-
Tech Blog
디지털 전환이 선택이 아닌 필수가 되면서, 많은 기업 및 기관은 문서중앙화 시스템(ECM)을 도입해 효율적인 문서 관리와 강화된 보안을 기대하고 있습니다.그러나 최근 문서중앙화 시스템을 도입한 일부 기업에서 해킹사례가 증가하고 있습니다. 문서중앙화 시스템은 기업 내 문서를 효율적으로 관리하고, 기업 내부 문서에 대한 보안을 강화하기 위한 목적으로 도입되지만, 랜섬웨어, 바이러스 등에 취약한 보안 위협을 받고 있습니다. 오늘 포스팅에서는 더욱 안전한 문서중앙화 시스템을 만드는 ‘네임스페이스’ 방식 아키텍처에 대해 알아보겠습니다. 해킹에 취약한 파일서버 방식 아키텍처 기업 내 문서 보안을 위해 ECM을 도입함에도 해킹사례가 증가하는 원인이 무엇일까요? 정보보안 업계 관계자들은 “최근 발생하는 공공기관 및 기업의 문서 유출 사고는 파일 서버 방식의 시스템이 보안에 취약하기 때문이며, 특히 데이터 유출과 악성코드(랜섬웨어) 감염 및 확산에 취약한 문서중앙화 시스템의 아키텍처 구조가 주요 원인으로 지목되고 있다”고 파악하고 있습니다.국내 문서중앙화 솔루션 대부분은 랜섬웨어 및 악성코드 침입에 취약한 파일서버 방식으로 되어 있습니다. 파일서버 방식은 개인 PC 사용과 동일해 초기 사용 편의성이 높다는 장점이 있습니다. 하지만 파일서버 방식은 중앙 집중식 서버 구조로 랜섬웨어나 악성코드 침입에 취약하고, 문서가 특정 드라이브에 물리적으로 저장되어 있어 오히려 한 번의 보안 침해로 인해 전체 데이터 및 문서가 쉽게 유출될 수 있다는 치명적인 단점을 갖고 있습니다. 또한 사용자 수 증가에 따른 시스템 성능 저하 문제가 발생할 수 있으며, 단순 문서 저장의 개념에 머물러 있어 공유와 협업이 어렵고, 최신 IT 트렌드와의 연계 활용에도 한계가 있습니다. 이렇게 파일서버 방식이 보안이 취약함에도 불구하고, 많은 기업 및 기관들은 초기 도입 비용 및 사용 편의성이 높다는 이유로 도입하는 경우가 많습니다. 하지만 문서중앙화 시스템을 도입하는 가장 큰 이유를 다시 한 번 생각해본다면, 이러한 파일 서버 방식의 문서중앙화시스템 도입은 기업의 중요 문서 및 기밀 자산의 보안을 위해 재검토해보아야 할 것입니다. 안전한 문서중앙화 시스템 아키텍처는? 파일서버 방식과 다르게, Namespace(네임스페이스) 기반의 문서 중앙화는 문서의 실제 위치와 상관없이 가상으로 문서 자원을 관리함으로써, 랜섬웨어가 특정 드라이브를 감염시키더라도, 실제 문서가 물리적으로 해당 위치에 없기 때문에 감염을 피할 수 있습니다. 네임스페이스 방식 문서중앙화 시스템은 이렇듯 랜섬웨어 및 악성코드의 침입이 불가능한 구조로 보안 안정성이 뛰어나며, 대용량 데이터도 안정적으로 처리할 수 있습니다. 또한, 사용자 수가 증가해도 성능 저하가 없어 효율적인 시스템 운영이 가능합니다. 메타넷디엘의 ‘SOLME’ ECM 솔루션은 네임스페이스 기반으로 구축되었습니다. SOLME는 개인PC, 이메일, 파일서버 등 다양한 방식으로 분산 관리되던 기업 내부 자료를 중앙에 자동 보관, 통합, 관리해 모든 문서를 자산화하고 자료 유출을 방지합니다. 또한 SOLME는 단순히 문서를 저장 및 공유하는 것에 그치지 않고, 인공지능(AI) 대규모 언어모델(LLM) 기능을 연계해, 기업 내부 데이터 및 자료를 활용해 업무 효율성 및 생산성을 높일 수 있는 솔루션입니다. 더욱 안전한 문서중앙화 솔루션 SOLME ECM에 대해 알아보고 싶다면, 메타넷디엘과 상담하세요!
2025.03.06
-
Tech Blog
1월 말 '딥시크'가 등장하면서 전 세계가 말 그대로 발칵 뒤집혔습니다. 이 AI의 개발 비용은 560만 달러로, 메타가 '라마3'를 만들 때 투입했던 비용의 10분의 1 수준에 불과합니다. 일부에서는 이 비용이 과장됐다는 추정을 내놓기도 했지만, 어쨌든 비싼 GPU와 반도체를 쓰지 않고도 고성능의 AI를 만들 수 있다는 사실에 많은 사람들이 충격을 받았습니다. AI 정보 유출 논란딥시크가 화제가 된지 얼마 되지 않아, 국내 정부기관과 기업들은 '딥시크 사용 금지령'을 내렸습니다. 개인정보 및 기밀 유출 우려가 있었기 때문입니다. 실제로 딥시크는 사용자의 키보드 습관까지 파악하는 등, 과도한 정보를 수집하는 것으로 알려져있습니다. 캐나다의 사이버 보안 기업은 딥시크 코드에 중국 국영 통신사인 차이나모바일에 사용자 개인정보를 전송하는 기능이 숨겨져 있다고 주장하기도 했죠. 개인정보보호위원회는 이달 17일 딥시크 앱에 대해 국내 서비스 잠정 중단 조치를 내렸습니다. 개인정보위에 따르면 자체 분석을 진행한 결과, 제3사업자와의 통신 기능 및 개인정보 처리 방침 상 미흡한 부분이 확인됐습니다. 또한 앱 이용자 정보가 일부 틱톡 모회사인 '바이트댄스'로 넘어간 사실도 확인됐습니다. 한국 AI 시계 빨라지나? 개인정보 유출, 과장된 개발비 등 논란과는 별개로 딥시크가 AI 개발에 대한 인식의 전환을 가져온 것은 분명합니다. AI 개발이 천문학적인 비용으로 인해 미국 빅테크 기업만이 소화 가능한 영역이라는 것이 기존의 통념이었으나, 딥시크는 충분한 기술력을 갖춘 스타트업도 AI 모델을 개발할 수 있다는 것을 입증했습니다. 미중 AI 패권 전쟁이 치열해지는 가운데, 정부는 뒤처지지 않기 위해 부랴부랴 대응에 나섰습니다. 20일 개최된 '제3차 AI컴퓨팅 인프라 특별위원회'에서는 '월드 베스트 LLM 프로젝트' 추진 소식이 전해졌습니다. 'AI 국가대표 정예팀'을 선발해 글로벌 톱 수준의 LLM을 개발하는 것이 목표입니다. 이들에게 필요한 데이터와 GPU 등 핵심 인프라를 집중 지원할 계획입니다. 또한 고성능 GPU 1만장을 조기확보해 국가AI컴퓨팅센터 서비스를 조기 개시할 계획을 밝혔습니다. 범용 인공지능 독자 기술 확보를 위해 약 1조원 규모의 R&D 프로젝트를 추진하겠다는 방안도 언급됐습니다. 딥시크는 보안 이슈 등 다양한 후폭풍을 일으키며 미·중 AI 패권 경쟁의 신호탄이 됐습니다. 우리 정부도 AI 경쟁력 강화를 위해 나섰지만, 단순한 자원 투입만으로는 글로벌 시장에서 살아남기 어렵다는 지적이 나옵니다. 전문가들은 AI 안보 강화를 위해 자체 AI 역량 확보가 필수적이라며, 이를 뒷받침할 실효성 있는 규제 개선과 투자가 필요하다고 강조합니다. 딥시크가 촉발한 변화 속에서 한국 AI 산업이 도약할 수 있을지, 앞으로의 대응이 주목됩니다.
