가트너 전망: AI의 다음 장 – 기회, 위험, 도입 장벽

머신러닝과 인공지능이 하이프 사이클의 '부풀려진 기대의 정점' 단계에 가까워지고 있습니다.

웨비나에서 가트너 디렉터 애널리스트 피터 크렌스키(Peter Krensky)는 머신러닝과 인공지능의 현재 상태, 향후 5년, 도입, 개발, 배포에 영향을 미칠 주요 과제를 설명했습니다.

크렌스키에 따르면 ML과 AI는 하이프 사이클의 '부풀려진 기대의 정점' 단계에 가까워지고 있습니다. 증강현실과 가상현실은 이미 정점 다음인 '환멸의 골짜기'에 진입했고, 자율주행차와 드론은 정점을 지났지만 아직 사이클의 바닥에는 도달하지 않았습니다.

그렇다고 해도 AI와 ML에는 아직 개발되지 않은 산업 분야가 많이 남아 있습니다. "상위 성과 기업의 40%만이 인공지능을 게임체인저로 봅니다."라고 크렌스키는 말합니다. "따라서 다양한 유형의 조직, 심지어 머신러닝으로 가능한 것의 발끝만 담그고 있는 산업 전체에도 많은 그린필드(미개척 분야)가 존재합니다."

AI와 ML의 지속적인 발전을 뒷받침하는 요인 중 하나는 학계, 과학계, 기업의 핵심 개념 간의 정렬입니다. 업계의 90% 이상이 AI와 ML 알고리즘과 플랫폼을 파이썬으로 작성하고, 많은 곳이 동일한 오픈소스 라이브러리(아파치, 텐서플로)와 동일한 클라우드 인프라(AWS, 애저)를 사용합니다.

이러한 정렬은 업계 전반에 더 큰 시너지를 가져오며, 향후 인재 채용 시 가치 있을 수 있습니다.

업계 전반에서 클라우드로의 꾸준한 이동이 진행 중이며, 약 30~45%는 여전히 AI나 ML을 온프레미스에서 실행합니다. 많은 경우 크렌스키는 조직이 AI나 ML 프로그램을 구축하는 데 너무 많은 비용을 지출하며, 사전 훈련된 모델과 클라우드 인프라 같은 더 저렴한 대안을 회피하고 있다고 봅니다. 결과는 비슷할 텐데 말입니다.

"머신러닝 인프라가 클라우드에 있고, 끊임없이 진화하는 독점 및 오픈소스 구성 요소 세트가 새로운 표준이라는 사실에 익숙해져야 합니다."라고 크렌스키는 말합니다. "매년 2년 전엔 이야기하지 않던 새로운 오픈소스 프레임워크가 등장해 이제 항상 이야기하게 됩니다."

AI 구현 방식을 살펴보면, 가트너는 네 가지 모델을 제시합니다.

• 배턴 터치(Pass the baton) – AI가 작업의 지루한 부분을 처리하고, 인간 운영자가 나머지를 완료합니다.
• 공생(Symbiosis) – AI가 인간의 약점을 보완합니다. 예: 방대한 데이터를 초단위로 처리.
• 증강 분석(Augmented analytics) – AI가 인간 운영자의 트레이너나 가이드 역할을 하며, 데이터로부터 분석이나 인사이트를 제공합니다. 예: 고대 그리스 비문의 누락된 단어나 문장을 제안한 최근 AI 프로젝트.
• 정신 건강 검진(Sanity check) – AI가 대부분의 기능을 수행하지만, 실수를 감시할 인간 운영자가 대기합니다. 예: 어려운 경우 인간에게 넘기는 고객 지원 봇.

가트너 설문조사에서 대부분의 비즈니스 리더는 직원의 기술(56%)을 AI와 ML 도입의 주요 과제로 꼽았습니다. 크렌스키는 웨비나에서 대부분의 ML 개발자가 젊고, 5년 미만의 경력을 가지며, 현재 직장에서 2년 미만 근무했다고 언급했습니다.

게다가 가트너는 프로젝트 성공을 위해 다양한 전문성을 가진 여러 직원이 필요하다고 봅니다. 데이터 과학자, 데이터 엔지니어, ML 전문가, 도메인 전문가 모두 AI나 ML 프로젝트 개발에 독자적 역할을 하지만, 조직은 흔히 광범위한 지식을 가진 데이터 엔지니어에 의존합니다.

두 번째로 큰 과제는 AI의 혜택과 용도를 이해하는 것이었습니다. 웨비나에서 크렌스키는 조직이 AI 프로젝트를 올바르게 관리하고 모든 영역에 투자하기보다 재정적으로 타당한 몇 가지 핵심 영역에 집중해야 한다고 권고했습니다.

데이터 범위와 품질이 세 번째로 큰 과제이며, 크렌스키는 이것이 목록의 최상위에 있어야 한다고 믿습니다. 적절한 데이터 관리, 품질 검사, 데이터 거버넌스 없이는 AI나 ML 프로젝트가 실패할 가능성이 훨씬 높습니다.