가트너의 2022년을 위한 최고 전략 기술 트랜드

지난 밤에는 애플이 온라인 이벤트를 통해 M1 Pro 및 M1 Max와 같은 자체 개발한 프로세서를 발표한 것 외에 또 하나 중요한 일이 있었습니다. 바로 가트너가 2022년에 주목해야 할 전략적 기술 트렌드(Gartner Top Strategic Technology Trends for 2022)를 발표한 거죠. 올해는 Accelerating Growth(성장 가속화), Sculpting Change(구현 기술의 변화), 그리고 Engineering Trust(공학적 신뢰)라는 3개의 카테고리에 대해 각 4개씩 12개의 전략적 기술 트렌드를 소개했습니다. 

 

 

각각의 내용을 살펴보면 먼저 Accelerating Growth(성장 가속화)를 위한 기술로는 Generative AI, Autonomic Systems, Total Experience, Distributed Experience가 포함되어 있구요, Sculpting Change(구현 기술의 변화)에는 AI Engineering, Hyper-Automation, Decision Intelligence, Composable Applications가 포함되어 있습니다. 그리고, 마지막으로 Engineering Trust(공학적 신뢰) 카테고리에는 Cloud-Native Platforms, Privacy-Enhancing Computation, Cybersecurity Mesh, Data Fabric이 포함되어 있습니다. 

 

이들 각각에 대한 설명은 2021년과 2020년에 비해 어떻게 내용들이 바뀌었는지를 전체적으로 살펴본 다음에 해드리도록 하겠습니다.

 

 

먼저 2021년 전략 기술 트렌드를 보면, 사람 중심, 위치 독립성, 회복 탄력성이라는 3개의 관점에서 9개의 전략적 기술들을 소개하고 있고, 2020년의 경우에는 인간 중심과 스마트 공간이라는 2개 카테고리로 10개의 기술들을 소개하고 있습니다. 이에 비해 2022년도는 성장의 가속화, 구현기술의 변화, 공학적 신뢰라는 관점에서 기술들을 해석했는데요, 기존에는 기술의 응용 관점 (2021), 응용 대상(2020) 측면에서 기술들을 분류했다면, 이제는 상용화 혹은 수익화 관점에서 정리를 했다는 생각이 듭니다.

 

즉, 기업이 앞으로 떠오를 신기술을 활용하여 돈을 벌기 위해서는 성장을 가속화 하는 기술 트렌드에 집중해야 하며, 기존과는 다른 방식으로 서비스나 솔루션을 구현해야 하며, 이 과정에서 고객들을 안심하도록 할 수 있는 기술들도 함께 바라봐야 한다고 이야기하는 것 같습니다. 

 

 

3가지 카테고리, 12가지 기술 트렌드에 대해 가트너는 Engineering Trust부터 설명을 했는데요, 저는 반대로 Accelerating Growth부터 설명을 하도록 하겠습니다. 

 

Accelerating Growth (성장 가속화)

 

어떤 조직이나 빌딩 블록이 구축될 때가 그 조직이 창조하고자 하는 것의 가치를 극대화 할 수 있는 기술 트랜드에 집중할 때입니다. 그런 기술 트렌드에는 Distributed Enterprise(분산된 기업), Total Experience(종합 경험), Autonomic Systems(자치 시스템), 그리고 Generative AI(생성적 인공지능)이 포함됩니다. 

 

1. Distributed Enterprise (분산된 기업)

 

분산된 기업은 두 가지 영역에서 나타납니다. 하나는 코로나19의 결과로 원격근무하는 직원들은 다른 툴과 향상된 유연성을 필요로 합니다. 다른 하나는 전통적이고 물리적인 곳에서는 갈수록 고객들을 확보하는 것이 어려워진다는 것입니다. 

 

시작 방법:

구조적으로 "virtual first, remote first" 원칙을 수용함으로써 원격 근무로 인한 고객과 고객 변화로부터 마켓 쉐어를 확보하기 위해 비즈니스 모델을 전환할 계획을 세워야 합니다. 

