01사업의 규모를 불문하고 모든 조직이 AI 기술과 솔루션을 도입하기 위해 의식적인 노력을 기울이고 있습니다.응답자의 90%는 AI가 조직의 우선 과제라고 응답했지만, 아직 해야 할 일이 많습니다. 이 기술은 초기 단계에 있으므로 전략적 모범 사례, 확립된 사고방지 가이드라인 또는 레퍼런스 아키텍처마저도 부족합니다. 많은 조직은 여전히 AI 프로세스 및 워크로드의 여러 부분을 실행하는 데 최적인 IT 환경이 무엇인지, 또는 어떤 유형의 AI 애플리케이션이 자사의 산업 또는 비즈니스에 가장 적합한지를 결정하고 있습니다.
02현재, 기업들이 AI 관련 의사 결정을 내릴 때 비용이 아니라 데이터 보안과 거버넌스가 가장 중요시되고 있습니다.
응답자들은 AI 워크로드 실행을 위한 주요 고려 사항으로 데이터보안, 데이터 품질, 확장성, 개발 속도를 꼽았습니다. 또한, 90%가 넘는 응답자가 AI 전략에서 보안과 신뢰성이 중요한 고려 사항이라고 응답했습니다. 응답자는 데이터 품질 및 데이터 보호를 포함한 데이터 보안 및 거버넌스가 AI 기술 및 서비스를 지원하는 데 매우 중요하다고 일관적으로 응답했습니다. 이로 인해 증가되는 새 AI 기술 예산이 이러한 필수 기능에 할당되면서 관련 IT 인프라 시장, 특히 데이터 스토리지, 보안, 거버넌스 및 보호를 위한 시장은 뜻밖의 횡재를 얻을 수도 있습니다.
03기업들은 경쟁 우위를 유지해야 하는 필요성과 함께 심각한 기술 인력 부족의 결과로 빠른 AI 배포 옵션을 찾고 있습니다.
조사 대상 조직 중 모두(100%)가 향후 12개월 동안 관련 이니셔티브를 지원하기 위해 추가적인 AI 관련 숙련 인력이 필요할 것이라고 응답했습니다. 단기적으로 많은 조직은 AI 모델링 및 애플리케이션 분야에서 숙련 인력 문제 및 부족을 겪게 될 가능성이 큽니다. 리소스 최적화와 더불어 숙련 인력 부족은 대부분의 기업(90%)이 상용 또는 오픈소스를 불문하고 기존의 일반화된 거대 언어 모델을 활용하려고 계획 중인 이유일 수 있습니다. 대부분의 조직은 특정 사용 사례를 지원하여 리소스를 극대화하고 새로운 AI 애플리케이션의 시장 출시 시간을 가속화하기 위해 세부 조정할 수 있는 기존의 사전 훈련된 모델을 활용하려고 할 가능성이 큽니다.
04AI 기술 도입은 코어 및 엣지 환경에서의 원활한 이동성을 중시하는 새로운 IT 인프라 현대화의 물결을 부추길 것입니다.
거의 모든(99%) 응답자는 AI 애플리케이션 또는 인프라를 업그레이드할 계획이라고 응답했으며, 절반 이상의 응답자는 AI 데이터 이니셔티브를 지원하기 위해 클라우드, 데이터 센터, 엣지 환경 간의 데이터 이동 능력을 향상해야 한다고 응답했습니다. 그러나 많은 이들이 AI 워크로드를 지원하기 위해 인프라를 현대화하는 가장 효율적인 경로를 찾는 데 어려움을 겪고 있습니다. 오늘날, 프라이빗, 하이브리드, 멀티클라우드 배포는 잘 확립되어 있으며, 현대적인 IT 인프라 워크로드와 유사한 의미를 가집니다. AI 기술과 속도 및 확장에 대한 증가하는 요구 사항으로 인해 엣지 전략 및 코어 인프라 배포가 IT 현대화에서 가장 우선시될 가능성이 큽니다.
