IT 트렌드에 대해서 : ML부터 AGI까지

@unsplash

 

대기업 현직 강사님 강의였던 IT 트렌드 분석부터 인사이트 도출에 대한 기록입니다.

 

급변하는 IT 트렌드에 대해 어떻게 정보를 얻고 인사이트를 도출할 수 있을까

Tech는 이렇게 발전되어가고 있는데 이것을 어떻게 Business에 적용시킬 수 있을까? 등

기민하게 시장의 흐름을 파악하고, 이에 대한 비즈니스적 사고를 배워볼 수 있었다.

 

1. 최신 IT 트렌드 파악

최신 IT 트렌드를 기민하게 파악하기 위해서는,

지속적으로 업데이트 체크는 물론 글로벌 리서치 기관 발표를 예의주시 해야함

- 글로벌 리서치 기관 : Gartner, Forrester, IDC 에서 매년 10대/5대 아젠다 발표함

 

2024 Gartner

AI와 기술의 성숙 강조 -> machine customer = ai agent , 보안 중요성 등

AI는 지속적인 IT 트렌드였지만 23 → 24 넘어오며 더욱 대두되었음

 

[윤리 & 보안에 대한 중요성이 함께 강조]

- AI TRiSM (AI Trust Risk and Security Management) : 신뢰, 위험 및 보안 관리의 필요성 더욱 증가

- Continuous Treat Exposure Management : 보호 영역 확장, 해커의 공격 기술 발전. 자산에 대한 위협과 악용 가능성에 대한 지속적인 평가/관리 필요

 

[개발/업무 환경에서의 확장성, 유연성, 생산성의 지속 증가]

- Platform Engineering : 다양한 기술과 서비스를 효과적으로 관리하는 플랫폼 필요(빠르게 개발 → 테스트 → 출시 → 보완 등)

- AI-Augmented Development : Gen AI 등장으로 작업자(개발)의 효율 크게 향상됨

 

[인간의 영역이 본격적으로 대처]

- Machine Customers (= AI agent) : 기계 고객이 거래를 직접 주도하는 세상

- Augmented Connected Workforce : Gen AI, 증강 기술 활용

 

[AI가 주는 고객 경험 혁신은 산업 특화 되어 더욱 고도화 될 것]

- Intelligent Applications : 특정 사용자의 요구, 환경에 유연하게 적응하는 APP (SLLM : small size LLM). 고객 / 사용자 / 제품 소유자 / 개발자의 개개인의 경험 혁신

- Industry Cloud platforms : 자신의 산업 분야에 특화된 솔루션의 필요성이 대두. 특정 산업의 복잡한 요구 사항을 충족시키는 클라우드의 등장

 

[생성형 AI 활용 시대의 본격화, 그리고 함께 주목받는 지속 가능성]

- Sustainable Technology : 기술 발전에 따른 에너지 소비와 환경에 미치는 영향에 대한 우려 증가. ESG를 구현할 수 있는 디지털 솔루션 프레임워크 부상

- Democratized Generative AI : 생성형 AI는 대규모 모델, 클라우드, 오픈 소스의 결합으로 대중화. 생성형 AI의 민주화 시대의 도래

 

+ 가트너, 2025년 10대 전략 기술 트렌드 발표

@Gartner

• AI 필수사항 및 위험
• 컴퓨팅의 새로운 개척
• 인간과 기계의 시너지

2024 Forrester : 2024년 생성형 AI 활용 시대가 본격화 됨에 따른 데이터 신뢰성 강화와 업무 방식의 혁신 강조

가트너와 동일, 조금 다른 부분은 EX 부문 투자 동결 (2024이 거의 다 지난 지금으로선 반대로 투자가 늘어난 것 같음)

 

2024 IDC : 2024년 생성형 AI 영향력의 확대에 따른 투자 포트폴리오의 조율과 직원 교육의 필요성에 대해 강조

저궤도 위성 기반 구축 강화 = 스타링크 

 

➲ 결론은 !

2024년을 기점으로, 생성형 AI에 의한 뉴노말의 시대가 본격적으로 개화됨이 파악됨

AI가 주는 고객 경험 혁신은 산업 특화되어 더욱 고도화될 것이다.

2. 주요 IT 기술 AI의 이해

23년 3월 Chat GPT의 등장,

AI의 시대가 본격화됨에는 Trasformer 모델 등장이 핵심이었다.