2025.02.26
-
Tech Blog
숨가쁜 속도로 AI(인공지능) 기술이 발전하고 이를 뒷받침하는 생태계도 빠르게 성장하고 있습니다. 이제 한 발 떨어져서 AI를 관찰, 분석하던 단계에서 대학의 핵심 역량으로 전환시키는 접근이 요구되는 시점입니다. AI 인프라는 대학에 필요한 어답티브 러닝 시스템, AI 조교 및 챗봇 같은 AI 서비스의 개발과 운영을 위해 우선적으로 갖춰야 할 환경입니다. 대학의 요구 사항이 잘 반영된 AI 인프라는 대학의 AI 서비스 개발과 운영 효율 그리고 성공적 활용을 보장하는 토대입니다. 오늘 포스팅에서는 대학의 성공적인 AI 인프라 구축에 필요한 기술 항목을 정리했습니다. AI 인프라 구성 요소 대학이 목표한 결과 달성을 지원할 수 있는 AI 인프라 구축에는 다양한 요소들이 포함됩니다. 데이터 관리 시스템을 시작으로 AI 플랫폼과 툴, 컴퓨팅 시스템 및 네트워크가 요구되고 이들 요소들을 구조적으로 통합하고 활용하기 위한 구축 전략과 방법론이 필요합니다. 하나씩 살펴보겠습니다. ▶ 데이터 저장 & 관리AI 구현에는 안전성, 확장성, 그리고 중앙 집중화된 데이터 관리가 필수적입니다. 이를 위해 구조화된 데이터뿐만 아니라 비구조화된 데이터, 이미지 등 다양한 유형의 데이터를 신속하게 처리하고, 정제·변환·관리할 수 있는 체계적인 데이터 관리 체계가 필요합니다.▶ 컴퓨팅 시스템 AI 모델 생성, 학습과 추론에는 많은 컴퓨팅 자원이 투입됩니다. 온프레미스, 클라우드 및 두 방식을 섞은 하이브리드 모델이 가능합니다. 요즘은 시간과 비용에서 장점을 가진 클라우드 방식을 선호하는 대학이 많습니다. ▶ AI플랫폼 & 툴AI 서비스에 최적화된 AI 모델 개발(텐서플로우, 파이토치 등), 모델 훈련(MLflow, W&B), 배포(도커, 쿠버네티스), 모니터링 및 관리 기능을 제공하는 요소들로 수준 높은 AI 서비스를 구현하는 핵심입니다.▶ 네트워크AI 서비스 개발과 운영 과정에는 대량의 데이터 트래픽이 발생하기 때문에 이를 위한 고대역폭의 네트워크 능력이 요구됩니다.▶ 보안AI가 이용할 민감 데이터를 보호하고 개인정보보호법 등 규정 준수를 위해 접근 제어, 암호화 같은 강력한 보안 체계를 필요로 합니다. 데이터 저장 & 관리 데이터는 AI 서비스 수준을 결정하는 지표입니다. 따라서 관련성 높은 양질의 데이터가 많을수록 AI 모델의 성능도 좋아집니다. 체계적 데이터 관리가 필요한 이유입니다. - 데이터 관리 AI 데이터의 저장 및 관리 방식을 의미합니다. 최근에는 원본 데이터를 데이터 레이크에 저장하고, 특정 AI 서비스에 활용할 데이터를 정제·처리하여 데이터 웨어하우스에서 관리하는 하이브리드 방식을 택하는 대학이 늘고 있습니다. - 데이터 저장데이터 저장 방식으로는 확장성과 경제성이 뛰어난 클라우드 스토리지, 높은 데이터 통제력을 제공하는 온프레미스, 그리고 두 방식을 결합한 하이브리드 모델을 활용할 수 있습니다. - 데이터 관리 툴AI 데이터 관리를 위해 오라클 같은 DBMS, 하둡 및 스파크 등의 빅데이터 처리 프레임워크, ETL 등 데이터 통합 툴 및 데이터 에셋 발견, 분류와 기록을 위한 데이터 카달로그 툴이 필요합니다. - 데이터 거버넌스 & 보안 AI 데이터의 소유권, 품질, 접근 권한 및 개인정보 보호와 관련된 명확한 정책이 수립되어야 합니다. 또한, 이를 실행하기 위한 접근 제어, 암호화, 데이터 마스킹, 정기 감사, 그리고 규정 준수 방안이 마련되어야 합니다. - 데이터 라이프 사이클AI 데이터 입력, 저장, 처리, 분석과 학습, 모델 배포 및 아카이빙 그리고 삭제로 이어지는 데이터 라이프 사이클 정의와 운영 프로세스 수립이 필요합니다. 컴퓨팅 시스템 AI 서비스 개발과 운영에는 많은 컴퓨팅 자원이 필요하며, 높은 비용 구조와 전문적 관리 역량이 요구됩니다. 따라서, 비용, 인력, 기술적 역량 등을 종합적으로 고려한 AI 인프라용 컴퓨팅 체계 기획이 필수적입니다. - 컴퓨팅 자원가장 기본적인 자원인 CPU를 포함해 GPU, TPU와 특정 AI 서비스에 맞춘 커스텀 하드웨 개발에 이용되는 FPGA 등이 필요할 수 있습니다. - 컴퓨팅 방식확장성과 경제성이 높은 클라우드, 대학 자체적으로 관리 및 통제 가능한 온프레미스 빙식 및 둘을 합친 하이브리드를 선택할 수 있습니다. - 고려 사항대학에 가장 적합한 컴퓨팅 체계를 선정하기 위해 AI를 적용할 업무의 요건, 비용 구조, 확장성 및 관련 인력 현황 그리고 유지보수 방식 등을 고려해야 합니다. AI 플랫폼 & 툴 AI 플랫폼은 AI 모델 구축, 학습, 배포에 필요한 모든 구성 요소를 통합적으로 제공하는 솔루션이며, AI 툴은 AI 워크플로 내에서 특정 작업을 수행하는 전문화된 도구로 정의할 수 있습니다. 