AI를 우선 과제로 고려
AI를 지원하려면 IT 인프라가 개선되어야 한다는 데 동의
AI를 지원하기 위해 엣지 전략에 대한 투자를 늘리도록 계획
현실이 된 미래
이미 기업들은 전반적으로 AI 솔루션이 자사의 미래에 중요한 요소라고 생각하고 있습니다. 응답자의 90%는 조직이 AI를 우선 과제로 고려한다는 데 동의합니다. 그렇다면 이러한 우선 과제를 실제 비즈니스 이니셔티브와 프로그램을 통해 어떻게 구현해야 하는지에 관한 질문을 하게 됩니다. 구현과 관련된 문제/장애물은 무엇입니까? 그리고 아마도 가장 중요한 질문은 새로운 AI 프로그램과 애플리케이션이 사람, 프로세스, 예산에 어떤 영향을 미칠 것인가일 것입니다.
현재, 기업들은 주로 생성형 비디오, 텍스트, 이미지 애플리케이션 그리고 가상 어시스턴트, 고객 지원 솔루션을 통해 AI를 활용하고 있습니다(그림 1). 사기 탐지 및 사이버 보안을 위한 AI 기반 솔루션과 다양한 이미지 인식, 음성 인식 및 컴퓨터 비전 기술 또한 목록의 상단에 있는 현재/계획된 사용 사례들입니다.
비디오, 텍스트, 이미지를 포함한 생성형 AI
가상 어시스턴트 및 고객 지원(예: 챗봇)
사기 탐지 및 사이버 보안
이미지 인식 및 컴퓨터 비전
음성 인식 및 자연어 이해
추천 시스템
대형 언어 모델(Large Language Model, LLM)
자연어 처리
자율 시스템
음성 어시스턴트
게임 및 레크레이션 애플리케이션
헬스케어 및 의료 진단
얼굴 인식
그림 1: 현재 배포되어 있거나 향후 12개월 동안 배포될 AI 앱/워크로드
응답자들은 배포 환경과 관련하여 AI 추론 프로세스가 프라이빗 클라우드 및/또는 엣지 위치에서 주로 실행된다고 응답했습니다(그림 2). 이는 성능/레이턴시 요구 사항과 더불어 데이터 로컬리티와 분석 대상 데이터에 대한 규제 요구 사항 때문일 가능성이 큽니다. 예를 들면, 민감하거나 독점적이거나 개인을 식별하는 데이터를 활용하는 조직에게 이러한 전용 인프라 환경은 더 큰 제어력을 제공할 수 있습니다.
온프레미스 데이터 센터 또는 프라이빗 클라우드
관리형 데이터 센터 또는 프라이빗 클라우드
엣지/원격 사이트
단일 퍼블릭 클라우드
여러 퍼블릭 클라우드
그림 2: 귀하의 조직은 AI 추론 워크로드를 어느 환경에서 실행하고 있습니까? 또는 실행할 계획입니까?
AI 모델 조정 빈도에 관해서는 60%의 조직이 월간 또는 분기별로 AI 모델을 업데이트할 계획이라고 응답했습니다(그림 3). "핫"부터 "콜드"까지를 범위로 하는 데이터 액세스 가능성의 스펙트럼을 가정하면 분기별에서 월간까지의 액세스 빈도는 이러한 스펙트럼의 중간(즉, "웜")쯤에 위치한다고 주장하는 사람이 있을 수 있습니다. 이러한 설문조사 결과는 대부분의 조직이 AI 모델 및 데이터 세트에 대한 비교적 일관적인 액세스 수준을 요구할 것이라는 점을 보여줍니다.
월간 또는 더 자주
분기별
6개월에 한 번(연 2회)
연간 또는 이보다 더 드물게
모델 업데이트 빈도에 대한 계획을 수립하지 않음
그림 3: 귀하의 조직은 얼마나 자주 AI 모델을 업데이트할 것으로 예상합니까?
마지막으로, AI 기술의 기준선을 개발하고자, 응답자들에게 애플리케이션을 배포하는 컴퓨팅 환경에 대해 물었습니다. 조직의 63%는 현재 가상 머신(VM)에 AI 애플리케이션을 배포한다고 응답했으며, 62%는 현재 컨테이너에 AI 애플리케이션을 배포한다고 응답했습니다(그림 4). AI 애플리케이션이 컴퓨팅 환경 전반에서 비교적 고르게 분포하고 있다는 점이 인상적이었습니다. 이는 가상화된 환경과 클라우드 네이티브 환경을 모두 포함한 엔터프라이즈 IT 환경의 모든 측면에서 AI 기술을 널리 적용할 수 있음을 보여줍니다.