여러 팀들을 연결함으로써 고객들이 직접 사용하는 기술들을 빠르게 개발하고 개선하기 위한 툴들을 제공해야 합니다. 

 

활용 사례:

디지털 드레싱룸은 고객들이 가상으로 스타일을 체험해 볼 수 있도록 해야 합니다.

메릴 린치는 고객들이 근처의 재무 상담사를 찾도록 하는데 위치정보를 이용합니다. 

원격에 있는 고객들을 지원하기 위해 기업들은 향후 10년 동안 드론 사용을 수백 배 늘릴 것입니다. 

 

이를 통해 2023년까지 분산된 기업 혜택을 이용하는 기업의 75%가 경쟁자들보다 25%나 매출 증가가 빠를 것입니다.  

 

2. Total Experience (종합 경험)

 

종합 경험은 고객과 직원들의 더 나은 경험을 생성하기 위해 고객 경험, 사용자 경험, 직원 경험, 그리고 다중경험이라는 4가지 분야를 통합합니다. 종합 경험의 목표는 모든 이해당사자를 위한 보다 종합적인고 정체적인 경험을 위해 이들 각각의 경험을 연결하고 향상하는 것입니다. 

 

시작 방법:

다른 팀들과 협력하고 다른 팀들로부터 배울 수 있도록 여러 팀들에게 경험 개선에 대한 이니셔티브를 추구하도록 안내합니다. 경험과 관련된 이니셔티브의 모든 리더들이 고객과 직원의 결합된 니즈를 해결하는데 동등한 책임을 가지도록 합니다. 

 

활용 사례:

피델리티 스파이어는 자신들의 금융 서비스에 종합 경험 어프로치를 이용합니다. 데이터 분석과 인공지능이 고객들의 행동을 학습하여 고객들의 다음 행동에 선제적으로 대응하고 직원들을 위한 현실적은 교육 시뮬레이션을 생성합니다.

 

2026년까지 대기업의 60%가 자신들의 비즈니스 모델을 변환시켜 월드클래스로 고객과 직원 지지수준을 달성하기 위해 종합 경험을 이용할 것입니다. 

 

3. Autonomic System (자치 시스템)

 

전통적인 매뉴얼 관리는 기업이 성장하는 것과 같은 속도로 확장될 수 없습니다. 자율 시스템은 물리 혹은 소프트웨어 시스템이 그들의 환경으로부터 학습합으로써 스스로 관리하도록 하는 것입니다. 하지만, 자율 혹은 자동화 시스템과 달리, 자치 시스템은 소프트웨어 업데이트 없이 자신들의 알고리즘을 다이나믹하게 변경할 수 있습니다. 이것은 변화에 빠르게 응답하게 하며 복잡한 환경에서도 관리가 가능하게 만듭니다. 

 

시작 방법:

복잡한 소프트웨어 혹은 물리 시스템을 관리하는데 있어서 민첩성과 성능 개선 효과를 제공하는지를 확인하기 위한 자치 기술을 파일럿 형태로 적용해 봅니다.  

 

활용 사례:

에릭슨은 복잡한 환경에서 수천개의 이동통신 전화 안테나를 관리합니다. 에릭슨의 자치 시스템은 강화학습과 디지털 트윈을 사용해서 다이나믹하게 5G 네트워크 성능을 최적화시킵니다. 

 

2024년까지, 자치 시스템 혹은 자치 디바이스를 판매하는 기업의 20%는 고객들로 하여금 그들의 제품의 동작을 학습하는 것과 관련된 보장 제공을 면제하는 것을 요구할 것입니다. 

 

4. Generative AI (생성적 인공지능)

 

대부분의 경우 인공지능은 결론을 생성하도록 훈련되지만, 그 효과를 진정으로 배가시키는 기술은 스스로 혁신할 수 있습니다. 생성적 인공지능은 샘플 데이터로부터 인공물의 디지털 표현을 학습하고 그것을 이용해서 새롭고 독창적이며 현실적인 인공물을 생성하는 인공지능의 한 형태입니다. 이 때, 새롭게 생성된 인공물은 훈련 데이터와의 유사성은 유지하지만 동일하지는 않은 것입니다. 이를 통해 생성적 인공지능은 기업을 위한 신속한 혁신 엔진이 될 수 있습니다. 

