월간 SW중심사회 2022년 01월호 태그를 찾았습니다.
    • 2022.01.11
    • 8069

    e-book 보기 칼럼 COLUMN 2022년 SW산업 10대 이슈 전망 포커스 FOCUS 디지털을 넘어 양자시대를 준비하는 양자컴퓨터 IT 서비스 시장의 화두와 2022년 전망 이슈 ISSUE 향후 10년의 메가트렌드를 분석하다: 글로벌 트렌드와 SW 메가트렌드 2030 슈퍼프리랜서는 어떻게 탄생하는가?

    • 2021.12.27
    • 20414

    채효근 한국IT서비스산업협회 hkchai@itsa.or.kr IT서비스산업은 다양한 기업이 서로 협업을 하면서, 고객에게 IT서비스를 제공하는 산업이다. 이러한 IT서비스산업의 구조는 매우 복잡하다. 종합IT서비스기업 간 수평적 경쟁과 종합 IT서비스기업과 종합 IT서비스기업, SW기업 및 하도급전문기업 간 수직적 협업관계가 다양하게 전개되고 있다. 이러한 상황에서 IT서비스산업을 한눈에 조망하는 것이 쉽지 않다. ※ 한국IT서비스산업협회는 IT서비스산업을 ‘최적의 정보기술을 활용하여 조직의 경쟁력을 제고시키고 해당 분야의 업무 및 사업의 부가가치를 제고하며 정보기술을 기반으로 기존산업과 융합화하여 새로운 서비스를 창출하는 산업’으로 정의(컨설팅, 시스템 통합, 아웃소싱, IT융합서비스, 그리고 교육 및 훈련으로 분류함) ※ 가트너는 IT서비스산업을 ‘IT에 의해 기존 사업에 효율화와 개혁을 추구하거나 기업의 신규사업 창출을 이끄는 서비스로써 기술전략평가의 지원과 고객의 수요파악, 시스템 구현 및 기획, 운영, 인프라자문, 신규도입 교육 등에 서비스를 제공하는 산업’으로 정의 ※ IDC는 IT서비스산업을 ‘정보기술 전반에 걸친 지식 서비스산업으로서, 시스템 구축 및 개발에 평가 및 측정, 프로세스의 최상의 기술적 충족요건을 운영하는 것’으로 정의 서두에 IT서비스 산업의 정의를 언급하는 것은 IT서비스 시장 및 사업의 행태를 명확히 할 필요성이 있기 때문이다. 정책적으로 광의의 소프트웨어산업 그리고 협의의 소프트웨어산업을 혼재하여 사용하다보니 산업현장에서 소프트웨어산업을 추구하는 많은 종사자 및 정책자 등 이해관계자들이 헷갈려하는 경우를 종종 본다. 예로 “SI개발에서 벗어나서 패키지개발로” 등 각 전문 분야에 대한 이해가 부족한 구호가 나오곤 한다. SI의 정의를 살펴보면 과거에는 정보시스템을 구축할때 사용자는 자체적으로 시스템 구축을 기획하여 설계하고, 개별적으로 하드웨어를 조달하고 소프트웨어를 발주하는 것이 일반적인 방법이었다. 그러나 최근에는 정보기기가 다양해지고, 더욱이 필요로 하는 정보시스템이 거대하고 복잡해지고 있어 사용자는 어떤 기기를 선택해야 하고, 어떤 소프트웨어를 어떤 방법으로 만들어야 할 것인지를 알 수 없는 경우가 많다. 시스템통합 즉, SI는 바로 그와 같은 필요성에서 생겨난 서비스로, 그 서비스에는 시스템의 설계, 최적의 하드웨어 선정에서 발주 및 조달, 사용자의 필요에 맞춘 응용소프트웨어의 개발, 시스템의 유지·보수 등을 포함한다. 이와 같은 서비스를 제공하는 사업자를 시스템통합 사업자(system Integrator)라고 한다. SI 사업자에는 주로 컴퓨터 제조회사, 정보처리 서비스회사, 소프트웨어 개발회사, 부가가치 통신망 사업자, 컨설턴트 회사 등이 진출하고 있다. 시스템통합사업은 무엇보다도 사용자의 요구를 정확하게 파악할 수 있는 우수한 인재의 확보와, 다양한 요소기술을 가지고 있는 협력업체의 확보가 성패를 좌우한다. {두산백과} 이러한 정의에 의해서 SI개발과 패키지개발은 상호 우수성을 비교할 것이 아니라 SI기법을 고도화함으로 속칭 날코딩개발을 지양하고 최적의 모듈(혹은 패키지, 컴포넌트)을 선정하고 이를 지향하는 목표시스템의 완성도를 높이는 노력을 하여야 할 때이고, 보다 범용성이 있는 모듈( 혹은 패키지, 컴포넌트)을 개발하여 상용화에 노력을 기울이는 전문기업의 육성이 필요할 때이다. 다소 서구 선진국에 비해 늦은감은 있지만. 아무튼 미래를 선도해야 할 광의의 소프트웨어산업을 선진화시키기 위해서는 각 전문분야별 명확한 정의와 그에 따른 적절한 육성방안을 강구해야할 것이다. 2021년의 ICT업계의 주요 경영 목표에 많은 영향을 미친 화두는 ①데이터경제, ②인공지능, ③고품질 5G, ④디지털트윈(디지털전환의 핵심촉매), ⑤온택트(비대면시대), ⑥디지털소비(디지털플렛폼 기반 소비), ⑦홈코노미(재택기반 경제의 급부상), ⑧K-콘텐츠(디지털 기반 플렛폼 경제로 전환-BAT, 유트뷰 등), ⑨빅테크기업(빅테크기업플렛폼을 기반), ⑩디지털 통상(데이터와 서비스 중심의 디지털통상으로 전환)이 주를 이루었으며, 수주형 시장에서는 공공에서의 차세대 시스템개발 시작, 금융에서는 디지털금융의 강화, 그리고 민간분야에서는 본격적으로 IT를 통한 기존산업분야의 디지털 전환을 추구하기 시작했다. 민간에서는 CIO 뿐만 아니라 DTO(Digital Transformation Office)제도를 도입함으로써 본격적인 디지털융합을 추구하고 있다. 이는 빅테이터, AI, 클라우드기술이 검증을 거쳐 상용화되고 있음을 의미한다. 더불어 COVID-19의 창궐을 기화로 온택트(비대면)기술의 발달로 플렛폼사업자의 전성기를 이루고 있으며 이러한 기술을 제공하는 IT서비스기업의 새로운 시장으로 떠오르고 있는 것으로 파악되고 있다. ※ 2021년도 공공분야시장의 구조는 SW구축 사업금액은 3조 6,557억 원이며, 세부적으로는 ⑴운영 및 유지관리 사업 2조 769억 원(총 사업금액의 56.8%), ⑵SW개발 사업 1조 2,722억 원(총 사업금액의 34.8%) 등으로 나타남 또한 2021년에 특이한 점은 이번 정부에서 중점을 두었던 소프트웨어진흥법이 전면 개정되고 본격적으로 시장에 적용하게 되었다. 적정 사업기간 산정, 사업범위의 적정성, 소프트웨어 사업의 영향평가, 상용소프트웨어 활용촉진 등을 위하여 사업심의위원회의 의무화를 통하여 소프트웨어사업의 선진화를 위한 노력이 배가되었으며, 공공재의 민간과 공공이 협력할 수 있는 민간투자형사업을 추진할 수 있게 되었다. 또한 대중소기업간의 상생을 위하여 그동안 상출제 기업집단에 속한 대기업의 공공시장 진출을 규제해 왔던 기조에서 대중소기업의 상생유도와 중견ㆍ중소기업의 공공시장 지눌을 지원하는 기조로 바뀌면서 상출 제 기업집단에 속한 대기업의 공공시장 진출 기회가 다소 확대되고 있다. 2021년도에 미래를 대비하여 여러분야에서 준비하는 한해였다면 내년 2022년에는 공공에서는 대선이라는 호재를 갖고 있으며 어느누가 대통령이 되든지 국가적 디지털전환을 대대적으로 추진할 것으로 추정되며 이를 위한 전담 부처가 탄생할 것을 기대하게 된다. 