2024년 가트너 10대 전략 기술 트렌드 톺아보기

글로벌 연구 조사 기업 ‘가트너(Gartner)’에서는 매년 주요 전략적 기술 트렌드를 발표하여, 가까운 미래에 대한 인사이트를 제공합니다. 올해도 예외 없이 지난 10월 17일, 2024년 트렌드를 예측해 발표했는데요. 이번 글에서는 가트너가 주목하는 2024년 10대 전략 기술 트렌드를 살펴보고자 합니다. 어렵거나 새로운 용어가 많아, 각 키워드가 의미하는 바를 쉽게 풀어서 담아봤습니다.

2023년 회고하기 미래 예측을 살펴보기에 앞서, 가트너에서 발표한 2023년 예측은 얼마나 주효했는지 되짚어 보려 합니다.

한 가지 알아두어야 할 점은 가트너가 2023년 예측 자료를 발표한 시점은 2022년 10월 17일로, ChatGPT가 등장하기 약 한 달 전이라는 사실입니다. ChatGPT는 등장과 동시에 센세이션을 일으키며, 2023년을 생성형 AI의 해로 만들었는데요. 이로 인해 생성형 AI의 등장을 예측하지 못했던 가트너를 포함해, 대부분의 조사 기관 예측이 빗나가는 결과로 이어졌습니다.

재밌는 사실은 가트너가 2021년에 발표한 2022년 예측에는 생성형 AI가 포함되어 있었다는 것인데요. 2021년에 생성형 AI 등장 시점을 정확히 예측했지만, 그 후의 영향력에 대해서는 연속적으로 예측하지 못해 아쉬움이 남습니다.

물론 2023년은 생성형 AI가 큰 주목을 받았지만, 이외 가트너의 예측도 꽤 정확했는데요. 그중에서도 성과가 직관적으로 드러난 기술 트렌드는 ‘슈퍼앱(Superapps)’, ‘적응형 AI(Adaptive AI)’, ‘메타버스(Metaverse)’ 등이 있었습니다. 실제로 어떻게 적용되었는지 살펴볼까요?

슈퍼앱(Superapps) 슈퍼앱의 개념은 2010년 블랙베리 창업자인 마이크 라자리디스(Mike Lazaridis)가 처음 제시했다고 알려졌는데요. 2023년 본격적으로 주목받기 시작했습니다. 일간, 월간 활성 사용자가 높은 앱들이 점차 다양한 서비스를 제공하며, 슈퍼앱으로의 변화를 꾀하고 있는 모습을 찾아볼 수 있습니다.

국내에서는 네이버, 카카오, 토스를 필두로 배달의민족, 당근, 야놀자, 쏘카 등을 예시로 들 수 있습니다. 쏘카는 카쉐어링에 이어 코레일, 모두의 주차장, 공유 전기자전거 일레클 등과 연계를 통해 이동수단계의 슈퍼앱을 꿈꾸고 있으며, 야놀자는 숙박에 이어 항공, 액티비티 서비스를 제공하여 여행 분야의 슈퍼앱으로 진화하고 있습니다.

해외 사례도 비슷한데요. 슈퍼앱과는 관련이 없어 보였던 트위터마저 이름을 X로 바꾸며, 슈퍼앱으로의 전환을 시도하는 등 많은 기업이 슈퍼앱에 주목하고 있습니다.

적응형 AI(Adaptive AI) 생성형 AI가 대중의 관심을 이끌었다면, 적응형 AI는 기업의 관심을 받았습니다. 과거 기업들의 AI 프로젝트는 초기 성과는 뛰어났으나 지속성이 부족한 경우가 많았는데요. 그 이유는 최초 구축된 AI 모델이 초기 환경과 다른 환경에 직면했을 때, 성능이 크게 저하되는 문제와 이를 조정하거나 유지보수하는 것이 어려웠기 때문입니다.

적응형 AI는 이러한 단점을 극복하기 위해 나온 개념입니다. 학습 AI라고도 알려진 적응형 AI는 변화하는 환경을 지속적으로 학습하고, 적응할 수 있는 지능형 시스템을 구축하는 데 중점을 둡니다. 기존 AI 모델이 수동 업데이트가 필요한 정적 AI 모델이었다면, 적응형 AI 모델은 새로운 데이터와 피드백을 기반으로 동작을 동적으로 반응하는 것이 특징입니다.

