생성형 AI는 올해 조직의 모든 분야에서 큰 주목을 받았습니다. 산업 전반에서는 생성형 AI를 활용해 혁신과 창의성을 증진하고, 고객 서비스를 개선하며, 제품 개발을 변화시켰고, 의사소통을 강화하는 방법에 대한 논의도 활발히 이루어졌습니다.
IDC에 따르면, 전 세계 기업들은 내년에 AI 솔루션에 3,070억 달러를 지출할 것으로 예상됩니다. 또한, 2028년까지 연평균 29.0%의 성장률로 6,320억 달러까지 투자가 증가될 것으로 보이죠. IDC는 AI가 2030년까지 전 세계 누적 경제에 19조 9,000억 달러의 영향을 미칠 것이며, 2030년 전 세계 GDP의 3.5%를 견인할 것이라고 예측했습니다.
그러나 AI의 빠른 발전에도 불구하고 일부 기업과 스타트업은 여전히 실험과 사일로화된 프로젝트에 집착하며 AI 도입에 느리게 대응하고 있습니다. 이는 AI의 혜택이 기업, 사용 사례, 투자 수준에 따라 다르기 때문입니다.
하지만 신중한 접근 방식은 낙관적인 태도로 전환되고 있습니다. 포레스터 리서치(Forrester Research)의 2024 AI 현황 설문조사(2024 State of AI Survey)에 참여한 응답자의 3분의 2는 조직의 AI 이니셔티브가 성공하려면 투자 수익률이 50% 미만이어야 한다고 답했습니다.
다음으로 주목할 만한 것은 에이전틱 AI입니다. 이는 자율적이거나 ‘추론’하는 형태의 AI로, 다양한 언어 모델과 정교한 검색 증강 생성(Retrieval Augmented Generation, RAG) 스택, 고급 데이터 아키텍처를 사용해야 합니다.
앞서 각 산업 분야의 NVIDIA 전문가들이 내년의 기대를 공유한 바 있는데요. 이번에는 기업, 리서치, 스타트업 생태계 전반에서 AI 혁신을 주도하는 기업 전문가들이 인사이트를 공유합니다.
NVIDIA 하이퍼스케일 및 HPC 부문 부사장 이안 벅(Ian Buck)
AI를 발전시키는 추론: AI 모델의 규모와 복잡성이 커짐에 따라 효율적인 추론 솔루션에 대한 수요도 증가할 것입니다.
생성형 AI의 등장으로 추론은 쿼리의 단순한 인식과 응답에서 복잡한 정보 생성으로 변화했죠. 여기에는 여러 출처에서 요약하는 것과 오픈AI o1(OpenAI o1), 라마 450B(Llama 450B)와 같은 거대 언어 모델(large language model, LLM)이 포함되며, 이는 컴퓨팅 수요를 급격히 증가시켰습니다. 새로운 하드웨어 혁신과 지속적인 소프트웨어 개선을 통해 성능은 향상되고 총소유비용은 5배 이상 절감될 것으로 예상됩니다.
모든 것을 가속화하라: GPU가 더욱 널리 채택됨에 따라 업계에서는 기획부터 생산에 이르기까지 모든 것을 가속화하고자 할 것입니다. 새로운 아키텍처는 이러한 선순환 구조에 더해 비용 효율성과 세대를 거듭할수록 훨씬 더 향상된 컴퓨팅 성능을 제공할 것이죠.
국가와 기업은 더 많은 워크로드를 가속화하기 위해 AI 팩토리 구축에 경쟁적으로 나서고 있습니다. 이로 인해 많은 사람들이 데이터센터를 몇 달이 아닌 몇 주 안에 가동할 수 있는 플랫폼 솔루션과 레퍼런스 데이터센터 아키텍처 또는 블루프린트를 찾을 것으로 예상되는데요. 이는 양자 컴퓨팅과 신약 개발 등 세계에서 가장 어려운 과제를 해결하는 데 도움이 될 것입니다.
오류 없이 실행하는 양자 컴퓨팅: 양자 컴퓨팅은 연구자들이 슈퍼컴퓨팅과 시뮬레이션에 집중해 초기 분야의 가장 큰 난제인 오류를 해결함으로써 상당한 진전을 이룰 것입니다.
