결론 및 권장 사항
제7차 연례 Nutanix 엔터프라이즈 클라우드 인덱스의 조사 결과는 애플리케이션 컨테이너화 및 생성형 AI(GenAI) 솔루션의 빠른 도입에 따른 엔터프라이즈 IT 전략의 중대한 변화를 조명합니다. 절반 이상의 조직이 애플리케이션을 완전히 컨테이너화하면서 이 접근 방식은 하이브리드 및 멀티클라우드 환경에서 확장성, 이동성, 민첩성을 지원하는 사실상의 표준으로 부상했습니다. 컨테이너화와 GenAI의 공생 관계는 이러한 새로운 워크로드의 요구를 충족하기 위해 클라우드 네이티브 원칙을 도입하는 것이 중요하다는 점을 강조합니다.
설문조사 결과는 또한 GenAI 도입으로 인한 두 가지 도전 과제와 기회를 강조합니다. 조직은 생산성, 자동화, 혁신을 위해 GenAI를 활용하고자 하지만 데이터 보안, 규정 준수, IT 인프라 현대화라는 중요한 장애물에도 직면해 있습니다. 조직이 GenAI 솔루션을 효과적으로 출시하고 관리하기 위한 기술 개발이나 강력한 거버넌스가 부족하다는 인식이 널리 퍼져 있다는 것은 기업이 기술 이니셔티브를 비즈니스 목표에 맞춰야 한다는 중요한 필요성을 시사합니다. IT 교육, 인재 확보, 고급 인프라에 대한 투자는 GenAI의 잠재력을 최대한 발휘하는 동시에 내재된 복잡성을 해결하기 위해 필수적입니다.
궁극적으로 이 보고서는 애플리케이션 및 인프라 현대화에 대한 총체적인 접근 방식의 필요성을 강조합니다. 보안을 우선시하고, 인재를 육성하고, 쿠버네티스와 같은 오케스트레이션 플랫폼을 수용함으로써 조직은 개발 환경에서 프로덕션 환경까지 GenAI 워크로드를 확장하는 데 따르는 문제를 효과적으로 해결할 수 있습니다. 기업이 계속해서 전략을 개선함에 따라, 다음 혁신의 영역은 GenAI를 광범위한 IT 에코시스템에 원활하게 통합하는 능력에 따라 정의될 것입니다.
GenAI 앱을 얼마나 쉽게 배포하고 보호할 수 있는지 알아보세요.
기업 내 GenAI 애플리케이션의 부상
올해의 ECI 보고서는 특히 오늘날 조직이 GenAI 솔루션 도입, 투자 우선순위 및 주요 이점을 더 잘 이해하는 데 중점을 두었습니다.
설문조사 결과에 따르면 응답 조직의 대다수 (85%)가 이미 GenAI 전략을 수립한 것으로 나타났지만, 전략의 구현 수준은 다양했습니다. 한편, GenAI 전략 계획을 시작하지 않았다고 답한 조직은 2%에 불과했습니다.
엔터프라이즈 GenAI 전략 개발/실행 현황
전략을 수립하고 이를 적극적으로 실행하고 있습니다.
전략은 마련되었지만 아직 실행을 시작하지 않았습니다.
전략 개발의 초기 단계에 있습니다.
아직 전략 수립을 시작하지 않았습니다.
전략을 개발하지 않을 것입니다.
그림 4: 조직의 현재 엔터프라이즈 GenAI 전략 개발/구현 상태:
24%
이미 GenAI 전략을 보유하고 있는 조직의 비율
대부분의 조직이 엔터프라이즈 GenAI 전략을 수립하고 있다고 답했지만, GenAI가 조직의 상위 비즈니스 목표나 전략을 어떻게 지원하는지는 명확하지 않을 수 있습니다. 조직은 "인공지능을 위한 인공지능"이라는 유혹에서 벗어나는 것이 중요합니다. AI 이니셔티브와 솔루션은 항상 측정 가능한 지표를 통해 더 큰 비즈니스 목표와 연계되어야 하며, 이를 통해 AI 솔루션 구현의 성공(그리고 궁극적으로 ROI)을 시간이 지남에 따라 측정하고 평가할 수 있습니다.
올해 ECI 설문조사에 참여한 응답자들은 생산성 향상, 자동화, 효율성, 혁신을 GenAI가 지원하는 가장 중요한 비즈니스 관련 목표 및 전략으로 꼽았습니다. 응답자의 1%만이 GenAI가 조직의 중요한 비즈니스 목표와 전략을 지원하지 않거나 지원할 수 없다고 답했습니다.