이러한 기술은 실시간으로 변화하는 개인 추천 시스템이나, 다양한 사기 유형의 탐지, 실시간 도로 상황과 환경에 적응해야 하는 자율주행차 등에 적극적으로 활용되고 있습니다.

메타버스(Metaverse) 메타버스는 언뜻 보기엔 생성형 AI에 가려져 이렇다 할 성과가 없을 것 같은데요. 메타버스 대중화에 크게 기여한 VR 게임 등 엔터테인먼트 요소에 대한 관심이 줄어 그 성과가 눈에 띄지 않았을뿐, 메타버스는 여전히 성장 중입니다.

메타버스는 크게 하드웨어와 소프트웨어로 구분되는데요. 하드웨어가 소비자의 기대에 미치지 못하며 잠시 주춤한 사이, 산업용 소프트웨어에 많은 발전이 있었습니다. 대표적으로 ‘디지털 트윈(Digital Twin)’ 기술이 있는데요. 이는 가상 세계에 현실 속 사물과 똑같은 쌍둥이 3D 모델을 만들고, 시뮬레이션으로 결과를 예측하는 기술입니다. 이에 따라 초기 자본 소비를 감소시키고 안정성을 높이는 효과로 이어지고 있습니다.

또한 하드웨어 분야 역시 하반기에 애플과 메타가 경쟁적으로 신제품을 내놓기 시작하면서, 다시 소비자의 관심이 증가했습니다.

2024 트렌드 미리 보기 이제 2024년 트렌드를 살펴볼 텐데요. 세부적인 전략을 살펴보기 앞서, 2024년 가트너 발표에서 두드러지는 내용을 두 가지 키워드로 요약해 봤습니다.

1) AI, AI, AI 2024년 역시 AI 기술이 가장 큰 주목을 받고 있음을 알 수 있습니다. 직접적으로 AI가 언급된 전략만 3개(위 이미지에서 1, 5, 8번)에 달하고, AI와 간접적으로 연관 있는 키워드도 다수 포함되어 있습니다. 이를 통해 2023년에 이어 2024년에도 AI의 영향력이 클 것으로 예상해 볼 수 있습니다.

2) 기술 성숙기 2024년 예측 중 특이한 점은 2023년의 전략과 중복되는 점이 많다는 것입니다. 최근 기술 트렌드는 워낙 빠르게 바뀌기 때문에, 전년도 키워드와 중복되지 않는 경우가 많았습니다.

만약 중복되는 내용이 있더라도 약간의 변화를 주어 발표했었는데, 2024년 예측에서는 4개(1, 3, 4, 6번)의 전략이 작년 예측과 중복되어 발표되었습니다. 2022년과 2023년의 전략에서는 중복되는 내용이 전혀 없었던 것과는 대조적인 모습입니다.

이를 바꿔 말하면 2023년 기술 트렌드가 2024년에도 여전히 중요하게 여겨지며, 해당 기술이 성숙 단계로 접어들며 대중화되는 시기라고 짐작해 볼 수 있습니다.

2024년 전략 기술 트렌드 10 본격적으로 2024년 전략 기술 트렌드에 대해 하나씩 살펴보도록 하겠습니다. 작년에 이어 올해 연속으로 선정된 전략에는 *표시를 해뒀습니다.

1. *AI 신뢰, 리스크 및 보안 관리(AI Trust, Risk and Security Management / AI TRiSM) 생성형 AI의 대중화로 인해 기업뿐만 아니라 일반 대중들까지 AI에 대한 접근이 많아지고 있습니다. 문제는 이러한 생성형 AI가 아직 완전치 못하다는 것에 있습니다. 대표적으로 거짓을 말하는 할루시네이션 현상, 학습 데이터의 개인정보 보호 문제, 범죄적 활용 등 다양한 사회적 문제를 만들어 내고 있죠.

그래서 등장한 AI TRiSM은 AI의 신뢰성, 위험성 및 보안 관리를 중심으로 AI를 더욱 안전하게 활용할 수 있는 전략을 의미합니다. 가트너에서는 다음 네 가지의 주요 영역으로 구분하고 있습니다.