양자 컴퓨팅의 기본 정보 단위인 큐비트는 노이즈에 취약해 수천 번의 연산만 수행해도 불안정해지는데요. 이 때문에 오늘날의 양자 하드웨어는 유용한 문제를 해결하지 못합니다. 2025년에는 양자 컴퓨팅 커뮤니티가 도전적이지만 중요한 양자 오류 수정 기술을 향해 나아갈 것으로 예상됩니다. 오류 수정에는 빠르고 지연 시간이 짧은 계산이 필요하죠. 또한, 슈퍼컴퓨터 내에 물리적으로 배치돼 특수 인프라의 지원을 받는 양자 하드웨어가 등장할 것으로 예상됩니다.
AI는 이러한 복잡한 양자 시스템을 관리하고 오류 수정을 최적화하며 전반적인 양자 하드웨어 성능을 향상시키는 데 중요한 역할을 할 것입니다. 이처럼 양자 컴퓨팅, 슈퍼컴퓨팅, AI가 가속화된 양자 슈퍼컴퓨터로 융합되면 신약 개발, 재료 개발, 물류 등 다양한 분야의 복잡한 문제를 해결하기 위한 양자 애플리케이션을 실현하는 데 진전이 있을 것입니다.
NVIDIA 응용 딥러닝 리서치 부문 부사장 브라이언 카탄자로(Bryan Catanzaro)
친숙한 AI 만들기: AI는 더욱 친숙하게 사용되고, 감정에 반응하며, 더 큰 창의성과 다양성을 갖추게 될 것입니다. 1세대 AI 모델은 치아를 그리는 것과 같은 단순한 작업에서도 어려움을 겪었습니다. 그러나 AI의 급속한 발전으로 이미지와 비디오 출력물은 훨씬 더 사실적으로 표현되고 있으며, AI가 생성한 음성도 로봇 같은 느낌이 점점 없어지고 있습니다.
알고리즘 및 데이터 세트의 정교화와 80억 인구에게 중요한 존재가 되기 위해서 이러한 발전은 AI의 얼굴과 목소리가 필요하다는 생각하는 기업의 인식에 의해 주도될 것입니다. 또한, 이는 턴 기반 AI 상호작용에서 더 유동적이고 자연스러운 대화로의 전환을 야기할 것입니다. AI와의 상호작용은 더 이상 일련의 교환처럼 느껴지지 않고 보다 매력적이고 인간적인 대화 경험을 제공할 것입니다.
산업 인프라와 도시 계획 재검토: 국가와 산업은 AI가 경제의 다양한 측면을 자동화해 세계 인구가 감소하는 가운데서도 현재의 생활 수준을 유지하는 방법을 모색하기 시작할 것입니다.
이러한 노력은 지속 가능성과 기후 변화에도 도움이 될 수 있죠. 예를 들어, 농업 산업은 밭을 관리하고 해충과 잡초를 기계적으로 제거할 수 있는 자율 로봇에 투자하기 시작할 것입니다. 이는 살충제와 제초제의 필요성을 줄여 지구를 더 건강하게 유지하고, 다른 의미 있는 기여를 위한 인적 자본을 확보할 수 있습니다. 도시 계획 사무소에서 자율주행 자동차를 고려하고 교통 관리를 개선하기 위한 새로운 사고 방식을 기대할 수도 있습니다.
장기적으로는 AI가 전 세계의 시급한 과제인 탄소 배출량 감축과 탄소 저장을 위한 솔루션을 찾는 데 도움을 줄 수 있습니다.
NVIDIA 생성형 AI 소프트웨어 부문 부사장 카리 브리스키(Kari Briski)
AI 에이전트의 효율성을 극대화하는 AI 오케스트레이터: 기업들은 고객 서비스, 인적 자원, 데이터 보안 등 다양한 분야에서 내부 네트워크를 통해 작동하는 반자율 훈련 모델인 여러 AI 에이전트를 보유하게 될 것입니다. 이러한 효율성을 극대화하기 위해 AI 오케스트레이터가 증가할 것으로 예상되는데요. AI 오케스트레이터는 수많은 에이전트에서 작동해 사람들의 문의를 원활하게 라우팅하고 수집된 결과를 해석해 사용자에게 추천과 조치를 행합니다.