머신러닝 - 딥러닝 : 인간의 뇌를 본따서 만든

CNN : 이미지에 강한 딥러닝 모델

RNN : 시간의 흐름에 따라 변화하는 딥러닝, 자연어 처리 (번역 가능), 옛날에 있던 학습데이터는 기억 못함

GAN : 강화 학습, 자체 판단, 데이터 생성 → 판별 → 학습 반복하면서 강화되는 모델. 이미지/음성/영상 생성

 

Transformer 2017 : AI 혁신을 가져온 모델. 문장의 단어와 같은 데이터 관계와 의미 학습이 가능한 신경망 → RNN의 기억 문제를 해결

- LLM 2018 : Large Language Model. 텍스트 관점에서 텍스트 위주로 데이터를 학습할 수 있음

- Multi modal 2020 : 시각, 음성 데이터를 학습 가능. 동시성이 있어야함. 텍스트 변환없이 인식할 수 있어야 함

- Diffusion 2020 : 이미지 생성 AI. 

트렌스포머 모델

언어 모델은 단어 배열(시퀀스)에 확률을 부여하고, 자연스러운 문장에 높은 확률 값을 부여함.

이때 트랜스포머 모델은 기계 번역과 같은 작업 수행을 목적으로 등장해 시퀀스 – 시퀀스 간 변환 및 응용이 가능

어텐션의 개념이 중요함. 어텐션을 통해서 다양하게 파생된 모델들이 나온 것.

• 단어 시퀀스에서 중요한 특정요소에 집중하여 작업의 성능 향상

• 트랜스포머의 핵심 기법이며 단어 간 문맥적 관계성을 파악

LLM

파라미터가 높을 수록 가중치를 여러개 두어 결과값이 좋네? 그럼 그렇게 해보자

→ 그렇게 LLM 의 GPT 모델 개발됨. 인간 특화된 모델 (UIUX)이 바로 Chat GPT

 

24년 5월 OpenAI에서도 멀티 모달 기능을 갖춘 GPT 모델 출시

24년 10월, 추론능력까지 갖추기 시작한 LLM 모델

: 사고의 흐름 (chain of thought) 방식의 학습으로 추론 능력까지 갖춤

3. IT 트렌드 리서치와 아젠다 도출 실습

기획과 전략 도출을 위한 정보를 수집하여 이를 바탕으로,

속한 Industry의 산업 특성과 회사의 상황 등을 고려하여 회사의 사업 기회를 모색해야 함

1) 트렌드 리서치

기획 및 전략 수립에 앞서 정보 수집 및 인터뷰(전문가 인사이트)를 취합하여 관련 아젠다의 리서치를 수행함

이때 기획 배경에 맞게 정보 수집 목표를 분명히 하고 현실적 제약 조건 하에 전략적으로 정보를 수집해야 함

 

 

+ 기업의 실적 등 정보를 얻는 경로

• 상장 회사 : dart
• 비상장 회사 : 사업 설명회에 정보 수록, 비상장 회사의 정보를 제공하는 사이트
• 스타트업 : CB 인사이트, 테크 크런치 
• 해외 기업 : Bloomberg 등
• 전문 리서치사 : 신뢰도 있는 자료/정보가 필요한 경우
• 대부분 구글링으로 가능 함
• 가장 가치가 높은 정보는 남들이 모르는 정보 → 전문가 인터뷰 (알파 사이트 등 전문가 매칭 업체도 있음) 통해 얻음

 

LLM 서비스 전쟁

AI 비즈니스 경쟁력 3요소는 데이터, 도메인, 선점

기업들은 선점하지 못하면, 도태된다는 생각으로 기업들은 LLM 서비스 전쟁에 임하고 있음

• AI는 데이터로 학습하기 때문에 학습을 잘 하는 것이 경쟁력
• 양질의 데이터 : 쉽게 접근하기 어려운 데이터, 남들이 얻지 못하고 나만 얻을 수 있는 데이터
• 특정 도메인에서 잘하는 회사가 좋은 데이터를 얻을 수 있음 (ex. 쿠팡, 통신사 등)

Gen AI 활용 대표적인 예시1. (똑똑한) chat bot 

• 24시간 의료 상담

2. 생성 (글, 이미지, 영상 시뮬레이션)

• UX 관점으로 (ex. 채팅에서 글로 무언가를 하는 것이) gen ai 의 포인트

3. B2B 서비스

• AI는 현재까지는 주로 B2B 위주로 전개되며, 임직원의 일하는 방식의 변화를 만들고 있음

insight 💡

AI 비즈니스는 어떻게 진화될까?

미래는 AGI(인프라 제공)의 영역과, Vertical 영역 독점 업체로 나뉘게 될 것

국제 정세에 맞물려있는 부분이 많음

 

생성형 AI를 통해 기업들은 어떤 사업 기회를 보고 있을까?

• 기획자라면 기술의 변화가 만들어 낼 도메인별 사업의 변화 양상에 대해 자신만의 인사이트를 갖춰나가야 함
• 태생적인 비즈니스 밖에 못하고 B2C 서비스를 만들어내는 것이 어려움

 

 

다음 글은 GenAI 비즈니스 활용 프로젝트 !