GenAI가 지원하는 주요 비즈니스 목표 및 전략
생산성 향상
자동화 및 효율성 향상
혁신 증대
고객 유지 및 지원
운영 비용 절감
직원 온보딩
업계 차별화
GenAI는 당사의 비즈니스 목표를 지원할 수 없음
그림 5: GenAI가 지원하는 주요 비즈니스 목표 및 전략
GenAI 애플리케이션 및 워크로드 배포와 관련하여 응답자의 대다수(53%)는 고객 지원 챗봇 개선, 고객 피드백 분석, 고객 경험 개인화, 본인 인증 등의 목적으로 GenAI 기반 고객 지원 및 경험 솔루션을 활용하고 있다고 답했습니다. 그러나 응답자들이 향후 1~3년 동안 GenAI 기반 사이버 보안, 사기 탐지 및 손실 방지 솔루션 구현에 초점을 맞출 것이라고답함에 따라 이러한 상황은 바뀔 수 있습니다.
현재와 향후 1~3년 내에 활용되는 GenAI 워크로드
고객 지원 및 경험
사이버 보안 및 사기 탐지
콘텐츠 생성
코드 생성 및 코드 co-pilots
기타
당사는 GenAI를 활용하지 않고 있으며, 앞으로도 그럴 계획이 없음
현재
향후 1~3년
그림 6: 현재 및 향후 1~3년 내 활용되는 GenAI 워크로드
마지막으로, GenAI 솔루션과 워크플로우는 진공 상태에서 구현되는 것이 아니라는 점을 기억해야 합니다. 엔터프라이즈 GenAI 기반 솔루션의 효과는 다른 비즈니스 크리티컬 워크로드에 사용되는 엔터프라이즈급 복원력, 보안 및 Day2 운영, 다양한 데이터 소스에 대한 안정적이고 안전한 액세스를 포함한 광범위한 IT 에코시스템에 원활하게 통합되는지에 달려 있습니다. 따라서 GenAI 기반 워크플로우의 성공을 위해서는 다양한 지원 기술 및 서비스(예: 컨테이너화)에 대한 투자가 필요합니다. 올해 설문조사에 참여한 응답자의 절반 이상(각각 54%, 52%)이 GenAI 애플리케이션과 워크로드를 지원하기 위해 조직의 IT 인프라와 IT 교육에 추가 투자가 필요하다고 답했습니다:
GenAI 애플리케이션 개선을 위해 투자가 필요한 분야 지원
IT 인프라
IT 교육
사이버 보안
IT 인재 채용
데이터 관리
데이터 거버넌스
애플리케이션 개발
그림 7: GenAI 애플리케이션 개선을 위해 투자가 필요한 지원 분야
스포트라이트: 조직은 GenAI를 통해 투자 수익을 얻고 있나요?
지난 2년 동안 미디어의 과대 광고와 AI 도구 및 서비스의 상용화로 인해 AI 기술에 대한 기업의 관심은 새로운 차원으로 높아졌습니다. 2023 Nutanix 엔터프라이즈 AI 현황 보고서에서는 AI의 '허니문' 단계의 영향과 많은 AI 솔루션 얼리 어답터가 기술 평가 및 구현과 관련하여 예산 관련 장애물을 덜 경험하게 될 것이라는 사실을 살펴봤습니다.
올해 리포트 결과에서는 응답자의 90%가 GenAI와 최신 애플리케이션 구현으로 인해 IT 비용이 증가할 것으로 예상한다는 사실을 알게 되었습니다. 결국 이러한 허니문 단계는 사라질 것이며, AI 프로젝트 및 기술에 대한 지출/예산은 나머지 IT 포트폴리오와 일치하도록 조정해야 할 것입니다.
GenAI 지출과 비즈니스 성과에 대한 트렌드를 더 잘 이해하기 위해 응답자들에게 GenAI 프로젝트에 대한 조직의 ROI 기대치에 대해 구체적으로 질문했습니다. 절반 이상의 조직(52%)이 GenAI 워크로드를 개발 환경에서 프로덕션 환경으로 확장하는 데 있어 소유 비용 및 ROI 가시성이 문제가 될 것이라고 답했습니다.
향후 몇 년 동안의 ROI 결과를 구체적으로 측정해 달라는 질문에 응답자들은 다음과 같이 예상했습니다.