이러한 오케스트레이터는 보다 심층적인 콘텐츠 이해, 다국어 기능, PDF에서 비디오 스트림에 이르는 다양한 데이터 유형에 대한 능숙한 활용 능력을 갖추게 될 것입니다. AI 오케스트레이터는 자가 학습 데이터 플라이휠(flywheel)을 기반으로 비즈니스에 특화된 인사이트를 지속적으로 개선할 수 있습니다. 예를 들어, 제조업의 경우 AI 오케스트레이터는 실시간 데이터를 분석하고 생산 일정과 공급업체 협상에 대한 권장 사항을 제시함으로써 공급망을 최적화할 수 있습니다.
이러한 엔터프라이즈 AI의 진화는 산업 전반의 생산성과 혁신을 크게 향상시키는 동시에 접근성을 더욱 높여줍니다. 지식 근로자는 AI 기반 전문가로 구성된 맞춤형 팀을 활용할 수 있어 생산성이 향상될 것입니다. 개발자는 맞춤형 AI 블루프린트를 사용해 이러한 고급 에이전트를 구축할 수 있을 것입니다.
AI 인사이트를 증폭시키는 다단계 추론: AI는 오랫동안 특정 질문에 대한 답변을 제공하는 데 능숙했지만, 주어진 쿼리의 맥락을 깊이 파고들지는 않았습니다. 가속 컴퓨팅과 새로운 모델 아키텍처의 발전으로 AI 모델은 점점 더 복잡한 문제를 해결하고, 더 정확하고 심층적인 분석을 도출할 수 있게 됩니다.
AI 시스템은 다단계 추론이라는 기능을 사용해 ‘생각하는 시간’을 늘립니다. 크고 복잡한 질문을 작은 작업으로 세분화하고 때로는 여러 시뮬레이션을 실행해 다양한 각도에서 문제를 해결하죠. 이러한 모델은 각 단계를 동적으로 평가해 맥락에 맞는 명확한 응답을 보장합니다. 또한, 다단계 추론에는 다양한 출처의 지식을 통합해 AI가 여러 영역에서 논리적인 연결을 만들고 정보를 종합할 수 있도록 합니다.
이는 금융, 의료, 과학 연구, 엔터테인먼트 등 다양한 분야에 영향을 미칠 것으로 예상됩니다. 예를 들어, 다단계 추론 기능을 갖춘 의료 모델은 환자의 진단, 약물, 기타 치료에 대한 반응에 따라 의사가 고려해야 할 여러 가지 권장 사항을 제시할 수 있습니다.
AI 쿼리 엔진 시작하기: 기업과 연구 기관은 페타바이트 단위의 데이터를 보유하고 있는 상황에서 데이터에 빠르게 접근해 실행 가능한 인사이트를 얻는 것이 도전 과제가 되고 있습니다.
AI 쿼리 엔진은 기업이 데이터를 탐색하는 방식을 변화시킬 것입니다. 기업별 검색 엔진은 자연어 처리와 머신 러닝을 사용해 텍스트, 이미지, 동영상을 포함한 정형, 비정형 데이터를 선별할 것입니다. 이를 통해 사용자의 의도를 해석하고 보다 관련성 있고 포괄적인 결과를 제공할 수 있죠.
이러한 변화는 보다 지능적인 의사 결정 과정, 향상된 고객 경험, 산업 전반의 생산성 향상으로 이어질 것입니다. AI 쿼리 엔진의 지속적인 학습 기능은 자체 개선 데이터 플라이휠을 생성해 애플리케이션의 효율성을 높이는 데 도움이 될 것입니다.
NVIDIA DGX 플랫폼 부문 부사장 찰리 보일(Charlie Boyle)
기업에게 고성능 추론을 필수적으로 만드는 에이전틱 AI: 에이전틱 AI의 시대가 열리면서 여러 모델로 구성된 복잡한 시스템에서 거의 즉각적인 응답에 대한 수요가 증가할 것입니다. 따라서 고성능 추론은 고성능 훈련 인프라만큼이나 중요해집니다. IT 리더는 실시간 의사 결정을 위한 성능을 제공하기 위해 에이전틱 AI의 수요에 맞추어 확장 가능하고 특수 목적에 맞게 구축되며 최적화된 가속 컴퓨팅 인프라가 필요할 것입니다.
데이터를 인텔리전스로 처리하기 위한 AI 팩토리 확장: 기업 AI 팩토리는 원시 데이터를 비즈니스 인텔리전스로 변환합니다. 내년에는 기업들이 이러한 팩토리를 확장해 방대한 양의 과거, 합성 데이터를 활용할 것이죠. 이를 통해 소비자 행동과 공급망 최적화부터 금융 시장의 움직임, 공장과 물류창고의 디지털 트윈에 이르기까지 모든 것에 대한 예측과 시뮬레이션을 생성할 것입니다. AI 팩토리는 초기 채택자들이 미래 시나리오에 대응하는 데 그치지 않고 이를 예측하고 구체화하는 데 도움이 되는 핵심 경쟁 우위로 자리 잡을 것입니다.