설명 가능성 / 모델 모니터링 모델 운영 애플리케이션 보안 개인정보 보호

이러한 보호 장치가 없으면 AI 모델은 예측하지 못한 부정적인 결과를 초래할 수 있고, AI의 긍정적인 효과와 사회적 가치를 저해할 위험이 있습니다. 따라서 AI의 대중화에 있어 필수적으로 고려되어야 할 기술 전략으로 볼 수 있습니다.

2. 지속적인 위협 노출 관리(Continuous Threat Exposure Management / CTEM) 최근 산업 전반에 디지털 변환이 대두되었고, 동시에 클라우드 기반 서비스가 증가하면서 기업과 개인 데이터는 이전보다 훨씬 더 넓은 영역에 분산되어 있습니다. 이에 따라 보호해야 할 영역이 확장되었는데, 해커들의 공격 기술은 계속 발전하고 있습니다. 따라서 기존 보안 대책만으로는 부족했습니다.

‘CTEM’은 이러한 변화를 지속적으로 모니터링, 대응하기 위해 만들어진 개념입니다. 특히 공격받은 뒤에 후속 대응을 하는 것이 아니라, 선제적으로 위협이 될 만한 요소를 검토하고 관리하는 것이 목표입니다.

이를 위해 가트너에서는 아래와 같은 5단계의 사이클을 제안하고 있습니다.

1단계: 범위 지정(Scoping)

조직 내의 ‘공격 표면(공격을 받을 수 있는 영역)’을 정의합니다. 이때 일반적인 취약점 관리 프로그램보다 더 넓은 범위를 잡아야 합니다. 여기엔 앱, 응용 프로그램뿐만 아니라 기업의 소셜 미디어 계정, 온라인 코드 저장소와 같은 요소도 포함됩니다.

2단계: 탐색(Discovery)

발견 프로세스는 초기에 비즈니스 영역에 중점을 둡니다. 그 이후에는 비즈니스 영역뿐만 아니라, 숨겨진 자산, 취약점, 잘못된 구성 등을 지속적으로 탐색합니다.

3단계: 우선순위(Prioritization)

모든 보안 문제를 해결하려고 하기보다는 위험 수준과 긴급성, 공격 범위 등에 따라 우선순위를 정하여 대응하는 것이 중요합니다.

4단계: 유효성 검증(Validation)

해커가 실제로 취약점을 공격할 수 있는지 확인한 다음, 모든 잠재적 경로를 분석합니다. 또한 현재 세워진 보안 계획이 비즈니스를 보호할 수 있을 만큼 효과가 있는지 검증합니다.

5단계: 인력 동원(Mobilization)

자동화된 시스템에 의존하지 않고, CTEM 결과를 효과적으로 실행하고 관련 프로세스의 장애물을 최소화할 수 있도록 보안 팀과 비즈니스 이해관계자에게 CTEM 계획을 명확하게 전달해야 합니다.

가트너는 위와 같은 ‘CTEM’ 프로세스가 잘 구축된 조직은 보안 사고를 약 3분의 2로 줄일 수 있을 것으로 예상하고 있습니다.

3. *지속 가능한 기술(Sustainable Technology) AI, 암호화폐, 사물인터넷(IoT), 클라우드 컴퓨팅과 같은 기술의 사용이 증가함에 따라, 그에 따른 에너지 소비와 환경에 미치는 영향에 대한 우려가 커지고 있습니다. 이러한 우려에 효율적이고 순환적이며 지속 가능한 사용이 중요해졌습니다.

이에 지속 가능한 기술이라는 개념이 탄생했는데요. 이는 환경, 사회 및 거버넌스(ESG)의 성과를 지원하고 구현하기 위한 디지털 솔루션 프레임워크를 말합니다. 기업들은 지속 가능한 기술을 적용하면서 사회적, 환경적 책임을 다하는 동시에, 비즈니스 가치도 창출할 수 있는 기술 전략을 적극적으로 모색해야 합니다.

4. *플랫폼 엔지니어링(Platform Engineering) 빠르게 변화하는 트렌드에 대응하기 위해 기업은 확장성, 유연성이 높은 기술 플랫폼을 필요로 합니다. 또한 다양한 기술과 서비스가 상호작용하는 경우도 많은데요. 이를 효과적으로 관리하기 위해 플랫폼 엔지니어링이라는 개념이 등장했습니다.

