엔지니어링 신뢰(Engineering Trust)
데이터 패브릭(Data Fabric)
▪ 데이터 패브릭은 플랫폼과 사용자 전반에 걸쳐 데이터를 통합하여 필요한 모든 곳에서 데이터를 사용할 수 있도록 합니다.
▪ 내장된 분석 읽기 메타데이터 내에서 데이터 패브릭은 사용 중인 데이터를 학습할 수 있습니다. 실제 가치는 더 다양하고 더 나은 데이터를 추천하여 데이터 관리를 최대 70%까지 줄이는 능력에 있습니다.
▪ 데이터 패브릭을 데이터 및 연결 프로세스의 통합 레이어(패브릭) 역할을 하는 설계 개념으로 정의합니다. 데이터 패브릭은 기존의 검색 가능하고 추론된 메타데이터 자산에 대한 지속적인 분석을 활용하여 하이브리드 및 다중 클라우드 플랫폼을 포함한 모든 환경에서 통합되고 재사용 가능한 데이터의 설계, 배포 및 활용을 지원합니다.
사이버보안 메시(Cybersecurity Mesh)
▪ 오늘날, 디지털 비즈니스 자산은 많은 클라우드와 데이터 센터에 분산되어 어느 곳에서나 존재할 수 있습니다. 따라서, 기업 경계에 초점을 맞춘 기존의 단편화된 보안 접근 방식이 더 이상 가장 적합한 방식은 아닙니다.
▪ 사이버 보안 메시 아키텍처는 확장 가능하고 상호 운용 가능한 서비스를 만들기 위해 ID를 기반으로 하는 보안에 대한 구성 가능한 접근 방식을 제공합니다.
▪ 공통 통합 구조는 위치에 관계없이 모든 자산을 보호하여 IT 서비스의 기반 전반에 걸쳐 확장되는 보안 접근 방식을 가능하게 합니다.
▪ 가트너는 2024년까지 사이버 보안 메시 아키텍처(CSMA)를 채택하여 보안 도구를 통합하여 협력 생태계로 작동하는 조직은, 개별 보안 사고의 재정적 영향을 평균 90%까지 줄일 수 있을 것이라고 합니다.
* 사이버 보안 메시 아키텍처 : 공통 인터페이스와 API가 있는 통합 도구를 보안 프로세스와 중앙 집중형 관리, 애널리틱스, 기업 전반의 인텔리전스에 제공하는 방식
개인정보보호 강화 컴퓨테이션(Privacy-Enhancing Computation)
▪데이터의 진정한 가치는 단순히 보유하는 것이 아니라 AI 모델, 분석 및 통찰력에 데이터가 사용되는 방식에 있습니다.
▪PEC(Privacy-enhancing Computation) 접근 방식을 사용하면 생태계 전반에서 데이터를 공유하여 가치를 창출하면서도 개인 정보를 보호할 수 있습니다.
▪접근 방식은 다양하지만 기밀성 및 개인정보를 손상시키지 않고 처리(공유,분석,풀링 등)할 수 있도록 민감한 데이터를 암호화, 분할 또는 사전 처리하는 것이 포함됩니다.
▪ 미국의 한 비영리단체의 플랫폼에서는 동형(homomorphic encryption) 암호화를 사용하여 파트너는 검색과 결과가 모두 암호화된 상태에서 매우 민감한 데이터에 대해 데이터 검색을 수행할 수 있도록 하여 파트너가 언제든지 개인 데이터나 규제 대상 데이터를 노출하지 않고도 민감한 쿼리를 제출할 수 있습니다.
▪가트너에 따르면 2025년까지 대기업의 60%가 분석, 비즈니스 인텔리전스 또는 클라우드 컴퓨팅에서 하나 이상의 개인 정보 보호 강화 컴퓨팅 기술을 사용할 것이라고 합니다.
클라우드 네이티브 플랫폼(Cloud-Natvie Platforms:CNP)
▪ Lift & Shift 클라우드 마이그레이션은 기존 Legacy 워크로드를 그대로가져와 클라우드에 배치하는 데 중점을 둡니다. 이러한 워크로드는 클라우드용으로 설계되지 않았기 때문에 유지 관리가 많이 필요하고 이점을 활용하지 못하는 반면에 클라우드 네이티브 플랫폼은 클라우드 컴퓨팅의 핵심 탄력성과 확장성을 사용하여 가치 실현 시간을 단축하고, 인프라에 대한 종속성을 줄여 대신 애플리케이션 기능에 집중할 수 있는 시간을 확보합니다.
▪ 가트너에 따르면 2025년까지 클라우드 네이티브 플랫폼은 현재(21년) 40% 미만에 불과하지만, 새로운 디지털 이니셔티브의 95% 이상이 클라우드 네티이트 플랫폼을 기반으로 할 것이라고 예측 했습니다.
변화를 조각(Sculpting Change)
컴포저블 애플리케이션(Composable Applications)
▪ 컴포저블 애플리케이션은 비즈니스 중심의 모듈식 컴포넌트로 구성되어 있는 애플리케이션을 뜻 합니다.
▪ 이러한 모듈식 컴포넌트는 패키지된 비즈니스 기능(PBCs-Packaged-business capabilities) 혹은 소프트웨어 정의 객체(Software-defined business objects)라고도 합니다.
▪컴포저블 애플리케이션은 코드는 각 비즈니스에 맞춰서 손쉽게 재사용이 가능한 구조로 되어 있기 때문에, 기존 모듈을 재활용하여 서비스의 시장 출시를 신속하게 하여 TTM(Time To Market)을 이룰 수 있습니다.