수냉식 AI 데이터센터: AI 워크로드가 계속 증가함에 따라 선구적인 조직은 성능과 에너지 효율성을 극대화하기 위해 수냉식 냉각으로 전환할 것입니다. 하이퍼스케일 클라우드 제공업체와 대기업들이 수십만 개의 AI 가속기, 네트워킹, 소프트웨어를 수용하는 새로운 AI 데이터센터에 수냉식 냉각을 채택해 선도적인 역할을 할 것입니다.
기업들은 대규모 인텔리전스 제조를 설계, 배포, 운영하는 데 따른 재정적 부담을 덜기 위해 자체 구축보다는 공동 데이터센터 시설에 AI 인프라를 구축하는 방식을 점점 더 많이 채택할 것입니다. 혹은 필요에 따라 용량을 임대할 수도 있죠. 이러한 배치를 통해 기업은 직접 인프라를 설치, 운영할 필요 없이 최신 인프라를 활용할 수 있습니다. 이러한 변화는 수냉식 냉각이 AI 데이터센터의 주류 솔루션으로 더 널리 채택되는 것을 가속화할 것입니다.
NVIDIA 네트워킹 부문 수석 부사장 길라드 샤이너(Gilad Shainer)
네트워크는 가고, 컴퓨팅 패브릭이 온다: 데이터센터의 ‘네트워킹’이라는 용어는 시대에 뒤떨어진 것처럼 보일 것입니다. 데이터센터 아키텍처가 수 마일의 케이블과 여러 데이터센터 시설에 걸치면서, 수천 개의 가속기는 스케일업, 스케일아웃 통신을 통해 서로 효율적으로 통신할 수 있는 통합 컴퓨팅 패브릭으로 변화하고 있기 때문이죠.
이 통합 컴퓨팅 패브릭에는 스케일업 통신을 가능하게 하는 NVIDIA NVLink와 지능형 스위치, SuperNIC, DPU로 구현되는 스케일아웃 기능이 포함됩니다. 이를 통해 가속기 간에 데이터를 안전하게 이동하고 데이터 이동을 획기적으로 최소화하는 계산을 즉시 수행할 수 있죠. 네트워크 전반에 걸친 스케일아웃 통신은 대규모 AI 데이터센터 구축에 매우 중요하며, 몇 달 또는 몇 년이 걸리던 것을 몇 주 만에 가동하고 실행하는 데 핵심이 될 것입니다.
에이전틱 AI 워크로드가 증가함에 따라 모놀리식과 현지화된 AI 모델이 아닌 상호 연결된 여러 AI 모델이 함께 작동하는 통신이 필요합니다. 따라서 컴퓨팅 패브릭은 실시간 생성형 AI를 제공하는 데 필수적인 요소가 될 것입니다.
분산된 AI: 수십만 개의 GPU가 단일 워크로드를 지원할 수 있는 새로운 접근 방식의 이더넷 설계가 등장하면서 모든 데이터센터가 가속될 것입니다. 멀티테넌트 생성형 AI 클라우드와 엔터프라이즈 AI 데이터센터를 위한 AI 팩토리 롤아웃의 대중화에 도움이 될 것입니다.
이 획기적인 기술은 AI가 기업의 플랫폼으로 빠르게 확장되고 AI 클라우드의 구축과 관리를 간소화하는 데도 도움을 줄 것입니다.
기업은 전력 제한과 재생 에너지원에 더 가까운 곳에 구축해야 하는 필요성 때문에 수백, 수천 마일 떨어진 곳에 지리적으로 더 분산된 데이터센터 리소스를 구축할 것입니다. 스케일아웃 통신은 이러한 장거리 데이터 이동을 안정적으로 보장할 것입니다.
