AI 과장 끝, 돈과 보안 증명 경쟁 예상
- AI 투자에 CFO 검증 강화, 성과 없는 돈 이동 전망
- 기술 예측이라도 미국 기업 관점 편향 가능성 존재
---
1) 보고서 발간 조직
- 기관: Forrester Research 기술·보안 리서치 조직
└ CIO·CISO 의사결정 질문 중심 편집 방식
- 발간: 연간 Predictions 가이드와 세부 리포트 묶음
└ 기술·보안·인프라·리더십 분야별 동시 공개
- 정식 제목: Forrester’s 2026 Technology & Security Predictions
└ 2025년 10월 28일 공개본 기준
---
2) 왜 이 보고서를 매년 발간
- 배경: AI가 유행 단계 종료, 재무 성과 증명 압력 확대
└ AI 가치-매출 연결 가능 응답 1/3 미만 제시
└ 1/3 미만(의사결정자 비율)
- 배경: 지정학·규제·사이버 위협 동시 상승 환경 고착
└ 보안이 뒤따르는 방식에서 선행 조건 방식으로 전환
- 목적: 예산·인력·보안의 우선순위 재정렬 기준 제공
└ “빨리 도입”보다 “통제하며 확장” 기준 강화
---
3) 보고서 핵심 내용
① AI 투자 25% 연기
- 예측: 계획된 AI 지출 25%가 2027년으로 이월 전망
└ 25%(연기 비중)
- 원인: ROI 증명 요구 강화로 PoC 정리 속도 증가
└ CFO 승인 없으면 배포 지연 가능성 확대
- 사례1: 유통사 콜센터 챗봇 PoC 종료 후 재설계 선택
└ 상담 요약 정확도·민원률·환불비용 지표로 재평가
- 사례2: 제조사 예지정비 모델 도입 축소 후 데이터 정비
└ 센서 품질·라벨링 비용이 수익보다 큰 구간 노출
② 신흥 GPU 클라우드 200억달러
- 예측: Neocloud 매출 200억달러(약 ₩29.4조원, 약 29.4조원)
└ 200억달러(신흥 GPU 클라우드 매출)
└ 약 ₩29.4조원(환율 1달러≈1,470원 적용)
- 포인트: 초거대 사업자 외 “GPU 전문” 공급자 부상 전망
└ 오픈소스 모델·주권형 AI 요구가 수요를 견인
- 사례1: 유럽 공공기관의 주권형 AI GPU 임대 확대 가능
└ 데이터 국외 이전 제한 규칙이 구매 기준이 되는 구조
- 사례2: 스타트업의 단기 GPU 확보를 위한 전문 클라우드 사용
└ 학습보다 추론 비용 최적화가 생존 조건이 되는 구도
③ 개발자 채용 기간 2배
- 예측: 개발자 포지션 충원 기간 2배 확대 전망
└ 2배(채용 소요 기간 변화)
- 원인: AI 도구 사용보다 시스템 아키텍처 기초 역량 중시
└ 시니어+AI 결합 설계가 품질을 좌우하는 판단
- 사례1: 금융사 결제 시스템 개편에서 아키텍처 경험 우대
└ 장애 비용이 커서 “빠른 코딩”보다 설계 검증 우선
- 사례2: 플랫폼사의 코드 생성 도구 도입 후 보안 리뷰 인력 증원
└ 취약점 혼입 위험으로 리뷰 병목이 새로 생기는 구조
④ CIO 구출 요청 25%
- 예측: CIO 1/4이 사업부 주도 AI 실패 수습 요청 전망
└ 1/4(수습 요청 비중)
- 근거: AI 전략 리더가 CIO/CTO 39%, 사업전략 21% 제시
└ 39%(기술전략 리드 비중)
└ 21%(사업전략 리드 비중)
- 사례1: 영업부서 자동견적 에이전트 오류로 할인 폭주 발생
└ 승인권·가격정책·로그 통제가 늦어 손실 확대 가능성
- 사례2: 인사부서 채용 추천 모델 편향 논란으로 중단 사례
└ 데이터 출처·설명 가능성·감사 체계 부재가 원인 후보
⑤ 예산 정당화 3분의2
- 예측: CIO 3분의2가 기술지출을 사업가치로 증명 필요
└ 3분의2(예산 설명 의무 비중)
- 현실: 기술 서비스를 사업역량으로 매핑하는 기업 1/3 수준 제시
└ 1/3(매핑 수행 비중)
- 사례1: 리테일사의 “주문 처리 역량” 기준으로 IT 서비스 재정렬
└ 앱 기능이 아니라 주문 성공률·반품률로 투자 판단
- 사례2: 물류사의 “가동률 역량” 기준으로 센서·보안·네트워크 묶음
└ 부서별 구매를 통합해 장애 감소를 수치로 제시
⑥ 양자보안 예산 5% 초과
- 예측: 양자보안 지출이 IT 보안예산 5% 초과 전망
└ 5%(보안예산 내 양자보안 비중)
- 범위: 마이그레이션 컨설팅, 암호 자산 목록화 도구 확대
└ “어디에 어떤 암호” 파악이 1단계가 되는 접근
- 사례1: 은행의 TLS·인증서·HSM 자산 전수 목록화 프로젝트
└ 교체 순서 결정이 일정과 비용을 좌우하는 구조
- 사례2: 제조사의 장비 펌웨어 서명 체계 점검과 교체 우선화
└ 장기 운영 장비가 “나중에 깨기” 위험에 노출되는 구도
⑦ 사내 AI 공장 20%
- 예측: Private AI factory 채택 20% 도달 전망 제시
└ 20%(사내 AI 공장 채택률)
- 연계: 온프레미스 서버 비중 50% 확보 전망 제시
└ 50%(온프레 서버 비중)
- 사례1: 병원의 영상 추론을 병원 내 서버에서 처리하는 방식 확대
└ 개인정보·지연시간·비용이 클라우드보다 중요해지는 조건
- 사례2: 공장의 결함 탐지를 현장 마이크로서버로 분산 배치
└ 네트워크 장애 시에도 생산 중단을 줄이는 설계
---
4) 우리에게 주는 시사점
- ① AI 투자는 “기술팀 열정”이 아니라 “재무 증명” 경쟁
└ KPI를 매출·비용·리스크로 3개만 고정하는 방식 필요
- ② 보안은 사후 패치가 아니라 설계 단계의 필수 조건
└ 에이전트 도입은 권한·로그·데이터 경계부터 잠금 필요
- ③ 인프라·인력·거버넌스가 AI 성패의 선행 변수
└ GPU·전력·채용·표준화가 모델 선택보다 앞서는 구조
※ 본 글은 공개 자료와 개인적 연구 기반 의견이며 공식 입장 아님