[해외DS] AI 그리고 지능형 자동화의 6가지 트렌드

AI 비즈니스, 제휴 맺은 리서치 회사 옴니아가 선정한 6가지 트렌드 소개해 전문가들, AI 민주화 진행되며 데이터 중심 AI 방법론 등장할 것으로 예측 AI 프로세서 전성시대 돌입하고 책임 있는 AI 중요해진다

6
pabii research

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 저희 데이터 사이언스 경영 연구소 (MDSA R&D)에서 영어 원문 공개 조건으로 콘텐츠 제휴가 진행 중입니다.

사진=AI 비즈니스

이제는 누구나 인공 지능, 그리고 지능형 자동화 분야가 급성장 중이라는 사실을 알고 있습니다. 이 기술은 비즈니스의 가치를 높인다는 장점 덕분에 점점 널리 퍼지고 있는데, 기업에 경쟁 우위를 가져다주고 생산성과 효율성을 높일 뿐 아니라 미래를 예측하는 도구가 되기도 합니다.

그렇다면 앞으로는 어떻게 될까요? AI 비즈니스가 자사의 자매 리서치 회사 옴디아(Omdia)에서 선정한 2023년 이후의 AI 및 지능형 자동화 트렌드 6가지를 소개했습니다.

사진=AI 비즈니스

1. AI가 시작되는 순간, AI 운영화(operationalizing)

AI의 도입 건수는 이제 임계치에 도달했습니다. 앞으로 2~3년 안에는 그 수가 두 배로 늘어날 전망이죠. 하지만 지금, 즉 초기에 AI를 도입한 이들은 예산, 리터러시(literacy; 직역하면 ‘문해력’인데, AI를 활용하는 능력을 뜻합니다), 조직 구조, KPI(핵심성과지표; 기업이 목표를 달성하기 위해 관리하는 지수), 지속 가능성, 위험 및 수명 주기 관리 등 AI를 성공적으로 채택하고 사업을 확장하려면 극복해야 하는 내부적인 문제를 여전히 많이 가지고 있습니다.

AI 기술 공급업체는 AI 책임(AI responsibility; 프라이버시, 투명성, 편향 등), 반복성, 딜리버리(delivery) 및 거버넌스를 위한 솔루션을 구축하고 있습니다. 이러한 솔루션을 적용하면서 훌륭한 사례들도 나오고 있습니다. 뿐만 아니라 서비스로서의 AI, 사전 구축된(pre-built) AI, 임베디드(embedded) AI와 같은 새로운 소비 모델은 AI 운영에 도움이 될 뿐 아니라 비즈니스 전반에 걸쳐 AI가 신속하고 규모 있게 운영되는 데 이바지할 것입니다.

2. AI의 편재성을 예고하는 민주화(democratization)

AI와 고급 분석(advanced analytics)을 원하는 기업은 정말 많습니다. 그러나 이를 단기간에 성취하기는 어려웠습니다. 그렇지만 기업들은 이를 뛰어넘을 수 있는 솔루션을 찾아내기 시작했습니다. 급속도로 발전하는 일련의 기술과 관행, 그중에서도 ‘AI 민주화’에 초점을 맞춘 것들에 주목한 겁니다.

대규모의 사전 훈련된 AI 모델, 임베디드 AI 비즈니스 앱, 소프트웨어에서 칩에 이르는 엔드 투 엔드 AI 솔루션, 새로운 AI 기반 자동화 워크플로우와 로우/노 코드(Low/No-Code) AI 개발 도구(코딩 지식이 아예 없는 일반인이나 코딩 경험이 많지 않은 개발자도 이용할 수 있는 개발 도구) 등이 모두 이러한 ‘전환’을 가능하게 하는 존재입니다. 결론적으로 AI는 전문 기술 요구 사항이 훨씬 적은, 보다 쉽게 사용할 수 있는 엔터프라이즈 리소스로 전환됩니다.

그렇지만 여전히 많은 의문이 남아 있습니다. 책임 있는 AI의 결과물을 만들 때 AI를 신뢰하는 게 가능할까요? AI의 전문화는 몇몇 대규모 수직 통합 플랫폼에서 영영 사라지게 될까요?

3. 데이터 중심으로

데이터의 볼륨과 다양성이 확장되고 데이터가 온프레미스(on-premises; 전통적인 인프라 구축 방법, 회사 자체 서버를 운영하는 방식), 클라우드 및 다중 클라우드 사이를 더욱 자유롭게 넘나들게 되면서 데이터를 관리하고 교환하는 새로운 방법이 모습을 드러냈습니다.

바로 ‘데이터 중심 AI’ 방법론입니다. 이는 거대한 데이터 셋의 지속 가능성과 거버넌스 문제에 대응하여 데이터 셋, 소프트웨어, 시스템 그리고 반도체가 함께 개발되는 것을 뜻합니다.

구체적으로 이 방법론 하에서는 메타데이터 리포지토리(일종의 데이터 카탈로그), 데이터 패브릭(API 서비스로서의 데이터), 데이터 교환/마켓플레이스가 중심이 되어 기업이 데이터 사일로(data silos; 조직의 데이터가 개별 부서 안에서만 머물러 있고 다른 부서는 여기에 접근할 수 없는 현상), 데이터 파이프라인의 취약점, 균일하지 못한 보안/개인정보 보호 정책을 제거할 수 있도록 지원하게 됩니다. 물론 이 모든 것은 기존의 인프라 투자를 방해하지 않습니다.

