HRD 담당자를 위한 맥킨지의 2024년 AI 기술 트렌드 리포트 TOP6

2024년 기술 분야 트렌드를 한 단어로 표현하면 단연 ‘AI’일 것입니다.

지난 7월 맥킨지에서 발표한 <McKinsey Technology Trends Outlook 2024>의 15개 키워드 중에서도 가장 먼저 소개된 주제가 AI 혁명이었죠. 많은 HRD 담당자분들이 최근 AI의 흐름에 대해 관심이 많을 텐데요.

이번에는 에이블런과 함께 맥킨지가 뽑은 2024년 AI 기술 트렌드를 함께 알아보겠습니다.

2024년에 주목해야 할 AI 시장 상황📑

생성형 AI는 2022년부터 세계적으로 두드러진 트렌드였습니다. 이에 따라 올해까지도 AI에 대한 관심과 투자가 엄청나게 증가했고, 로봇이나 몰입형 현실과 같이 AI와 연결된 기술 트렌드 전반에 대한 가능성도 무궁무진해졌습니다. 실제로 2022년부터 2023년까지 구글에서 생성형 AI 키워드는 약 700%나 증가했으며, 2023년과 2024년 사이에는 대규모 언어 모델(LLM)이 처리할 수 있는 프롬프트 크기가 20배나 증가했습니다. 이에 따라 2024년 현재는 AI와 관련한 광범위한 트렌드에 대한 관심이 높아지고 있는 추세입니다.

이런 변화는 실질적인 경제 시장에서도 찾아볼 수 있습니다. 2023년 글로벌 기술 투자 금액은 30%~40% 정도 감소한 5,700억 달러에 그쳤지만, 생성형 AI에 대한 투자는 7배나 증가했습니다. 특히, <기술 혁신 및 탐색, 기술 실험, 초기 파일럿, 확장, 완전히 확장된 도입> 순서로 이루어지는 기업 기술 도입 단계에서 생성형 AI는 아래 그래프와 같이 2023년 26%의 기업이 확장 단계로 도입하고 있습니다. 이는 분석된 트렌드 중 가장 높은 수치입니다.

맥킨지의 2024년 AI 기술 트렌드 리포트

이번 콘텐츠에서는 이처럼 관심이 커지고 있는 2024년 AI 시장에 대한 트렌드를 중심으로 맥킨지가 발표한 2024년 기술 트렌드를 살펴보겠습니다.

또한, 생성형 AI, 응용 AI, 머신러닝의 산업화로 대표되는 ‘AI 혁명'과 함께 AI와 연관된 기술들의 현황을 함께 알아보겠습니다.

AI 혁명 🌟

맥킨지가 말하는 AI 혁명은 생성형 AI, 응용 AI, 머신러닝의 산업화로 구분됩니다. 생성형 AI는 비정형 데이터(텍스트, 이미지 등)에서 새로운 콘텐츠를 생성하고, 응용 AI는 분석 및 예측 작업에 머신 러닝 모델을 활용하며, 머신 러닝 산업화는 머신 러닝 솔루션 개발을 가속화하고 위험을 줄입니다. AI는 2022년부터 2024년까지 가장 빠르게 사람들의 관심을 끌고 있는 영역입니다.

생성형 AI

생성형 AI는 2022년 ChatGPT의 등장 이후로 빠르게 발전하며 기술 트렌드를 이끌고 있습니다. 특히 OpenAI의 GPT-4를 시작으로 Anthropic의 Claude, Google의 Gemini와 같이 진보된 형태의 생성형 AI가 등장하기 시작했고, 이 모델은 인간이 생성한 응답을 모방하여 마치 사람과 대화를 나누는 것처럼 소통할 수 있습니다. 다양한 산업과 지역에서 아직까지도 생성형 AI에 대한 가능성을 더 탐구하고 있으며, 생성형 AI 사용 사례는 연간 2조 6,000억 달러에서 4조 4,000억 달러의 가치를 창출할 수 있는 잠재력이 있다고 평가받고 있습니다.

