The future of artificial intelligence

7가지 키워드로 보는 AI의 미래

기술은 끊임없이 움직이는 생명체와 같다. 사람이 걸음마부터 시작하듯이 성장하기도 하고, 때론 경쟁에서 밀려 도태되기도 한다. 앞으로 AI와 관련한 변화상을 살펴본다.

기술은 끊임없이 움직이는 생명체와 같다. 사람이 걸음마부터 시작하듯이 기술도 열악한 모습으로 등장하여 혁신을 통해 높은 수준으로 성장하기도 하고, 다른 기술과의 경쟁에서 밀려 도태되기도 한다. 시장이 기술을 받아들이는 양상도 끊임없이 변한다. 등장하자마자 대중이 뜨거운 관심을 쏟아 붓기도 하고, 초기 시장은 형성되었으나 널리 퍼지기까지 오랜 시간이 걸리는 경우도 많다. AI를 통해 커다란 임팩트를 만들어낼 전략을 세우기 위해서는 기술과 시장환경이 어떻게 변화하는지에 대한 메커니즘과 장기적인 방향성을 파악하는 것이 필요하다. 그런 차원에서 앞으로 AI와 관련한 변화상을 살펴보도록 한다.

1. 기하급수: 기술 발전의 가속화

무엇보다도 AI 기술은 더욱 빠른 속도로 발전할 것이다. MIT 테크놀로지 리뷰에서는 그동안 지속적으로 발전하는 AI 기술을 꾸준히 소개해왔다. IT 기술의 발전 양상을 이야기할 때 흔히 사용하는 개념이 무어의 법칙이다. 반도체 회로 트랜지스터 수가 1.5년마다 2배가 되는 것을 의미한다. AI의 기술적 성능이 발전하는 속도는 무어의 법칙보다 5배에서 100배에 이를 것으로 보고 있다 (ARK인베스트먼트, 2020). AI 학습모델의 연산처리 능력이 매년 10배씩 성장하고 있어서 앞으로 이러한 기하급수적 성장은 지속될 것이다.

<그림1> AI 연산처리 속도의 변화
출처: ARK Investment Management LLC, Stanford DAWN Deep Learning Benchmark, 2020

2. 데이터 빅뱅: 폭발적인 데이터 증가

두 번째는 데이터의 양이 급속도로 커지고 있다는 점이다. 데이터는 AI 모델링을 위한 필수적 재료다. 전 세계적으로 데이터는 기하급수적으로 늘어나고 있다. 데이터 통계를 분석하는 데이터네버슬립(Data Never Sleeps)은 지난 4월 각종 애플리케이션 및 서비스를 통해 매 1분 동안 생산되는 데이터의 양을 제시했다. 유튜브는 1분에 500시간 분량의 동영상이 업로드되면서 수많은 데이터를 쏟아내고 있다. 페이스북에는 약 14만 7,000장의 사진이 업로드 되고 15만 개의 메시지가 공유되며, SNS 서비스인 왓츠앱(WhatsApp)에서도 1분에 약 4,100만 개의 메시지가 공유된다. 줌(Zoom)의 경우 1분에 20만 명 이상이 회의차 접속하며, 틱톡(TikTok)은 2,704명이 애플리케이션을 설치하고 아마존은 1분에 6,659개의 상품이 출하되고 있다. 이러한 활동 가운데 상당한 양의 데이터가 생산되며 그 양은 매년마다 늘어나고 있다.

<그림2> 1분에 생성되는 데이터
출처: Data never sleep, 2020

3. 저비용화: AI 학습비용 감소

세 번째는 비용이다. 딥러닝과 같은 고도의 AI 모델은 우수한 성능을 제공하지만 비용이 크다는 것이 단점이었다. 딥러닝 훈련을 위해서는 고사양의 하드웨어가 준비되어야 하고 방대한 데이터 학습을 하는 데 시간도 오래 걸린다. 데이터를 준비하여 모델링을 진행하기 위하여 투입되는 인력도 만만치 않다. 하지만 최근 GPU, TPU 등 하드웨어 기술이 발전하고 있고, 보다 효율적인 데이터 처리 방식이 등장함에 따라 학습비용은 연 1/10로 감소하고 있다.

<그림 3> 신경망 기술의 학습 비용 변화
출처: ARK Investment Management LLC, Stanford DAWN Deep Learning Benchmark, 2020

4. 이종결합: 타 분야 기술간 결합

네 번째는 기술간 결합이 더욱 확산될 것이라는 점이다. AI는 다양한 기술과 호환되어 부가가치를 창출할 수 있다. 가령, 최근 산업계의 중요한 화두로 자리잡고 있는 메타버스(Metaverse)와 AI가 결합될 수 있다. 메타버스는 가상, 초월을 뜻하는 메타(Meta)와 현실세계를 의미하는 유니버스(Universe)의 합성어로 가상과 현실이 상호작용하는 혼합현실을 말한다. AI는 메타버스 내의 아바타를 사용자의 실제 모습과 유사하게 생성할 수도 있고, 자연어처리 기반의 소통모델이 적용되어 사용자와 대화를 나눌 수 있도록 설계할 수도 있다. 또한 가상현실 속에서 사용자를 인지하여 맞춤화된 광고를 보여줄 수도 있다. AI는 이렇게 메타버스 세계를 지능화하는 데 중요한 역할을 할 것이다. 또한 블록체인과 결합하여 지능형 보안체계를 확립하거나, 가사상화폐의 변동성을 예측하여 자산 안정성을 제고할 수도 있다. 4차 산업혁명 시기는 고도화된 신기술이 동시다발적으로 등장하는 시기이다. 이러한 상황에서 AI는 다른 기술들과의 결합을 통해 파괴적 혁신을 촉진시키는 역할을 할 것으로 전망된다.