현재 AI 애플리케이션을 여기에 배포하고 있습니다.
AI 애플리케이션을 여기에 배포할 계획입니다.
AI 애플리케이션을 여기에 배포할 계획이 없습니다.
가상 머신
컨테이너
그림 4: 귀하는 다음과 같은 환경에서 AI 애플리케이션을 현재 배포하고 있습니까? 또는 배포할 계획입니까?출처: Nutanix ECI AI Report
IT 현대화 및 원활한 데이터 이동성의 필요성 증가
AI 애플리케이션과 워크로드가 의미 있는 결과를 내려면 데이터에 제한 없이 액세스할 수 있어야 합니다. 이는 모든 성공한 AI 기반 애플리케이션 또는 프로세스의 기저에는 이러한 프로세스와 워크플로우가 데이터에 안전하고 효과적으로 액세스하도록 지원하는 똑같이 중요하고 유기적인 데이터 전략이 존재함을 의미합니다. Nutanix의 설문 조사 결과는 AI 애플리케이션 및 워크로드의 데이터 요구 사항을 확장함에 따라 기업의 데이터 인프라에 대한 생각이 두 가지 방식으로 바뀌고 있다는 것을 보여줍니다.
01AI 워크로드 수요를 충족하려면 IT 인프라 현대화에 장기적으로 투자해야 합니다.
대부분의 응답자(91%)는 AI 워크로드를 더 쉽게 지원하고 확장하려면 조직의 IT 인프라를 향상해야 한다는 데 동의합니다. 기업이 현재 직면한 주요 문제에는 데이터 보안, 복원력 및 확장성 문제가 포함됩니다(그림 5). 다행히도, 많은 경우 이러한 요구 사항을 충족하기 위해 예산이 책정된 투자가 이루어질 것입니다. 응답자 중 85%는 조직이 AI 워크로드를 지원하기 위해 향후 1~3년간 IT 인프라 현대화에 대한 투자를 늘릴 계획이라고 응답했습니다.
02AI 워크로드 수요를 충족하려면 데이터 센터, 클라우드, 엣지 환경에서 원활한 데이터 이동성이 필요합니다.
많은 조직에서 관련 비용과 복잡성 때문에 엣지 인프라 배포 및 전략은 이차적인 IT 이니셔티브가 되었습니다. 이와 대조적으로, 많은 조직이 이미 하이브리드 및/또는 멀티클라우드 IT 아키텍처를 구현했지만, 여기에 항상 분산된 또는 "엣지" 구성 요소가 포함되지는 않았습니다. AI 기술 구현으로 이러한 상황이 상당히 바뀔 수도 있습니다. 조직들이 퍼블릭 클라우드에서 모델을 훈련한 다음 프라이빗 클라우드에서 이를 조정한 후 데이터를 활용하기 위해 이러한 모델이 필요한 곳 가까이에 있는 엣지에서 배포할 가능성이 크기 때문입니다. 또한 AI 기술 구현으로 인해 데이터 센터, 클라우드, 엣지 위치 간에 원활하게 데이터를 이동하고 보호해야 할 필요성이 커질 것입니다. Nutanix의 설문조사에 따르면 응답자의 93%가 AI 계획을 지원하기 위해 엣지 전략을 개발하는 것이 프로그램의 성공에 중요하다는 데 동의했습니다. 다시 말하지만, 응답자들은 AI를 지원하는 엣지 이니셔티브에 지출하려는 의지가 있다고 응답했습니다. 즉, 응답자 중 83%는 조직이 AI 워크로드를 지원하기 위해 향후 1~3년간 엣지 전략에 대한 투자를 늘릴 계획이라고 응답했습니다.
전반적으로, 이러한 결과는 얼리 어답터들에게 긍정적인 전망을 제시합니다. 기업들은 AI를 지원하기 위해 IT 인프라를 현대화해야 하는 필요성과 전략의 중심적 원칙으로 엣지 배포를 포함하는 것의 중요성을 이해하고 있습니다. 아마도 가장 중요한 사실은 기업이 이를 현실로 만들기 위해 투자하려는 의지가 있다는 점일 것입니다.