일반예산에서는 2021년과 비슷한 수준의 IT 관련 예산이 수립된 것으로 보이나, 각 정당의 수립될 공약을 추론하면 비대면 관련 분야, 각 산업분야의 디지털전환, 탄소중립 관련 분야, 그리고 국가시스템의 클라우드 전환 관련해서는 별도의 예산이 수립되기를 기대하는 바가 크다. 금융 등 민간분야에서도 디지털전환의 급속한 추진으로 빅데이터, AI, 클라우드, 보안 등 기술을 토대로 산업간 융합을 위한 투자가 이루어질 것으로 예측된다. 2022년 ICT분야는 가트너는 전략기술 트렌드를 ①데이터패브릭(데이터패브릭은 비즈니스 사용자와 플랫폼 전반에 걸쳐 데이터소스의 유연하고 탄력적 통합을 제공) ②사이버보안메시아키텍처, ③PEC(Privacy Enhancing Computation) ④클라우드 네이티브 플랫폼(급속한 디지털변화에 대응할 수 있도록) ⑤조합가능한 애플리케이션(코드를 더욱 쉽게 사용 및 재활용할 수 있으며 신규 소프트웨어 솔루션의 신속한 타임투마켓 출시를 가능케 해 기업들에게 가치를 제공) ⑥의사결정 인텔리젼스(조직의 의사결정을 개선하기 위한 실용적인 접근법으로서, 의사결정이 이루어지는 방법을 명시적으로 이해하고 엔지니어링함으로써 의사결정을 개선하는 것) ⑦하이퍼오토메이션(가능한 한 많은 비즈니스 및 IT 프로세스를 신속하게 판별, 조사, 자동화하기 위한 비즈니스 기반 접근법) ⑧인공지능엔지니어링 ⑨분산형기업(원격 및 하이브리드 근무패턴이 증가함에 따라 기존사무실 중심조직은 지리적으로 흩어진 근로자들로 구성되는 분산형기업(Distributed Enterprise)으로 진화) ⑩Total Experience.(비즈니스 전략으로서 전체경험(Total Experience. TX)은 여러 접점에 걸쳐 고객경험(CX), 직원경험(EX), 사용자경험(UX), 다중경험(MX) 등을 통합해 성장을 가속화하는 것) ⑪자치시스템(Autonomic Systems, 자신을 둘러싼 환경에서 학습해 자가 관리되는 물리적 혹은 소프트웨어시스템) ⑫생성형AI(데이터로부터 얻어낸 결과를 학습해 원작과 유사하지만 독창적이고 새로운 결과물을 만들어내는 것)를 제시하고 있다. 전체적으로 보면 데이터간의 연결, 각 분야에서의 AI 활성화, 그리고 클라우드 환경의 급속한 확대 등 모든 분야에서의 디지털전환이 가속화 됨에 따른 각 요소기술의 융합 및 온택트의 일반화에 따른 작업환경의 적응과 관련된 기술들을 언급하고 있다. 또한 국가시스템의 디지털화 촉진과 클라우드 전환이라는 시대적 요구에 부응하기 위해 대대적으로 예산이 투입될 것으로 보이며, 공공시스템에 민간투자가 가능해지는 제도가 정착됨으로써 민ㆍ관이 투입자원의 공유를 통하여 완성된 국가 디지털전환이 기대된다. 예로 민간이 투자한 인프라에 국가시스템의 클라우드 전환전략을 통한 국가예산의 효율성 증대 및 민간의 새로운 시장 창출이라는 효과를 얻을 수 있을 것으로 판단된다. ICT를 기반으로 한 산업간의 융합과 디지털전환의 가속도로 인해 새로운 시대, 새로운 세대는 우리의 생각보다 급속히 다가오고 있으며, 이에 대비하고 적극적인 적응을 위해서는 민ㆍ관의 전략적이고 과감한 ICT투자가 필요하다.

    • 2021.12.27
    • 13245

    박성수 한국전자통신연구원 양자기술연구단장 sspark@etri.re.kr 눈앞으로 다가온 데이터 폭증의 시대 전세계는 디지털 전환을 준비하고 있다. 모든 비즈니스에 디지털 기술이 접목되고 새로운 생태계가 만들어지고 기존의 산업체계와 질서가 재편되고 있다는 것을 말한다. 이에 따라 매년 데이터 생산량이 폭증하고 있다. 인공지능의 도입, 전세계 인구의 휴대폰 소지, 자동차 수요 급증 등에 따라 하드웨어, 즉 메모리, CPU, GPU, MPU 등의 반도체 수요가 크게 증가하고 있다. 또한 컴퓨팅 파워 증대 요구도 계속 높아지고 있다. 이러한 전세계적인 기술 수요에 대처할 수 있는 방안에 대한 활발한 연구가 진행되고 있다. 2018년 발행한 IDC의 전세계의 데이터 생산량 전망을 보면 지수함수적으로 급증하고 있으며 데이터 생산량은 2018년도에만 33ZB(1TB 하드디스크(HDD)에 저장한다면 330억 개 분량)라고 한다. 참고로 1ZB(제타바이트, Zetta Byte)는 10의 21승 바이트, 즉 1TB HDD 10억 개로, 7mm 두께의 2.5인치 HDD로 쌓으면 지구 둘레를 175바퀴 돌 수 있을 정도에 해당한다. 2025년이 되면 175ZB(HDD 1,750억 개)에 이를 것으로 내다봤다. 이렇게 폭증하고 있는 데이터들은 저장장치에서 장기간 저장되는 경우도 있겠지만 잠시 저장되는 경우도 많아서 저장장치가 그 정도로 많이 필요하지는 않지만, CPU는 이 모든 데이터를 처리해야 한다. 2022년에는 약 80ZB 정도이지만, 3년 후에는 2배가 넘는 175ZB가 되면서 컴퓨팅 처리용량에도 많은 부담이 올 것이다. 또 3년 후에는 3~4배 정도로 증가하게 될것인데 이렇게 되면 데이터 처리를 위한 많은 비용 증가도 무시하지 못하겠지만, 기술적으로도 CPU의 처리능력에 엄청나게 큰 부담을 주게 될 것이다. CPU 구조에서도 코어, 쓰레드 수를 늘리는 등 개선을 하고 있으나 CPU의 성능을 결정짓는 반도체 기술의 발전은 한계에 직면한 상황이다. 폭발적 데이터 증가를 수용할 수 있는 초고성능 CPU 개발을 위해서는 더 많은 노력이 필요할 것으로 보인다. 2021년 7월 인텔은 10nm 이하 미세공정에서 2nm 정도까지 내려갈 수 있음을 발표하였다. CPU 제작에 사용되는 반도체 기술로 현재는 10nm급 기술을 사용하고 있는데, 10nm→7nm→4nm→3nm→20A으로 작아지는 인텔의 미세공정로드맵에서 10nm에서 7nm로 내려갈 때 10~15% 정도의 성능향상을 기대하고 있다고 한다. 여기서 20A는 20Å(옹스트롱, 100억 분의 1m, 즉 0.1nm)를 의미하는 기호로 보이는데, 향후 2nm 이하는 1nm가 아니라 1.8nm, 1.6nm 등이 될 것임을 짐작할 수 있다. 반도체 칩은 실리콘 기판에 만드는데, 실리콘 기판은 원자가 일정한 간격으로 배열되어있는 결정구조를 가지고 있다. 즉, 실리콘 원자 간 간격은 0.543nm로 4개 실리콘 원자 간 간격은 약 1.63nm이다. 다시 말해, 2nm 이하에서의 반도체 공정이라는 것은 실리콘 원자 3~4개를 덜어내는 문제가 되고 실리콘 원자 간 간격인 0.543nm 이하에는 아무것도 없으므로 그 이하로는 불가능하다는 뜻이다. 