챗GPT(ChatGPT), 제미나이(Gemini), 바드(Bard), 라마(LLaMA), 미드저니(Midjourney), 스테이블 디퓨전(Stable Diffusion) 등 생성 인공지능(Generative AI)으로 대표되는 그들은 창의적이고 독창적이며, 놀라운 결과를 창출하고 있다. 더욱이 온 디바이스로 구동되기 시작하면서 그 능력과 파급력을 가름하기 어려운 세상으로 향하고 있다.

AI는 하루가 다르게 우리 일상생활 속에 스며들고 있으며 산업과 사회의 패러다임을 바꾸고 있다. 말 그대로 혁신적인 진화를 거듭하고 있는 것이다. 더 이상 인공지능을 단순히 도구로만 바라보지 않고, 그들이 가지고 있는 비전과 미래를 탐구할 필요가 있다.

여기에, 키사이트 테크놀로지스(Keysight Technologies)의 경영진들이 다가올 미래와 관련해 2024년에 주목해야 할 ‘인공지능’에 대한 인사이트를 공유해본다(정리 최광민 기자).

가레스 스미스(Gareth Smith), 키사이트 소프트웨어 테스트 자동화 총괄 관리자

"AI 및 테스트, 올웨이즈온 (Aways On)이 기본화 될 것" 점점 더 많은 AI가 소프트웨어에 내장되면서 시스템의 자율성이 올라가면 리스크와 복잡성이 증가하여 테스트가 까다로워질 것이다. 그 결과 고정된 테스트 집합(스크립트)으로는 더 이상 지능형 시스템을 완벽하게 평가할 수 없게 된다. 그 대신 자동적, 지속적으로 AI 애플리케이션을 테스트하기 위한 AI가 필요해지게 될 것이며, 자율적인 테스트 설계 및 실행이 소프트웨어 테스트의 미래로 조명된다.

"AI가 품질 저하를 초래할 수 있는 이유" AI가 모든 시스템에 배포되고 복잡성과 정교성이 높아지면 해당 제품의 품질이 저하될 수 있다. 그 이유는 배포 범위가 방대하여 모든 대상을 테스트하는 것이 불가능해지기 때문이다. 따라서 제품의 품질을 유지하려면 테스트 방식, 대상, 시기를 중심으로 의사 결정을 내려야 한다.

"AI, 깊이 있고 폭넓은 규제 필요" 현재, AI에 대한 규제가 필요하다는 의견에 많은 사람들이 동의하고 있다. 인공지능의 발전과 활용에 있어서 혁신과 윤리의 균형을 유지해야 된다. 그러나 규제에 포함시켜야 할 항목의 경우, 관련 기술의 적용 범위와 복잡성으로 인해 대대적인 논의가 필요한 시점이다. 중대하고 부정적인 결과를 초래하는 큰 사건이 있은 후가 아닌 가까운 시일 내로 규제를 이행하지 않으면 나중에는 더 이상 AI를 제어할 수 없게 될 수도 있다.

인공지능의 규제는 윤리적, 안전성, 경제적, 국제적 측면에서 다양한 요소를 고려하여 이루어져야 한다. 이러한 규제는 인간 중심의 AI 개발과 사용을 촉진하며, 공정하고 안전한 디지털 시대를 구축하는 데 중요한 역할을 한다.

"AI 및 보안, 새로운 규범인 지속적 경계" AI와 관련된 리스크가 존재하기 때문에, 기업에서는 AI 및 보안 컴플라이언스 책임자를 경영진으로 임명해야 한다. 시간이 지나면 이 직무가 CSO와 병합될 것이다. 실시간 학습 기능을 활용하여 순조로운 AI 작업을 위한 방어책을 마련하는 것이 중요하다.

지능형 시스템이 제대로 작동하고 있으며 규제를 준수하는지 검증하기 위해서는 끊임없이 확인하고 균형을 맞추는 것이 필수적이다. 또한 실시간 감시가 표준화될 것이다. 그러나 이러한 시스템이 개발됨에 따라 비도덕적 행위를 하면서 정상적으로 작동하는 것처럼 보이게 하는 방법을 터득하지는 않았는지도 테스트해야 한다.

