IDC, 퓨처스케이프 2025 발표··· ‘향후 1-2년 주요 요인 10가지’ 제시

보고서는 또 2028년까지 AI 지원 기술에 대한 전 세계 지출이 7,490억 달러를 넘어설 것으로 전망하며, “지난 18개월 동안 규모와 업종을 불문하고 모든 조직이 AI를 활용한 광범위한 하이퍼 실험에 참여했다. 2025년에는 실험에서 재창조로 전환할 것으로 예상한다”라고 전했다.

이어 “올해의 예측은 AI 전환을 가속화해야 한다는 시급한 필요성을 강조하며, 고급 AI 지원 역량에 대한 전략적이고 장기적인 투자를 지지한다”라고 IDC는 밝혔다.

이렇게 AI에 대한 접근 방식에 변화가 생기면서, 2025년에는 2,270억 달러의 AI 지출이 발생할 것으로 내다봤다. 이 중에서 67%가 핵심 비즈니스 운영에 AI 기능을 도입하는 기업에서 발생할 것으로 예측하고, 주요 클라우드 및 디지털 서비스 제공업체에 대한 투자를 능가할 것이라는 것이 IDC의 분석이다.

2025년 이후 IT 산업 전반에 영향을 주게 될 주요 동향과 기술로는 AI 경제학(AI Economices), AI 피봇 장벽(AI Pivot Barriers), 사이버 복원력(Cyber-Resiliency), 클라우드 현대화(Cloud Modernization), 제품으로서 데이터(Data as Product), 앱 메타모포시스(App Metamorphosis), 간섭 전달(Interference Delivery), AI 인프라 탈탄소화(Decarbonizing AI Infrastructure), 복합 AI를 위한 통합 플랫폼(Unified Platforms for Composite AI), 새로운 업무 역할(New Work Roles)을 꼽았다.

AI 경제학 : 그동안 실험적 도입 성격이 강했던 AI가 본격적인 수익 창출 도구로 전환하면서, 전반적인 AI 사용 범위를 문서화하는 데 집중할 것으로 예상된다. 이를 위해 AI 지원 애플리케이션을 자동으로 측정하고 최적화할 수 있는 기반을 마련하는 것이 필수적이다. AI를 통한 비즈니스 혁신이 본격적인 궤도에 오르는 것이다.

AI 피봇 장벽 : 생성형 AI 구현하는 데 있어 성공률을 떨어 뜨리는 개발자 부족, 높은 비용, 부적절한 인프라 성능, IT 및 비즈니스 라인의 불협화음 등이 있다. 이러한 장애물을 제대로 극복할 수 있는 솔루션과 비즈니스 전략이 없을 경우, 최대 30%의 조직에서 생성형 AI 투자를 재고할 것이라고 보고서는 진단했다.

사이버 복원력 : 사이버 위협이 갈수록 고도화 및 지능화되어 가면서, 랜섬웨어 등으로 공격을 당했을 때 복구 및 복원력이 그 어느 때 보다 중요해지고 있다. 이러한 위협에 대해 발 빠르게 적응하면서 올바른 대응 방안을 마련하지 못하면, 목표했던 비즈니스 성과를 달성하는 것은 기대할 수 없다.

클라우드 현대화 : 클라우드를 현대화하면 ROI 개선, 효율적인 운영과 효과적인 비용 절감을 통한 지속 가능한 IT 성과 달성, 워크로드 및 애플리케이션 성능 향상의 이점을 누릴 수 있다. 따라서 변화하는 비즈니 환경과 업무 특성을 반영해 더욱 지능화되고 고도화된 현대적인 클라우드 시스템, 솔루션, 플랫폼을 준비해야 다음 단계로 전진할 수 있다.

제품으로서의 데이터 : 데이터는 모든 기업에서 기본적인 업무 수행은 물론 혁신과 변화를 추진하는 데 가장 중요한 발판 또는 걸림돌이 될 수 있다. 사일로화 된 데이터와 식별, 수집, 재가공이 불가능하거나 너무 많은 리소스가 필요한 데이터는 심각한 문제를 초래한다. 따라서 데이터는 제품이라는 접근 방식을 갖고 생산, 수집, 소비하는 데이터 중심 프로세스를 갖추고 이를 업무에 반영해야 한다.

앱 메타모포시스 : 생성형 AI의 등장과 급부상 그리고 이를 기반으로 하는 코파일럿(Copilot)의 영향으로 앱 환경의 변화를 반영한다. 사람의 개입과 판단이 반드시 필요했던 기존의 애플리케이션과는 다르게 완전 자동화된 소프트웨어 구성 요소인 AI 에이전트를 통해 상황을 판단하고 필요한 조치를 수행하는 것이 빠르게 확산되고 있다.

간섭 전달 : 기업과 조직에서 생성형 AI와 에이전트 워크플로우 도입을 가속화하면서 추론 워크로드가 급격하게 증가하는 것을 의미한다. 추론 워크로드의 급증으로 정체와 지연이 발생하면 전체적인 업무 프로세스에도 영향을 줄 수밖에 없다. 이를 해소하려면 단일 추론(single inferencing) 옵션에서 얽매이지 말고 다중 추론(multi-inferencing) 운영 전략을 개발해야 한다.

AI 인프라 탈탄소화 : AI가 주는 이로운 점으로 인해 발생하는 환경 문제를 장기적인 관점에서 전략적으로 접근해야 한다는 것을 의미한다. AI 투자와 활용이 증가하면 이에 따른 에너지 효율, 자원 최적화, 전자 폐기물 감소 등의 환경에 미치는 핵심 요소를 최소화할 수 있는 지속 가능한 AI 프레임워크가 필수적이다.

복합 AI를 위한 통합 플랫폼 : AI를 활용한 효과가 실제적이고 광범위하게 나타나려면 조직 전체로 확장할 수 있는 기술 기반과 워크플로우를 갖추고 있어야 한다. 이를 위해 조직 전체에 걸쳐 규모의 경제를 보장하는 총체적인 플랫폼을 구축하는 투자를 하고, 현재의 생산성과 생성형에만 초점을 맞춘 AI에서 더 많은 범위로 확대된 AI로 성장해야 한다.

새로운 업무 역할 : AI 기반의 업무 환경이 가져올 혁신과 변화가 고용의 라이프사이클에도 영향을 미치게 되는 만큼, 이에 맞는 비즈니스 요건을 지원할 수 있는 기술을 활용하는 업무 관행과 정책을 준비할 필요가 있다. 자동화의 필요성이 선택이 아닌 필수가 되는 세상에서는 인재 채용에 그에 맞는 업무 역할 역시 새롭게 달라져야 한다.

IDC의 월드와이드 리서치 그룹 부사장인 릭 빌라스는 “진화하는 AI 환경에서 미래는 단순한 실험이 아니라 실험을 지속 가능한 혁신으로 전환하는 전략적 전환 능력에 달려 있다. AI를 수용함에 따라 데이터 중심 세계에서 번창하는 탄력적인 기업을 구축하기 위해 관련성, 긴급성, 수완을 우선시해야 한다”라고 조언했다.
[email protected]