[트렌드 리포트] 2022년 꼭 알아야 할 기술 트렌드 (feat. Gartner, Deloitte, MIT)

Photo by Aideal Hwa on Unsplash

올해 초에 사내 기술전략부서에서 좋은 기술 리포트 몇개를 소개해주셨다.

일하다 틈틈히 봐야지~하면 절대 보지 않기 때문에.. 미루고 미루다가 오늘 드디어 각 잡고 읽어보는 시간을 가졌다. 

연초이니만큼 (벌써 3월이 되어버렸지만😃) 올해 업계에서 HOT한 기술 트렌드를 톺아보고!

주요 개념을 정리하여 블로그에도 공유하려 한다.  

 

📚 Source 

• 2022년 Gartner 선정 12가지 전략적 기술 동향 (2022.01.25, webinar Link)
• Deloitte Insights : Tech Trends 2022 (website link)
• MIT 테크놀로지 리뷰 선정 2022년 10대 미래 기술 (2022.03.03, article link)

 

📌 주요 키워드 톺아보기

1. #데이터 - 데이터 공유, 데이터 패브릭, 데이터 메쉬
2. #인공지능 - 합성데이터, AI생성모델 
3. #클라우드 - 버티컬 클라우드, 클라우드 네이티브 플랫폼 
4. #사이버보안 -사이버 AI, 사이버 보안 메쉬
5. #IT운영/개발 - 운영자동화(NoOps), PBC (모듈화된 애플리케이션) 

 

---

1️⃣ 첫번째 키워드: #데이터

1. 데이터 공유&연결 (Data Sharing)

✔️ 데이터 공유 기술과 개인정보보호 기술의 발달로, "데이터 공유"가 새로운 비즈니스 모델을 탄생시키고 있음.
✔️ ecosystem이나 value chain 내에서 데이터 공유를 활발히 하기 위해 다양한 유형의 데이터 공유 파트너쉽이 등장함.  

 ex) 국내의 마이데이터 사업, 미국의 코로나19 대응을 위한 임상 데이터 공유 플랫폼

       ㄴ ❗️ 코로나19 대유행 초기, 임상 데이터를 플랫폼을 통해 공유하여 연구원/의료당국/제약사의 백신 개발이 가속화됨. 

✔️ 데이터브릿지에 따르면, 개인정보 보호 기술의 발달로 기존에 민감 데이터로 취급되던 헬스케어/금융 데이터가 활용이 가능해지며, 관련 시장은 2028년 $4.37억 규모로 연 평균 7.5%씩 성장할 것으로 전망됨. 

✔️ 다양한 외부 데이터를 사내 데이터와 함께 공유하고 관리할 수 있는 Data Fabric 플랫폼도 동시에 주목받고 있음. (후술👇)

 

2. 데이터 패브릭(Data Fabric)

✔️ 쉽게 말해, "데이터가 어디에 있든 / 잘 쓸 수 있게 하자"는 사상의 데이터 플랫폼 

 ㄴ 1) 어디에 있든? 온프레미스든, 프라이빗 클라우드든, 퍼블릭 클라우드든 데이터의 물리적 위치에 상관없이!
     2) 잘 쓸 수 있게 하자?  기업 구성원 누구나 원하는 데이터를 쉽게 검색∙공유∙분석∙활용할 수 있게!

✔️ 즉, 기업이 데이터의 저장 장소에 상관없이 안전하고 쉽게 데이터에 접근하고 활용할 수 있는 환경을 제공하는 것. 

✔️ 통합 데이터 관리 프레임워크를 활용함 ➡️ 이 프레임워크는 데이터 통합, 데이터 시각화, 데이터 관리 기술이 조합되어 있고, 여러 비즈니스 프로세스를 지원하는 계층을 생성해줌. 

✔️ 2014년 10월 넷앱(NetApp)으로부터 처음 제시한 개념으로, 가트너가 발표한 2022년 기술 트렌드 TOP 12 중 하나.

👍 좋은 점 

 1) 기업 내 산재되어 있는 데이터 사일로를 통합하여, 데이터 관리 업무를 최대 70%까지 줄여줄 수 있다고 함. 

 2) 고객이 어떤 IT 환경에서도 손쉽게 데이터를 활용할 수 있도록 해 기업의 전체적인 디지털화를 가속화함.

 3) 데이터 분석/시각화 기술을 통해 데이터 기반 인사이트를 제공하여 기업의 경쟁력을 확보에도 도움됨. 