NVIDIA AI 에이전트, 수석 연구 과학자 린시 (짐) 환(Linxi (Jim) Fan)
휴머노이드로 진화하는 로보틱스: 로봇은 임의의 언어 명령을 이해하기 시작할 것입니다. 현재 산업용 로봇은 수작업으로 프로그래밍해야 하며, 예측할 수 없는 입력이나 프로그래밍된 언어 이외의 언어에는 지능적으로 반응하지 않는데요. 시각, 언어, 임의의 동작을 통합한 멀티모달 로봇 파운데이션 모델은 이 ‘AI 두뇌’를 발전시킬 것입니다. 또한, 더 뛰어난 AI 추론을 가능하게 하는 에이전틱 AI도 발전할 것입니다.
물론 가정, 식당, 서비스 지역, 공장 등에서 지능형 로봇을 곧바로 볼 수 있는 것은 아닙니다. 그러나 각국 정부가 고령화 사회와 노동력 감소에 대한 해결책을 모색하면서 이러한 사용 사례가 생각보다 빠르게 등장할 수 있습니다. 물리적 자동화는 점진적으로 이루어질 것이며, 10년 후에는 아이폰처럼 보편화될 것입니다.
추론, AI 에이전트의 핵심: 지난 9월에 오픈AI는 복잡한 추론을 수행할 수 있도록 강화 학습으로 훈련된 새로운 LLM을 발표했습니다. 스트로베리(Strawberry)라고 불리는 오픈AI o1은 대답하기 전에 먼저 생각합니다. 그리고 내부적으로 긴 사고의 사슬을 생성해 실수를 수정하고, 복잡한 단계를 단순한 단계로 나누어 사용자의 질문에 응답하죠.
2025년은 많은 연산이 엣지에서 추론으로 전환되기 시작하는 해가 될 것입니다. 애플리케이션은 소형 언어 모델(small language model, sLM)이 마이크로초 단위로 한 번씩 쿼리를 수행한 후 답변을 생성하기 때문에 단일 쿼리에 수십만 개의 토큰이 필요할 것입니다.
소형 모델은 더 에너지 효율적이며, 로보틱스에서 점점 더 중요한 역할을 하게 될 것입니다. 이는 일상 생활에서 인간을 보조할 수 있는 휴머노이드와 로봇을 만들고, 모바일 인텔리전스 애플리케이션을 촉진할 것입니다.
NVIDIA 엔터프라이즈 플랫폼 부문 부사장 밥 피트(Bob Pette)
지속 가능한 확장성 추구: 기업들이 다양한 비즈니스 프로세스를 개선하기 위해 차세대 반자율 AI 에이전트 도입을 준비할 것입니다. 이에 따라, 기업들은 효과적인 대규모 배포를 위한 강력한 인프라, 거버넌스, 인간과 유사한 기능을 만드는 데 집중할 것이죠. 동시에 AI 애플리케이션은 점점 더 로컬 처리 능력을 활용해 얇고 가벼운 노트북과 소형 폼팩터 등의 워크스테이션에서 더 정교한 AI 기능을 직접 실행할 수 있도록 할 것입니다. 또한, AI 기반 작업의 지연 시간을 줄이면서 성능을 개선할 것입니다.
적절한 하드웨어와 소프트웨어 플랫폼에 대한 지침을 제공하는 검증된 레퍼런스 아키텍처는 성능 최적화와 AI 배포 가속화를 위해 매우 중요해질 것입니다. 이러한 아키텍처는 조직이 현재의 요구와 미래의 기술 발전에 맞춰 투자를 진행하도록 지원함으로써 AI 구현의 복잡한 환경을 탐색하는 데 필수적인 도구로 활용될 것입니다.
AI를 통한 건설, 엔지니어링, 디자인 혁신: 건설, 엔지니어링, 디자인 산업에 맞춤화된 생성형 AI 모델이 증가할 것으로 기대됩니다. 이를 통해 효율성은 높이고 혁신이 가속화할 될 것입니다.
건설 분야에서는 에이전틱 AI가 현장 센서와 카메라에서 수집한 방대한 양의 건설 데이터를 해석해 더욱 효율적인 프로젝트 일정과 예산 관리로 이어지는 인사이트를 제공합니다.
AI는 24시간 현실 캡처 데이터(라이더, 사진 측량, 레디언스 필드)를 평가하고 품질, 안전, 규정 준수에 대한 중요한 인사이트를 도출해 오류와 작업장 부상을 줄일 수 있습니다.
엔지니어의 경우, 물리정보 신경망에 기반한 예측 물리학은 홍수 예측, 구조 엔지니어링, 건물 내 개별 방이나 층에 맞춘 공기 흐름 솔루션을 위한 전산유체역학을 가속화해 설계 반복을 단축합니다.
