IT 트렌드 2025 by 김 지현

[ 밑줄/연결 ]
 
2025년 AI는 수익을 검증해야 하는 한 해가 될 것이다.
 
기업의 디지털 트랜스포메이션은 AIX(AI Transformation)로 더욱 고도화되며 이를 돕는 다양한 기업형 솔루션이 사업 기회를 맞이할 것이다.
 
AI 진화는 LLM에서 LMM, 나아가 LAM(Large Acion Model, 대규모 행동 모델)으로 발전하면서 더욱더 많은 하드웨어에 스며들 것이다.
 

 
AI 인프라는 크게 칩셋, 서버, 클라우드, LLM 4가지로 구분할 수 있다.
 
(AI솔루션)
AI서비스가 급부상하려면 서비스 개발과 운영에 필요한 솔루션이 필요하다.
솔루션의 종류를 구별하면
 
(LLM원천 기술의 개발과 구축) : AI모델인 LLM을 개발하는 것
ㅇ 개발 도구 : AI 모델을 설계, 프로그래밍하는 데 필요한 도구. 텐서플로, 파이토치, 케라스 등
ㅇ 모델 훈련 : 대규모 데이터셋을 사용해 모델을 훈련하는 도구. 구글 클라우드 AI 플랫폼, MS Azure 머신러닝, 아마존  Sage Mager 등
ㅇ 모델 튜닝 및 최적화 : 모델의 성능을 최적화하기 위한 하이퍼파라미터 튜닝 도구. Hyperopt, Optuna 등
 
(LLM학습과 추론을 위한 데이터 변환과 관리)
ㅇ 방대한 양의 데이터를 수집, 정제, 라벨링, 저장 및 접근을 포함한 모든 단계를 지원
ㅇ 데이터 수집 : 웹 스크래핑 도구, IoT 센서 데이터 수집 도구 등
ㅇ 데이터 정제 : 중복, 오류, 누락 데이터 제거 도구. OpenRefine, Talend 등
ㅇ 데이터 라벨링 : 아마존 SageMaker Ground Truth, Lablebox 등 
ㅇ 데이터 저장 및 관리 : Hadoop, Apache Spart, Data Lake 등
 
(개발된 LLM의 사용과 운영 관련) : AI의 사용 과정에 필요한 운영 솔루션
ㅇ 모델 배포 : AI모델을 클라우드, 엣지 디바이스, 온프레미스 등 다양한 환경에 배포하는 도구, 쿠버네틱스, 도커, 텐서플로 서빙 등
ㅇ 모델 모니터링 및 유지 보수 : 프로메테우스, Grafana, MLFlows 등
ㅇ 자동화 및 오케이스레이션 : AI 워크플로우를 자동화하고 관리하는 도구.  아파치 Airflow,Kubeflow 등
 
(AI를 기존의 레거시 시스템과 연동하는 것과 관련된 통합 솔루션)
ㅇ API 및 SDK : 구글 클라우드 AI APIs,  AWS AI Service APIs 등
ㅇ 비즈니스 인텔리전스 및 분석 도구 : Tableau, Power BI 등
 
(AI를 보다 안전하게 사용하기 위한 윤리와 규제 솔루션)
ㅇ 프라이버시 및 보안 : 차등정보보호 도구, 연합학습도구 등
ㅇ 공정성 및 투명성 : IBM AI Fairness 360m, 구글  What-If Tool 등
---> 이는 꽤 오해가 있을 수 있다. AI도 일종의 모델 기반 SW이기 때문에 이게 꼭 AI 솔루션 생태계라고 볼 수 없다. 그냥 SW 생태계라고 봐야 할 것 같다. 그 중 특별하게 기계학습이라는 머신러닝/딥러닝 분야에 특화된 도구들이 기존 생태계나 도구에 추가된다고 보는 것이 맞다.
----> 이렇게 뭘 별스럽게  AI 솔루션 생태계가 거대하게 새로 생기는 듯 서술은 쓸데 없는 일종의 과장이라고 본다.
 