대학은 목표하는 AI 서비스 모델과 특성에 맞춰 적절한 플랫폼과 툴을 선택할 수 있습니다. - AI 플랫폼AI 플랫폼은 5가지 기능 - AI 모델 개발(텐서플로우 등), 데이터 준비, 모델 훈련(MLflow 등), 배포, 모니터링 & 관리 -을 제공합니다. - AI 툴필요한 AI 툴에는 개발 언어(파이썬 등), 머신러닝 프레임워크(텐서플로우 등), 데이터 사이언스 라이브러리(넘피 등), 딥러닝 라이브러리(케라스 등) 및 기계 학습 라이프사이클을 관리하는 MLflow 등을 포함됩니다. - 고려 사항최적의 AI 플랫폼과 툴 선정하기 위해 대학이 고려할 사항은 다음과 같습니다.AI 프로젝트 요건 | 사용 편리성 | 예상 비용 | 확장성 | 대외 시스템 통합 | 커뮤니티 및 지원 네트워크 AI 개발 작업은 네트워크 의존도가 매우 높으며, 특히 대규모 데이터셋과 분산 처리가 필요한 작업에서는 더욱 중요합니다. 네트워크는 컴퓨팅 시스템과 AI 플랫폼의 성능을 극대화하기 위한 필수적인 기반 인프라입니다. - 주요 기능잘 구성된 네트워크는 AI 모델 학습 과정에서 생기는 데이터 전송(스토리지 <-> 컴퓨팅 시스템 <-> AI 워크플로우), 멀티플 GPU와 서버를 이용한 분산 학습 그리고 대량의 트래픽이 발생하는 AI 모델 배포 작업의 안정적 처리를 보장합니다. - 주요 기술AI 서비스 개발을 위한 네트워크 환경에 이더넷, HPC와 AI 클러스트에 사용되는 인피니밴드, 네트워크 성능 최적화를 위한 SDN, 최적의 메모리 활용을 위한 RDMA 기술 등을 연계해서 활용하는 경우가 늘고 있습니다. - 고려 사항AI 개발과 운영 효율을 높여줄 수 있는 네트워크 인프라를 위해 네트워크 대역폭 확보, 지연 시간 최소화 대책, 최적의 데이터 흐름과 성능 보장을 위한 네트워크 토폴로지 설계, 네트워크 혼잡 제어 대책 그리고 확장성이 검토돼야 합니다. 물론 보안은 두 말하면 잔소리입니다. 보안 AI 서비스 개발과 운영에서 보안은 절대 타협할 수 없는 요소입니다. 특히 대학에서는 학생과 교직원의 민감한 데이터 및 기밀 연구 데이터를 보호해야 하기 때문에, AI 서비스 기획 단계부터 철저한 보안 전략 및 체계적인 계획 수립이 필수적입니다. - AI 보안 위험AI학습 데이터에 악성 코드를 숨겨 놓는 데이터 포이즈닝, 학습 데이터나 모델을 조작하는 모델 인버전 공격과 입력 데이터를 왜곡하는 애브버세리얼 공격 등이 AI 확산과 함께 증가하기 때문에 보안체계도 이에 맞게 진화해야 됩니다. - 주요 기술AI 데이터 보안에는 암호화, 접근 제어, 데이터 검증과 민감 정보 제거 기술을 적용하고, AI 모델에는 애드버세리얼 공격에 대비한 모델 하드닝, AI모델 무결성 점검, 모델 버전 관리 및 주기적 감사 기술을 이용할 수 있습니다. 또한 AI 서비스에는 입력 검증, 사용자/권한 인증 및 보안 테스트 실행 등을 추천합니다. 최근에는 AI 기술을 이용한 침입 탐지, 악성코드 탐지, 비정상 행위 및 취약성 스캐닝 보안 기법도 많이 활용하고 있습니다. - 고려 사항검증된 보안 기술은 안전한 AI 서비스 개발과 운영을 보장합니다. 하지만 기술만으로는 완벽한 보안을 담보할 수 없습니다. 기술 도입과 더불어 데이터 수집과 저장, 사용, 삭제 관련 기준과 프로세스(즉, 라이프 사이클)를 정의하고 대학 내부의 데이터 사일로 통합 및 관리 체계도 고려되어야 합니다. 그리고 마지막으로 데이터를 다루는 인원 대상의 보안 교육이 주기적으로 이뤄져야 합니다. AI 인프라 구축은 대학의 지속 가능성을 확보하기 위한 전략적 투자로 해석되어야 합니다. 완성도 높은 AI 서비스의 개발과 운영을 지원하기 위해서는 데이터 저장 및 관리, 컴퓨팅 체계, AI 플랫폼 및 툴, 네트워크, 보안의 다섯 가지 핵심 요소를 면밀히 검토해야 합니다. 지속 가능한 AI 인프라는 기술만으로 완성되지 않습니다. 기술뿐만 아니라 명확한 데이터 관리 정책과 프로세스(데이터 라이프사이클) 정의, 그리고 관련 인력을 위한 교육과 훈련 프로그램이 함께 마련되어야 합니다. 대학 내 AI 인프라 구축에 관심이 있으시다면, 메타넷디엘과 상담하세요!