기업들이 AI 지원을 위해 인프라 현대화가 필요하다는 점을 인정하고, 이를 위해 자금을 할당할 의지가 있으므로, 대부분의 문제는 효과적인 설계와 구현에 있다고 결론 내릴 수 있습니다. 이러한 설문조사 결과는 설계 관점에서 AI 인프라 및 애플리케이션 업그레이드를 추진하고 있는 특정 영역에 대한 추가적인 인사이트를 제공합니다. AI 애플리케이션을 지원하려면, 데이터 보안, 인프라 복원력 및 가동 시간, 규모에 맞는 인프라 관리 역량 및 인프라 자동화 향상이 상위 우선 과제가 될 것입니다(그림 5).
데이터 보안
기술 복원력 및 가동 시간 향상
규모에 맞는 관리 역량 향상
자동화를 통해 직원의 업무량 감소
GPU(graphics processing unit) 지원
데이터 인사이트
비용
그림 5: 주요 AI 애플리케이션 및 인프라 업그레이드 촉진 요인
시장 출시 시간 단축을 위해 AI 인재에 전략적으로 투자
조직들은 향후 1~3년간 새로운 기술 및 서비스를 배포하고 지원하는 데 필요한 인재 및 스킬을 포함하여 AI 솔루션 개발과 배포를 지원하는 모든 주요 영역에 대한 투자를 늘릴 계획입니다. 응답자 중 84%는 향후 몇 년간 데이터 과학 및 엔지니어링 팀을 확장하기 위한 투자를 늘릴 계획이라고 응답했습니다. 많은 조직이 AI 이니셔티브 지원에 필요한 사람과 스킬에 투자해야 하는 필요성을 인식하고 있는 것처럼 보입니다. 생성형 AI 및 프롬프트 엔지니어링 그리고 데이터 과학/데이터 분석은 향후 1년간 AI 스킬이 더 필요한 상위 두 개의 영역으로 확인되었습니다(그림 5).
생성형 AI 및 프롬프트 엔지니어링
데이터 과학/데이터 분석
ESG(환경, 사회 및 거버넌스) 보고
개발 작업
연구 및 개발
제품 개발
물류/공급망 계획
전략적 의사 결정
플랫폼 엔지니어링
LOB(Line of Business)
그림 6: 다음 조직 영역 중 향후 12개월간 AI 스킬이 더 많이 필요할 것이라고 생각되는 것은 무엇입니까?
조사 대상 응답자는 향후 12개월간 AI 스킬 개발이 필요한 주요 영역으로 ESG 보고를 꼽았습니다. 이 항목은 R&D 및 제품 개발을 포함한 다른 항목보다 높은 순위를 차지하여 다소 놀라운 결과를 제시했습니다.
그러나 사실 지속 가능성 및 ESG 이니셔티브는 지난 12~24개월 동안 많은 기업 및 경영진의 우선 과제 목록에서 상위로 올라왔습니다. 이처럼 인기가 증가한 이유는 여러 가지가 있습니다. 그 예로 경제적 불확실성과 인플레이션 기간 동안 IT 운영 및 비용을 최적화해야 하는 필요성을 들 수 있습니다. 그러나 더 중요한 것은 새로운 규제 및 규정 준수 요구 사항으로 인해 많은 조직이 지속 가능성 보고 및 ESG 측정 능력을 향상하도록 요구받는다는 점입니다.
한 가지 중요한 예로 미국 증권거래위원회(SEC)의 규칙 제안서를 들 수 있습니다. 이 제안서에 따르면 상장 조직은 스코프 1, 2, 3 배출량 보고를 포함하여 직접적 및 간접적 온실 가스 배출량에 대한 정보를 공개해야 합니다.
이런 이유 때문에 AI 관련 ESG 보고의 필요성이 결과 목록에서 매우 높은 순위를 차지했을 수 있습니다. 기업들은 컴퓨팅과 GPU에 목마른 AI 알고리즘과 워크로드를 실행하는 데 대량의 에너지가 필요하다는 것을 알고 있습니다. 설문조사 결과는 기업들이 이미 이 점이 ESG 이니셔티브와 관련 배출량 보고에 미칠 영향을 이미 고려하고 있음을 나타냅니다.