물론, 연구실 차원에서는 원자 1개를 조작하는 수준의 실험도 얼마든지 가능하지만, 웨이퍼 전체가 아니라 아주 극히 일부분에 국한된 부분에 그치는 정도로서 대량생산을 위한 기술이 아니다. 그러나 지름 300mm 웨이퍼에 CPU칩을 수백 개씩 한꺼번에 대량 생산할 때는 이야기가 달라진다. 인텔, 삼성의 반도체 공정이 그렇다는 것이다. 새로운 컴퓨팅 환경이 필요한 시대 2020년 7월 MIT, IBM, 연세대, 브라질리아대 등은 이미지인식, 음성인식, 번역 등 다섯 가지 인공지능 응용에 대해 딥러닝이라는 신기술이 컴퓨팅 파워의 한계에 접근하고 있다는 내용으로 논문을 발표하였다. 딥러닝에 필요한 컴퓨팅 파워는 “(데이터 포인트의 개수)×(매개변수의 개수)”에 비례하는데 여기서 매개변수는 딥러닝일 경우, 약 100만 개 데이터 포인트일 때 수백만 개 이상으로 늘어나는 것으로 알려져 있다. 딥러닝은 다른 인공지능 방법보다 훨씬 더 많은 컴퓨팅 파워를 필요로 하고 있다. 인공지능 인식의 오류율을 줄이기 위해서도 많은 컴퓨팅 파워를 필요로 한다. ImageNet 영상인식의 경우 11.5%의 오류율을 5%로 줄이기 위해 10만 배 더 많은 컴퓨팅 파워가 필요하고 1%로 줄이려면 100조 배나 더 필요하다고 계산하였다. 컴퓨팅 파워가 더 필요하다는 것은 더 많은 전력이 필요하다는 뜻이고, 많은 전력을 생산하기 위해서는 더 많은 환경오염을 만들어 낸다는 뜻이다. 이를 개선하기 위해 알고리즘 효율화와 저전력화 연구가 진행되고 있다. ImageNet 영상인식의 경우, 2015년 인간의 인식 오류율인 5.1%를 넘어섰다고 발표했다. 2010년 28%, 2012년 16.4%, 2011년 9.4%, 2015년 3.6%, 2017년 2.3%, 2020년 1.3%로 나아지고 있다. 그러나 연구개발 결과가 그렇다는 것일 뿐 실생활의 여러 가지 행태의 인공지능 인식에 적용될 때도 반드시 그럴 것으로 보기는 어려울 수 있다. 영상인식 이야기를 더 해보면, 자율주행을 위해 영상 인식에 의존하고 있는 우버와 테슬라 자율주행 자동차가 2018년에 각기 사망사고를 냈다. 보행자 인식과 차선 인식의 오류로 인한 사고였다. 카메라 이외의 다른 센서도 같이 사용해야 안전하다는 의견이 높아졌음에도 테슬라는 영상인식 기술에만 전념하겠다고 발표하였고 도로 상황 영상데이터 확보를 위해서 전세계에서 운행 중인 테슬라 차량으로부터 1.5PB(Peta Byte, 1,000TB)의 영상정보를 수집하여 자사가 보유하고 있는 세계 5위급인 1.8EF(Exa FLOPS, 1초에 100경 번 소수점 계산이 가능), 10PB 메모리를 가진 슈퍼컴퓨터로 분석하여 자율주행 기술을 업데이트하는 데에 사용하고 있다고 2021년 6월 발표하였다. 즉 인공지능의 활용도가 높아짐에 따라 안정되고 신뢰할 수 있는 인공지능이 되기 위해서는 강력한 컴퓨팅 환경을 더욱 필요로 하게 된다. 2차 세계대전 중인 1940년대부터 시작되어 1초에 3번 정도 정수의 덧셈을 하던 디지털컴퓨터는 약 80여년이 지난 지금, 비약적으로 성장했다. 2021년도 세계 1위 슈퍼컴퓨터인 일본 후카쿠의 계산능력은 1초에 약 40경 번 소수점 계산(442,010TFlop/s)을 할 수 있을 정도가 되었다. 단순히 비교해도 약 14경 배나 성능이 좋아졌다고 볼 수 있다. 슈퍼컴퓨터는 국가의 계산능력을 말하는 척도가 되므로 미국, 중국, 유럽은 자존심을 걸고 더 좋은 슈퍼컴퓨터를 개발하는 데에 막대한 자원을 투자하고 있다. 계산능력의 비약적인 증가와 함께 생긴 부작용도 있는데 바로 소비전력이다. 후카쿠의 소비전력은 약 30MW 정도인데 이는 서울 강남구 2018년 10월 한 달간 도소매업의 전기사용량인 21MW보다 높은 수치이다. 슈퍼컴퓨터는 여러 개의 프로세서(후카쿠 의 경우 프로세스 코어로써 760만여 개)가 병렬계산을 함으로써 계산속도 향상을 추구하고 있다. 따라서 냉각, 프로세스 간 인터페이스, 소프트웨어 안정성, 안정된 전력공급 등의 여러 가지 문제를 해결해야 한다. 그리고 필연적으로 대규모 컴퓨팅 시스템으로써 유지보수에도 많은 자원을 필요로 한다. 따라서 현재의 디지털컴퓨팅을 더 발전시키기 위한 노력뿐만 아니라 전혀 새로운 컴퓨팅 방법을 찾아내는 연구도 진행되고 있는데 뉴로모픽컴퓨팅, DNA컴퓨팅, 멤브레인컴퓨팅, 오토마타, 확률컴퓨팅 등이 있다. 그중에서도 가장 오랫동안 연구가 진행되었고, 전세계 모든 국가에서 동시에 연구개발 경쟁을 벌이고 있어서 디지털 컴퓨팅을 보완하고 대체할 수도 있는 가능성을 가지고 있다고 생각되는 것이 바로 양자컴퓨팅이다. 디지털에서 양자로 디지털은 전압으로 구분할 경우 5V인 1과 0V인 0이 1개의 비트에 할당된다. 양자컴퓨터에서는 1인 양자상태(|1>)와 0인 양자상태(|0>)가 1개의 큐비트(Qubit, Quantum Bit)에 할당되는데 1개 큐비트에는 중첩이라는 양자적 성질에 의해 |1>과 |0>이 동시에 존재하게 된다. 이 경우 3개의 큐비트라면 |000>, |001>, |010>, |011>, |100>, |101>, |110>, |111>의 2³의 경우가 모두 중첩된 상태가 되어 다음과 같이 표현될 것이다. a1|000>+a2|001>+a3|010>+a4|011>+a5|100>+a6|101>+a7|110>+a8|111>. 모든 상태가 3개 큐비트에 저장 가능하다는 뜻이 되는 것이다. 여기서 a1, a2 등은 확률인데, 복소수로 표현되어 직관적으로 이해하기에는 약간 어려움이 있을 수 있다. 반면 디지털 비트라고 하면 위와 같은 경우에서 모든 상태를 표시하기 위해서는 “3개 비트×8개” 즉, 24개 비트가 필요하다. 여러 가지 비트 상태에 대해 3개 비트씩 계산해 본다면 디지털컴퓨터로는 3개 비트에 대해 8번을 계산해야 하지만 양자컴퓨터로는 3개 큐비트에 대해 한 번만 계산하면 모든 상태를 계산한 셈이 된다. 이러한 계산방법을 ‘양자병렬계산(Quantum Parallelism)’이라 부르는데 양자컴퓨팅이 강력한 계산성능을 가진다고 말할 때 가장 많이 사용되는 예이다. 그러나 양자의 세상은 실생활과는 다른 복소수로 표현되는 세상이다. 양자계산된 결과를 알아보기 위해서는 측정이라는 과정을 거쳐 실수로 변환되어야 우리가 알아볼 수 있게 된다. 양자상태를 측정하는 방법에는 여러 가지가 있지만, 양자컴퓨팅에서는 일반적으로 On-Off 측정방식을 사용하게 되는데 1개 큐비트에 중첩된 |0>과 |1>의 2개 값이 있다면 1번 측정으로는 1개 값만을 얻을 수 있다. 0과 1이 얼마나 중첩되었는지 확률을 알고 싶으면 새로 계산하고 다시 측정하는 과정을 여러 번 반복해서 통계적으로 정리해야 한다. 