2025.02.18
-
Tech Blog
최근 기업들은 인공지능을 통한 혁신을 꾀하고 있습니다. 델 테크놀로지스는 기업이 AI를 효과적으로 도입하고 활용할 수 있도록 '델 AI 팩토리'를 선보이고 있습니다. 오늘 포스팅에서는 델 AI 팩토리가 무엇인지 자세히 알아보겠습니다. 델 AI 팩토리란? 델 테크놀로지스의 'AI 팩토리'는 기업이 AI를 효과적으로 도입하고 활용할 수 있도록 지원하는 통합 솔루션 및 서비스 생태계입니다. 이 플랫폼은 서버, 스토리지, 네트워크 등 델의 엔드투엔드(E2E) AI 포트폴리오를 기반으로 구축되었으며, 엔비디아, 인텔, 스노우플레이크 등 다양한 파트너사와의 협력을 통해 개방형 생태계를 형성하고 있습니다. 즉, 기업은 생성형 AI를 포함한 모든 AI 워크로드를 지원할 수 있는는 '델 AI 팩토리' 솔루션을 통해 비즈니스 혁신을 빠르게 추진할 수 있습니다. 'AI 팩토리'는 기업의 AI 도입을 가속화하고, 데이터의 가치를 최대한 활용할 수 있도록 설계되었습니다. 이를 통해 기업은 데이터 수집 및 저장부터 분석, 모델 구축, 훈련, 추론, 비즈니스 적용에 이르는 AI 수명주기 전반을 효율적으로 관리할 수 있습니다. 특히, 델의 AI 팩토리는 기업의 고유한 AI 수요를 충족시키기 위해 맞춤형 솔루션을 제공합니다. 이를 통해 기업은 비용을 효율적으로 관리하고 투자 대비 수익(ROI)을 향상시킬 수 있습니다. 또한, 강력한 데이터 보호 솔루션을 통해 기업의 데이터를 안전하게 보호하고, 지적 재산을 보호하여 위험을 줄이고 신뢰를 구축할 수 있습니다. 유티모스트INS와 함께하는 델 AI 팩토리 도입 유티모스트INS는 델 AI 솔루션을 제공하는 전문 파트너사로, 인공지능 워크로드를 지원하기 위한 종합적인 인프라, 소프트웨어 통합, 클라우드 전략 및 전문 서비스를 제공합니다. 인프라스트럭처는 AI 팩토리의 토대입니다. 유티모스트INS는 데스크탑부터 클라우드에 이르는 광범위한 델의 AI 포트폴리오를 제공하여, AI 투자 규모를 적절히 조정하고 어디서나 AI를 유연하게 배포할 수 있도록 지원합니다. 이를 통해 AI 최적화 서버, 스케일아웃 스토리지, 하이퍼컨버지드 인프라(HCI), 데이터 보호 등 다양한 인프라를 지원합니다. 또한, 개방형 생태계를 통해 다양한 툴과 데이터 소스를 활용하여, 고객이 데이터를 완벽하게 제어하면서도 커뮤니티와의 협업을 촉진하는 오픈 소스 환경에서 생성형 AI를 지원합니다. 델의 전문팀과 유티모스트INS는 개방형 파트너 생태계를 갖추고 있어, 포괄적인 지원을 통해 고객이 원하는 AI 혁신 활동을 최대한 활용할 수 있도록 합니다. 유티모스트INS는 엔드 투 엔드 AI 솔루션을 통해 데이터 수집부터 모델 배포까지 전 과정을 가속화하며, 확장성과 보안을 강조합니다. 고객은 사전 검증된 아키텍처와 파트너 생태계를 통해 신속한 AI 도입이 가능합니다. 작성: 유티모스트INS Dell Cloud 사업본부
2025.02.14
-
Tech Blog
많은 기업이 디지털 전환(DX)의 길을 걷고 있습니다. 그리고 이 길은 최근 인공지능 전환(AX)으로 이어지고 있습니다. 이런 변화 속에서 엔터프라이즈 컴퓨팅은 클라우드 네이티브라는 구조적 변화의 시기를 맞이하고 있습니다. 이 모든 변화를 관통하는 키워드는 바로 ‘오픈 소스’입니다. 하이브리드 시대를 주도하는 오픈 소스 프로젝트 DX, AX 전환은 클라우드 네이티브 인프라와 플랫폼 상에서 이루어집니다. 물리적 인프라는 가상 머신(VM), 컨테이너를 중심으로 하이브리드화 되어 가고 있습니다. 이를 주도하는 것은 오픈스택(OpenStack), 오픈시프트(OpenShfit) 같은 오픈 소스 프로젝트입니다. 조금 더 자세히 알아볼까요? 대다수의 엔터프라이즈 IT 환경은 VM과 컨테이너가 공존하는 컴퓨팅 환경으로 진화하고 있습니다. 기존 애플리케이션은 VM 환경에서 안정적으로 운영되고, 새로운 클라우드 네이티브 애플리케이션은 컨테이너 기반으로 개발 및 배포됩니다. 이러한 환경에서 오픈 소스는 상용 솔루션의 한계를 극복하고, 유연하고 확장 가능한 인프라 구축을 위한 핵심 요소로 주목받고 있습니다. 오픈 소스 기반 컨테이너 기술은 AX 전환의 핵심이기도 합니다. 쿠버네티스는 컨테이너화된 애플리케이션의 배포, 확장, 관리를 자동화하여 효율성과 유연성을 극대화하는 오픈 소스 플랫폼입니다. 클라우드 네이티브 환경에 최적화된 쿠버네티스는 기업들이 퍼블릭 클라우드와 온프레미스 환경을 통합하여 운영하는 하이브리드 클라우드 전략의 핵심으로 자리매김했습니다. 마치 퍼즐 조각을 맞추듯, 쿠버네티스는 다양한 환경을 하나로 연결하여 효율적인 IT 운영을 가능하게 합니다. 오픈 소스를 향한 부담 VM과 컨테이너가 공존하는 복잡한 엔터프라이즈 컴퓨팅 환경에서 오픈 소스는 특정 기업과 기술에 종속 걱정 없이 기술 주권을 강화할 수 있는 기회를 제공합니다. 하지만 여전히 오픈 소스에 대한 부담이 존재하기도 합니다. 과거에는 오픈 소스 기술에 대한 안정성과 신뢰할 수 있는 기술 지원 업체가 없는 것이 문제였습니다. 이는 2025년 현재 더 이상 걱정 거리가 아닙니다. 레드햇을 필두로 주요 오픈 소스 프로젝트의 기업의 눈 높이에 맞는 패키징 전략과 기술 지원 체계를 갖춘 기업들의 생태계가 안정적으로 구축되어 있습니다. 그렇다면 현재 시점에서 볼 때 기업이 느끼는 오픈 소스의 부담은 무엇일까요? 