새로운 기술과 관련된 스킬 부족을 파악하고 해결하는 일은 항상 존재하는 문제이며, 일반적으로 예상할 수 있는 문제입니다. 그러나 이러한 인재 및 스킬 부족이 새로운 기술 시장의 방향에 미치는 영향을 예측하는 일이 더 어려운 경우가 많습니다. AI 솔루션 및 서비스의 경우 설문조사를 통해 흥미로운 결과를 확인할 수 있었습니다. Nutanix는 응답자의 85%가 AI 애플리케이션을 구축하기 위해 기존 AI 모델을 구입하거나 기존 오픈소스 AI 모델을 활용할 계획임을 알게 되었습니다. 이와 대조적으로 응답자의 10%만이 자체 모델을 구축하려고 계획 중이라고 응답했습니다(그림 7). 이처럼 다수의 조직이 기존의 사전 훈련된 거대 언어 모델을 활용할 것이라고 응답한 사실은 조직의 독점 데이터와 함께 기존 모델을 활용하고 조정하여 요구 사항을 최적으로 지원함으로써 가용 리소스를 최적화해야 하는 필요성을 의미할 수 있습니다.
기존 모델을 구입하여
AI 애플리케이션을 구축할 계획임
오픈소스 모델을 활용하여
AI 애플리케이션을 구축할 계획임
자체 모델을 구축하여 AI 애플리케이션을 구축할 계획임
기존 모델과 자체 모델을 함께 사용할 계획임
그림 7: 귀하의 조직은 기존 AI 모델을 활용 중이거나 활용할 계획입니까? 아니면 자체 모델을 구축 중이거나 구축할 계획입니까?
*반올림으로 인해 총계는 100%가 아닙니다.
이러한 결과를 바탕으로 중요한 가설을 세울 수 있습니다. IT 솔루션 "구축 또는 구입"의 관점에서 기업들은 AI 애플리케이션 개발 요구 사항을 충족하기 위해 자체 솔루션을 개발하기보다 신뢰할 수 있는 제공업체로부터 기존 모델을 구입하거나 공급받을 것이라는 가설 말입니다. 이러한 트렌드의 주요 이유는 다음 두 가지일 수 있습니다. (1) 조직은 새로운 AI 애플리케이션의 시장 출시 시간을 단축하고 경쟁력을 유지하고자 함 (2) 조직은 기존 리소스 활용을 극대화하는 방법을 찾을 것임.
또한, Nutanix는 이러한 트렌드가 기업의 AI 인프라 투자 및 의사 결정 방식에 영향을 줄 것으로 예측합니다. 다양한 AI 모델(예: 거대 언어 모델)을 만들고 훈련시키는 데 필요한 인프라의 성능 특성은 이러한 AI 모델에 의존하는 더 높은 수준의 애플리케이션을 추론, 미세 조정 및 실행하는 데 필요한 인프라와 비교할 때 매우 다양합니다. 응답자에게 향후 1~2년간 AI와 관련된 가장 큰 문제가 무엇인지 순위를 매겨달라고 요청한 결과 데이터 보안, 비용 효율적 인프라 제공, 미션 크리티컬 복원력 보장, 워크로드 확장 관리에 뒤이어 데이터 모델링이 5위를 차지한 것을 확인했습니다. 이 설문조사의 데이터는 많은 기업이 투자수익을 극대화할 가능성이 큰 AI 모델 구현을 지원하기 위해 인프라 요구 사항에 집중할 것임을 보여줍니다.
데이터 보안, 데이터 품질 및 데이터 거버넌스
AI 애플리케이션과 서비스는 기저 데이터세트, 모델, 인프라와 공생 관계를 맺고 있습니다. 기업들은 이러한 관계, 그리고 AI 기술의 신뢰성 및 복원력을 최대한 향상하기 위해 데이터 보안 및 품질 전략을 개발하는 일의 중요성을 정확히 인식하고 있습니다. 설문조사 결과에서 이러한 트렌드를 분명히 확인할 수 있었습니다. 설문조사 결과에 따르면 응답자들은 AI 워크로드를 실행 중이거나 실행하려고 계획한 경우 첫 번째와 두 번째로 중요한 고려 사항으로 데이터 보안과 데이터 품질을 꼽았으며, 이 두 가지 항목은 다른 응답 항목보다 상당히 큰 차이로 1, 2위를 기록했습니다(그림 8).