AI의 성능을 결정하는 것은 좋은 LLM 엔진에 양질의 데이터, 충분한 컴퓨터 리소스 등 3가지다. 
----> 2025년 1월 30일 기준으로 충본한 컴퓨터 리소스의 '충분한'에 대한 이견이 DeepSeek로 인해 생겼다.

 
 
지난 10년의 디지털 트랜스포메이션이 주로 인프라의 클라우드화와 빅 데이터 중심이었다면, 앞으로의 디지털 트랜스포메이션은 생성형 AI로 인해 비즈니스 모델의 디지털화와 프론트 엔드(고객 접점)의 더 나은 경험을 제시하는 것까지 확대될 것이다.
 
LLM의 다변화, LMM으로의 도약, LAM으로의 확장

 
MIT대학교 연구에 따르면 인공 지능 모델 하나를 훈련하려면 63대의 가솔린 차량을 1년 동안 가동할 정도의 에너지가 소비된다고 한다.
 

 
한국의 토종기업은  AI 산업에서 살아남을까?
 
AI산업에서 인프라 영역은 한국 기업이 선방할 가능성이 있다. 즉  AI를 구축하고 운영하기 위한 데이터 센터와 이곳에 들어가는 각종 AI관련 부품과 네트워크, 전력 등에서 한국 기업만의 역할이 있다.
 
LLM원천기술은 어렵지만 LLM을 활용해 각 기업의 비즈니스 문제를 해결하고 새로운 사업 가치를 만드는 기술 솔루션 사업은 한국의 여러 IT기업에 기회다...
 
AI 소버린 등으로 인해 국가와 주요 기업들이 독자적인 LLM 구축과 운영을 해야만 하기에 관련 시장이 크지는 않지만 그 기회는 여전히 있다.
 
AI 서비스 중 검색이나 문서 요약, 생성, 그리고 이미지나 동영상 등 생성형 AI 서비스는 로컬 기업이 영향력을 보여주기 어렵다.......기업 고유의 데이터를 확보하고 이용해 AI로 서비스를 구축한다면 글로벌 기업의 진출해도 차별화된 경쟁을 꾀할 수 있다. 금융과 법률, 교육, 의료 같은 분야에서는 현지화된 전문 지식과 데이터가 중요한 역할을 한다. 지역의 고유한 규제, 관행, 문화적 특성이 강하게 작용하기에 로컬 기업이 경쟁력을 가질 수 있다. 
 
 
기업은 AI를 어떻게 활용해야 할까?
 
대부분의 기업에서 생성형 AI의 사용처는 기업 내 일하는 문화와 업무 생산성 향상, 비효율 제거다.
 
2025년에는 기업의 사업 혁신을 꾀할 수 있는 다양한 도입 방안이 본격적으로 시도될 것이다....
특히 기업의 BAA(Business AI Agent)가 도입될 전망이다. PAA(Personal AI Agent)가 개인의 편의를 돕는 것처럼 기업에서는 직무별 업무를 돕는 BAA가 본격 보급될 것이다.
 
 
[ 자평 ]  초보가 빠르게 AI 트렌드를 한 번만 훑어 보기에 좋은 책....그 이상은 뭐 별로 그닥...
 
책을 서술하는 (자칭 형용사는)  '새로 쓰는 AI의 미래와 세계 비즈니스 모델의 모든 것'이다.
 
이런 저자의 이런 책은 내가 굉장히 싫어 하는 패턴인데, 또 반복되어 속았다는 생각으로 내 확증편향만 가중시켰다.
일단 높은 지위를 가진 사람이 그 지위를 형용사로 내걸고 책을 냈지만, 내용은 Blid Test를 한다면 수준 이하인 콘텐츠였기 때문이다. 
 