실제 비즈니스 현장에서는 금융, 의료와 같이 큰 데이터를 다루는 기업에서 AI를 통해 큰 효과를 보고 있습니다. 국내 기업 중에서는 신한은행, 국민은행과 같은 대규모 은행에서부터 한국투자증권 등 증권사까지 AI 서비스를 개발하여 비즈니스에 활용하고 있습니다. 내부 업무에서는 RPA를 적극적으로 활용하고, 고객 응대를 위한 음성봇을 통해 고객 경험을 고도화하는 방향으로 발전하고 있습니다.

신한은행의 생성형 AI 고객 응대 음성봇 '쏠리'

신한은행의 생성형 AI 고객 응대 음성봇 '쏠리' © 신한은행

최근 성장하고 있는 생성형 AI의 기능은 다양한 형태의 콘텐츠를 결합하는 ‘멀티 모달 생성형 모델', 더 길고 정확성 높은 프롬프트를 지원하는 ‘자연어 처리(NLP) 컨텍스트' 등이 있습니다. 이런 발전의 공통적인 특징은 인간과 얼마나 더 정확하고 자연스럽게 의사소통할 수 있느냐에 초점이 맞춰져 있는 경향이 있고, 현재의 불완전한 AI 시스템을 보완하는 데 목적을 두고 있는 것처럼 보입니다. 조직에서는 점점 생성형 AI를 활용하기 위한 내부 역량을 더 확장해 가고 있고, 실제 국내 AI 기업교육의 방향성 또한 단순 코딩이나 AI 툴 교육을 넘어 기업의 내부 데이터를 활용한 구성원의 데이터 및 AI 역량을 키우는 방향으로 발전하고 있습니다.

응용 AI(Applied AI)

머신 러닝, 자연어 처리와 같은 AI 기술은 단순히 기술적인 측면뿐만 아니라 이 기술을 응용하여 새로운 비즈니스를 창출하는 데에도 큰 영향을 미치고 있습니다. 기업을 데이터를 사용하여 프로세스를 자동화하고, 비즈니스를 혁신하고, 더 나은 결정을 내리기 위한 통찰력을 얻고 있습니다. 실제로 맥킨지의 연구에 따르면 기업들의 AI 기술 채택률과 생성형 AI 기술 사용률은 2023년 각각 55%, 33%에서 2024년 72%, 65%로 크게 증가했습니다.

기업들의 비즈니스 내 AI 기술 채택률 및 생성형 AI 기술 사용

응용 AI는 더 광범위한 비즈니스 분야에서 활용되고 있습니다. 사우디아라비아의 석유 회사인 아람코는 AI를 활용하여 하루에 50억 개가 넘는 데이터를 분석하고 석유 탐사 및 시추에서의 의사결정을 신속하게 하기 위한 AI 허브를 구축했습니다. 아람코는 이 솔루션을 통해 실시간 알림을 제공하여 사업 중단을 방지하고 현장 개발 계획과 시추 경로 최적화 등 다양한 업무를 예측하고 모니터링하고 있습니다.

최근에는 특히 데이터 중심 AI에 대한 강조가 커지고 있습니다. 회사의 고유하고 풍부한 데이터를 활용하여 핵심 프로세스를 자동화함으로써 새로운 비즈니스 잠재력을 창출하거나 타사 대비 월등한 경쟁 우위를 차지할 수 있습니다. 이는 AI 기술을 내재화하여 직접 모델을 개발하는 방식으로도 가능하지만, OpenAI의 ChatGPT와 같은 기존 노코드 AI 모델을 활용하는 방식으로도 가능합니다. 이를테면, 생성형 AI를 활용한 디지털 마케팅 회사는 효율적으로 다양하고 매력적인 콘텐츠를 만들어내고 있고, 미래에 더 효과적인 콘텐츠를 제공하기 위한 통찰력을 얻을 수도 있습니다. 특히 이런 내부 역량은 교육을 통해 더 효율적으로 향상할 수 있는데, 적절한 AI 기술을 활용하여 개인의 업무 편의성뿐만 아니라 조직 전체의 생산성을 향상할 수 있습니다.