▪ 가트너에 따르면 2024년까지 새로운 SaaS 및 맞춤형 애플리케이션을 위한 디자인 만트라(Mantra)*는 "구성 가능한 API 우선 또는 API 전용"이 될 것이라고 합니다.
* Mantra : 자주 반복되고 특정한 강한 신념을 표현하는 단어 또는 구.
의사결정 인텔리전스(Decision Intelligence)
▪ 의사 결정은 다양한 경험과 편견의 영향을 받을 수 있지만 빠르게 변화하는 세상에서 조직은 더 나은 결정을 더 빨리 내려야 합니다.
▪의사결정 인텔리전스는 프레임워크를 통해 의사결정을 모델링하여 조직의 의사결정을 개선합니다.
▪의사 결정에 대한 학습 및 피드백을 기반으로 결정을 관리, 평가 및 개선을 지속적으로 수행할 수 있습니다.
▪ 데이터, 분석 및 AI를 통합하면 의사 결정을 지원, 강화 및 자동화하는 의사 결정 인텔리전스 플랫폼을 만들 수 있습니다.
하이퍼 오토메이션(Hyperautomation)
▪ 성장, 디지털화 및 운영 효율성에 대한 초점이 증가함에 따라 더 우수하고 광범위한 자동화에 대한 필요성이 강조되었습니다.
▪ 하이퍼 오토메이션(초자동화)는 가능한 한 많은 비즈니스 및 IT 프로세스를 식별, 검증 및 자동화하는 비즈니스 중심 접근 방식입니다.
▪이를 위해서는 RPA, 로우 코드 플랫폼 및 프로세스 마이닝 도구를 비롯한 여러 기술 도구 및 플랫폼의 오케스트레이션된 사용이 필요합니다.
▪자동화에 따른 시너지 효과와 비즈니스 결과를 보장하기 위해서 개별 자동화가 아닌
AI 엔지니어링(AI Engineering)
▪AI 엔지니어링은 AI로부터 일관된 비즈니스 가치를 제공하기 위해 통합 데이터와 모델 및 개발 파이프라인을 사용하여 AI 모델에 대한 업데이트를 운영하는 분야로, 자동화된 업데이트 파이프라인과 강력한 AI 거버넌스를 결합합니다.
▪ 가트너에 따르면, 2025년까지 AI 엔지니어링 모범 사례를 수립한 기업의 10%는 그렇지 않은 기업의 90%보다 AI 노력을 통해 최소 3배 더 많은 가치를 창출할 것이라고 합니다.
성장 가속화(Accelerating Growth)
분산형 기업(Distributed Enterprises)
▪ 분산 기업은 코로나19로 인해 다음의 두 가지 영역에서 발생했습니다.
- 원격으로 일하는 직원들은 다른 도구와 향상된 유연성이 필요
- 소비자는 점점 더 전통적인 물리적 수단을 통해 이용할 수 없게 됨.
▪분산 기업은 소비자 접점을 디지털화 하고 제품 지원 경험을 구축하기 위한 가상 우선(Virtual-First), 원격 우선(Remote-First) 아키텍처 접근 방식입니다.
▪가령, 디지털 드레스룸을 통해 고객은 가상으로 스타일을 시도해 본다거나, 지리 위치 정보를 사용하여 고객이 필요로 하는 서비스 중에서 가까운 서비스 위치를 제공할 수 있게 합니다.
▪가트너는 2023년까지 분산형 기업의 이점을 활용한 조직의 75%가 경쟁사보다 25% 빠른 매출 성장을 실현할 것으로 예상했습니다.
총 경험(Total Experience)
▪ 전체 경험(TX)은 고객 경험(CX), 사용자 경험(UX), 직원 경험(EX) 및 다중 경험(MX)의 네 가지 분야를 통합하여 소비자와 직원을 위한 더 나은 경험을 창출하여, 성장을 가속화 하는 것입니다.
▪총 경험의 목표는 모든 이해 관계자에 대한 경험을 전체적으로 관리하고, 각 경험 요소를 연결하고 개선함으로써 비즈니스 성장을 이끌어 내는 것입니다.
자율 시스템(Autonomic Systems)
▪ 자율 시스템(autonomic systems)은 각 환경에서 학습하는 '자체 관리(self managing) 물리적 또는 소프트웨어 시스템' 입니다.
▪ 자율(autonomous) 또는 자동화 시스템(automated systems)과 달리 소프트웨어 업데이트 없이 자체 알고리즘을 동적으로 수정할 수 있습니다.
▪ 따라서 신속한 대응이 가능하므로 복잡한 환경의 규모에 맞게 관리할 수 있습니다.
▪ Ericsson은 복잡한 환경에서 수천 개의 휴대폰 마스트(masts)를 관리합니다. 자율 시스템은 강화 학습과 디지털 트윈digital twins)을 사용하여 5G 네트워크 성능을 동적으로 최적화합니다.
생성형 AI(Generative AI)
▪생성형 AI는 샘플 데이터에서 인공물의 디지털 표현을 학습하고 이를 사용하여 훈련 데이터와 유사성을 유지하지만 반복하지 않는 새롭고 독창적이며 사실적인 인공물을 생성하는 AI의 한 형태입니다.
▪ 이를 통해 생성형 AI는 소프트웨어 코드를 만들거나, 신약 개발 혹은 타겟 마케팅과 같은 분야에서 활용 될 수 있습니다.
▪가트너에서는 현재는 1% 미만만이 생성형 AI를 통해서 생성된 데이터이지만 2025년에는 데이터의 10%가 생성형 AI를 통해서 만들어질 것이라고 예상합니다.