바로 오픈 소스 기술 스택을 현재 컴퓨팅 환경에 맞게 최적화하여 도입하는 것입니다. 가령 서버, 스토리지, 네트워크 등의 인프라 가상화부터 시작해 엔터프라이즈 컨테이너 플랫폼 구축, CI/CD 기반 DevOps 파이프라인 정립, 마이크서비스 아키텍처 기반 앱 개발 등을 위한 광범위한 오픈 소스 기술 스택이 기업의 컴퓨팅 환경에 맞게 유기적으로 통합해 도입해야 합니다. 여기에 요즘 모든 조직의 1순위 과제가 된 AI 전략 실행 역시 현재 사용 중인 개발, 보안, 운영 환경과 정책에 맞게 최적화하여 쿠버네티스 같은 오픈 소스 기술 스택을 통합해야 도입해야 합니다. 오픈 소스 시대의 기술 내재화 살펴본 바와 같이 DX와 AX가 기업의 핵심 과제로 떠오르면서 오픈 소스 기술은 이러한 변화를 가속화하는 필수 요소가 되었습니다. 오픈 소스 기술을 효과적으로 활용하기 위해서는 '기술 내재화'에 대한 새로운 시각이 필요합니다. 과거에는 기술 내재화를 단순히 외주 개발을 맡긴 후 소스 코드를 확보하거나 특정 솔루션의 운영 능력을 키우는 것으로 생각했습니다. 하지만 오픈 소스가 DX, AX의 엔진 역할을 하는 시대의 기술 내재화는 좀 더 넓은 의미를 갖습니다. 이제는 오픈 소스 생태계 전체를 이해하고, 끊임없이 변화하는 기술 트렌드를 읽어내는 능력이 중요합니다. 마치 뷔페에서 나에게 맞는 음식을 선택하듯, 다양한 오픈 소스 기술 중에서 우리 조직에 필요한 것을 골라내고, 이를 조합하여 최적의 시스템을 구축할 수 있는 안목을 갖춰야 합니다. 물론 이러한 능력을 하루 아침에 갖추기는 어렵습니다. 락플레이스와 같은 오픈 소스 전문 기업의 도움을 받는 것이 효과적인 전략이 될 수 있습니다. 락플레이스는 운영체제부터 컨테이너 플랫폼, 데이터베이스, 미들웨어까지, 기업 IT 환경 전반에 걸쳐 오픈 소스 솔루션을 제공하고, 이를 기업 환경에 맞게 최적화하여 구축, 운영할 수 있도록 지원합니다. 마치 경험 많은 셰프의 레시피를 전수받는 것처럼, 락플레이스의 노하우를 통해 오픈 소스 기술을 빠르게 내재화할 수 있습니다. 오픈 소스 시대의 기술 내재화는 단순히 기술을 '소유'하는 것이 아니라, 기술을 '이해'하고 '활용'하는 능력을 키우는 것입니다. 락플레이스와 함께라면 오픈 소스라는 넓은 바다에서 길을 잃지 않고 성공적으로 항해할 수 있습니다. 오픈 소스 기술에 대해 더 알고 싶으시거나 도움을 받고 싶으시다면, 락플레이스와 상담하세요!
2025.02.06
-
Tech Blog
지난 12월 26일 'AI 기본법'이 국회 본회의를 통과하고, 이달 14일 국무회의에서 의결되면서 우리나라는 유럽연합(EU)에 이어 두 번째로 AI 관련 법안을 제정한 국가가 됐습니다. 이에 기반해, 정부는 AI 기본법의 세부 시행령 구성에 박차를 가하고 있습니다. AI 기본법이란? 'AI 기본법'의 정식 명칭은 '인공지능 발전과 신뢰 기반 조성 등에 관한 기본법'입니다. AI 산업을 지원하고 규제할 법적 근거를 담고 있죠. 정식 시행은 2026년 1월부터 입니다. 이 법안은 AI에 관한 국가 차원의 거버넌스 체계를 정립하고 AI 산업의 체계적 육성과 위험 사전 예방을 위한 법적 기반을 제공합니다. 주요 내용으로는 인공지능 기본계획 수립·시행, 대통령 소속의 국가인공지능위원회 설치, 과학기술정보통신부 장관의 인공지능정책센터 지 정, 인공지능안전연구소 운영 등이 포함됩니다. 특히 고영향 AI와 생성형 AI를 규제 대상으로 포함시켜, 이들에 대한 투명성 확보 의무, 안전성 확보 의무, 사업자 책무를 규정했습니다. 이러한 AI 기본법 제정으로 그동안 법 부재로 인한 회색지대였던 국내 AI 산업이 AI R&D, 학습용 데이터, AI 데이터센터, 집적단지 구축 등의 진흥 토대를 마련하게 되었습니다. AI 기본법 제정 이후 정부의 후속 조치 정부는 AI 기본법의 효과적인 시행을 위해 다양한 후속 조치를 진행하고 있습니다. 우선 과학기술정보통신부는 하위법령 정비단을 출범시켜 시행령 초안을 신속히 마련하고 있으며, 이 정비단에는 정부와 산업계, 학계, 법조계 전문가들이 참여할 예정입니다. 또한 과기정통부는 1조원 규모의 범용인공지능 개발사업을 기획·추진하고, AI 전환 스타트 업 및 신산업 분야 기업 성장을 위한 정책펀드를 지원할 계획입니다. 2030년까지 국가 'AI 컴퓨팅 센터' 구축을 추진하고 있으며, AI 분야를 국가전략기술에 추가해 세액공제 지원도 강화할 방침입니다. 더불어 2월 중 데이터센터 구축과 관련한 불필요한 규제 개선 등의 내 용이 담긴 AI 컴퓨팅 인프라 종합대책도 발표할 예정입니다. AI 기본법, 무엇을 보완해야 할까? AI 기본법이 제정되었지만, 여러 전문가들은 보완이 필요한 부분들을 지적하고 있습니다. 가장 큰 문제점은 고영향 AI에 대한 정의와 범위가 모호하다는 것입니다. 현재 법은 고영향 AI를 '사람의 생명, 신체의 안전 및 기본권에 중대한 영향을 미치거나 위험을 초래할 우려가 있는 인공지능시스템'으로 규정하고 있지만, 구체적인 예시와 범위는 정해져 있지 않습니다. 또한 단순 민원만으로도 정부가 사실조사에 나설 수 있도록 한 부분이 지나친 규제가 될 수 있다는 우려도 제기되고 있습니다. 생성형 AI 개발에 필요한 학습 데이터 목록 공개 등에 대해서도 저작권 보호와 산업 진흥 사이에서 균형 잡힌 접근이 필요한 상황입니다. 전문가들은 초기에는 규제보다 진흥에 초점을 두어야 한다고 조언하고 있습니다.