데이터 보안
데이터 품질
확장성
배포 속도
데이터 주권
데이터 중력
기존 시스템과의 통합
GPU(graphics processing unit) 지원
데이터 레이턴시
비용
데이터 로컬리티
그림 8: AI 워크로드를 실행 중이거나 실행하려고 계획한 경우 가장 중요한 고려 사항
AI 툴과 서비스에 대한 미디어의 열광과 이들의 상용화로 2023년에는 AI 기술에 대한 기업들의 관심이 새로운 수준으로 높아졌습니다. 이러한 열광적 반응은 AI 워크로드를 실행 중이거나 실행하려고 계획한 경우, 비용이 고려 사항 중 밑에서 두 번째 순위를 기록하는 데 부분적으로 기여했습니다. 또한 응답자의 90% 이상은 AI 애플리케이션 때문에 IT 비용과 클라우드 지출이 모두 상승할 것이라는 데 동의했습니다.
얼리 어답터들은 프로젝트와 기술의 평가 및 구현 측면에서 비용 및 예산 관련 장애물을 거의 유발하지 않는 AI 솔루션 지출에 대한 이러한 자유방임적 자세로부터 분명히 이득을 얻을 것입니다.
그러나 이러한 허니문 기간은 영원히 지속되지 않습니다. Nutanix는 또한 응답자에게 향후 1~2년간 AI와 관련하여 조직이 직면하게 될 가장 큰 문제를 물었습니다. 이 예측적 질문에 대해 응답자는 필요한 인프라 제공 시 비용 효율성 유지를 데이터 보안 다음으로 두 번째로 가장 중요한 문제로 선택했습니다. 궁극적으로 AI 프로젝트 및 기술과 관련된 예산 및 지출에 대한 기대치는 IT 포트폴리오의 나머지 부분에 맞게 높아질 것입니다. 향후 몇 년간 지출에 제한이 없을 거라고 예측하는 대신, 장기적인 예산과 운영 효율성을 염두에 두고 현재의 AI 프로젝트를 설계해야 합니다.
Nutanix의 설문조사 결과에 따르면, AI 기술은 데이터 보안 및 품질뿐만 아니라 중요한 기반 데이터 세트를 위한 데이터 보호 구현을 포함한 향상된 데이터 거버넌스 구현을 촉진할 것으로 나타났습니다. 응답자의 51%는 AI 데이터 거버넌스를 지원하기 위해 미션 크리티컬/프로덕션 수준 데이터 보호 및 재해 복구(DR) 솔루션을 추가할 계획이라고 응답했습니다. 또한, 조직 중 절반은 AI를 지원하기 위해 엣지 환경 내에서 데이터 보호 및 거버넌스 전략을 정의할 계획이라고 응답했습니다. 많은 신흥 기술 부문에서 기업들이 앞다투어 프런트엔드 애플리케이션과 서비스를 개발하면서 데이터 거버넌스는 사후 고려 사항이 되고 있습니다. 이 설문조사 결과에 따르면 AI 기술의 경우에는 이것이 사실이 아닐 수 있는 것으로 나타났습니다. AI 솔루션은 효과적인 운영을 위해 일관적인 데이터 액세스, 품질, 확장성에 크게 의존하므로 이러한 데이터를 보호하고 보안을 유지하는 일은 어느 AI 워크로드에나 매우 중요합니다.
AI 지원을 위해
IT 인프라 현대화에 대한 투자를
늘릴 것으로 예측
AI로 인해 IT 비용이
증가될 것으로 예측
AI로 인해 클라우드 비용이
증가될 것으로 예측
2023년에는 인공지능이 주류로 떠올랐지만, 기업 내 AI 솔루션은 여전히 매우 초기 단계에 있습니다. 조직들은 여전히 최적으로 워크로드와 사용 사례를 찾고 있고, 가장 적합한 대상을 결정 중이며, 예산에 대한 영향을 파악 중입니다. 얼리 어답터는 솔루션 배포 가속화를 통해 단기적 경쟁 우위를 차지하려고 할 것입니다. 한편, 다른 기업들은 필요한 인력과 스킬을 축적하고, 인프라 현대화 및 내부 AI 모델링 그리고 애플리케이션 개발을 포함한 개발 전략을 수립하면서 장기적 접근법을 취할 것입니다. 최고의 결과를 가져올 접근법을 추측하기에는 너무 이른 시기이지만, 이 설문조사 결과를 토대로 다음과 같은 권장 사항을 제시하고자 합니다.