"AI가 운전면허증을 가지고 정기 검사를 받아야 하는 이유" 현재, 해당 시스템을 구축하고 있는 기업들이 AI 시스템을 테스트하고 있다. AI의 위험성을 인지하는 사람들이 점점 더 많아지면서, 독립적인 기관이 AI의 규제 준수 여부를 검증하는 것이 필수로 대두되고 있다.

그 첫 번째 단계는 바로 AI 인증서(AI 운전면허증)를 획득하는 것이다. 그러나 차량과 마찬가지로 AI를 윤리적이고, 책임감 있고 편견 없게 유지하기 위해서는 정기적인 테스트를 통해 필수적인 국가 및 업계 표준을 준수하는지 여부를 확인해야 한다. 더 먼 미래에는 각 AI 시스템에 목적 부합성과 모든 필수 기준 충족 여부를 검증하기 위한 NFT 라벨이 부착될 수도 있다.

"시민 개발자의 쇠퇴와 비즈니스 개발자의 부상" 시민 개발자는 오랫동안 IT 인재 부족의 해결책으로 알려져 왔다. 그러나 AI 기반 솔루션이 급격하게 성장하면서 차세대 비즈니스 개발자들이 각광을 받고 있다. 앞으로 기업의 목표와 운영 방식에 대해 잘 알고 있는 이 특정 분야 전문가들이 SDLC (Software Development Life Cycle)에 더 많이 기여할 것이다.

그 결과 비즈니스 사용자가 목표를 정의한 다음 AI 기술로 격차를 해소할 수 있는 새로운 노코드 시스템이 도입될 것이다. 이때 운영 지식을 활용하여 소프트웨어가 조직의 특정한 요구를 충족하고 리스크를 완화시키는지 확인할 수 있다.

"AI와 지속 가능성의 대립" 지금까지 AI 시스템이 우리들의 일상을 어떻게 바꿀지에 대한 관심은 많았지만 필요한 컴퓨팅 파워에 주목하는 사람들은 많지 않았다. 2024년에는 AI가 지속 가능성에 미치는 영향이 화두에 오를 것이며, 조직은 탄소중립 목표를 달성하기 위해 전체 기술 인프라의 탄소 발자국을 모니터링하기 시작할 것이다.

따라서 기업은 AI를 모든 곳에 배포하는 대신 어디에, 어떠한 방식으로 사용하는 것이 현명한지 판단해야 한다. 또한 소프트웨어 및 어플리케이션 테스트와 관련해 기업은 환경에 미치는 영향을 줄이기 위해 모든 대상을 테스트하는 방식에서 가장 중요한 테스트를 예측하는 방식으로 전환해야 된다.

댄 토마슨(Dan Thomasson), Keysight Labs 부사장 겸 중앙 기술 책임자

"네트워크 최적화를 위해 AI를 수용하는 6G" 새로운 차원의 초연결 경험을 제공한다는 '차세대 6G는 인공지능(AI)을 비롯해 자율주행차, 로봇, 확장현실(XR), 디지털트윈 등 첨단 기술을 일상생활에서 구현할 수 있게 하는 핵심 기반 기술로 모든 데이터 소스, 애플리케이션, 이용 사례 등에 완벽하게 적응할 수 있다는 것을 의미한다. 그러나, 6G가 네트워크 최적화에 AI를 활용하면서 테스트 관련 과제가 발생하게 된다. 이 경우 학습 데이터가 편견으로부터 자유롭고 모델이 효율적이며 비정상적인 행동을 하지 않는지 확인하기 위해 AI 알고리즘을 테스트할 수 있는 기술을 개발하는 것이 굉장히 중요하다.

"AI를 통한 시뮬레이션 격차 해소" 앞으로 AI 기술이 시뮬레이션 모델을 뒷받침하면서 더 정확하고 강력하며 유익한 모델의 시대가 열릴 것이다. 또한 측정 데이터에 대한 향상된 통찰력을 제공하며 오류를 줄이고 설계 및 테스트 워크플로를 최적화할 수 있을 것이다.

로저 니콜스(Roger Nichols), 키사이트 6G 프로그램 관리자

"몇몇 AI 버전이 6G 네트워크 최적화의 해결책이 아닌 이유" AI는 6G 최적화를 지원하는 데 중대한 역할을 한다. 그러나 많은 기대를 모았던 대규모 언어 모델 (LLM, Large Language Model)과 방대한 데이터 집합에 의존하는 생성 AI는 큰 도움이 되지 않을 것이다.