플랫폼 엔지니어링은 기술 플랫폼을 설계, 구축 및 유지하는 과정을 통칭하며, 기업이나 조직이 자신들의 제품이나 서비스를 효과적으로 제공하고 확장할 수 있도록 지원하는 기술적 기반을 제공합니다. 여기에는 클라우드 인프라, 데이터 처리, API 관리, 보안 및 기타 여러 기술 영역이 포함됩니다.

플랫폼 엔지니어링이 잘 구축된 조직의 경우, 개발 팀의 부담을 줄이는 동시에 생산 효율이 향상되며, 최종 사용자의 경험이 최적화되는 효과로 이어집니다.

5. AI 증강 개발(AI-Augmented Development) 생성 AI가 등장했을 때 많은 분들이 ‘프로그래머의 종말’을 우려하기도 했습니다. 그만큼 코드 작성 속도가 빠르고 정확도도 높았기 때문인데요. 그러나 가트너는 생성 AI가 프로그래머의 자리를 대체하기보다는 도우미로서의 역할을 할 것으로 예상했습니다.

특히 애플리케이션의 설계, 코딩 및 테스트 과정에서 개발자의 작업 효율성을 크게 향상시키며, 복잡한 작업 환경에서도 빠르고 정확한 개발을 도울 것으로 보입니다.

가트너에서 제시한 대표적인 활용 포인트는 다음과 같습니다.

코드 생성 및 이해

생성형 AI는 코드를 작성하고 이해하는 데 도움을 줄 수 있습니다. 특히 GitHub, Copilot, Google Codey 등과 같은 도구는 기업에 유용합니다. 이러한 도구를 사용하면 코드 작성을 가속화할 수 있고, 새로운 아이디어를 빠르게 구현할 수 있습니다.

코드 변환

ChatGPT 등 생성형 AI는 코드를 다른 언어로 번역하는 능력이 있어 배포하는 데 많은 받을 수 있습니다. 다만 코드가 정확하게 번역되지 않으면 큰 위험이 발생할 수 있으니, 코드에 오류를 주입하지 않도록 주의해야 합니다.

기술 부채 탐지 및 측정

코드를 작성할 때 특정 부분을 임시방편으로 처리하고 넘어가는 경우가 있습니다. 그러나 시간이 지나면서 임시방편으로 처리했던 부분에 문제가 발생할 수 있고, 그 문제를 해결하기 위해 더 많은 시간과 노력이 필요할 수 있습니다. 이것을 ‘기술 부채’라 부르는데요. AI는 이러한 기술 부채를 탐지하고 수정하는 데에 도움이 될 수 있습니다.

사용자 기대치 충족

대화식 프롬프트 기반 인터페이스가 확산되면서, 사용자들은 이러한 기능을 소프트웨어 제품에서 사용할 수 있기를 기대합니다. 이러한 기대를 충족시키기 위해 AI를 활용할 수 있습니다.

소프트웨어 테스팅

AI는 테스팅 과정을 향상하는 데 도움을 주며, 테스트 계획부터 결함 분석까지 다양한 영역에서 이점을 제공합니다. 이는 테스트 효과를 높이고 더욱 빠른 배포를 가능하게 합니다.

6. *산업 클라우드 플랫폼(Industry Cloud Platform, ICP) 디지털화와 클라우드 기술의 발전에 따라 기업들은 자신들의 산업 분야에 특화된 솔루션을 찾기 시작했습니다. 그러나 일반적인 클라우드 서비스는 특정 산업의 복잡한 요구 사항을 충족시키기 어려웠는데요. 이러한 배경 속에서 ‘산업 클라우드 플랫폼’이라는 개념이 등장했습니다.

‘수직(버티컬) 클라우드 플랫폼’이라고도 불리는 산업 클라우드 플랫폼은 소프트웨어(SaaS), 플랫폼(PaaS), 서비스형 인프라(IaaS) 기능을 결합하여 다양한 산업에 적합한 솔루션을 제공합니다. 이를 통해 기업들은 비즈니스의 변화, 데이터의 변화, 규제 변화 등에 빠르게 대응할 수 있게 됩니다.

