수행
- 트랜지스터가 네트워크 형식으로 연결되며, 연결의 수에 따라 연산 처리 능력이 증가
- IBM은 트루노스(TrueNorth)라는 신경계형 컴퓨팅 칩을 개발 중이며, 인텔(Intel)은 로히(Loihi) 2세대 칩을 출시
(3) 광컴퓨팅(Optical computing)
- 데이터 처리에 전자가 아닌 광파(light wave)를 활용