그 대신 분야별 데이터와 강력한 AI 모델 및 무선 분야 관련 전문 지식을 결합하면 특정 산업 관련 문제를 해결하는 데 도움이 된다. 예를 들어, AI 알고리즘은 무선 인터페이스를 개선해 6G 시스템의 최적화를 돕는다. 다른 이용 사례로는 셀 사이트 계획, MIMO 최적화, 핸드오버 도중 모빌리티 관리 방식 개선이 있다. 하지만 AI가 6G 개발과정에서 가치가 있으려면, 먼저 AI의 신뢰성, 설명 가능성이 향상되고 관련 비용이 훨씬 더 낮아져야 한다.

"6G의 AI 통합을 억압하는 역량 사일로" 분야별 지식과 AI 관련 전문 지식은 AI를 6G 네트워크에 성공적으로 통합시키는 데 있어 굉장히 중요하다. 오늘날에는 무선 전문가 또는 AI 전문가가 존재하지만, 두 분야에서 전문 지식이 거의 공유되지 않고 있다.

이러한 능력이 하나로 융합되지 않는다면 6G 목표 달성에 도움이 되는 AI를 효율적으로 배포하는 데 적합한 리소스를 찾기 어렵다. 이러한 직원들의 역량 격차를 해결하는 데에는 10년이 넘는 시간이 걸릴 것으로 예상된다.

사라 라젤바(Sarah LaSelva), 키사이트 6G 마케팅 부문 디렉터

"AI는 모두의 친구가 될 것이며, 6G도 그 중 하나" 무선네트워크는 매우 복잡하고 데이터양이 방대하며, 이러한 AI 최적화를 적용하기에는 안성 맞춤이다. 이 기술의 통합은 이미 시작되었으며 2024년에는 통합 속도가 빨라질 것이다. 통합 프로세스에서 핵심적인 부분은 바로 AI가 도움이 되는 곳과 AI가 해결책이 아닌 6G 네트워크 구축을 저해하는 요소가 되는 곳을 파악하는 것이다.

"AI + 6G: 신중한 접근법" 다른 부문과는 달리, 무선 업계는 AI 통합에 있어 더 신중한 접근법을 취해야 한다. 통신사업자는 다양한 데이터 집합에 대해 머신 러닝 모델을 철저하게 교육시키고 해당 모델이 미치는 영향을 정량화하고 새로운 테스트 방법론을 마련하는 데 초점을 맞출 것이다. AI 채택률이 충분히 증가하면 향후 10년간 무선 업계에 큰 변화가 있을 것이라고 보는데, 개선된 빔 관리 방식과 스마트한 스펙트럼 공유 등 새로운 역량을 선보이게 될 것이다.

댄 크란츠(Dan Krantz), 키사이트 최고 정보 책임자

"AI가 클라우트 컴퓨팅 시장에 미치는 영향은" AI 워크로드는 매우 많은 GPU와 메모리 용량을 필요로 한다. 과거에는 클라우드 컴퓨팅 분야의 주요 경쟁사가 AWS, Azure, GCP 세 곳밖에 없다고 생각했다. 하지만 오늘날에는 GenAI 교육 관련 가격 및 성능 측면에서 강점을 보이는 오라클 클라우드 인프라(Oracle Cloud Infrastructure, OCI) 2세대가 클라우드 컴퓨팅 시장의 또 다른 경쟁자로 자리잡았다.

닐 파세(Niels Faché), 키사이트 설계 및 시뮬레이션 부문 부사장 겸 총괄 관리자

"EDA의 AI 활용: 복잡성 해소" EDA의 AI 및 ML 기법 활용은 여전히 얼리 어답터 단계에 있으며, 설계 엔지니어들이 복잡한 문제를 간소화하기 위해 이용 사례를 탐구하고 있다. 이때 인텔리전스는 특히 대규모 데이터 처리를 지원하는 시뮬레이션을 위한 모델 개발과 검증에 유용하게 사용할 수 있다. 2024년에는 실리콘 디바이스 모델링을 위한 두 기술과 III-V 반도체 처리 기술, 그리고 현재 연구가 순조롭게 진행 중인 6G와 같은 미래의 표준을 위한 시스템 모델링 기술을 채택하는 조직들이 늘어날 것이다.