01인프라가 데이터 현대화 및 이동성을 대비할 수 있도록 하십시오.
AI 기술과 솔루션을 효과적으로 구현하려면 데이터 센터, 클라우드, 엣지 환경에 걸쳐 데이터 이동성을 실현하고 관리를 수행해야 합니다. 이러한 환경은 각각 엔드투엔드 AI 워크플로우를 지원하는 데 중요한 역할을 수행할 것입니다. 예를 들면, 엣지에 로컬화된 데이터 클렌징/프로세싱이 필요한 경우 훈련, 추론, 대량 저장을 위한 전용 데이터 센터 또는 클라우드 데이터 센터로의 후속 이전을 통해 이러한 요구를 지원할 수 있습니다. 이것은 IT 및 인프라 전문가에게 결코 만만한 작업이 아니며, 경우에 따라 AI 기술을 지원하기 위한 현대적인 인프라 솔루션 구축에 상당한 리툴링, 훈련, 지원이 필요할 수 있습니다. 많은 기업이 이러한 노력을 간소화하는 데 도움을 주는 솔루션을 찾게 될 것입니다.
02AI 스킬 개발에 투자하고 인력 부족에 대비하십시오.
조사 대상 조직 중 모두가 향후 12개월 동안 다양한 관련 영역에서 더 많은 AI 숙련 인력이 필요할 것이라고 응답했습니다. 이는 생성형 AI, 데이터 과학 및 분석, 연구 및 개발, 플랫폼 엔지니어링, 프롬프트 엔지니어링과 같은 솔루션 분야에서 제한된 지원 및 개발 리소스 풀을 두고 상당한 경쟁이 있을 것임을 의미합니다. 자체 AI 모델과 애플리케이션을 구축하기로 한 조직은 이러한 부족 현상의 영향을 가장 크게 받을 가능성이 큽니다.
03데이터 보안, 데이터 품질 및 데이터 보호를 AI 전략의 핵심 원칙으로 삼으십시오.
AI 기술과 솔루션을 구현해야 할 필요성 때문에 조직들은 관련 데이터 보안 및 보호 전략에 대해 재고하고 있습니다. 데이터에 액세스할 수 없으면 많은 AI 기반 애플리케이션과 솔루션은 제대로 기능하지 못할 것입니다. 데이터 보안 및 보호 솔루션이 엔터프라이즈 AI 기술 생태계 및 전략 형성에 중추적인 역할을 할 것이라고 기대하십시오.
04미래의 인프라 비용 절감 과제에 지금 대비하십시오.
골드 러시 정신으로 AI 모델과 애플리케이션을 개발하고 관련 비즈니스 결과를 내려고 하면 단기적으로 AI 이니셔티브에 대한 과다 예산 책정 및 과다 지출을 허용하게 될 것입니다. 그러나, 이는 일시적 현상이 될 것입니다. 조직들은 향후 1~2년간 AI를 지원하기 위해 인프라의 비용 효율성을 신속하게 향상(및 측정)하려고 계획할 것입니다.
응답자들은 조직 내에서 AI 구현과 도입을 담당하는 팀/부서가 어디인지에 대한 질문을 받았습니다. 1위 응답은 IT였고, DevOps 및 정보 보안 팀은 같은 비율의 응답을 얻어 2위를 기록했습니다. 이 세 팀 모두 엔터프라이즈 AI 기술 관련 의사 결정, 전략 및 구현에 상당한 영향을 미칠 것입니다. 그러나, 이 설문조사를 통해 IT 의사 결정권자와 DevOps 의사 결정권자의 AI 전략 및 우선 과제에 대한 미묘한 생각 차이를 확인할 수 있어 흥미로웠습니다.
오픈소스 모델 개발을 추진하는 DevOps:
IT 의사결정권자의 33%는 AI 애플리케이션 구축을 위해 오픈소스 모델을 활용할 계획이라고 응답했습니다. 이와 대조적으로 DevOps 의사 결정권자의 48%는 AI 애플리케이션 구축을 위해 오픈소스 모델을 활용할 계획이라고 응답했습니다.