머신러닝의 산업화

머신 러닝 운영(MLOps)이라고 표현되기도 하는 머신 러닝 산업화는 기업 내에서 머신 러닝 애플리케이션을 확장하고 유지 관리하는 프로세스를 뜻합니다. 이 머신 러닝 산업화를 성공적으로 운영하면 기업은 비즈니스의 생산 리소스를 최대 40%까지 줄이는 데 도움이 될 수 있습니다. 이처럼 강력한 효율성으로 인해 2019년과 2023년 사이 머신 러닝 산업화에 대한 검색, 뉴스, 특허 등의 활동은 두 배 이상 증가했습니다.

가장 변화가 두드러지는 점 중 하나는 사전 구축된 솔루션과 API 사용이 증가하고 있다는 점입니다. 생성형 AI의 폭발적인 성장으로 인해 이제는 많은 기업에서 자체적으로 개발을 통해 솔루션을 만들기보다는 생성형 AI나 기존 솔루션의 API 등 사전 학습된 모델을 활용하는 사례가 많아졌습니다. 결국 기존 머신 러닝 엔지니어가 맡던 데이터 전처리 및 데이터 모델 학습 등의 영역이 생성형 AI에게 넘어가고 비개발 인력들도 AI에 더 쉽게 접근하고 활용할 수 있게 된 것입니다. 점차적으로 조직 내의 데이터 과학자, 머신 러닝 엔지니어와 운영 팀 간의 긴밀한 협업이 더 중요해지고 있습니다.

실제 머신 러닝 산업화의 사례를 살펴보아도 MLflow 등의 AI 기술 기반 기업에서부터 점점 머신 러닝 개발을 간소화하고 생성형 AI를 활용하는 쪽으로 변화하고 있습니다. 이는 여러 개의 대규모 언어 모델(LLM)을 활용하기 위한 프롬프트 역량이 더 중요해짐을 시사하기도 합니다.

AI와 연결된 기술 트렌드의 발전 📈

2024년 기술 트렌드는 AI 외의 분야 또한 본질적으로 AI와 연결되어 발전하고 있습니다. 각 기술 간의 시너지를 중심으로 맥킨지가 발표한 기술 트렌드를 알아보겠습니다.

차세대 소프트웨어 개발

소프트웨어 개발 환경 또한 생성형 AI 및 클라우드 네이티브 아키텍처와 같은 최첨단 기술의 유입으로 인해 큰 변화를 겪고 있습니다. AI 기반 소프트웨어 개발 도구로 인해 소프트웨어 개발 및 배포, 유지 관리에 이르기까지의 과정이 크게 단축되었으며, 복잡한 작업이 간소화되고 가속화됨에 따라 비개발자나 주니어 개발자들도 소프트웨어 개발에 참여할 수 있게 되었습니다.

사용자 친화적인 노코드/로우코드 플랫폼은 앞으로 더 증가할 것으로 보입니다. 이제는 순수 코드 생성 작업뿐만 아니라 소프트웨어의 구조를 설계하고 문제를 해결하는 방법이 IT 인재들에게 더 기대하는 역량이 되고 있습니다.

생성형 AI를 사용 유무에 따른 업무 소요시간 차이

몰입형 현실 기술

메타버스와 AI에 걸쳐서 기술 트렌드가 변화하는 동안 AR/VR과 같은 몰입형 현실 기술도 함께 발전했습니다. 사용자 주변의 물리적 공간을 렌더링하여 가상 세계에서 사람과 상호작용을 할 수 있는 몰입형 현실 기술은 시장에서도 장기적인 잠재력을 인정받고 있습니다.