🆚 기존의 데이터레이크, 데이터웨어하우스 개념과의 차이점
: 기존의 데이터레이크, 데이터웨어하우스가 중앙 집중식 데이터 환경이라면, 데이터 패브릭은 데이터가 어디에 있든 분산 방식으로 데이터를 수집하기 때문에, 도메인 데이터를 본래 위치에 그대로 유지한 채로 데이터의 검색/분석 등이 가능함. 

 

3. 데이터 메쉬(Data Mesh)

✔️ 데이터 패브릭보다 한 단계 진화된 분산 데이터 아키텍쳐

✔️ 마이크로 서비스 아키텍처(MSA)컨셉과 유사하게, 데이터 분석 시스템을 분산 서비스 형태로 개발∙관리하는 아키텍쳐 모델
✔️ 데이터 패브릭이 더 원활하게 작동되게 하려면, 일종의 오케스트레이션 기능을 하는 "데이터 메쉬"로 전환해야 함.

✔️ 머신러닝 기술을 활용해서 메타 데이터를 분석하고 데이터 탐색과 추천 과정을 자동화함.

✔️ 즉, 여러 위치에 있는 데이터를 가상화해서 어디서든 접근가능하게 하고, 거기다 머신러닝으로 메타데이터를 분석해서 사람들에겐 데이터를 더 찾기 쉽게 하고, 컴퓨터에겐 어떤 데이터를 어느 시점에게 가져와야 하는 지 알려주는 식! 

 

---

 

2️⃣ 두번째 키워드: #인공지능 

1. 인공지능을 위한 합성 데이터 (Synthetic data for AI)

✔️ 인공지능을 학습시키기 위해 인공적으로 만들어진 데이터 (= AI 학습을 위해 AI로 학습 데이터를 만드는 것!)

✔️ 인공지능을 다양한 산업에 적용하는 데 가장 큰 걸림돌은 바로 "학습 데이터"의 부족

    ➡️ 부족한 데이터는 편향된 결과를 낳고 인공지능이 혐오와 차별을 재생산한다는 문제의식을 일으키기도 함. 
    ex) 페이스북의 추천 알고리즘이 흑인을 고릴라나 침팬지로 분류한 사례 등 

✔️ 이 합성 데이터 덕분에, 학습시킬 데이터가 부족하거나 실제 데이터를 사용하기에는 너무 민감한 분야(금융, 의료 등)에서도 AI를 충분히 학습시킬 수 있게됨. 

 

🏢 대표 기업:

    - 디지털로 생성한 사람 얼굴 이미지 데이터를 제공하는 데이터젠 (Datagen), 신세시스 AI (Synthesis AI),

    - 합성 데이터를 생성하는 오픈소스 개발도구인 MIT의 합성 데이터 볼트 (Synthetic Data Vault) 등 

 

2.  AI 생성 모델 (Generative AI) 

✔️ 기존의 AI가 “결론”을 생성했다면, 창조적 AI는 “창작물”을 생성함. 

✔️ 주어진 학습 데이터를 학습하여, 학습 데이터의 분포를 따르는 유사한 데이터를 생성하는 모델.

✔️ 레거시 데이터들로부터 벗어나, 새로운 IP, 코드, 신약 생성 등이 가능해짐. 

✔️ 제품/서비스 개발 시간이 단축될 수 있고, 사용자를 위한 맞춤화 가능 

🎨 대표 사례: 페이스북에서 개발한 Real-eye-opener (사진 찍는 순간 눈을 감아버린 사진에 가짜 눈을 생성하여 눈을 뜨고 있는 사진으로 만들어주는 기술)

 

---

  

3️⃣ 세번째 키워드: #클라우드

1. 버티컬 클라우드 (Cloud goes vertical) 

✔️ 각 산업에 특화된(Industry-specific) 클라우드 솔루션 시장이 5년 안에 $6,400억을 달성할 것으로 전망 (by 딜로이트)

✔️ 빅 3 클라우드 기업(AWS, GCP, MS Azure) 또한 기존의 IaaS에서 산업 최적화된 PaaS 플랫폼을 내놓고 있음.

     ex) MS Azure는 에너지, 금융서비스, 정부/공공기관, 게임, 의료, 제조, 소매업, 미디어/엔터테인먼트 -  각 업계의 니즈에 특화된 클라우드 솔루션을 제공하고 있음

✔️ 채택/구축을 조립식으로 할 수 있는 모듈 방식으로 서비스를 제공하여, 기업은 수동 작업을 손쉽게 자동화하고 차별화된 경쟁력 개발에 집중할 수 있게됨. 

 

2. 클라우드 네이티브 플랫폼 (Cloud-Native Platforms)

✔️ 클라우드 네이티브 플랫폼은 2025년까지 80% 이상의 새로운 디지털 이니셔티브의 기반 역할을 할 것임. (by 가트너)

✔️ 클라우드 네이티브란 클라우드의 장점을 최대한 활용할 수 있도록 애플리케이션을 구축∙실행하는 방식!