즉, 양자병렬계산은 한꺼번에 계산된 결과를 가지고 있지만, 실제 어떤 결과 값이 나오는지를 알아보려면 모든 경우에 대한 확률분포를 알기 위해 실제 디지털컴퓨터보다 더 많은 계산을 해야 하는 아이러니가 있다. 때문에 이러한 방법은 양자컴퓨팅에서 추천되지 않는다. 문제의 크기가 작은 경우에는 디지털컴퓨터로 계산하는 것이 훨씬 더 빠르므로 디지털컴퓨터로 계산하는 것이 답이다. 그러나 문제의 크기가 커지는 경우에는 적절한 양자알고리즘을 사용한 양자컴퓨터가 디지털컴퓨터에 비해 문제의 크기만큼 지수함수적으로 빨라지는 것을 이용할 수 있다. 그렇다고 해서 모든 양자알고리즘이 지수함수적으로 빨라지지는 않지만 산술적으로는 빨라질 수 있다. 간단한 예를 들면 13×7이 얼마인지(91)는 금방 계산 가능할 것이다. 조금 더 어렵게 문제의 크기를 키워 937×947이 얼마인지(8,873,339)도 금방 계산할 수 있다. 그러면 91은 무슨 수의 곱인가 하는 문제는 어떨까? 프로그램과 알고리즘을 통해 별로 어렵지 않게 알아낼 수 있다. 그러나 8,873,339을 소인수분해하라고 한다면 91의 소인수분해보다 조금 늦어질 것이다. 문제의 크기를 더 키운다면? 1,000비트의 숫자라면 2의 1,000승, 즉 300자리 정수가 되는데, 이에 대해 소인수분해를 하라고 한다면 수십만 년이 걸려도 풀 수 없을정도로 어려운 문제가 된다. 이러한 경우는 문제의 크기에 따라 ‘기하급수적’으로 어려워지는 문제라고 한다. 그런데 양자컴퓨터를 사용하면 1초 만에도 가능할 수 있다고 알려져 있다. 이러한 기하급수적으로 어려지는 문제를 양자적 알고리즘에 의해 빠르게 풀 수 있다고 알려진 계산들은 소인수분해, 검색, 추천, 양자근사계산 등이다. 인공지능 분야에서 획기적으로 계산성능을 높일 수 있는 양자알고리즘과 양자RAM(랜덤어세스메모리)에 대해 연구 중에 있고, 최근에는 편미분방정식을 풀 수 있는 양자알고리즘에 대해서도 연구가 진행되고 있다. 따라서 슈퍼컴퓨터로도 며칠씩 걸리던 유체역학 해석이 수분 만에도 가능하게 된다면 자동차, 비행기, 선박, 미사일 등의 설계뿐만 아니라 바람에 날리는 머리카락 한 올 한 올, 옷의 하늘거림 등도 바로바로 계산해낼 수 있어 극사실감의 CG영상 제작도 가능해진다. 또한, 이 수식이 널리 쓰이는 분야로는 훼손된 영상의 복원, 비파괴검사, MRI 등의 영상처리, 경제학이나 금융분야의 데이터 분석 등으로 실생활에서 매우 폭 넓게 쓰이고 있어서 양자컴퓨터의 활용 영역은 상상하기 어려울 정도로 커질 수 있다. 양자하드웨어도 계속 발전 중 양자컴퓨터의 하드웨어나 전체 시스템도 계속 발전을 거듭하고 있다. 2012년 캐나다의 D-Wave는 초전도 소자로 만든 512큐비트의 양자컴퓨터를 출시한다고 발표하였다. 그 응용으로써 시스템 최적화, 기계학습, 패턴 인식과 이상패턴 탐지, 금융 분석, 소프트웨어/하드웨어 검증, 바이오인포매틱스, 암 연구 등에 사용 가능하다고 하였다. 그 당시 국내에서는 KAIST에서 NMR기술을 사용하여 4큐비트를 만들어 본다거나 ETRI에서 단일광자를 사용하여 양자암호통신을 실험실 수준에서 성공시킨 정도였다. 사실 그때까지는 양자컴퓨터에 어떤 것이 있고 어떻게 동작하는지에 대해 실제 연구자 이외에는 잘 알려져 있지 않은 상태라서 D-Wave 소식에 대한 국내외의 반향은 컸다. 2013년에 구글, NASA 등이 D-Wave 양자컴퓨터를 구매하였고, 구글은 기계학습과 인공지능의 알고리즘 성능 향상에 NASA는 외계탐사 시스템의 최적화 문제해결에 사용하기로 하였다고 한다. 양자컴퓨터에 대한 장밋빛 미래가 그려지는 듯했다. 사실 D-Wave 초전도 양자칩을 살펴보면 각 큐비트를 디지털로 제어하도록 디지털-아날로그 변환회로가 내 장되어 있는 등 정말 잘 만들어진 칩이어서 엔지니어링 입장에서 볼 때 상당한 기술력을 가진 것으로 보인다. 그러나 2014년 초 미국 물리학회 발표장의 D-Wave 양자컴퓨터의 동작원리인 어닐링(annealing)에 대한 세션에서 IBM의 스몰린은 D-Wave는 양자컴퓨터가 아니라는 발표를 해서 모두를 깜짝 놀라게 하였다. 그 후 여러 가지 방법에 의해 양자적 속도 향상에 대한 검증이 이루어졌다. D-Wave에 대한 의구심으로는 512개의 초전도큐비트는 IBM이 2016년도에나 발표하게 되는 5개의 초전도큐비트에 비해 100배나 월등히 앞서 있는가 하는 것이다. 또 최적화 문제를 잘 푼다고 하는데 교통흐름 처리, 물류처리, 신약/재료 탐색, 화학공정반응 최적화, 금융 포트폴리오 수립 등 현재의 디지털컴퓨터로 해결하기 까다로운 문제를 양자컴퓨터가 정말로 빠르게 해결해 준다는 것인가이다. 당시에는 이러한 문제들이 금방 해결될 것이라는 성급한 예상을 내는 보고가 국내외를 막론하고 많이 있었다. 현재까지 알려진 바에 의하면 D-Wave와 IBM의 큐비트는 서로 다른 방법으로 작동시키므로 초전도체를 사용하는 것은 맞지만 같은 선상에서 비교할 수는 없다는 것이다. 여러 가지 문제를 잘 풀 수 있는, 즉 실환경의 문제를 해결할 수 있을 정도의 큐비트 개수와 성능을 달성하기 위해 아직 많은 연구 중에 있고 이를 위해 어떤 하드웨어와 소프트웨어를 만들어 내야 하는지에 대해서도 진지하게 고민하고 노력하고 있다. 양자알고리즘을 설명할 때 아직도 논란이 없는 것은 아니지만 D-Wave 양자어닐러는 학자들과 일반인에게까지 양자 컴퓨터의 존재를 알리고 그 가능성에 대해 많은 기대와 관심을 불러일으키게 한 점에서 큰 공로로 인정된다. 2016년 12월 뉴욕주 요크타운하이츠에 있는 IBM왓슨연구소를 방문하였다. 2016년 5월에 인터넷 접속을 통해 누구나 5큐비트 양자컴퓨터를 누구나 사용할 수 있도록 개방한 지 6개월 정도 된 시기였다. 실제 인터넷으로 서비스되고 있는 양자컴퓨터를 볼 수 있었다. 초전도 양자칩이 들어 있어서 20mK(약 –273.1℃) 정도의 극저온으로 냉각하는 흰 드럼통(희석식 극저온냉각기), 큐비트를 제어하고 판독하기 위한 전기신호를 발생시키고 측정하는 겹겹이 쌓인 전자장비, 이들 모두를 제어하는 컴퓨터가 있었다. 5큐비트를 만든 이후 어떤 일들을 해야 하는지에 대해 설명도 들었다. 큐비트 개수를 수십 개 정도로 늘리고 큐비트의 에러정정 방법에 대한 연구를 더 해야 한다고 하였다. 이것은 양자컴퓨터를 사용하여 실제 문제를 해결할 수 있느냐 없느냐를 결정짓는 대단히 중요한 요소들이다. IBM은 2017년 4월 양자볼륨(Quantum Volume) 개념을 말했는데 큐비트 개수와 각 큐비트의 유효 에러율의 역수를 곱한 값이 크다면 성능이 더 좋다는 것을 의미한다고 밝혔다. 