 

시작 방법:

새로운 제품의 생성을 가속화하고 인공물의 개인화를 증가시키는 생성정 인공지능의 검증된 사례를 선택함으로써 컨텐츠 생산과 R&D 노력을 가속화 하세요. 

 

활용 사례:

영국의 금융감독원(Financial Conduct Authority)는 5백만 개의 실제 지불 데이터로부터 합성 지불 데이터를 생성하기 위해 생성적 AI를 사용해오고 있습니다. 합성 데이터셋은 개인의 데이터를 공개하지 않고 새로운 사기 모델을 만드는 데도 사용됩니다. 

 

오늘날 1%로 채 되지 않는 생성되는 전체 데이터는 생성적 AI로 인해 2025년에는 10%에 달할 것입니다. 

 

 

Sculpting Change (구현 기술의 변화)

 

신뢰할 수 있는 기반이 마련되면 그 다음에는 조직의 디지털화 노력을 확장하는 기술에 초점을 맞추어야 합니다. 그러나, IT만으로는 변화의 속도를 따라갈 수 없습니다. IT와 비즈니스 직원으로 구성된 퓨전 팀은 협력하며 비즈니스를 디지털화 하기 위한 혁신을 주도할 수 있습니다. IT의 임무는 아래 트렌드들이 보여주듯이 퓨전 팀이 변화를 조각할 수 있도록 하는 도구를 제공하는 것입니다. 

 

5. Composable Applications (구성 가능한 어플리케이션)

 

퓨전 팀은 많은 도전에 직면하게 됩니다. 그들은 코딩 기술이 부족할 수도 있고 엉뚱한 기술에 묶여 있을 수도 있으며 종종 빠르게 진행되는 전달 작업을 수행해야 합니다. 구성 가능한 어플리케이션은 패키지된 비즈니스 능력(packaged-business capabilities) 혹은 소프트웨어 정의 비즈니스 개체로 구성됩니다. 환자 혹은 디지털 트윈을 나타내는 예로 PBC는 퓨전 팀이 자체 조립하여 빠르게 어플리케이션을 생성하고 타임투마켓을 줄일 수 있는 재사용 가능한 모듈을 생성합니다. 

 

6. Decision Intelligence (의사결정 지능)

 

의사결정은 다양한 경험과 편견의 영향을 받을 수 있지만, 빠르게 변하는 세상에서 조직은 더 나은 결정을 더 빠르게 내려야 합니다. 의사결정 지능은 프레임워크를 통해서 의사결정을 모델링함으로써 조직의 의사결정을 개선합니다. 퓨전 팀은 학습과 피드백을 바탕으로 결정을 관리하고 평가하고 개선할 수 있습니다. 데이터, 분석, 인공지능의 통합은 의사결정 지능 플랫폼을 생성하여 의사결정을 지원하고 보강하며 자동화할 수 있습니다. 

 

7. Hyperautomation (초자동화)

 

성장, 디지털화, 그리고 운영 효율성에 대해 더 집중함에 따라 더 우수하고 광범위한 자동화에 대한 필요성이 중요해집니다. 초자동화는 가능한한 많은 비즈니스 및 IT 프로세스를 식별, 검증, 그리고 자동화하는 비즈니스 중심의 접근 방법입니다. 이를 위해서는 RPA, low-code 플랫폼, 프로세스 마이닝 도구들을 비롯한 여러 기술 도구 및 플랫폼을 조화롭게 사용해야 합니다. 