2025.01.31
-
Tech Blog
대학들은 학사관리, 교육, 연구 및 행정 등 여러 분야에서 업무 효율 향상과 비용 절감이 라는 과제에 당면해 있습니다. AI(인공지능)는 대학들이 마주한 이런 과제들을 해결하고 새로운 혁신을 이끌어낼 동력으로 주목받고 있습니다. AI가 특정 기술이 아닌 기반 요소화되는 흐름이 확산되면서 AI의 조기 활용과 역량 확보를 주문하는 전문가들이 늘고 있습니다. 가트너, 맥킨지 및 PwC 같은 글로벌 컨설팅 기업들과 전문가들이 한 목소리로 “AI는 모든 조직이 확보해야 하는 기반 요소 기술로 진화하고 있다”는 주장을 하는 이유이기도 합니다. 이에 MetaE4U는 대학의 성공적인 AI 도입과 활용을 위한 가이드를 제시하고자 합니다. 이를 통한 AI 가치의 극대화로 우리 대학들이 미래 경쟁력을 높일 수 있기를 바랍니다. 대학의 AI 도입 가이드 1. AI 도입 목표 정의단순한 신기술 도입이 아닌, 대학의 핵심적 문제 해결 및 목표 달성을 위한 AI 도입 목표와 전략을 정의해야 합니다. 2. AI 도입 분야 선정대학이 AI를 도입해 가장 많은 효과와 가치를 얻을 수 있는 교육이나 행정 등 대상 분야와 사례를 선정해야 합니다. 3. 사용자 중심의 구현개발자 및 관리자 중심이 아닌 사용자 중심의 업무 플로우 구성, 기능 및 사용 환경을 제공하기 위한 접근 전략을 세워야 합니다. 4. 데이터 중심의 접근AI 성공 여부를 결정하는 핵심 요소인 데이터 확보와 활용을 위한 데이터 거버넌스 체계와 관리 방안을 수립해야 합니다. 5. AI 도입 고려 사항전문 인력, 데이터 확보, IT인프라 구축 및 변화 관리 등 AI 도입에 필수적인 항목들을 세부적으로 검토하고, 도입 전략을 수립해야 합니다. 6. 대학의 조직 문화대학 경영진의 강력한 의지와 지원, 조직 내부의 협력과 소통 등 AI 도입의 성공을 보장하는 조직 문화가 필요합니다. 7. 전문 파트너와 협력AI 기술, 프로젝트 역량과 경험을 갖추고 대학과 유기적으로 협력해서 AI 도입, 운용과 변화관리를 지원하는 파트너를 선정하는 것이 중요합니다.
2025.01.22
-
Tech Blog
2025년 IT 산업은 어떤 모습일까요? 여러 시장조사기관과 글로벌 기관들이 내다본 전망을 모아봤습니다. 대부분 AI의 발전과 클라우드 보안의 중요성을 언급했습니다. 1. AI 에이전트의 부상AI 에이전트는 단순한 보조 도구를 넘어 독립적이고 능동적인 업무 파트너로 진화하고 있습니다. 가트너는 '2025년 주목해야 할 10대 전략 기술 트렌드'를 발표하면서 AI 에이전트를 언급했습니다. 이들에 따르면 2028년까지 일상적인 업무 결정의 최소 15%는 AI 에이전트에 의해 수행될 전망입니다. 델 테크놀로지스도 '2025 기술 전망 미디어 브리핑'에서 AI 에이전트를 주목했습니다. 존 로즈 CTO는 AI가 더 자율적이고 상호작용이 가능하도록 진화할 것이라면서, AI 에이전트를 통해 현대적인 AI 솔루션의 능력이 갈수록 확대될 것이라고 예측했습니다. 2. 클라우드 보안클라우드 인프라에 대한 기업의 의존도 증가로 인해, 클라우드 보안전략의 중요성이 커지고 있습니다. 팔로알토네트웍스는 2025년 클라우드 환경을 보호하는 것을 최우선 순위로 꼽으면서, 랜섬웨어나 데이터 유출 등 클라우드 위협이 급증하는 현실을 지적했습니다. 포티넷은 다수 조직이 여러 클라우드 공급 업체에 의존하기 때문에, 사이버 범죄자들이 앞으로도 클라우드 취약성을 더 많이 활용할 것이라고 내다봤습니다. 구글 클라우드 역시 사이버 보안 및 클라우드 보안에 대한 실용적이고 실행 가능한 지침에 대한 수요가 강력할 것이라고 예상했습니다. 특히 멀티 클라우드를 이용하는 고객들이 여러 클라우드 제공업체를 관리하는 과정에서 발생하는 보안 복잡성을 해결하고 일관된 정책과 통제를 보장하기 위한 지원을 지속적으로 요청할 것이라고 예측했습니다. 3. 커지는 IT 비용관리 중요성점점 복잡해지는 클라우드 구조, 그리고 전세계적 경제 위기에 따라 IT 비용관리의 중요성이 높아질 것으로 전망됩니다. 딜로이트는 조직이 클라우드 서비스에 점점 더 의존함에 따라 클라우드 투자를 관리하기 위한 효과적인 전략의 필요성이 중요해졌다면서, 2025년에만 FinOps 도구와 관행을 구현하는 기업이 최대 210억 달러를 절약할 수 있을 것으로 예측했습니다. 폴라리스 마켓 리서치는 2025년 클라우드 FinOps 시장 규모를 149억 8000만 달러로 내다봤습니다. 4. 멀티/하이브리드 클라우드 기업들은 퍼블릭 클라우드의 유연성과 프라이빗 클라우드의 보안을 결합한 하이브리드 멀티클라우드 전략을 채택하고 있습니다. 에퀴닉스는 이러한 접근법이 급변하는 비즈니스 환경에서 민첩성을 유지하고 중요한 워크로드를 제어할 수 있게 해준다고 설명했습니다. 가트너는 2027년까지 90%의 기업이 하이브리드 클라우드 방식을 채택할 것으로 예측했습니다. 레노버는 아태지역의 더 많은 기업들이 유연성과 확장성을 강화하되 벤더 종속을 피하고자 멀티 클라우드 전략을 채택하고 있다면서, 내년에는 예측 분석, 자동화 및 고객 경험 향상 등 AI 관련 클라우드 솔루션에 대한 수요가 증가하며 이러한 현상이 심화될 것으로 예측했습니다. 5. 책임 있는 AI: 윤리와 지속가능성AI의 발전에 따라 윤리와 지속가능성 문제가 주목받고 있습니다. 마이크로소프트는 AI 기술의 안전성과 책임성을 높이기 위해 지속적인 테스트와 맞춤화에 주력할 것임을 밝혔습니다. 특히 데이터 센터의 에너지 효율성 개선, 워터-프리 데이터 센터 도입 등 지속가능한 AI 인프라 구축에 힘쓸 계획입니다. 버너 보겔스 아마존 CTO는 '2025년 이후 기술 트렌드 예측'에서 AI가 가짜뉴스를 검증하는 시간을 단축해 잘못된 정보의 확산과 반박 사이의 시간차를 줄여나갈 것으로 전망했습니다. <작성: 홍보그룹>