한마디로 성능 좋은 큐비트가 많이 있어야 한다는 것으로서 이는 양자컴퓨터의 성능지표로 볼 수 있다. 큐비트의 성능에 영향을 줄 수 있는 것으로서 온도, 자기, 전기 등 외부환경뿐만 아니라 큐비트의 배열에 따른 간섭 및 큐비트 연산종류에 따라 서로 성능에 영향을 미치게 된다. 즉 환경뿐만 아니라 큐비트 연산 방법이나 연산순서의 차이, 여러 개 큐비트에 대한 병렬처리 방법 등 큐비트 동작방법에 의해서도 에러가 생길 수 있기 때문에 양자볼륨은 큐비트 소자 자체의 성능뿐만 아니라 큐비트 동작 방법을 포함한 종합적인 평가방법이 될 수 있다. 또한, 당시 IBM의 설명으로는 양자컴퓨팅 서비스 확장을 위해 여러 대의 양자컴퓨터가 들어설 실험공간을 공사 중이라고 밝혔다. 그로부터 4년 만에 2020년 기준, 18대의 양자컴퓨터를 갖고 대기업, 벤처기업, 대학 등 106개 기관, 23만 명의 등록사용자를 보유하여 양자컴퓨팅 기술을 알리고 양자컴퓨터를 접할 수 있는 기회를 제공하게 되었다. 2020년에는 53큐비트 양자칩을 발표한 데에 이어 2020년 9월에는 2023년까지 1,121큐비트를 개발하고 그 후 수백만 큐비트를 개발하겠다는 하드웨어 로드맵을 발표하였다. 칩 사이즈도 커질 것이고 1,000여 개의 모든 큐비트를 한꺼번에 동작시키기도 만만치 않을 것이다. 사람이 들어갈 수 있는 사이즈의 극저온냉각기, 1,000여 개를 동작시키기 위한 외부제어기기로부터 큐비트 칩까지 신호전달선을 모두 합치면 어른 2명이 팔로 다 감싸지 못하는 정도가 될 것이고 구리선이므로 무게 또한 감당하기 어려울 것이다. 이를 위해서는 다중화를 통해 신호선 입출력 방법을 개선하고 플렉시블PCB를 사용하여 무게를 감소하고 칩에서는 적층에 의한 반도체패키징, 다층배선 등으로 칩의 집적도와 입출력을 개선하고 무엇보다도 반도체 공정개선을 통해 초전도 칩의 수율을 향상시키는 등 다양한 노력이 필요할 것이다. 2년 밖에 남지 않은 시간에 이러한 모든 일을 해내야 하는 것이다. 위 내용을 자세히 들여다보면 큐비트를 어떻게 만들어야 하는지에 대한 내용은 거의 없고 칩 수율, 패키징, RF선연결방법, 극저온냉동기 등의 주변기술에 대한 내용이 더 많다. 그런데 IBM은 2023년에 1,121큐비트를 동작시키기 위한 소프트웨어에 대한 로드맵을 2021년 2월에 발표하기에 이른다. 현재는 Qiskit이라는 응용 알고리즘 개발을 위한 소프트웨어 모듈을 제공하여 Use Case별로 사용되고 있으나 최종적으로는 하드웨어 컨트롤과 알고리즘 자체를 라이브러리화하고 최적화, 기계학습, 계산과학, 금융 등 분야별 모델화된 개발 서비스를 제공하는 등 통합개발환경 제공 등을 제시하고 있다. 즉 일반 소프트웨어 개발자가 어렵지 않게 양자컴퓨팅을 활용하여 응용 소프트웨어를 만들 수 있게 된다는 것이다. 한편 이온트랩양자컴퓨터도 개발 중인데 미국의 IonQ와 오스트리아의 AQT 등의 벤처기업이 20여 개 큐비트로 시제품을 만들었고 2개사 모두 인터넷으로 컴퓨팅 서비스 중에 있다. 반도체소자를 제작하는 공정기술을 그대로 사용하는 양자점큐비트도 개발 중인데 아직은 큐비트 성능과 개수를 높이는 데에 어려움이 있으나 향후에 수백, 수천만 개 집적도 가능할 것으로 예상하므로 미국 인텔이 집중하고 있다. 2020년에는 수K에서도 동작하는 큐비트를 선보여서 외부로부터의 용이한 제어와 연구개발 속도가 상대적으로 빨라질 것이라는 희망을 보이고 있다. 극저온 냉각기로 20mK까지 내리려면 하루 이상이 걸리고 양자칩의 특성을 측정 후 교체를 위해 다시 상온까지 올리는데도 하루 이상 걸리기 때문에 일주일에 양자칩 1개를 측정할 수 있다는 뜻이다. 그렇다면 1년에 최대 50여개 칩을 측정할 수 있다는 뜻인데 웨이퍼 1장에 수십, 수백 개가 나온다면 웨이퍼 1장도 다 측정할 수 없다는 뜻이 된다. 양자컴퓨팅 시스템의 발전 방향 양자컴퓨팅 기술은 그야말로 현존하는 모든 과학기술의 집약체이다. 중첩, 얽힘 등 양자현상을 보이는 여러 가지 방법 중에 외부에서 제어 가능하고 수백만 큐비트까지도 확장 가능하며 에러도 매우 작고, 많은 연산스텝도 가능해야 한다. 때문에 기본적인 큐비트 설계기술과 이를 실현시킬 나노급 반도체 제조공정기술, 현존하는 모든 반도체패키징 기술 및 수백·수천 채널 이상 다중 고주파 저온측정 기술, 시간적·공간적으로 균일한 극저온냉각기술, 이온이나 원자를 제어하고 정보를 읽고 쓰기 위한 초정밀 레이저광학기술 등이 필요하다. 또한 컴퓨터로써 동작하기 위해서는 양자적 계산을 하기위한 수학적 알고리즘과 이들을 포함한 라이브러리 및 개발환경이 필요하고 인공지능, 최적화, 금융, 신약 탐색 등에 사용하기 위한 적절한 양자알고리즘 등의 소프트웨어뿐만 아니라 컨설팅까지도 필요하다. 인공지능을 처리하기 위해 컴퓨팅 파워를 클라우드로 서비스를 받는 것처럼 양자컴퓨터의 컴퓨팅 자원도 인터넷에서 제공하기 위한 효과적인 서비스 방법이 개발되어야 할 것이다. 발전 속도에 대해 확실한 예상을 하기에는 아직 이른감이 있다. 양자컴퓨터 발전방향에서 달성해야 할 마일스톤 중 하나는 ‘슈퍼컴퓨터보다 빠르다’는 것을 증명하는 양자우월성 증명인데 2019년, 2021년에 세 가지 논문에 의해 달성되었음을 인정하고 있다. 2019년 7월 구글의 53큐비트 초전도양자컴퓨터를 사용한 무작위 양자회로 방법과 2020년 12월 중국과학기술대의 50개의 압착양자광원을 사용한 보존샘플링 방법과 2021년 6월 같은 중국과학기술대에서 56큐비트 초전도양자컴퓨터로 구글과 동일한 방법인 무작위 양자회로 방법으로 성공하였다고 발표하였다. 이것은 구글 입장에서도 환영하고 있는데, 자신의 방법을 모방했다는 것이 아니라 자신의 증명방법을 사용하여서 다른 연구자도 같은 결론을 도출할 수 있다는 것을 보여준 것이라고 생각하 고 있다. 양자컴퓨터의 최종 목표는 결함허용 범용양자컴퓨터이다. 소인수분해, 자료검색, 추천, 행렬의 고유값 계산 등 일부 계산에서만 범용고전컴퓨터보다 월등히 빠르기 때문에 양자컴퓨터는 슈퍼컴퓨터 옆에서 어려운 계산의 일부를 해 주는 계산 도우미 같은 형태로 쓰이겠지만, 최종적으로는 슈퍼컴퓨터를 대체하고 모든 계산을 양자적으로 해내는 범용컴퓨터가 되는 날까지 계속 발전해 나갈 것이다. 이런 전망에 따라 IBM, 구글, 마이크로소프트, 인텔, 알리바바, 텐센트 등 기술선도기업뿐만아니라 미국, EU, 중국, 독일, 영국, 일본 등 각 정부에서도 연간 수천억 원 정도를 기술개발에 투자하고 있다. 향후 10년 정도면 소규모 또는 중간 규모 정도의 실제 문제를 풀 수 있는 소프트웨어 툴까지 갖춘 양자컴퓨터가 나올 것으로 전망해 본다.