현재 가상 세계는 기존 게임 분야에서만 활용되던 영역을 넘어 비즈니스나 엔터테인먼트까지 확장되고 있습니다. 이에 따라 기업에서도 몰입형 현실 기술에 대한 채택을 지속하고 있지만, 실제 실효성을 위해서는 추가적인 발전이 필요해 보입니다. 예를 들어, 실제 상황과 그 결과를 시뮬레이션하기 위해 환경을 디지털 버전으로 표현하는 디지털 트윈의 경우 꾸준히 AR 기술을 발전시킨 결과 현재는 실제 구현이 가능한 수준까지 올라왔습니다.

클라우드 및 엣지 컴퓨팅

클라우드와 엣지 컴퓨팅 기술은 AI가 발전함에 따라 함께 급속도로 발전했습니다. 2023년 AI의 등장과 함께 클라우드 엣지 활용이 엄청나게 증가했는데, 이는 AI 모델 훈련을 위해 엄청나게 많은 양의 컴퓨팅이 필요하기 때문입니다. 또한 이렇게 클라우드와 엣지 컴퓨팅이 발전함에 따라 신생 기업도 고성능의 GPU 컴퓨터에 엑세스할 수 있게 되었습니다.

현재 클라우드 및 엣지 컴퓨팅은 전 산업과 지역에서 가장 널리 채택되고 있는 추세입니다. 대부분의 회사는 자사 제품의 비용을 낮추고 컴퓨터 및 스토리지 리소스 사용을 최적화하기 위해 클라우드 및 엣지 컴퓨팅 기술을 채택하고 있습니다. 2024년 초에는 국제 우주 정거장(ISS)에서도 엣지 컴퓨팅 및 AI 작업을 수행하기 시작하면서, 우주 공간에서도 클라우드 및 엣지 컴퓨팅을 활용한 AI와 대규모 데이터 처리가 가능해졌습니다.

2024년 초 ISS에서도 AI 및 엣지 컴퓨팅을 활용하기 시작했습니다

AI 기술 트렌드 속 기업이 해야 할 일은?🔍

생성형 AI 기술이 2024년의 가장 중요한 트렌드가 됨에 따라 기업의 HRD 담당자와 비즈니스 리더는 이 기술을 활용하여 직원을 더 높은 가치의 업무로 전환할 준비가 되어 있어야 합니다. 생산성을 기준으로 삼고 지속적으로 개선 사항을 측정하여 조직 전체에 새로운 역량을 안착시키고, 기술 격차를 메우기 위해 어떤 업스킬링이 필요한지 고려해야 합니다. 이를 위해서는 AI 기술 트렌드를 이해하고 앞서 언급한 문제 해결을 위한 역량을 직원들에게 내재화시키는 것이 중요합니다.

생성형 AI는 지금까지 다른 툴이나 프로세스 개선이 해내지 못했던 방식으로 혁신적인 업무 능력 효율화를 이룰 수 있습니다. 예를 들어, 오늘날 생성형 AI를 활용하는 개발자는 최대 2배 더 빠르게 작업을 완료할 수 있습니다. 하지만 맥킨지에 따르면 기술 자체만으로 기술의 잠재력을 최대한 발휘할 수는 없습니다. 생성형 AI 교육 및 코칭, 사용 사례 선택, 인력 업스킬링, 리스크 관리를 포괄하는 체계적인 접근 방식을 갖춰야 생성형 AI의 뛰어난 생산성과 소프트웨어 혁신을 이룰 수 있습니다.

에이블런는 지금까지 축적해 온 기업 데이터 및 AI 교육 경험을 통해 디지털 전환 교육이 필요한 다양한 기업에 최적화된 맞춤 서비스를 제공하고 있습니다. 실무에 적용할 수 있는 디지털 전환 도입이 필요하다면 아래 링크를 통해 에이블런의 AI 기업교육을 더 알아보세요.

<실무에 바로 적용할 수 있는 2024 AI 기업교육 가이드>