내년에 GenAI 프로젝트에서 손익분기점 또는 손실이 예상되는 경우
향후 1~3년 동안 GenAI 프로젝트에서 손익분기점 또는 손실이 예상되는 경우
즉, 56%의 조직만이 향후 12개월 이내에 GenAI 프로젝트를 통해 투자 수익을 달성할 것으로 예상하고 있습니다. 하지만 70%의 조직이 향후 2~3년 동안 투자 수익을 기대하는 만큼, 대부분의 조직이 2026/2027년에 어느 정도 GenAI의 성과를 기대하고 예산을 책정할 것이라고 확신할 수 있습니다. 이는 IT 솔루션 관점에서 볼 때 여전히 ROI를 달성하는 데 있어 상당히 넉넉한 시간이라고 볼 수 있습니다.
20%
향후 2~3년 내에 GenAI를 통해
투자 수익을 거둘 것으로 예상하고 있다고 응답한 응답자의 비율
그렇다면 GenAI ROI에 대한 기대치가 다른 IT 솔루션과 다를까요? 올해 설문 조사 결과는 ROI 인식과 관련된 이 의문을 해결하는 데 도움이 되는 추가적인 뉘앙스를 드러냈습니다. 다음은 "조직 내에서 GenAI 구현 및 예산에 대한 최종 책임이 있는 것은 누구인가?"라는 질문에 대한 답변 결과입니다.
조직 내 어떤 직책이 다음에 대한 최종 책임을 지고 있습니까?
GenAI 구현 리소스 및 예산을 최종적으로 책임지는 직책은 무엇인가요?
최고 경영자(CEO)
최고정보책임자(CIO)
최고 기술 책임자(CTO)
최고 데이터 책임자(CDO)
최고 AI 책임자(CAIO)
최고재무관리자(CFO)
최고 혁신 책임자(CINO)
최고 운영 책임자(COO)
여러 부서를 아우르는 GenAI 팀
GenAI AI 리소스를 다루는
각 비즈니스 부서
CFO는 GenAI 구현과 관련하여 의사 결정권자 책임 순위에서 CTO, CIO, CEO, CDO, CAIO에 이어 6위를 차지했습니다. 이 결과를 통해 GenAI 프로젝트와 관련하여 조직의 의사 결정 프로세스에 대한 더 많은 인사이트를 얻을 수 있습니다. 평가 과정에서 재정적 영향이 중요할 수 있지만, 이 순위 순서가 뒷받침하듯 GenAI 프로젝트의 최종 결정은 주로 재정적 영향이 아닐 수도 있습니다.
마지막으로, 보다 긍정적인 측면에서 올해 ECI 설문조사에서 응답자의 2%만이 "장기적(1~3년)으로 조직의 GenAI 프로젝트의 ROI를 측정하는 데 어려움을 겪고 있다"고 답했습니다. 결론은 대다수의 조직이 최소한 ROI 목표/측정을 염두에 두고 GenAI 프로젝트를 구현하고 있으며, 이러한 솔루션의 가치에 대한 장기적인 평가를 내리는 데 필요한 올바른 지표를 수집하고 있다는 것입니다. 즉, ROI 시간표와 관계없이 조직은 필요할 때 GenAI 프로젝트와 관련된 재무적 의사 결정을 내리는 데 필요한 데이터를 확보할 수 있습니다.
개발 환경에서 프로덕션 환경까지 - 인사이트
GenAI 워크로드 구현 및 라이프사이클
다른 최신 또는 클라우드 네이티브 애플리케이션 스택과 마찬가지로 개발자는 안정적이고 확장 가능한 인프라에서 리소스와 서비스에 빠르고 쉽게 액세스할 수 있어야 합니다. 여기에는 컴퓨팅, 스토리지, 네트워킹 등 서비스형 인프라(IaaS) 생태계와 AI 추론 엔드포인트 서비스, 개발/테스트 도구, 서버리스 기능, 멀티클라우드 오케스트레이션 도구 등 서비스형 플랫폼(PaaS) 생태계의 요소들이 모두 포함됩니다.
대부분의 컨테이너화된 애플리케이션은 클라우드에서 시작되지만, 비용, 거버넌스 또는 기타 이유로 인해 다른 퍼블릭, 프라이빗, 엣지 또는 관리형 클라우드로 이동해야 할 수도 있습니다. 그러나 실제로 멀티클라우드 환경을 갖추고 있으며, 한 클라우드에서 다른 클라우드로 쉽게 이동할 수 있도록 설계된 경우는 매우 드뭅니다. 예를 들어, AWS에서 사용하는 IaaS 및 PaaS 자원을 Azure 또는 Google에서도 유사하게 활용하거나 온프레미스 환경에서도 운영할 수 있도록 구성된 사례는 거의 없습니다. 또한 많은 스테이트풀 클라우드 네이티브 애플리케이션에는 클라우드 전반에서 데이터를 저장, 보호, 처리하는 일관된 데이터 서비스가 부족합니다. 이러한 복잡성은 진정한 의미의 이동성 있는 멀티클라우드 애플리케이션을 구축하는 것이 현대 IT 조직에게 어려운 과제인 이유 중 일부에 불과합니다.