    • 2021.12.27
    • 20857

    한해를 마무리하고 새해를 맞이하는 시기가 오면 과거를 다시금 복기하고 신년에 무엇을 주목해야 하는지에 관한 관심도가 높아지기 마련이다. SW산업 또한 예외가 아닌데, SW분야 기반기술의 발전과 먹거리 변화 주기가 타 산업에 비해 빨라 관련업에 종사하더라도 SW산업의 다양한 이슈를 폭넓게 파악하기 어렵기 때문이다. 이에 착안하여 소프트웨어정책연구소는 매년 차년도 SW산업에서 화제가 될 만한 10개의 이슈를 선정하고 관련 내용을 대중에게 알기 쉽게 전달하는 역할을 수행해왔다. 본고는 2022년도를 맞이하며 어떠한 이슈들이 SW산업에서 화두가 될 것인지에 관해 간략히 소개하고 각각의 이슈를 선정한 배경과 주안점 등을 짚어본다. 소개할 10가지 이슈는 다음과 같은 절차를 통해 도출되었다. 첫 번째로 2020년 1월부터 2021년 9월까지의 국내외 언론기사 28,543건에 대한 계층적 잠재 디리클레 할당(Hierarchical LDA) 분석을 수행하고 추출된 주제(Topic)를 종합해 12건의 이슈후보군을 선별하였다. 두 번째로는 이슈후보군의 순위를 조사하기 위해 SW산업 종사자 1,000명을 대상으로 완전순위척도(full ranking procedure) 기반의 설문조사를 수행하였다. 마지막으로 설문 결과를 토대로 전문가 협의 및 의견수렴을 거쳐 최종 이슈 10건을 도출하였다. 1위 책임있는 인공지능(Responsible AI) “세계는 AI가 인류에게 이익이 되기 위한 규칙이 필요하며, AI윤리에 대한 권고가 우리의 해답이다.” - Audrey Azoulay 유네스코 사무총장, 2021 - 최근 AI 알고리즘이 계산한 결과에 관한 사회적 책임이 주요 현안으로 언급되는 상황이다. 이는 인간 사회에 내포된 관행, 차별적 요소, 불평등한 특성 등이 AI학습용 데이터에 고스란히 포함되어, 의도치 않게 이를 학습한 AI 솔루션의 편향성을 야기할 수 있다는 우려로부터 파생된 이슈로 볼 수 있다. 실제 AI 학습 데이터의 편향성이 사회적 윤리와 괴리되는 결과로 이어져 물의를 빚은 사례들이 국내외적으로 출현하였는데, 미국 아마존사의 남성 편향적 채용 추천 알고리즘, AI재판 지원 시스템 컴 파스(COMPAS)의 인종차별적 결과 도출 등이 대표적이다. 국내는 2021년 초 불거진 챗봇 ‘이루다’의 문제가 세간에 오르내리며, 관련 문제 인식이 수면위로 떠올랐으며 시간이 지남에 따라 이러한 문제를 해결한 AI를 ‘책임있는 인공지능’으로 명명하고 있다. 현재 글로벌 단위로 책임있는 인공지능을 규정할 수 있는 기준 마련에 한창인데, 이는 AI기술을 활용하여 수익을 창출하는 다양한 산업에 영향을 끼칠 것으로 예상된다. 비단 수출 기업 뿐만 아니라 국내 정부가 2021년 5월 발표한 “신뢰할 수 있는 인공지능 실현전략”의 내용을 보면 제품의 서비스 및 구현 절차에서 국내차원의 검증체계를 마련할 것임을 알 수 있다. 머지않아 기존 유통되는 AI솔루션에도 이와 같은 검증체계에 맞춘 인증과정이 요구될 것임을 추정해볼 수 있는 상황이나, 2022년만 한 정할 시 관련 이슈로 인해 기업의 AI솔루션 유통에는 큰 제약이 없을 것으로 보인다. 한편 2022년 이후 국내외적인 AI신뢰 확보 체계가 마련될 시, 내수·해외시장을 불문하고 관련 인증이 불가피할 것이므로 장기적인 비전 속 예방차원의 대비가 필요할 것으로 전망된다. 2위 비즈니스의 가상화 “메타버스가 모바일 인터넷의 후계자가 될 것이다.” - Mark Zuckerburg 메타 CEO, 2021 - 전세계적으로 메타버스가 대세임은 의심할 여지가 없다. PWC에 따르면 메타버스 세계 시장 규모가 2021년 1,485억 달러 수준에서 2030년에는 1조 5,429억 달러로 껑충 뛸 것으로 예상하고 있다. 관건은 메타버스라는 플랫폼형 기술이 창출해내는 혁신의 가치가 기업의 수익으로 이어질 수 있는지로 볼 수 있는데, 민간 기업의 아이디어를 통해 서서히 윤곽이 드러나는 추세다. 메타버스 플랫폼은 초기 게임화(Gamification)에 기반한 부캐문화를 통해 사용자의 유입 동인을 만들었다. 하지만 이는 사용자의 플랫폼 활용 목적을 제공해준다는 점에서 효과적이었으나, 기업의 가치 창출로 이어지기 어려운 한계가 있었다. 그러므로 실제 수익모델은 실감형 커뮤니케이션 환경과 장소에 구애 받지 않는다는 특성 두 가지에 주목해 개발되고 있다. 현재 메타버스 비즈니스의 수익모델은 마케팅과 광고 분야에 집중되어 있다. 패션브랜드인 구찌(Gucci)와 나이키(NIKE)의 경우 메타버스 플랫폼 내 브랜드 홍보관 개설 및 아바타 전용 패션 아이템 출시 등을 통한 간접적인 광고효과를 노렸고, 국내 엔터테인먼트 기업인 YG, JYP 등이 자사 출신 연예인을 홍보하는 수단으로 메타버스를 활용하는 등이 대표적 사례이다. 아직 다양화된 수익모델이 출현한 것은 아니나 꾸준히 성공적 수익모델이 축적되고 있는 현재 메타버스의 향후 전망이 밝을 것으로 예상해볼 수 있다. 다만 경계해야 할 부분은 연령층에 따라 메타버스 기술 수용이 극단화 되어있다는 점이다. 매일경제에 따르면 네이버Z의 메타버스 서비스 ‘제페토’ 전체 이용자의 약 80%가 10대인 것으로 나타났다. 이는 현 시점 기준으로 주 고객층이 한정되어 있다는 의미이며, 메타버스 기술을 활용한 수익모델 개발 시에도 단기적인 관점에서는 충분히 고려되어야할 사안이다. 3위 IT운영의 자율화(AIOps) “AIOps는 AI의 이점을 파악한 조직의 자연스러운 진화다.” - Ken Corless 딜로이트 컨설팅 CTO, 2020 - AIOps는 Artificial Intelligence for IT Operations의 약자로서 IT운영을 향상시키기 위한 인공지 능 어플리케이션을 의미한다. 전세계적으로 AI의 중요성이 높아진 이후 IT솔루션 및 시스템에 AI를 도입한 다양한 사례가 존재한다는 점을 감안해보면 AIOps가 기존의 AI 도입 추세와 무엇에서 차별성 을 지니는지 모호할 수 있다. AIOps는 시스템 관리와 운영의 자율화에 초점을 맞추고 있는데, 전산 시스템을 의사결정의 영역과 실무단위 영역으로 간단히 구분해볼 때 전자의 영역에 도입되는 AI기술 이라 볼 수 있다. 그간 IT시스템에 AI를 도입하기 위한 시도가 활발했음에도 불구하고 시스템 관리 및 운영 과정은 인간의 역할로 규정하는 경우가 많았다. 그렇기에 AIOps는 IT운영 전반의 AI기반 혁신을 달성하고자 하는 목표로서 가치가 있는 개념적 용어이다. 최근 관련 이슈가 주목받는 이유는 기존부터 존재했던 민간기업의 AIOps 기능의 고도화에서 기인 한다. 