디자인 분야에서는 RAG를 통해 건물 디자인과 시공을 위한 정보 모델링이 현지 건축법을 준수하는지 확인할 수 있습니다. 이는 디자인 초기 단계에서 규정을 준수할 수 있도록 하죠. 확산 AI 모델은 건축가와 디자이너가 키워드 프롬프트와 대략적인 스케치를 결합해 고객 프레젠테이션을 위한 풍부하고 상세한 개념 이미지를 생성할 수 있도록 개념 설계와 부지 계획을 가속화합니다. 이로써 연구와 디자인에 집중할 수 있는 시간을 확보할 수 있습니다.
AI 리서치(AI Reseatch) 부문 부사장 산자 피들러(Sanja Fidler)
예측 불가능한 상황을 예측하라: 일상에서 학습이 가능한 모델이 더 많이 등장할 것입니다. 디지털 인간, 로봇, 심지어 자율주행 자동차가 혼란스럽고 때로는 예측할 수 없는 상황을 이해할 수 있도록 도움을 줄 것입니다. 이러한 모델은 인간의 개입이 거의 없어도 매우 복잡한 기술을 사용할 수 있습니다.
연구실에서 월스트리트에 이르기까지 우리는 5~7년 전 자율주행에 대한 낙관론과 비슷한 과대광고 주기에 접어들고 있습니다. 웨이모(Waymo)나 크루즈(Cruise)와 같은 기업이 제대로 작동하는 시스템을 제공하는 데는 수년이 걸렸으며, 여전히 확장성이 부족한데요. 이는 이들 기업과 테슬라(Tesla)를 비롯한 다른 기업들이 수집한 방대한 데이터는 한 지역에서는 적용 가능하지만, 다른 지역에서는 그렇지 않을 수 있기 때문입니다.
올해 도입된 모델 덕분에 이제 인터넷 규모의 데이터를 사용해 자연어를 이해하고, 인간과 다른 행동을 관찰해 움직임을 모방하는 데 훨씬 적은 자본 비용으로 더 빠르게 이동할 수 있게 됐습니다. 로봇, 자동차, 창고 기계와 같은 엣지 애플리케이션은 현실 세계를 탐색하고 적응하며 상호 작용하기 위해 조정, 민첩성, 기타 기술을 빠르게 학습할 것입니다.
아직은 로봇이 주방에서 커피와 계란을 준비하고 뒷정리를 할 수 없지만, 그런 날이 생각보다 빨리 다가올 수 있습니다.
현실처럼 다가오다: 그래픽과 시뮬레이션 파이프라인 전반에 걸쳐 생성형 AI에 충실도와 사실감이 도입되면서, 초현실적인 게임, AI가 생성한 영화, 디지털 휴먼이 등장하고 있습니다.
기존 그래픽과 달리 대부분의 이미지가 렌더링이 아닌 생성된 픽셀에서 제공되므로, 보다 자연스러운 움직임과 외관을 구현합니다. 상황에 맞는 동작을 개발하고 반복하는 도구를 사용하면 오늘날의 AAA 타이틀보다 훨씬 적은 비용으로 더 정교한 게임을 만들 수 있습니다.
생성형 AI를 도입하는 산업계: 거의 모든 산업에서는 AI를 사용해 사람들의 생활과 여가를 즐기는 방식을 향상시키고 개선할 준비를 하고 있습니다.
농업 분야에서는 AI를 사용해 식품 공급망을 최적화하고 식량 공급을 개선할 것입니다. 예를 들어, AI는 개별 농장의 다양한 작물에서 발생하는 온실가스 배출량을 예측하는 데 사용될 수 있습니다. 이러한 분석은 공급망에서 온실가스를 줄이는 데 도움이 되는 설계 전략을 수립하는 데 도움이 되죠. 교육 분야의 AI 에이전트는 개인의 모국어로 말하고 특정 과목의 교육 수준에 따라 질문하거나 답변하는 등 학습 경험을 개인화할 수 있습니다.
차세대 가속기가 시장에 진입함에 따라, 생성형 AI 애플리케이션을 제공하는 데 있어서도 효율성이 크게 향상될 것입니다. 테스트에서 모델의 훈련과 효율성을 개선함으로써 기업과 스타트업은 이러한 애플리케이션 전반에서 더 빠르고 더 나은 투자 수익을 얻을 수 있습니다.