4. AI 프로세서의 대폭발

최첨단 AI에 필요한 컴퓨팅 리소스는 반도체 시장의 판을 뒤집었습니다. CPU 중심이었던 시장은 GPU 컴퓨팅 중심으로 전환됐고, 이제는 AI 액셀러레이션(AI Acceleration)에 주목하고 있죠. 대량 구매에서 맞춤형 칩(custom silicon)으로 변화하는, ‘마키모토 웨이브 트랜지션(Makimoto wave transition)’이라는 현상이 나타나고 있기도 합니다.

x86 생태계는 2023년이나 2024년 정도에 CPU 기능의 표준이 되면서 애플이 주도하는 AI 액셀러레이션을 따라잡을 것입니다. 하지만 사실 사용자화는 생태계 자체의 가치에도 마이너스가 됩니다.

5. 탄력성 시대의 AI

거시적인 사회 및 경제 추세를 보면 지난 40년 동안 볼 수 없었던 방식으로 모든 시장이 영향을 받고 있다는 것을 알 수 있습니다. 공급망, 글로벌 인플레이션, 전쟁, 전 세계적인 패권 다툼, 기후 변화 그리고 노동 시장에 대한 COVID-19의 영향을 비롯한 다양한 문제는 2023년 이후 AI 기술 시장의 모든 측면을 형성할 것입니다. AI 생태계는 어떻게 해서 이러한 위험을 탐색하고, 기업이 전과 다름없이 작업을 수행하도록 돕게 될까요?

6. 성장하면서 책임감을 배우는, ‘책임 있는’ AI

AI가 주류가 되면서 AI의 이면, 즉 편견과 차별에서 딥페이크와 넛징에 이르는 많은 문제 또한 수면 위로 떠오르고 있습니다. 비즈니스 리더와 정부 모두는 AI를 책임 있게 활용하는 것이 해당 기술로부터 지속 가능하고 공평한 혜택을 보기 위한 유일한 방법임을 인지하기 시작했습니다.

이는 규정, 표준, 감사 그리고 인증을 뜻합니다. 전 세계 공통이죠. 또한 AI를 배포하는 기업은 자체적인 거버넌스를 가지고 있어야 합니다. 윤리적인 AI의 이용, 설명력, 보증 및 선제 공개를 지원하기 위한 모범 사례와 도구 역시 등장하고 있습니다.


It is no secret that artificial intelligence and intelligent automation are gathering momentum. The main driver for the increased adopt of these technologies is their contribution to business value on many fronts – as a competitive advantage, productivity boost, efficiency enhancer and prediction engine.

Here are six trends for 2023 and beyond from our sister research firm Omdia:

1. AI rubber hits the road, aka operationalizing AI

AI market adoption has reached critical mass, with the number of deployments likely to double in the next two to three years. But these early majority buyers still need to overcome many internal challenges to adopt and scale AI successfully, including budgets, literacy, organizational structure, KPIs, sustainability, risk and lifecycle management, etc.

Technology vendors are building solutions for AI responsibility (privacy, transparency, bias, etc.), repeatability, delivery, and governance. Best practices are also emerging from the early adopters. Also, new consumption models such as AI as a service, pre-built AI, and embedded AI will help not just to operationalize AI but do so rapidly and at scale across the business.

2. Democratization foreshadows coming AI ubiquity

High demand for AI and advanced analytics in the enterprise has revealed a significant technological skills gap, one that may never be filled through human talent alone. Yet companies are beginning to see solutions to bridging this chasm through a rapidly evolving set of technologies and practices laser-focused on democratizing AI.

New AI-driven automated workflows and low/no-code AI development tools, along with large-scale pre-trained AI models, embedded AI business apps, and even end-to-end AI solutions spanning software to silicon, all promise to turn AI into a more readily consumable enterprise resource with far fewer requirements for specialist skills.

Still, many questions remain. Can AI be trusted to build responsible AI outcomes? Will AI specialization vanish beneath a few, massive, vertically integrated platforms?

3. Data taking center stage

As data volume and variety expand, and as it moves more freely among on-premises, cloud, and multiple-clouds, new ways are emerging to manage and exchange data.

Increasingly, ‘data-centric AI’ methodology means that data sets, software, systems, and semiconductors are developed together in response to the sustainability and governance issues of giant data sets.

Metadata repositories (data catalogs), data fabrics (data as an API service), and data exchanges/marketplaces will take center stage, helping companies do away with data silos, fragile data pipelines, and uneven security/privacy policies — all without disrupting existing infrastructure investments.

4. AI processor Cambrian explosion

The computational demands of state-of-the-art AI are transforming the semiconductor market. Having shifted from CPU to GPU computing, the industry is now shifting towards dedicated AI acceleration and from merchant to custom silicon, in a so-called Makimoto wave transition.

Starting in 2023-2024, the x86 ecosystem is likely to catch up with Apple’s lead as AI acceleration becomes a standard CPU feature, while at the same time customization drains value from the ecosystem itself.

5. AI vs. the world, aka AI in the age of resilience

Macro societal and economic trends are impacting market progressions of all kinds in ways not seen in the last 40 years. Issues such as supply chain, global inflation, wars, growing global power friction, climate change and COVID-19’s impact on labor will shape every aspect of AI technology markets in 2023 and beyond. How will the AI ecosystem navigate these risks and help companies use AI to do the same?

6. AI is growing up and learning accountability, aka Responsible AI

With AI having gone mainstream, its dark side is increasingly clear and worrisome: from bias and discrimination to deep fakes and nudging. Business leaders and governments have all recognized that the only way to obtain sustainable and equitable benefits is by doing AI responsibly.

Globally, this means regulations, standards, audits and certifications. And within enterprises deploying AI, active governance. Best practices and tooling are emerging to support ethical AI use, explainability, assurance, and proactive disclosure.

Similar Posts