마리 하타르(Marie Hattar), 키사이트 선임 부사장 겸 최고 마케팅 책임자 (CMO)

"저작권의 중요성 대두" 생성형 설계 도구의 채택률이 증가하고 있는데, 이와 관련해 골치 아픈 문제 중 하나가 바로 저작권이다. 이러한 AI 솔루션 중 다수는 그 어떠한 책임도 지지 않은 채로 시각적 콘텐츠를 사용한다. 2024년에는 조직들이 AI 이미지 생성에 대한 저작권 문제를 해결할 수 있는 방법을 찾아 모색할 것이며 소유권을 명확히 하기 위해 많은 시간과 인력을 투자할 것이다. 그러면 마케팅 팀에서 법적 문제 발생 우려 없이 AI 설계 도구를 수용하여 소중한 시간과 비용을 절감할 수 있을 것이다.

"고객 참여: AI 중심 작업" 2024년 말에는 대부분의 고객 이메일이 AI에 의해 생성될 것이다. 생성형 AI 엔진을 사용하여 사람이 검토 및 승인할 원고의 첫 번째 초안을 생성하는 브랜드가 많아질 것이다. 그러나 고객 콘텐츠를 완전히 자동화하고 브랜드를 차별화하려면 마케팅 팀이 LLM을 학습시켜야 한다. 2026년이 되면 이러한 절차가 일반화되어 팀원들이 캠페인 관리 및 최적화에 초점을 맞출 수 있게 될 것으로 전망된다.

"AI와 인재: 강화의 시대" AI가 점점 더 보편화되면서 마케팅 팀의 구조도 필연적으로 바뀌게 된다. 낮은 레벨의 관리 중심적 역할이 사라질 것이며 다수의 분석 직책이 불필요해진다. 하지만 상황이 완전히 암울한 것은 아닌데, 데이터 과학자의 수요가 급증할 것으로 예상되며 데이터 과학자는 2030년까지 가장 인기가 많은 직업 중 하나로서 경제적 압박으로부터 자유로워질 것이다. 마케팅 작업은 계속해서 사람들이 이끌어 나가겠지만 매년 머신은 점점 더 큰 역할을 할 것이다. 방어책을 갖춘 이러한 AI 강화 인력은 앞으로 10년은 더 마케팅 분야에서 계속 활용될 것으로 예상된다.

"AI 및 소매" 소매 업계는 효율성을 높이고 판매량을 늘릴 목적으로 빠르게 AI를 통합했다. 곧 실현될 것으로 예상되는 혁신 기술 중 하나는 바로 뉴럴 네트워크를 쇼핑객 및 제품과 결합시켜 새로운 소매 경험을 제공하는 기술이다. 예를 들어, 2024년부터 AI 점원이 쇼핑객과 유사한 체형의 모델을 통해 의류 품목을 보여 줄 수 있는데, 그러면 모델의 다양한 포즈에 따라 해당 제품이 어떻게 보일지 확인할 수 있다. 이렇게 몰입도가 뛰어난 개인 맞춤형 경험이 바로 소매 업계의 미래다.

"AI 및 디지털 트윈: 의료 부문의 변화" 오늘날 디지털 트윈은 점점 더 보편화되고 있으며, 이제 AI의 영향을 받아 새로운 의료 세상을 만들어 나가고 있다. 이러한 기술은 시스템의 부담을 크게 줄이고 개개인에게 더욱 다양한 옵션을 제공해 삶의 질을 개선시키는 데 도움이 된다.

AI 기반 디지털 트윈은 노령화 인구를 대상으로 새로운 요양 방식을 제시하여 사람들이 독립적으로 더 오래 살 수 있도록 도와줄 것이다. 또한 AI는 잠재적 질환의 조기 진단에 중요한 역할을 한다. 예를 들어, 전신 MRI에서 AI의 데이터 패턴 식별, 예측 및 분석 기능을 활용하면 아직 눈에 보이지 않는 질환을 진단하는 데 도움이 된다. 또한 의료진이 검사 결과를 이해 및 해석하고 치료와 간호에 대한 조언을 하도록 돕는 데 있어 AI의 역할이 더욱 중요해질 것이다.