새로운 GenAI 애플리케이션도 이러한 인프라 문제에서 자유롭지 않습니다. 올해 ECI 설문조사 결과에 따르면 거의 모든 응답자(98%)가 개발 환경에서 프로덕션 환경으로 GenAI 워크로드를 확장하는 데 있어 어려움을 겪고 있는 것으로 나타났습니다. 실제로 조직이 개발 환경에서 프로덕션 환경으로 GenAI 워크로드를 확장할 때 직면하는 가장 큰 어려움은 기존 IT 인프라와의 통합입니다.
개발 환경에서 프로덕션 환경으로 GenAI 워크로드를 확장할 때 직면하는 과제
기존 IT 인프라와 통합
AI 배포 및 운영에 필요한 기술 부족
소유 비용/투자 수익률(ROI) 가시성
규제 및 규정 준수 장애물
제한된 컴퓨팅 리소스
도전 과제에 직면하지 않음
그림 8: 개발 환경에서 프로덕션 환경으로 GenAI 워크로드를 확장할 때 직면하는 과제
28%
개발 환경에서 프로덕션 환경으로 GenAI 워크로드를 확장할 때 어려움을 겪고 있다고 말하는 조직의 비율.
GenAI 워크로드 구현에 수반되는 인프라 관련 문제 외에도, GenAI 애플리케이션 자체는 데이터 처리, 모델 개발, 교육 및 유지 관리와 관련된 고유한 과제를 안고 있습니다. 응답자의 79%는 개발부터 배포까지 GenAI 모델의 라이프사이클을 관리하기 위한 프로세스나 도구를 마련할 계획이라고 답했으며, 현재 이 수치는 훨씬 더 낮아질 것으로 보입니다. 조직이 GenAI 프로젝트를 장기적으로 성공시키는 데 필요한 도구와 프로세스를 고려할 때 이 부분을 즉각적으로 개선해야 할 중점 영역으로 고려해야 합니다.
조직이 개발부터 배포 및 유지 관리에 이르기까지 GenAI 모델의 라이프사이클을 관리하기 위해 계획하는 프로세스 및 도구
타사 머신 러닝 운영(MLOps) 플랫폼
자체 개발 도구 및 프로세스
클라우드 서비스 제공업체 내 통합 도구
프로세스나 도구를 보유하고 있지 않으며 앞으로도 보유할 계획 없음
그림 9: 조직이 개발부터 배포 및 유지 관리에 이르기까지 GenAI 모델의 라이프사이클을 관리하기 위해 마련할 프로세스 및 도구
최고의 도전 과제
개발 환경에서 프로덕션 환경으로 GenAI 워크로드를 확장할 때
기존 IT 인프라와의 통합
모델 정확도는 GenAI 워크플로우에서 고려해야 할 또 다른 고유한 측면입니다. 거의 모든 조직(99%)이 성능과 정확성을 보장하기 위해 운영 중인 GenAI 모델을 모니터링하고 최적화할 계획이라고 답했으며, 응답자의 대다수는 자동화된 도구를 사용하여 지속적인 모니터링을 수행할 것이라고 답했습니다. 분명한 것은 조직이 장기간에 걸쳐 이 작업에 전념하는 것이 가치가 있다는 것입니다.
프로덕션에서 GenAI 모델 모니터링 및 최적화를 위한 접근 방식
자동화된 도구를 사용한 지속적인 모니터링
직접 성능 점검
두 가지의 조합
그림 10: 프로덕션에서 GenAI 모델 모니터링 및 최적화를 위한 접근 방식
GenAI 워크로드 구현 및 라이프사이클을 고려할 때 마지막으로 고려해야 할 요소는 하드웨어 지원입니다. 많은 GenAI 워크로드는 작업을 수행하기 위해 특수 컴퓨팅(GPU, APU, TPU 등)을 필요로 합니다. 조직은 이러한 컴퓨팅 리소스를 클라우드 서비스로 활용하거나 필요한 하드웨어 구성 요소를 구매하여 자체 데이터센터에 통합하고 엣지에서 추론할 수 있습니다. 공급 제약, 네트워킹 연결 및 접근성, 성능, 예산은 물론 데이터 프라이버시, 규정 준수 및 지역성까지 조직이 GenAI의 하드웨어 요구 사항을 고려할 때 모두 고려해야 할 사항입니다. 설문조사 결과에 따르면 GenAI 전용 하드웨어와 관련하여 구체적인 계획을 가지고 있는 조직은 60%에 불과했습니다. 나머지 40%는 아직 GenAI 전용 하드웨어 사용을 검토 중이거나 해당 프로세스를 시작하는 방법을 고려하고 있습니다:
GenAI 전용 하드웨어 사용 계획
GenAI 전용 하드웨어에 전적으로 의존
중요한 워크로드에만 GenAI 전용 하드웨어 사용
GenAI 전용 하드웨어 사용 조사 중
향후 12개월 내 GenAI 전용 하드웨어 사용 조사 중
향후 12개월 이후 GenAI 전용 하드웨어의 사용 조사
GenAI 전용 하드웨어 사용 계획 없음
그림 11: GenAI 전용 하드웨어 사용 계획
스포트라이트: DevOps 및 엔지니어링 팀은 이미 GenAI를 주도하고 있습니다.
