“2025년 AI 10대 핵심 트렌드 - Bridge, Beyond, Business”

 

금회는 딜로이트 안진회계법인이 작성한 Deloitte Insights “2025년 AI 10대 핵심 트렌드 - Bridge, Beyond, Business”를 전송드립니다

보고서는 AI 10대 핵심 트렌드를 ‘AI 기술의 진화’와 ‘AI 도입과 응용’으로 구분하여 제시하고 있습니다. 

요약하면 다음과 같습니다.

 

I. AI 기술의 진화: 2025 TOP 트렌드

① 물리적 인공지능 (Physical AI)

 ▶딜로이트는 AI 기술의 진화와 광범위한 확산에 따라 하드웨어와 인프라의 중요성이 한층 고조되고 있으며, 물리적 AI의 형태로 로봇 상용화 시기가 대폭 앞당겨질 것으로 전망함

 ▶적용 분야: 스마트 제조, 물류/유통/창고운영, 발전플랜트/재생에너지설비, 바이오 제약 및 헬스케어, 공공 인프라 등

② 에이전틱 AI

 ▶딜로이트는 2024년 말 발간한 기술 트렌드 리포트(Tech Trend 2025)에서, AI가 인간과의 상호작용을 극대화하는 에이전틱 AI(agentic AI)로 진화할 것을 예측함

 ▶에이전틱 AI의 급성장: 에이전틱 AI는 인간의 지시 없이도 스스로 계획을 세우고 복잡한 작업을 완수하는 소프트웨어 솔루션으로, 지식 근로자의 생산성을 높임과 동시에 신규 과제도 유발함 

③ 다중 AI 에이전트

 ▶딜로이트는 전문화된 다중 AI 에이전트가 독립적으로 또는 상호 협력하며 작동함으로써, 복잡한 고난도의 문제 해결에 있어 혁신적이고 탁월한 역량을 발휘할 것으로 전망함.

 ▶다중 AI 에이전트의 잠재력: 다중 AI 에이전트 모델은 여러 개의 AI가 각각 전문성을 발휘하여 협력하는 방식으로, 금융, 마케팅 등 다양한 분야에서 본격적으로 활용되기 시작함

④ 온디바이스 AI

 ▶딜로이트는 온디바이스 AI(On-Device AI) 시장이 2031년까지 연평균 약 27.95%의 높은 성장률을 기록하며, 시장 규모가 1,181억 달러(한화 약 167조 원)에 이를 것으로 전망함

 ▶온디바이스 AI의 주요 특·장점: 온디바이스 AI는 클라우드 의존 없이 디바이스 내에서 직접 연산을 처리함으로써, AI 기술 발전과 활용을 견인하는 핵심 혁신동력으로 평가됨

⑤ AI Trust(AI 거버넌스)

 ▶딜로이트는 신뢰할 수 있는 AI 프레임워크 구축을 권고하며, 그 과정에서 투명성, 공정성, 견고성, 개인정보 보호, 안전성, 책임성 등 핵심 원칙 준수를 강조하고 있음

 ▶AI 거버넌스 성숙도 지수 개발: 딜로이트는 AI 거버넌스 구축을 위해 조직구조, 정책 및 원칙, 절차와 통제, 인력과 스킬, 모니터링 및 보고 등 5대 항목에 대한 성숙도 진단 지표를 개발함

 

II. AI 도입과 응용: 인사이트 핵심 키워드

⑥ AI 시티

 ▶AI는 도시의 인프라 관리와 교통 체계, 공공안전, 보건, 환경보호 전반에 걸쳐 도시 서비스 혁신을 이끌어갈 핵심 동력으로 평가됨

 ▶AI 기반 도시로 변모하기 위한 로드맵:  AI는 도시의 데이터 분석과 업무 자동화를 통해 생산성과 효율성을 획기적으로 향상시키며, 시민 맞춤형 서비스를 구현하는 데 기여함 

⑦ AI 사이버보안

 ▶생성형 AI 도입에 따라 새롭게 진화하는 보안 위협에 대해, 기업은 전략적이고 체계적인 보안 및 대응 역량을 갖추어야 함

 ▶생성형 AI의 리스크와 대응 방안: 생성형 AI는 조직 혁신을 가속화하는 강력한 도구이지만, 데이터 출처 불확실성·보안·규제 준수 등 복합적 리스크가 조직 전반에 영향을 미침 