 

8. AI Engineering (인공지능 엔지니어링)

 

AI는 조직이 어떤 강력한 위치에서 전염병으로부터 벗어날 수 있도록 하는 판을 바꾸는 솔루션을 제공하지만, 단순히 AI를 채택하는 것만으로는 그렇게 될 수 없을 것입니다. 조직은 AI를 최적화해야 합니다. AI 엔지니어링은 통합 데이터와 모델 그리고 개발 파이프라인을 사용하여 AI로부터 일관된 비즈니스 가치를 제공하기 위해 AI 모델에 대한 업데이트를 운영화(operationalize)하는 분야입니다. 이는 자동화된 업데이트 파이프라인과 강력한 AI 거버넌스를 결합시킵니다. 

 

Engineering Trust (엔지니어링 신뢰)

 

기술에 신뢰가 없다면 어떨까요? 디지털 비즈니스의 핵심에는 탄력적이고 효율적인 IT 기반을 필요로 합니다. 잘 설계된 기반이 없다면 비용 효율적으로 확장할 수 있는 방법이 없습니다. IT는 아래의 4개 트렌드에서 연결된 세상에서 필요한 신뢰를 설계하는 일을 담당합니다. 

 

9. Data Fabric (데이터 패브릭)

 

데이터의 가치는 그 어느 때보다도 명확합니다. 하지만 종종 데이터는 개별 어플리케이션 내에 격리되어 있으며, 이는 효과적으로 사용되지 않는다는 것을 의미합니다. 데이터 패브릭은 여러 플랫폼과 사용자에 걸쳐 데이터를 통합하며 데이터가 필요한 곳이라면 어디에서나 사용할 수 있게 합니다. 메타데이터를 읽는 내장된 분석 절차 내에서, 데이터 패브릭은 어떤 데이터가 사용될 것인지를 학습할 수 있습니다. 이것의 실제 가치는 더 다양하고 더 나은 데이터를 추천하여 데이터 관리를 최대 70%까지 줄이는 능력에 있습니다. 

 

10. Cybersecurity Mesh (사이버보안망)

 

디지털 비즈니스 자산은 여러 클라우드와 데이터 센터에 분산되어 있습니다. 전통적으로 기업의 경계에 집중하는 파편화된 보안 접근 방식은 조직을 보안 침해 위험에 노출시킵니다. 사이버 보안 메시 구조는 확장가능하고 상호 운용 가능한 서비스를 생성하기 위해 ID 기반의 보안에 대해 구성 가능한 접근 방식을 제공합니다. 공통 통합 구조는 위치에 관계없이 모든 자산을 보호하여 보안 접근 방식이 IT 서비스의 기반 전반에 걸쳐 확장되도록 합니다.  

 

11. Privacy-Enhancing Computation (개인정보 보호를 향상하는 컴퓨팅)

 

데이터의 실제 가치는 단순히 그것을 가지고 있는데 있지 않으며 AI 모델, 분석, 인사이트를 위해 그것을 어떻게 사용하느냐에 있습니다. 개인정보 보호를 향상시키는 컴퓨팅(PEC) 접근법은 데이터가 여러 생태계에서 공유되도록 함으로써 프라이버시를 보호하면서 가치를 생성할 수 있게 해 줍니다. 접근법은 다양하지만, 기밀성을 손상하지 않고 처리할 수 있도록 민감한 데이터를 암호화, 분리 혹은 선행처리 하는 것을 포함합니다. 

 

12. Cloud-Native Platforms ()

 

Lift-and-Shift 클라우드 마이그레이션은 레거시 워크로드를 가져와 클라우드에 배치하는데 중점을 둡니다. 이러한 워크로드는 클라우드에 맞게 설계되지 않았기 때문에 그들의 이점을 제대로 활요하지도 못하면서 유지 관리가 많이 필요합니다. 클라우드 네이티브 플랫폼은 가치 실현 시간을 단축하기 위해 클라우드 컴퓨팅의 핵심 탄력성과 확장성을 이용합니다. 클라우드 네이티브 플랫폼은 인프라에 대한 종속성을 줄이는 대신 어플리케이션의 기능에 집중할 수 있는 시간을 확보합니다.