예를 들어 IBM의 경우 Watson AIOps를 통해 모니터링SW에서 수집된 데이터의 원인 분석을 제공하고 분석 결과의 상태(State)에 따른 행동(Action)을 사전 설정하는 자율화 기능을 탑재하였다. 국내 기업인 모아데이터의 경우도 PETAON Forecaster를 통해 시스템 장애를 사전 예측하는 기능을 제공하는 등 운영 측면의 괄목할만한 AI도입 성과가 눈에 띄는 상황이다. Global Market Insight은 2021년 11월 AIOps 시장 규모가 2027년까지 연평균 25% 수준의 성장 을 보일 것이라 예측하였다. 최근 관련 솔루션이 실증 가능한 수준으로 성숙되고 유관 기업의 AIOps 솔루션 출시도 활발한 상황으로, 향후 관련 시장 확대가 기대되는 분야다. 4위 데이터 주권 시대의 개막 “데이터 주권은 모든 국가가 고민하고 스스로 정책을 만들어야 하는 중요한 문제다.” - Arvind Krishna IBM CEO, 2021 - 본격적으로 국내 마이데이터 사업이 가시화 된다. 2021년 한해는 금융권과 빅테크 기업 간 데이터 제공과 관련한 협상 및 줄다리기가 치열했는데, 파열음이 적지 않았던 시기를 거쳐 2022년은 국민에게 변화가 체감되는 한해가 되지 않을까 예측된다. 바야흐로 데이터 패권의 시대에서 데이터 주권의 시대로의 전환이 시작됐다. 데이터 주권을 직관적으로 이해하기 위한 예를 들자면 이와 같다. 기존에는 개인 신용정보를 기업이 보유하고 있었고, 데이터 보유 기업이 타 기업에게 해당 정보를 제공하기 원할 시 각 개인에게 데이터 활용권한을 물었다. 즉 개인은 개인 정보를 능동적으로 통제 및 제어할 수 없었으며, 개인정보가 최초 생성된 기업이 자사에 축적된 데이터를 공유 및 활용하고자 할 때만 한정적으로 권리를 주장할 수 있었다. 데이터 주권은 개인 데이터를 민간의 사유 재산이 아닌 제도로서 관리한다는 의미도 포함 되어 있는데, 해당 변화는 개인정보를 개인이 능동적으로 통제할 수 있도록 권리를 제도화한다는데 의의를 가진다. 마이데이터는 개인의 데이터 권리를 보장해주는 대표적인 제도로 볼 수 있다. 데이터 주권 시대로의 전환을 통한 종국적인 수혜층은 중소기업 이하 기업이 될 것으로 보인다. 단기적으로는 공고히 구축한 플랫폼과 금융권 업무를 연계시킨다는 차원에서 빅테크 기업에게 호재일 수 있으나 사실 데이터 주권의 핵심은 국민이 직접 기업에게 정보를 제공할 수 있다는 점이다. 규모가 작은 기업일수록 비즈니스를 위한 데이터 확보를 고객 제공 데이터에 의존한다. 이러한 변화가 가속화된다면 아이디어는 참신하나 데이터 기반이 없는 유망 신생기업에게 가뭄의 단비가 될 것이라 예 상해볼 수 있다. 5위 메타버스의 공적 활용 “메타버스 등 초연결 신산업은 가상세계와 현실 세계를 융합해 우리나라의 경제영토를 확장할 기회가 될 것” - 임혜숙 과학기술정보통신부 장관, 2021 - 앞서 언급한 바와 같이 메타버스 기술의 성공은 수익모델 창출이 관건이다. 하지만 수익모델 창출에서 비교적 자유로운 분야가 존재하는데 그것은 즉 공공부문이다. 공공부문에서는 비영리 목적으로 다양한 기술이 활용되는데, 그러므로 메타버스 기술이 도입되거나 잠재성을 실험하는데 더할나위 없는 테스트베드로 보인다. 행사, 교육훈련, 정책기획 등 공공부문 메타버스 기술의 잠재성은 무궁무진하다. 가령 미국은 가상훈련 플랫폼 EDGE를 통해 메타버스 기술을 교훈 목적으로 활용하였으며, 싱가폴은 일찍이 버추어 싱가포르라는 가상 도시 시뮬레이션을 추진해 도시 발전을 위한 계획 및 정책 수립의 시험장으로 활용하는 등 공적 기능을 보완하는 역할로 활용 중이다. 국내의 경우엔 아직 가시화 된 공공의 성과는 없으나, 다양한 분야로부터 추진의 바람이 불고 있다. 국방 분야에서는 미국의 가상훈련 플랫폼을 참고한 미래형 훈련 체계 연구를 구상하는 중이며, 부산시는 교육분야에 메타버스 활용을 독려하기 위한 가이드라인을 배포하였다. 최근 서울시는 개방형 행정을 기치에 걸고 ‘메타버스 서울’의 구현을 알리는 등 향후 관련 소식은 더욱 풍성해질 전망이다. 그러나 문제는 서비스 활성화에 있다. 과거 사례를 비추어 볼 때 공공 서비스의 성패는 서비스 수혜자, 즉 국민에 대한 고려여부가 관건이었는데, 2021년 코로나19로 인한 비대면 교육 시행이 하나의 사례가 될 수 있다. 갑작스런 비대면 교육 추진은 국민의 IT인프라 불균형과 개인정보보호 문제 등의 해결 과제를 남겼고, 이를 해결하기 위한 시행착오를 거쳤다. 메타버스 기술의 공공부문 도입 또한 마찬가지로 국민의 눈높이를 간과하지 않는다면 국내 VR/AR기업의 공공 먹거리 창출에 기여할 수 있을 것으로 보인다. 6위 지능형 로봇의 불확실성 완화 “인공지능으로 구동되는 로봇은 악의 세력이 아니다.” - Bill Gates Microsoft 창립자, 2021 - 한국로봇산업진흥원의 2021년도 자료에 따르면 국내외 전문서비스 로봇 시장 매출이 꾸준히 증가하는 추세를 알 수 있다. 이는 코로나19에 의한 제조분야 로봇의 매출 하락세와는 대비되는 결과로서 비대면 기술이 각광받음에 따른 서비스 로봇수요의 증가 영향으로 해석된다. 실제 지능형 서비스 로봇은 일상 속에서 쉽게 찾아볼 수 있는 시대로 진입하였다. 최근 식당가 및 대형 쇼핑몰 등지에서 서빙, 길안내 등의 역할을 로봇이 담당하고 있는 모습을 볼 수 있는데, 아직 딥러닝 기반의 AI기술이 적용된 로봇은 아니라도 규칙 기반(Rull-based) 알고리즘으로 해결 가능한 분야는 도입이 활발하다. 로봇 수요의 증가는 로봇이 대중에게 친숙해질 수 있는 기회가 된다. 여기에 더불어 국내외적으로 로봇세 등의 생소한 개념이 논의되는 등 로봇이 인간과 공존은 이미 현실이 되는 모양새다. 로봇 도입의 불확실성이 완화되고 코로나19에 의한 서비스용 로봇 수요가 당분간 이어질 것으로 보여 지능형 로봇의 보급은 더욱더 가속화 될 것으로 전망된다. 7위 대체불가능토큰(NFT) “NFT시장의 성장은 NFT시장 참가자와 규제 당국이 업계가 직면한 법적 문제를 해결하는데 달려있다.” - JP Morgan, 2021 - 디지털 자산의 고유한 소유권을 생성할 수 있다는 점에서 최근 주목받고 있는 NFT는 블록체인의 단위기술로 볼 수 있다. 일각에서는 발생 가능한 원본 파일의 손실 및 복제, 에너지 효율, 지적재산권 무단 부여 등의 문제를 우려하는 반면, 개인 간 거래가 가능하고 소유권을 자유로이 유통할 수 있다는 측면을 들어 디지털 저작권 문제를 해결할 수 있는 유망한 기술로 평가하기도 한다. NFT는 디지털 자산의 원본을 보존해주는 기술이 아니라, 별도 소유권을 인증하는 개념이므로 자산 중 취득 순위가 중요한 사례에 효과적인 기술로 판단된다. 