⑧ AI 시대 인재개발

 ▶생성형 AI는 업무 방식과 경력 개발 우선순위를 근본적으로 재편하고 있으며, 이에 대응한 전략적 인재 개발과 역량 강화가 조직 지속 가능성의 핵심 요소가 될 것임

 ▶인간과 AI가 협력(융합)해야 하는 시대: AI는 반복 작업을 자동화하는 한편, 인간만이 가진 창의성과 판단력, 공감 능력을 중심으로 상호 보완하는 새로운 ‘인간-AI 협업 모델’ 이 등장함 

⑨ AI 데이터센터

 ▶AI 데이터센터 건설과 확산으로 전력 수요가 기하급수적으로 증가하며, 특정 지역에 집중된 대규모 전력 소비로 전력망 운영에 심각한 도전이 되고 있음

 ▶AI 데이터센터 확산:  AI 데이터센터는 전력수요를 30배 이상 급증시키며, 전력 인프라 관리 문제를 유발함

⑩ AI 제조

 ▶글로벌 OEM 사들은 완성차 제조 全 과정에서 AI 기술을 적극적으로 적용하여 본질적인 경쟁력 확보에 나서고 있음

 ▶완성차 제조 프로세스 내 AI 접목 확대: 글로벌 OEM사들은 AI 도입으로 제조 생산 및 공급망 관리의 혁신과 내부프로세스 자동화 및 고객 경험 향상에 집중함

 

보고서는 “AI 전략 수립의 핵심 질문”으로 다음 4개의 사항을 제시하고 있습니다.

① Strategy

 ▶생성형 AI(GenAI)를 비즈니스의 변화하는 요구에 맞춰 어떻게 프로세스를 개선해 갈 것인가?  새로운 데이터 아키텍처와 패턴은 무엇인가?  어떻게 AI와 데이터 사일로를 최소화할 수 있을까?  새로운 지식재산(IP), 법적, 윤리적, 규제적 위험은 어떻게 식별하고 

   대응할 것인가?

 ▶핵심 고려사항: 단발성 배포 vs 지속적인 모델 튜닝,  지속적인 성능 및 정확도 모니터링,  조직의 위험 수용 수준(Risk Appetite) 등

② People

 ▶생성형 AI(GenAI) 솔루션을 개발하기 위해 인재와 기술역량을 어떻게 확보할 것인가?  생성형 AI 도입시 직원과 비즈니스에 미치는 영향을 최소화 하면서 어떻게 효과적으로 롤 아웃을 실행 할 것인가?  생성형 AI의 성공적인 도입과 정착을 어떻게 보장할 것인가?

   조직 내에서 “AI 퍼스트(AI First)” 문화를 어떻게 조성하고 확산할 것인가?

 ▶핵심 고려사항: 신규 인재 채용 vs 기존 인력 역량 강화(업스킬링),  인간 역량 보강(Human Augmentation) vs 자동화,  직원 교육 및 훈련 등

③ Process

 ▶생성형 AI(GenAI)를 비즈니스의 변화하는 요구에 맞춰 어떻게 프로세스를 개선해 갈 것인가?  새로운 데이터 아키텍처와 패턴은 무엇인가?  어떻게 AI와 데이터 사일로를 최소화할 수 있을까?  새로운 지식재산(IP), 법적, 윤리적, 규제적 위험은 어떻게 식별하고 

   대응할 것인가?

 ▶핵심 고려사항: 단발성 배포 vs 지속적인 모델 튜닝,  지속적인 성능 및 정확도 모니터링,  조직의 위험 수용 수준(Risk Appetite) 등

④ Technology & Data

 ▶엔터프라이즈 표준으로 어떤 플랫폼(예:: OpenAI, Nvidia, Google, AWS)을 선택 할 것인가?  생성형 AI(GenAI), 전통적 AI, 분석(Analytics)을 어떻게 결합할 것인가?  필요한 데이터 도구를 보유하고 있는가?  생성형 AI 솔루션과 대형 언어 모델을 구매할 것인가, 

   직접 개발할 것인가, 아니면 도입(채택)할 것인가?

 ▶핵심 고려사항: 대형 언어 모델 플랫폼의 비용 대비 성능 비교,  내부 개발과 파트너십(협력) 방식의 장단점  기존 아키텍처 및 기술 스택에 미치는 영향 등

 

업무에 도움이 되시기 바랍니다

 

*** 게시자 주 : 용량과다로 요약문만 게재하였는 바, 전문(全文)이 필요하신 분은  <  kimpj1@naver.com김필주기술사 >로 연락 주시면 자료를 보내드립니다.