2024.12.27
-
Tech Blog
지난 포스팅에서는 실용적 AI 에이전트의 확산 / 생성 증강 검색, GAR'시대의 도래라는 주제에 대해 설명드렸습니다. ▶ 1편 보러가기: 2025년 AI 트렌드 : 실용성의 시대 ① 이번 포스팅에서도 2025년 AI 트렌드에 대해 자세히 살펴보겠습니다. 3. 산업별 맞춤형 AI 솔루션의 진화: 비즈니스 로직과 요구사항을 반영하는 시대 2025년 AI 도입의 핵심 키워드는 단연 '맞춤화(Customization)'입니다. ChatGPT나 Claude와 같은 범용 AI가 대중화되었지만, 이제는 각 산업의 고유한 특성과 비즈니스 로직을 정교하게 반영한 특화 솔루션이 주목받고 있습니다. 산업마다 AI에 요구하는 핵심 성능이 모두 다르기 때문입니다. 의료 분야의 경우 진단 정확도가 99.9%에 달해야 하며, 환자 정보 보호를 위한 엄격한 규제 준수도 필수적입니다. 금융권에서는 밀리세컨 단위로 반응하는 실시간 거래 분석 능력과 함께, 내부 정보 유출 방지를 위한 정교한 보안 체계가 요구됩니다. 제조 현장은 또 다른 도전 과제를 안고 있습니다. 수많은 센서 데이터를 실시간으로 분석해 설비 고장을 예방하고, 글로벌 공급망 전체를 효율적으로 관리할 수 있어야 하죠. 이렇게 다양하고 특수한 요구사항들로 인해 기업들은 On-Premise나 Dedicated Private Cloud 기반의 솔루션 구축을 선호하고 있습니다. 클라우드 기반 AI 서비스보다 초기 투자와 운영이 복잡하지만, 일단 안정적으로 구축되면 타 기업이 쉽게 모방하기 어려운 핵심 경쟁력이 되기 때문이죠. 스켈터랩스가 주목하고 있는 점은, 이전에는 데이터 보안이나 규제로 인해 생성형 AI 도입을 꺼렸던 업종에서도 변화의 바람이 불고 있다는 것입니다. 하이퍼클로바X, 코히어(Cohere), 클로드(Claude), 벨라(BELLA) 등 다양한 LLM을 상황에 맞게 선택하고 조합할 수 있는 유연한 솔루션들이 등장하면서, 이제는 단계적이고 안전한 도입이 가능해졌기 때문입니다. 이 과정에서 AI 솔루션 기업들의 역할이 더욱 중요해지고 있습니다. 가령 스켈터랩스는 각 기업의 IT 인프라와 보안 정책, 그리고 실시간성·정확성·처리량 등 다양한 요구사항을 면밀히 분석합니다. 그리고 지속적인 이터레이션을 통해 최적의 솔루션을 찾아내죠. 고객사와 긴밀히 협력하며 On-Premise 구축이 필요한지, Private Cloud가 더 적합한지, 어떤 LLM 조합이 최선인지를 함께 고민합니다. 단순히 AI 모델을 도입하는 것을 넘어, 실제 업무 성과(KPI)를 끊임없이 개선하는 과정이기도 합니다: AI는 이제 더 이상 '모두에게 똑같은 범용 도구'가 아닙니다. ▶ 2024년 생성형 AI 도입 성공 사례 보러가기 4. Too Much AI 현상 → '적합한 도구의 적절한 사용' 2023년과 2024년, 많은 기업들이 ChatGPT가 보여준 혁신에 매료되어 모든 문제를 '생성형 AI'로 해결하려는 시도를 했습니다. "AI면 모두 다 해결해주겠지"라는 생각으로 무분별하게 도입을 시도했던 것이죠. 하지만 2025년에는 이러한 '과잉 AI' 현상이 한풀 꺾이고, 보다 현실적인 접근이 주목받을 것으로 보입니다. 특히 기업들은 '꼭 최신 거대 언어모델이어야 할까?'라는 질문을 던지기 시작했습니다. 예를 들어 단순한 문서 분류나 데이터 처리는 작고 가벼운 AI 모델로도 충분히 해결할 수 있기 때문입니다. 오히려 무거운 LLM을 쓰는 것이 비용과 시간 낭비가 될 수 있겠죠. 마치 집 근처 장을 보러 갈 때 굳이 스포츠카를 몰 필요가 없는 것처럼요. 이러한 인식 변화에 따라 새로운 흐름이 등장하고 있습니다. 경량화된 전용 모델을 쓰거나, 특정 업무에 특화된 솔루션을 도입하거나, 때로는 기존의 단순한 알고리즘과 AI를 적절히 섞어 쓰는 식입니다. 즉, "가장 최신의 AI"가 아니라 "우리 상황에 가장 알맞은 도구"를 찾아 쓰는 현명한 선택이 2025년의 트렌드가 될 것입니다. 2025년은 AI가 화려한 겉모습을 벗고 실용적인 작업복을 입는 전환점이 될 것입니다. ChatGPT로 시작된 AI 열풍이 마침내 실질적인 비즈니스 가치를 만들어내는 단계로 진화하는 것이죠. 특히 '하나의 AI로 모든 것을 해결하려는' 시도에서 벗어나, 각 산업과 기업의 특성에 맞는 최적의 솔루션을 찾아가게 될 것 입니다. 가령 의료 분야는 정확성을, 금융권은 실시간성을, 제조업은 안정성을 추구하는 등 산업별 맞춤형 접근이 더욱 중요해질 것입니다. 또한 AI 기술을 도입하는 방식도 더욱 현명해질 것입니다. 보안과 규제를 고려한 신중한 접근, 비용 대비 효과를 꼼꼼히 따지는 전략적 선택, 그리고 무엇보다 실제 사용자들의 피드백을 적극 반영하는 점진적 도입이 중요하게 여겨질 것입니다. 결국 2025년 AI 시장의 승자는 '가장 앞선 기술'을 가진 기업이 아닌, '가장 현명한 접근'을 한 기업이 될 것입니다. 기업용 AI 도입을 고민하고 계신다면, 스켈터랩스와 상담하세요! <작성: 스켈터랩스>
2024.12.19
-
Tech Blog