가령 음원이나 미술작품의 경우, NFT를 통해 소유권을 인증할 수 있다면 원본이 복제되더라도 가치를 인정받을 수 있다. 반면 소프트웨어의 기능처럼 디지털 자산이 실행 가능한 기능으로서 가치를 지니는 경우 NFT를 통한 소유권을 인증하더라도 원본이 복제될 시 자산의 핵심 가치를 소유할 수 없으므로 의미가 없다고 볼 수 있다. 한편 게 임 산업의 경우, 게임 내 아이템을 NFT화하여 생성하는 시도를 하고 있는데, 게임 아이템의 경우 소유권을 가진 유저 외 원본 복제시도를 NFT여부로 관리할 수 있으므로 상당한 기대를 받고 있다. 불행하게도 NFT는 게임 컨텐츠 외 외부자산으로 평가 받으므로 현재 관련 게임은 게임산업법 위배(사행성 금지 조항)의 벽에 묶여있는 실정이다. 즉, 안전장치 마련이 필요한 상황이다. 제도 마련은 곧 사회적 비용이 소모된다는 의미이며 NFT가 논란이 많은 블록체인 기술에 기반을 두므로 활성화 여부는 블록체인 제도 완화 성과와 연계될 것으로 보인다. 8위 양자 소프트웨어 “미래 기술은 일반 컴퓨터로는 해결이 어렵다. 꿈의 컴퓨터로 불리는 양자컴퓨터가 이런 난제들에 해답을 줄 것” - 백한희 IBM 퀀텀그룹 연구원, 2021 - 전세계적으로 양자 우위(Quantum advantage)를 점하기 위한 투자 및 경쟁이 한창이다. 관련 분야를 선도하고 있는 미국의 경우 그간 양자컴퓨팅에 1조 3,500억 원을 투자하였다고 언급하였으며, 중국의 경우도 17조 원의 투자를 발표하였다. 지난 11월 영국은 양자컴퓨팅에 대규모 투자를 추진할 것이며 이를 통해 향후 양자컴퓨터 글로벌 시장 점유의 50% 이상을 자국이 확보하겠다는 공격적 목표를 선언했다. 뿐만 아니라 양자컴퓨팅 관련 기업에 대한 벤처캐피털의 투자가 매우 급진적인 상승 을 보이고 있는데, 2020년 6억 8,400만 달러 수준에서 2021년 10억 2,000만 달러로 대폭 증가하는 추세를 보여 아직 상용화 단계가 아님에도 대중의 관심이 매우 높음을 알 수 있다. 대다수가 양자 하드웨어의 무결성에 관심을 갖고 있는 현재 우리가 주목해야할 부분은 소프트웨어로 보인다. 양자 아키텍처에 대응한 기반 SW개발은 초기 단계로서 양자 후발주자인 한국 또한 충분히 경쟁력을 가질 수 있는 기회가 존재하기 때문이다. 이와 관련하여 Cirq Python(구글), Qiskit(IBM), Braket(아마존) 등 글로벌 기업이 관련 오픈소스를 공개하고 있는 가운데, 2021년 중국은 양자 아키텍처 상에서 구동되는 운영체제에 관한 파일럿 아키텍처를 공개하였다. 이미 양자 SW의 선점 경쟁은 시작되었다고 볼 수 있다. 국내에서 활용하는 SW다수가 오랜기간 외산에 의존했음을 고려해볼 때, 외산SW 독점을 탈피하고 국내 SW점유를 높이기란 쉬운 일이 아니다. 향후 다가올 폰 노이만 아키텍처(Von Neumann architecture)에서 양자 아키텍처로의 대전환은 이를 극복하기 위한 좋은 기회가 될 것으로 전망된다. 9위 앰비언트 인텔리전스(Ambient Intelligence) “이제 기기는 시스템의 핵심이 아닙니다. 당신이 핵심이죠. 이것이 앰비언트 컴퓨팅에 대한 우리의 비전입니다.” - 백한희 IBM 퀀텀그룹 연구원, 2021 - 시대가 흐름에 따라 컴퓨터의 크기는 점차 작아지고, 그 숫자는 늘어나고 있다. 이제 개인은 데스크 톱, 노트북, 태블릿, 스마트폰 등 다양한 종류의 컴퓨터를 일상에서 활용하는데 익숙하다. 앰비언트 인텔리전스(이하 AMI)는 이러한 시대 변화상을 관통하는 용어로서, 일상 속에서 인간이 의식하지 않았음에도 다수의 은닉된 컴퓨터 환경을 향유하는 것을 의미한다. 특히 AMI는 스마트 기술의 사용자에 따른 맞춤형 서비스에서 더 나아가 사용자 의도를 예측해 그에 맞는 액션을 수행하는 기능을 포함 한다. 현실적으로 AMI는 아직 요원해보이는 개념이지만 사실 이를 달성하기 위한 당면과제는 꽤 명확해 보인다. 바로 “데이터 상호운용성”이다. 현재 서로 다른 데이터 포맷을 가진 기기들은 소통이 불가능한 문제가 있다. 가령, A사와 B사가 만든 IoT기기는 데이터를 다루는 내부 모듈이 서로 달라 연동이 안 되는 경우가 매우 많다. 이는 각 기업의 플랫폼 독점 전략에 의한 의도적 차별화일 수도 있고, 반면에 표준화 노력의 부족이 원인일 수도 있을 것이다. 우리는 이에 대한 노력이 필요하다. 다행히도 국 내에서는 정부차원에서 다양한 기술의 상호운용성을 확보하기 위한 사업이 추진되고 있다. 향후 범용적 데이터 상호운용성 표준의 정립과 관련 기기의 확산이 활발해져 AMI가 가시화되길 기대해본다. 10위 노코드(No-code) & 로우코드(Low-code) “No-code, Low-code 플랫폼은 값비싼 개발자와 데이터 과학자를 고용하지 않고도 인공지능을 배포할 수 있다.” - Jonathon Reilly Akkio 공동설립자, 2021.11 - 노코드, 로우코드는 프로그래밍을 배우지 않고도 SW를 개발하기 위한 사용자 친화적 도구로 이해하면 편하다. 불과 몇 년전까지만 하더라도 허황된 개념이라 생각할 법한 해당 개념은 최근 들어 국내외 글로벌 기업의 관심과 함께 대중에게 공개되었다. 마이크로소프트는 ‘파워 플랫폼’이란 노코드 솔루션을 공개하였으며, 아마존은 ‘허니코드’, LG CNS는 ‘데브온NCD’와 같은 솔루션을 공개하였는데 개발자 사이의 갑론을박을 이끌어내며 화재가 되었다. 이러한 인기에 힘입어 국내 노코드 기업의 투자유치도 활발한데, 아웃시스템즈는 1억 5,000만 달러, 웹플로우는 1억 4,000만 달러 등 해외 투자자들 사이에서도 관심도가 높은 기술이다. 한편 노코드&로우코드가 프로그래밍의 난이도를 비전공자 수준까지 낮출 수 있다는 큰 장점이 있음에도 불구하고, 개발 수준의 범위가 플랫폼 지원 기능에 한정되는 경우가 많다보니 범용성을 갖기에는 현재 시점에서 한계가 뚜렷한 점도 인지해야 한다. 다만 한정된 기능을 상수로 수용하고 장점을 극대화 시킨다면 정형화된 형태의 SW를 반복 제작 및 유통하는 특정 시장에서는 상당히 잠재력이 높을 것으로 예상된다. 마치며 2022년의 국내 SW산업은 AI기술이 위상을 공고히 하는 가운데 새로운 기술 및 서비스의 출현이 예고되고 있다. 다양한 응용 기술과 함께 그간 기술발전이 더뎌 주목받지 못한 색다른 이슈가 수면위로 떠오른 만큼, SW분야의 즐거운 춘추전국시대를 기대해보아도 좋을 것이다. 반면 새로운 이슈가 많은 만큼 기술의 가치를 평가하는데 어느 때보다 신중해질 필요가 있다. 개인적으로 메타버스의 본격적 외연 확장의 결과, 2022년도에 데이터 주권의 권한을 어디까지 개방 가능할지, NFT에 관한 공론화 논의 시기 등은 귀추가 주목되는 대목이다. 향후 지속적인 추적조사와 전망 조사가 필요할 것으로 보인다.