GPU 소프트웨어 부문 부사장 앤드류 펑(Andrew Feng)
코드 변경 없이 인사이트를 제공하는 가속화된 데이터 분석: 2025년에는 가속화된 데이터 분석이 계속 증가하는 데이터 양과 대응하는 조직들에게 주류 솔루션이 될 것입니다.
기업은 매년 수백 페타바이트의 데이터를 생성하고 있으며, 모든 기업은 이를 활용할 방법을 모색하고 있습니다. 이를 위해 많은 기업이 데이터 분석을 위해 가속화된 컴퓨팅을 도입할 것입니다.
미래에는 ‘코드 변경 없음(no code change)’과 ‘구성 변경 없음(no configuration change)’을 지원하는 가속화된 데이터 분석 솔루션을 통해 조직이 최소한의 노력으로 기존 데이터 분석 애플리케이션과 가속화된 컴퓨팅을 결합할 수 있게 될 것입니다. 생성형 AI 기반 분석 기술은 기존의 프로그래밍 지식이 없는 사용자도 새로운 데이터 분석 애플리케이션을 만들 수 있도록 지원해 가속화된 데이터 분석의 도입을 더욱 확대할 것입니다.
간소화된 개발자 환경을 통해 가속화된 컴퓨팅을 원활하게 통합하면 도입 장벽을 없앨 수 있습니다. 또한, 조직이 고유 데이터를 활용해 새로운 AI 애플리케이션과 더 풍부한 비즈니스 인텔리전스를 활용할 수 있게 될 것입니다.
개발자 기술 부문 이사 네이더 칼릴(Nader Khalil)
스타트업 인력: 2025년에는 프롬프트 엔지니어나 AI 성격 디자이너에 대해 많이 듣게 될 것입니다. 기업이 생산성 향상을 위해 AI를 도입함에 따라 스타트업과 대기업 모두 새로운 기술과 기존 기술을 혼합하는 새로운 범주의 필수 인력이 등장할 것으로 예상됩니다.
프롬프트 엔지니어는 AI 훈련을 최적화하고 원하는 결과를 도출하는 정확한 텍스트 문자열을 설계하고 개선합니다. 이는 챗봇과 에이전틱 AI를 위한 프롬프트 설계의 생성, 테스트, 반복을 기반으로 하는데요. 프롬프트 엔지니어에 대한 수요는 기술 기업을 넘어 법률, 고객 지원, 출판 등의 분야로 확대될 것입니다. AI 에이전트가 확산됨에 따라, 기업과 스타트업은 고유한 성격을 지닌 에이전트를 강화하기 위해 AI 성격 디자이너에게 점점 더 의존할 것입니다.
컴퓨터의 등장으로 컴퓨터 사이언티스트, 데이터 사이언티스트, 머신 러닝 엔지니어와 같은 직종이 생겨난 것처럼, AI는 다양한 유형의 업무를 창출해 강력한 분석 기술과 자연어 처리 능력을 갖춘 사람들에게 더 많은 기회를 제공할 것입니다.
직원 효율성 향상: AI를 업무에 도입하는 스타트업은 투자자, 비즈니스 파트너와 대화할 때 직원 1인당 수익(RPE)을 점점 더 자주 언급할 것입니다.
‘모든 비용을 감수한 성장’이라는 사고방식 대신, AI가 인력을 보완함으로써, 각 새로운 직원의 고용이 비즈니스의 다른 모든 구성원이 더 많은 수익을 창출하는 데 어떻게 기여하는지에 대해 스타트업 소유자들은 집중적으로 분석할 수 있게 됩니다. 스타트업 업계에서 RPE는 AI에 대한 투자 수익률과 대기업, 기술 기업과의 경쟁 속에서 역할을 수행해야 하는 과제에 대한 논의에 적합합니다.
편집자 노트: AI 솔루션 지출에 대한 수치는 IDC의 ”IDC 미래 전망: 전 세계 생성형 AI 2025 예측(IDC FutureScape: Worldwide Generative Artificial Intelligence 2025 Predictions)” 보고서(문서 번호: US52632924)에서 가져온 것으로, 2024년 10월에 발행됐습니다. AI의 경제적 영향에 대한 데이터는 IDC의 보도 자료 “IDC 미래 전망: AI 기반 비즈니스로의 전환(IDC FutureScape: The AI Pivot Towards Becoming an AI-Fueled Business)”에서 가져온 것으로, 2024년 10월에 발행됐습니다.