2023년은 ChatGPT로 대표되는 생성형 AI(Generative AI)가 전 세계를 휩쓴 해였습니다. 이어 2024년에는 기업들이 이 혁신적 기술을 어떻게 활용할지 방향을 모색하며 다양한 시도를 해왔죠. 이렇듯 AI의 기술적 잠재력은 이미 충분히 입증되었지만, 여전히 "실제 비즈니스 현장에서 어떻게 활용할 것인가"라는 과제를 두고 기업들의 고민이 이어지고 있습니다. 2025년은 예측컨대, 이러한 탐색기를 지나 AI가 본격적으로 산업 현장에 스며드는 해가 될 것으로 보입니다. 특히 '실용성'과 '차별화된 가치' 두 가지를 중심으로 시장이 재편될 전망인데요. 범용 AI를 도입하는 것을 넘어, 각 산업과 분야별 특성에 맞춰 AI를 최적화하고 실질적인 성과를 만들어내는 것이 핵심 과제가 될 것입니다. 이제부터 2025년 AI 시장의 주요 흐름들을 살펴보면서, 기업들이 어떤 전략적 선택을 해야 하는지, 또 이를 실행하기 위해 어떤 준비가 필요한지 2개의 포스트를 통해 구체적으로 들여다보겠습니다. 1. 실용적 AI 에이전트의 확산: 업무 자동화에서 가치 창출로 전환 2025년 AI 도입의 가장 큰 변화는 '자율형 AI 에이전트'의 실용적 확산일 것입니다. 이미 가트너 등 글로벌 리서치 기관들은 2028년까지 일상 업무의 15% 이상이 AI 에이전트에 의해 자율적으로 처리될 것으로 전망하고 있죠. 주목할 점은 이러한 AI 에이전트의 핵심 가치가 '대화 능력' 자체가 아니라는 것입니다. 사실 2024년까지 이어진 LLM 기반 챗봇 열풍은 다소 아쉬운 점이 있었습니다. 사용자가 '어떻게 질문하느냐'에 따라 성능이 크게 달라지는 등 불안정한 생산성 향상에 그쳤기 때문입니다. 그러나 2025년에는 이러한 한계를 넘어 '특정 업무를 독자적으로 해결하는 능력'이 AI 에이전트의 핵심 경쟁력이 될 것입니다. 특히 RPA(Robotic Process Automation)와 결합한 자율형 에이전트는 가히 주목할 만합니다. 기존 레거시 시스템까지 통합적으로 다루는 고도화된 업무 플랫폼으로 발전할 것으로 예측됩니다. 단순한 응대나 정보 제공을 넘어, 특정 업무 영역을 깊이 이해하고 필요한 도구까지 직접 제작해 프로세스를 최적화하는 수준까지 진화할 전망입니다. 하지만 모든 혁신에는 도전 과제가 따르기 마련입니다. 자율형 AI 에이전트가 해결해야 할 가장 시급한 문제이자 약점은 바로 '오류 가능성'입니다. 오류 가능성을 극복하기 위해 2025년에는 '자기 반영(Self-Reflecting)' 기능이 핵심 기술로 부상할 것으로 보이는데요. 단순히 피드백을 통해 모델을 재학습하는 수준을 넘어, AI가 자신의 수행 과정과 결과물을 스스로 검증하고 개선하는 단계로 나아가게 될 것 이라는 게 스켈터랩스 엔지니어 팀의 예측입니다. 가령 '자가 반영' 에이전트는 기업 내 사용 이력과 업무 패턴, 사용자 피드백을 실시간으로 반영하며 진화합니다. 결과적으로 사용자들은 "내가 쓰는 AI가 점점 나를 이해하고 맞춰간다"는 경험을 하게 될 것이며, 이는 AI에 대한 신뢰도와 실제 비즈니스 성과를 함께 높이는 핵심 요인이 될 것입니다. 결국 기업들이 가장 먼저 고민해야 할 것은 "어떤 업무에서 AI를 써야 가장 큰 효과를 볼 수 있을까?" 입니다. 모든 업무에 AI를 한꺼번에 도입하기보다는, 가장 효과가 클 것 같은 특정 영역부터 시작하는 게 현명한 전략일 수 있겠죠. 예를 들어 반복적인 데이터 처리 업무나 고객 응대 같이 즉각적인 생산성 향상을 기대할 수 있는 분야부터 시작해서, 점진적으로 확대해 나가는 전략이 필요한 시점입니다. 궁극적으로는 AI 에이전트가 사용자의 의도와 상황을 정확히 파악하고, 필요한 도구를 스스로 만들어가며 진화하는 수준까지 발전하겠지만, 2025년 시장의 우선순위는 '실질적인 업무 생산성 향상'이 될 것입니다. 따라서 당분간은 특정 업무에 특화된 실용적 AI 에이전트의 확산이 두드러질 것으로 예상됩니다. 2. RAG 기술 너머: '생성 증강 검색, GAR' 시대의 도래 2023년부터 2024년까지 RAG(Retrieval-Augmented Generation)는 '검색'과 '생성'을 결합한 새로운 정보 활용 모델로 주목받았습니다. AI가 방대한 문서를 검색하고, 이를 바탕으로 새로운 콘텐츠를 생성하는 방식은 기업들의 큰 관심을 받았죠. 2025년에는 이 기술이 한 단계 더 진화합니다. 'Modular RAG', 'Agentic RAG', 'Graph RAG' 등 다양한 발전된 형태가 등장하면서, AI의 정보 처리 능력이 한층 더 고도화될 전망입니다. 이제는 단순히 텍스트를 만들어내는 수준을 넘어, 방대한 문서와 데이터, 그리고 복잡한 지식 그래프까지 능동적으로 탐색하고 가공하는 수준으로 발전하고 있습니다. 가장 주목할 만한 변화는 '검색증강생성(RAG)'에서 '생성증강검색(GAR: Generation-Augmented Retrieval)'이라는 새로운 패러다임으로의 전환입니다. 쉽게 설명하자면, RAG가 "검색한 정보를 바탕으로 새로운 답변을 만들어내는 방식"이었다면, GAR은 "찾고자 하는 정보를 더 잘 찾기 위해 AI가 검색 자체를 지능적으로 수행하는 방식"입니다. 즉, 검색의 질 자체를 높이는 것이죠. GAR의 목표는 명확합니다. 단순히 "필요한 정보를 찾아주는 것"이 아니라, "찾은 정보를 깊이 이해하고 사용자에게 맞춤형으로 재구성"하는 것입니다. 진화된 검색 경험은 기업의 업무 효율성을 높일 뿐만 아니라, 전반적인 지식 관리 체계와 의사결정의 질적 향상까지 이끌어낼 수 있기 때문에 기대가 되는 부분입니다. 2025년 AI 전망은 다음 편에서 계속 이어집니다! <작성: 스켈터랩스>
2024.12.19