      ➡️ 이를 위해 1) 마이크로 서비스 아키텍쳐, 2) 컨테이너, 쿠버네티스와 같은 기술/도구, 3) DevOps, 4) 애자일 방법론이 필요함!

      ➡️ 클라우드 네이티브 플랫폼은 이를 지원하는 상용 플랫폼. 

✔️ 클라우드 네이티브 플랫폼을 도입하여 lift and shift 식 마이그레이션을 최소화하고 인프라에 대한 의존성 제거해야 함. 

✔️ 클라우드 네이티브 플랫폼을 통해 지속적인 SW 딜리버리를 자동화하고 개발-배포 속도를 증진할 수 있음.  

 

---

 

4️⃣ 네번째 키워드: #사이버보안

1. 사이버 AI (Cyber AI)

✔️ 원격 근무 증가, 네트워크 연결 장치 증가, 5G 영향 등으로 광범위하고 복잡한 사이버 공격이 늘어나는 중. 

✔️ 사이버 범죄 피해에 대응하기 위해, 기업들은 AI/ML 기반의 지능화된 보안 역량을 갖추는 중. 

✔️ AI/ML이 초기에 활용된 분야는 네트워크 상의 파일/연결/기기에서 기존의 규칙에서 벗어난 위협을 탐지하는 분야

✔️ 최근에는 유저의 행동 패턴이나 네트워크 트래픽을 분석하여 기존 패턴과 다를 시 선제 대응하거나, 대응 방안을 추천하기도 함. 

✔️ AI/ML 기반 자동화 보안 정책 구성, 규정 준수 모니터링, 위협 및 취약성 감지/대응에 있어 자동화도 이뤄지는 중.  

✔️ AI/ML 기반 SOC(Security Operations Center)자동화 플랫폼은 특정 데이터에 대한 액세스 차단과 같은 자율적 예방 조치 가능

✔️ 사이버 AI 기술 및 도구 시장은 아직 초기 단계이며, 글로벌 시장은 2021~2025년까지 $190억 규모로 증가할 전망 

 

2. 사이버보안 메쉬 (Cybersecurity Mesh) 

✔️ 분산된 보안 서비스를 통합적으로 관리할 수 있는 보안 아키텍쳐를 마련하는 것.

✔️ Data Fabric와 같이 공통 프레임워크를 구축하고, 각종 보안 툴을 조합 가능하게 구성하는 것이 핵심 ("Mesh 아키텍처")

✔️ 각종 보안 툴, 통합 대시보드, 애널리틱스, 전체 메시를 아우르는 보안 정책, 전사적 아이덴티티 관리 체계 등을 어떤 유저 접점이나 서비스에도 적용할 수 있도록 하나의 아키텍쳐로 조합 가능하게 구성해야 함. 

---

5️⃣ 다섯번째 키워드: #IT운영/개발

1. 운영자동화 & 셀프 서비스

✔️ IT 백오피스를 자동화하고 셀프서비스로 제공하여 효율성 제고

✔️ NoOps, Zero Trust, DevSecOps 기술을 기반으로 IT 운영 자동화 전환

  💡 NoOps: 시스템 운영자없이, 응용프로그램의 배포, 모니터링, 관리 프로세스를 개선하고 자동화하여 애플리케이션 개발자가 직접 개발과 운영, 비즈니스까지 관여하는 것

  💡 제로 트러스트(Zero Trust)란 "아무도 믿을 수 없다"는 사상으로, 모든 사용자와 단말기가 보안 정책을 위반할 것이라는 가정 하에 엄격한 신원 확인과 인증을 통해 접근 권한과 사용 권한을 부여하는 것. 

  💡 DevSecOps: 개발-보안-운영을 함께 고려하여 자동화하는 것으로, 전체 IT 라이프사이클에 걸쳐 보안을 공동의 가치로 통합하는 문화 

 

 

2. PBC (Packaed Business Capability)

 ✔️ 외부 데이터와 서비스에 종속되지 않는, 개별적으로 작동 가능한 모듈형 애플리케이션

 ✔️ 기술 스택별로 필요한 기능을 하나로 패키징하여 활용. 

 ✔️ API를 통해 대형 애플리케이션의 구성요소(building blocks)가 될 수 있음. 

 ✔️ PBC는 마이크로서비스로 구성된 앱 서비스를 포함함. 

 ✔️ 개발 속도, 코드 활용, 적응성 면에서 agility가 높고 효율적임.  

 

 

---