가트너 조사에 따르면 2027년까지 기업들은 산업 클라우드 플랫폼을 활용하여 비즈니스 활동의 50% 이상을 가속화할 것으로 예상했는데요. 2021년에 10% 미만이었던 것을 감안하면 굉장히 빠른 성장세라고 볼 수 있습니다.

7. 지능형 애플리케이션(Intelligent Application) AI는 애플리케이션의 영역으로도 적극 적용될 것으로 예상됩니다. 지능형 애플리케이션은 AI 기술을 활용하여 사용자의 요구와 환경에 유연하게 적응하는 애플리케이션을 의미하는데요. 가트너에서는 지능형 애플리케이션이 활용될 경우 고객, 사용자, 제품 소유자, 개발자들의 경험을 혁신적으로 바꿀 수 있다고 예상했습니다.

지능형 애플리케이션의 대표적인 사례는 다음과 같습니다.

자동화

날씨, 위성 및 기타 데이터를 모니터링하는 재산 보험 앱은 자연재해(홍수, 화재 등)가 발생했을 때 자동으로 보험사에 보험금을 청구할 수 있습니다.

증강

수요와 공급의 변화를 실시간으로 파악, 분석하여 가격을 동적으로 조절할 수 있습니다. 예를 들어, 서비스의 수요가 높아지면 가격을 상승시키거나, 반대로 수요가 줄었을 때 가격을 하락시킬 수 있습니다. 또한 사용자에게 적절한 시기와 조건에서 크레딧(할인, 포인트 등)을 부여하여 사용자의 거래를 유도할 수 있습니다.

적응성

사용자의 행동과 선호도를 학습하여 개인화된 경험을 제공합니다. 예를 들어, 직원이 자주 사용하는 기능이나 문서, 또는 특정 시기(연말 평가 시즌 등)에 자주 찾는 정보에 대한 바로 가기를 메인 화면에 표시할 수 있습니다.

특히 지능형 애플리케이션은 인력 공급 문제도 일부 해결해 줄 수 있는 기술로 꼽혔는데요. 분석 작업을 자동화하거나 작업자의 효율을 향상시켜, 인력 부족을 고민하는 CEO에게 유용한 해결책이 될 수 있습니다.

8) 대중화된 생성 AI(Democratized Generative AI) 2024년에도 생성 AI가 핵심 기술 트렌드가 될 것으로 예상됩니다. 특히 사전에 훈련된 대규모 모델, 클라우드 컴퓨팅, 오픈 소스의 결합으로 전 세계 근무자들은 생성형 AI 모델에 쉽게 접근하고 활용할 수 있게 될 것입니다.

특히 생성 AI는 다양한 작업을 자동화할 수 있는 잠재력이 높아 생산성을 향상시키고, 비용을 절감할 수 있도록 돕습니다. 또한 높은 기술 지식이 없어도 활용할 수 있기 때문에, 다양한 역할과 비즈니스 분야에서 많은 사람이 정보 및 기술에 접근할 수 있는 장점이 있습니다.

가트너의 예측에 따르면, 2026년까지 80% 이상의 기업이 생성형 AI API와 모델을 사용하거나 애플리케이션을 실제 환경에 배포할 것으로 전망되었는데요. 이는 2023년 초에 5% 미만이었던 것을 감안하면 굉장한 속도라고 볼 수 있습니다.

생성형 AI의 발전은 업무 효율성과 정보 접근성을 크게 향상시키는 중요한 역할을 하며, 향후 몇 년간 놓쳐서는 안 될 기술 패러다임으로 자리 잡을 것입니다.

9) 증강-연결된 인력(Augmented-Connected Workforce) ‘증강-연결된 인력’은 다른 기술 트렌드에 비해 가장 생소한 전략이 아닐까 싶습니다. 가트너 IT 심포지엄에서 크리스 하워드(Chris Howard)는 이를 설명하면서 다음과 같은 예시를 들었습니다.