5. 확산: AI 도입 범위의 확장

다섯 번째는 AI의 적용범위의 확장이다. AI 잠재성이 크다 보니 많은 산업에서 이 기술을 도입하고 있다. 현재 생명과학, 유통, 소비재 등 분야에서 AI 도입이 활발하다. 아직까지는 전반적으로 파일럿이나 개념증명(PoC) 수준에 머물고 있다. 하지만 앞으로는 전 산업에 걸쳐 적용이 될 것이고, 실제 제품과 서비스에 적용되는 방향으로 성숙할 것으로 전망된다.

<그림 5> 산업별 AI 도입 성숙도
출처: Capgemini, AI Powered enterprise, 2021

6. 범용화: 기술의 보편적 활용

여섯 번째는 AI 기술의 범용화다. AI 기술이 학술적 역사는 길지만 산업에 들어온 지는 얼마 되지 않았다. 그러다 보니 지금은 이 기술이 많은 기업에게 생소한 게 사실이다. 하지만 앞으로도 계속 지금처럼 미지의 영역으로 남지는 않을 것이다. 1990년초 인터넷 초기, 인터넷 붐이 일어났을 때 많은 기업들이 웹서비스와 전자상거래를 도입했다. 이 영역에서 새로운 부가가치가 창출될 것으로 기대했기 때문이다. 하지만 모두가 인터넷을 이용하는 상황에서 지금은 인터넷 자체가 차별화를 만들어내지 못한다. AI도 마찬가지다. 잠재성이 큰 만큼 많은 기업들이 이 기술을 도입할 것이고 시간이 지나면 점차 범용기술이 될 것이다. 즉 AI를 도입하는 것 자체가 차별화를 담보하지 않는다는 이야기다. 지금은 AI 기술인재가 부족하지만 AI 대학원 및 각종 교육 프로그램이 마련되어 많은 인재가 꾸준히 배출되기 때문에 인재 부족 문제도 점차 해소될 전망이다. 물론 기술과 산업 도메인 지식을 동시에 갖춘 인재는 계속 희소할 것이다.

7. 임팩트 갭: 경쟁력 격차 심화

일곱 번째는 기업들 사이에서 AI 통해 창출되는 임팩트의 갭이 벌어지는 점이다. AI를 도입했다고 동일하게 임팩트를 창출할 수 있는 것은 아니다. 실제 AI 도입 기업 중 소수만 AI가 작동하는 방법을 정확히 알고 이를 뚜렷한 가치창출로 연결시키고 있다. 맥킨지 조사에 따르면 AI를 성공적으로 도입한 성숙기업은 후발기업에 비해 3~4배 높은 영업이익을 거두는 것으로 나타났다. 여기에 해당되는 기업은 전체의 10% 정도다. 반면 AI 도입했으나 아직 효과적으로 활용하지 못하는 미성숙 기업은 전체의 30% 정도 되는데 이들은 임팩트를 창출하긴 하지만 후발기업보다 1.8배 정도의 영업이익 효과를 내는 데 그친다. 즉, AI 도입을 하면 임팩트가 생길 수는 있지만, 얼마나 효과적으로 AI를 이용하느냐에 따라 임팩트 갭(Impact gap)이 생길 수 있다는 얘기다. 시간이 지남에 따라 이러한 임팩트 갭은 더욱 커질 전망이다.

<그림 6> AI 후발기업 대비 AI 성숙기업과 미성숙기업의 영업이익 창출 효과
※ 출처: McKinsey, Tipping the scales in AI, How leaders capture exponential returns, 2021

이러한 변화를 요약해보면 AI의 기술적 성능과 가성비는 더욱 향상될 것이고 기술 융합을 통해 보다 넓은 산업 영역에 적용될 것이다. 그러나 기술이 범용화됨에 따라 AI 도입 자체의 이점은 점차 사라지게 될 것이다. 앞으로는 얼마나 AI를 효과적으로 도입하여 임팩트를 많이 창출했는지에 따라 경쟁력의 차이가 벌어질 것이다. 이제부터 집중해야 할 일은 정해졌다고 봐야 한다. 점점 더 발전하는 AI 기술을 유연하게 자사의 비즈니스에 흡수하고, 이를 통해 뚜렷한 임팩트를 창출할 전략을 갖는 것이다. 이러한 전략을 갖기 위해서는 기술 자체에 대한 이해와 함께, AI를 통해 창출 가능한 임팩트의 종류를 이해해야 하고, 실제 AI 도입에서 임팩트까지 이어지도록 하는 방법을 숙지해야 한다.

※ 정두희 MIT 테크놀로지 리뷰 코리아 편집장이며, 한동대학교 ICT창업학부 교수다. AI 컨설팅 기업인 임팩티브AI의 대표 파트너를 맡아 국내 기업들의 성공적인 AI 도입을 돕고 있다. <한권으로 끝내는 AI 비즈니스 모델>, <3년후 AI 초격차 시대가 온다>, <TQ 기술지능> 등을 저술했다.

미리보기 3회1회

MIT Technology Review 구독을 시작하시면 모든 기사를 제한 없이 이용할 수 있습니다.