본문 바로가기

단기 AI 트렌드 혁신을 주도하는 4가지...가트너, 'AI를 위한 하이프 사이클, 2021'

반응형

"책임 있는 인공지능(Responsible AI), 작고 광범위한 데이터 접근 방식(Small and Wide Data), 인공지능 플랫폼의 운영화(Operationalization of AI Platforms), 모델 및 컴퓨팅 리소스의 효율적인 사용(Efficient Use of Resources). 이 네 가지 트렌드가 단기 인공지능 혁신을 주도하며, 빠른 속도로 인공지능 분야의 진화와 혁신이 진행되고 있다.

 

가트너가 '인공지능에 대한 하이프 사이클, 2021(Hype Cycle for Artificial Intelligence, 2021)'을 발표하고, 특히 눈여겨 보아아햘 네 가지 트렌드를 강조했다. 이번 보고서는 '2021 하이프 사이클: 신뢰, 성장, 변화를 통한 배달 혁신(2021 Hype Cycles: Innovating Delivery Through Trust, Growth, Change)'이라는 특별 보고서의 일부다.

 

가트너가 '인공지능에 대한 하이프 사이클, 2021'을 발표하고, 책임 있는 인공지능, 작고 광범위한 데이터 접근 방식, 인공지능 플랫폼의 운영, 모델 및 컴퓨팅 리소스의 효율적인 사용을 주목해야 할 네 가지 핵심 트렌드로 꼽았다. (자료:Gartner)

 

첫 번째, 책임 있는 인공지능은 편향되거나 왜곡된 데이터가 반영되었을 때 발생할 수 있는 문제를 인지하고 해결하는 것이 갈수록 중요해지고 있다는 것을 나타낸다. 가트너는 2023년까지 AI 개발 및 교육 작업에 고용된 모든 직원이, 책임 있는 AI에 대한 전문성을 입증해야 할 것으로 예상했다.

 

가트너의 연구 부사장인 스베틀라나 시쿨라((Svetlana Sicular)는 "AI 기술의 향상된 신뢰, 투명성, 공정성 및 감사 가능성은 광범위한 이해 관계자에게 계속해서 중요해지고 있다 . 책임 있는 AI는 편견이 데이터에 반영되더라도 공정성을 달성하는 데 도움이 된다. 투명성과 설명 가능성 방법(explainability methods)이 진화하고 있다”고 밝혔다.

 

두 번째, 작고 광범위한 데이터 접근 방식이 중요한 이유는, 빅 데이터만이 능사가 아니라는 것을 보여준다. 데이터는 성공적인 AI 이니셔티브의 기초를 형성하는 핵심 요소인 만큼, 이러한 데이터에 관한 접근 및 활용 방법이 무엇보다 중요하다. 작은 규모의 데이터에 광범위하게 접근하는 것은, 더욱 강력한 분석과 인공지능 활용이 가능하게 한다.

 

가트너는 이러한 접근 방식은 빅 데이터에 대한 의존도를 줄이고, 더욱 향상된 상황 인식이 가능하도록 한다고 밝혔다. 그러면서 2025년까지 조직의 70%가 빅 데이터에서 작고 광범위한 데이터로 초점을 옮겨 분석에 더 많은 컨텍스트를 제공하고, 인공지능이 데이터 부족 현상을 겪지 않도록 해야 한다고 강조한다.

 

스베틀라나 시쿨라 부사장은 "작은 데이터(small data)는 더 적은 데이터(less data)가 필요하지만, 여전히 유용한 통찰력을 제공하는 분석 기법에 적용된다. 광범위한 데이터(wide data)는 다양한 데이터 소스의 분석을 통해 시너지를 얻을 수 있다. 이러한 접근 방식을 함께 사용하면 보다 강력한 분석이 가능하고 비즈니스 문제에 대한 보다 360도 관점을 얻을 수 있다"고 설명했다.

 

세 번째 AI 플랫폼 운영은 비즈니스 혁신을 위해 AI를 활용하는 것이 시급하고 중요해지면서, AI 플랫폼 운영이 필요하게 되었기 때문이다. 이것은 AI 프로젝트를 개념적인 접근이 아닌 생산 및 업무에 적용해, AI 솔루션을 전사적 문제 해결에 사용할 수 있다는 것을 의미한다. 그동안 개념 정립이나 적용 분야에 대한 연구와 탐색 단계를 넘어, 이제는 실질적인 업무용 솔루션으로 활용할 때가 된 것이다.

 

시쿨라 부사장은 "AI 프로젝트의 절반만이 파일럿에서 생산 단계에 이르고, 그렇게 하는 데 평균 9개월이 걸린다는 사실을 발견했다. AI 오케스트레이션 및 자동화 플랫폼(AIOAP) 및 모델 운영화( ModelOps )와 같은 혁신은 재사용성, 확장성 및 거버넌스를 가능하게 하여 AI 채택 및 성장을 가속화하고 있다"고 강조했다.

 

네 번째 자원의 효율적인 사용은 인공지능 모델부터 다양한 데이터까지 모든 자원을 말 그대로 '효율적으로' 사용해야 한다는 것을 의미한다. AI 배포와 관련된 데이터, 모델, 컴퓨팅 리소스 등의 복잡성과 규모를 고려할 때, 이러한 리소스를 최대한 효율적으로 사용할 수 있는 체계가 갖추어져야 AI 혁신이 가능하다는 것이다.

 

특히, 다중 경험(Multiexperience), 복합 AI(Composite AI), 제너레이티브 AI(Generative AI) 및 트랜스포머(Transformers)는, 광범위한 비즈니스 문제를 보다 효율적인 방식으로 해결할 수 있는 능력으로 AI 시장에서 가시성을 얻고 있다고 보고서는 밝혔다.

 

가트너의 수석 연구 애널리스트인 슈방기 바시스트(Shubhangi Vashisth)는 "AI 혁신은 빠른 속도로 진행되고 있으며, 하이프 사이클의 평균 이상의 기술이 2~5년 이내에 주류 채택에 도달한다. 에지 AI, 컴퓨터 비전, 의사 결정 인텔리전스 및 기계 학습을 포함한 혁신은 모두 향후 몇 년 동안 시장에 혁신적인 영향을 미칠 태세다. 높은 비율의 AI 혁신이 상승하는 혁신 트리거에 나타나고 있다(그림 참조)."고 밝혔다.

 

 Syndicated to WWW.CIOKOREA.COM

반응형