백번 양보해도 내용은 한 번 훑어 볼 수준은 되었지만 반복해서 보거나 깊게 생각해 볼 수준은 못된다는 결론은 못 마땅한 패턴 몇 가지 포인트가 역시 있기 때문이다.  
 
첫 번째, 책 내용의 얋은 깊이이다. 대강 꾸준히 뉴스를 접한 사람이면 알 수 있었던, 그런 수준 이상을 넘지 못한다.
사실A, 사실B, 사실C, 사실D.....중간 중간 분석과 자기 주장 약간... 또 사실 a/b/c/d//// 나열 이 정도다....인터넷에 같은 키워드로 연도를 넓게 검색하여 오래된 순으로 정렬하여 읽는 것과 수준 차이가 없다.물론 이 것도 한권으로 정리해 놓으면 나쁠 것 없지만, 이 정도 수준은 인터넷 검색으로 푸는 것이 사회적 총 비용을 줄이는 방법이다. 이것도 신기하지...이것도 알어...난 알어.. 이런 식의 단편적인 지식 편린들의 나열......
 
두 번째, 별 내용도 없으면서 저자의 사회적 지위(??)를 전면에 내세우는 책 판매라는 것이다.  국내 CEO를 포함한 임원들이 내는 책의 수준이 반복해서 읽을 정도로 높은 경우는 별로 없다.
 
반복해서 읽을 만한 국내 저자의 책은 서가에도,내 기억에도 손에 꼽힌다. 
대충 서가를 훑어 보니 CEO나 임원의 책은 하나도 없고, 그 나마 꾸준히 읽고 있는 저자는 이준구교수, 윤석철교수, 유정식작가, 송숙희작가 정도로 보인다.  
 
몇 권의 책을 내고, 그 분야 전문가인양 강의나 다니고 강연이나 다니면서 임원 이후에 제 2의 삶을 준비하는 분들이 태반이다. 우리 같은 대중이 TV에서 신문에서 자주 보면 아 그 분야는 그 사람이 국내 최고의 전문가이구나라는 착시를 일으키기 때문이다.
 
사람들은 조직에서 지위가 높으면 경험과 지식을 폭과 깊이도 넓다고 생각한다.대부분의 조직 생활을 해 본 사람들이 알겠고, 내 경험상 어떤 특정한 기술적 사안이나 이슈에 대해서 진실로 폭과 깊이가 넓은 사람이 임원인 경우는 거의 없었다. 임원 이상이 되는 것은 특정 섹터/기술/기능/직능에 폭과 넓이 이상의 전문성 외에도 다른 요소가 더 필요하다. 따라서 특정 영역에 임원이 특별히 더 나은 경험이나 지식이 있다거나, 혹은 이를 딱 잘라 말할 수 없으니 높은 자리에 있으면 경영 능력이 있다는 검증이라는 식은 위험하다.

자리가 사람을 만드는 경우는 더러 있어도,
자리 자채가 사람을 증명하는 것은 아니다.
대부분은 자리가 포함된 시스템을 그저 유지하는 평균적인 사람들이다.
극히 바보들만 시스템을 망쳐 놓거나 아주 극히 천재들만 시스템을 진화시킨다.

요즘 이 극히 드문 바보들을 꽤나 흔하게 볼 수 있어 시스템의 붕괴가 걱정스럽다.

특별히 이 책과 겹치는 AI분야에서도 실제 고수들은 책을 낼 시간이나 가치도 못 느껴 내지 않는 고수가 숱할 것이다.근래 책을 낸 분 중 내가 읽은 국내 저자 중 이 책의 저자보다 AI분야에 휠씬 고수로 보이는 분도 꽤 있다. 기술적인 분야는 민재식 기술리더, 고민수 기술자문 등의 책이 있고...AI이 사회적 함의와 고민할 이슈는 사회학자를 포함한 인문학자들이 더 낫다.