지속 가능성 및 ESG에 관한 의사 결정권자들의 생각 차이:
DevOps 의사 결정권자는 ESG 보고를 향후 12개월간 AI 관련 스킬 향상에 두 번째로 중요한 영역으로 꼽았습니다. 그 다음 순위는 데이터 과학/데이터 분석 및 R&D가 차지했습니다. IT 의사 결정권자들이 매긴 순위에서 ESG 보고는 5위로 떨어졌습니다.
머신 러닝 운영(MLOps):
IT 의사 의 결정권자14%만이 AI 모델이 월간으로 또는 더 자주 업데이트될 것이라고 예상합니다. 이와 대조적으로, DevOps 의사 결정권자의 경우 이 수치가 25%로 증가합니다. 이러한 결과는 AI 데이터 세트 및 MLOps 요구 사항에 중요한 불일치가 존재함을 보여줍니다.
AI 기술 관련 문제:
ITDM은 향후 1~2년간 데이터 보안이 AI와 관련된 첫 번째 문제라고 응답했습니다. 이와 대조적으로, DevOps 의사 결정권자는 미션 크리티컬 복원력 유지 및 비즈니스 SLA 충족을 2가지 최상위 문제로 꼽았습니다. 이 두 가지 항목 사이의 응답 비율 차이는 근소했습니다.
컨테이너와 가상 머신(VM):
ITDM의 59%는 현재 AI 애플리케이션을 컨테이너에 배포한다고 응답했습니다. 그러나 이 비율은 DevOps 의사 결정권자의 답변에서 66%로 높아집니다. DevOps는 분명히 AI를 위해 컨테이너 기반 애플리케이션을 배포하는 것을 선호합니다. 흥미롭게도, 가상 머신(VM)에서의 AI 앱 배포와 관련하여 이러한 차이는 드러나지 않았습니다. 두 그룹의 의사 결정권자 모두 유사한 비율로 응답했습니다(IT는 62%, DevOps는 63%).
Nutanix는 엔터프라이즈 AI의 상태 보고서를 작성하기 위해 전 세계 기업의 인공지능(AI) 배포 상태에 대한 조사를 의뢰했습니다. 2023년 7, 8, 9월에 걸쳐 영국의 조사 기관인 Vanson Bourne은 전 세계의 IT 및 DevOps 그리고 플랫폼 엔지니어링 의사 결정권자 650명을 대상으로 엔터프라이즈 AI 기술 전략 및 도입의 여러 측면에 대한 설문조사를 실시했습니다. 이 조사는 현재 엔터프라이즈 AI 배포 및 트렌드를 기본적으로 이해하고, 계획된 구현 작업이 IT 및 클라우드 지출과 예산 책정에 미치는 영향을 알아보고자 했습니다. 이 조사는 또한 조직이 AI 젼략을 개발하고 솔루션을 구현하면서 직면하게 되는 주요 기술, 인프라 및 스킬 관련 문제 중 일부에 대해 알아보았습니다.
이 보고서는 대부분의 기업이 기본적으로 경쟁력 유지를 위해 AI 기술과 솔루션을 알아봐야 필요성이 있다고 생각한다는 점을 확인했습니다. 더 중요한 것은 이 설문조사를 통해 AI 솔루션을 도입하는 기업들에게 중요한 추세가 드러났다는 점입니다. 그 추세는 바로 데이터 센터, 클라우드, 엣지 인프라 환경에 걸쳐 데이터 이동성과 데이터 보호에 대한 요구가 증가하고 있다는 것입니다. 이러한 추세는 조사 전반에서 확인할 수 있었으며, 이를 기반으로 기업들의 AI 애플리케이션 및 워크로드의 도입은 데이터 이동성, 보안, 보호에 초점을 맞춘 IT 인프라 현대화 이니셔티브의 새 물결을 촉진할 것이라고 결론 내릴 수 있습니다. 이러한 추세는 이를 뒷받침하는 조사 결과와 함께 이 보고서에서 길게 논의됩니다.
이 보고서의 응답자층은 다양한 업계에 종사하며 비즈니스 규모와 지역도 다양합니다. 또한, 북미와 남미, 유럽, 중동 및 아프리카(EMEA) 및 아시아태평양 및 일본(APJ)에 위치한 조직에 고용된 IT 그리고 DevOps 및 플랫폼 엔지니어링 의사 결정권자를 포함합니다.