“여러분이 공항 활주로에서 이전에 경험해 보지 못한 복잡한 문제를 해결하는 사람이라고 상상해 보세요. 이때 어디에서 도움을 받을 수 있을까요? 우선 회로도를 통해 필요한 정보를 얻을 수 있습니다. 또한 표준 운영 절차나 다른 전문가들의 해결 경험을 참고할 수 있습니다. IoT 센서로부터 얻은 데이터나 장치의 피드백을 통해 문제를 파악할 수도 있습니다.

그러나 AI를 활용하면 다릅니다. 직원이 AI를 비롯한 다양한 기술이 집약된 디지털 시스템에 질문하거나, 혼합 현실을 사용하여 필요한 정보나 물건을 가져올 수 있다면 얼마나 효율적일까요? 이러한 기술의 발전은 실시간으로 진행되며, 데이터를 활용하는 방식은 지속적으로 발전하고 있습니다. 이것이 바로 제가 기대하는 미래 방향성입니다.”

다시 말해 ‘증강-연결된 인력’이란, 증강 기술을 사용하여 사용자들의 능력을 강화하고 확장하는 것을 통칭하며, 여기에는 가상 현실, 컴퓨터 비전, 보조 장비 등 다양한 기술이 포함됩니다. 이러한 기술들은 서비스 레벨, 결과물, 응답 시간을 향상해 줄 것으로 기대하고 있습니다.

10) 기계 고객(Machine Customers) 마지막으로 가트너는 가까운 미래에는 사람보다 ‘커스터봇(Custobot)’이라는 기계 고객이 거래를 주도하는 세상이 올 것으로 예측했습니다. 기계 고객은 상품과 서비스를 자율적으로 협상하고, 대가를 지불하여 구매하는 비인간 경제 행위자를 지칭하는데요. 인간 고객과는 다르게 감정이 없고 알고리즘과 기술을 기반으로 동작합니다.

특히 이들은 윤리나 가치관을 가지게 될 것이며, 특정 수준의 ESG 약속을 지킨 공급자와만 협력하려는 결정을 내릴 것으로 예상됩니다. 따라서 기계와의 상호작용은 결국 윤리적 요소를 포함하게 된다는 것이죠.

가트너의 연구에 따르면, 2028년까지 약 150억 개의 연결된 제품이 기계 고객의 역할을 할 수 있는 잠재력을 가질 것으로 예상했고, 이 수치는 계속해서 증가할 것으로 예측했습니다. 이러한 기계 고객의 등장은 기업에 새로운 비즈니스 기회를 제공하며, 새로운 마케팅 및 판매 전략이 등장할 것으로 보입니다.

마치며 지금까지 가트너에서 제시한 2024년 전략 기술 트렌드에 대해 알아봤습니다. 가트너에서는 이 10가지 기술 트렌드를 아래 그림처럼 ‘빌더의 부상(Rise of the Builders)’, ‘투자 보호(Protect Your Investment)’, ‘가치 전달(Deliver The Value)’이라는 카테고리로 묶어 설명합니다.

과거와 달리 최근에는 미래 예측이 매우 어려워졌습니다. 이전에는 하나의 기술이 유행하면 몇 년 동안은 대중적으로 많이 활용되었지만, 지금은 기술 변화 주기가 빨라져 어떤 기술이 언제, 어디서 나타날지 예측하기 힘들어졌기 때문입니다. ChatGPT의 예기치 못한 등장은 이러한 예측의 어려움을 대표적으로 보여줍니다. (물론 예측한 조사기관도 있었지만, 이 정도의 파급력을 가질 것이라고 예상한 곳은 많지 않았습니다.)

그렇다고 해서 가트너처럼 매년 기술 트렌드를 예측하는 것이 무의미해진 것은 아닙니다. 그 이유는 예측 방식도 점차 변화하고 있기 때문인데요. 과거에는 기술의 발전 방향과 속도를 바탕으로 다음 해에 전혀 다른 ‘새로운 기술’이 나올 것인지 예측했다면, 지금은 현재의 기술 트렌드를 더욱 정밀하게 분석하고, 이를 바탕으로 ‘가까운 미래의 활용 전략’을 제시하는 방식으로 변화하고 있습니다. 이를 활용해 빠르게 변화하는 기술 환경에 유연하게 대응할 수 있는 능력이 더욱 중요해질 것입니다.

Your Detailed Guide to the 2024 Gartner Top 10 Strategic Technology Trends