올해 설문조사에서는 플랫폼 엔지니어링 및 DevOps 의사 결정권자와 비교하여 IT 의사 결정권자들이 GenAI 과제와 구현을 인식하는 방식에서 몇 가지 흥미로운 차이점을 확인할 수 있었습니다.
조직에서 GenAI 도입을 얼마나 어렵게 생각하느냐는 질문에 플랫폼 엔지니어링 및 DevOps 응답자의 58%만이 이를 "도전"으로 인식하고 있다고 답했습니다. 반면, IT 의사 결정권자의 72%는 GenAI 도입이 조직에 "도전 과제"라고 답했습니다. 의견 차이가 꽤 큽니다.
좀 더 자세히 살펴보면, 이러한 응답자 유형 간에 GenAI 전략과 실행에 대한 인식에 주목할 만한 차이점을 발견했는데, 이는 도전 과제 이분법을 설명하는 데 도움이 될 수 있습니다.
귀사의 GenAI 전략은 어느 정도 진행되었나요?
전략을 수립하고 이를 적극적으로 실행하고 있습니다.
전략은 마련되었지만 아직 실행을 시작하지 않음
전략 개발의 초기 단계에 있습니다.
IT 의사 결정권자
플랫폼 엔지니어링 및 DevOps 의사 결정권자
이러한 의사 결정자 그룹 간에 인식된 GenAI 구현 수준에는 10% 포인트의 차이가 있습니다. 플랫폼 엔지니어와 DevOps는 구현 측면에서 IT 부서보다 앞서 있다고 답했습니다. 이는 전략 실행의 전반적인 과제에 대한 인식의 차이 때문일 수 있습니다. IT 의사 결정권자는 도구와 전략의 전체적인 구현에 관심이 있는 반면, 플랫폼 엔지니어링 및 DevOps 의사 결정권자는 보다 맞춤형 또는 시험적인 방식으로 솔루션을 실행하고 있지만 팀의 필요에 따라 이 정도 수준의 구현이 "충분하다"고 생각할 수 있습니다.
이러한 인식의 차이에도 불구하고, 이번 조사 결과는 GenAI 애플리케이션과 워크로드가 실제로 구현되는 위치와 사용자에 대한 몇 가지 주요 인사이트를 제공합니다. 데이터에 따르면 플랫폼 엔지니어링 및 DevOps 팀은 IT 동료의 지식이나 지원에도 불구하고 이미 GenAI 구현을 시작하고 실행 중인 경우도 있습니다.
새로운 애플리케이션이 새로운 산업 표준을 주도하고 있습니다.
제7차 연례 Nutanix 엔터프라이즈 클라우드 인덱스(ECI) 보고서에 따르면 절반 이상의 조직(54%)이 현재 모든 애플리케이션을 컨테이너화했다고 응답했습니다. 이는 부분적으로는 모든 애플리케이션을 하나 이상의 퍼블릭 클라우드에서 실행하는 클라우드 전용 조직이 주도하고 있으며, 이들 중 66%는 모든 애플리케이션이 컨테이너화되어 있다고 답했으며, ECI 응답자의 24%를 차지합니다. 그러나 이는 기존 엔터프라이즈 애플리케이션이 아닌 조직에서 자체적으로 구축한 애플리케이션을 반영한 결과일 가능성이 높습니다.
이러한 컨테이너로의 전환은 새로운 애플리케이션의 개발에 의해 주도되고 있으며, 대부분 컨테이너를 기반으로 구축되는 AI에 의해 가속화되고 있습니다. 이러한 이유로 컨테이너화 추세는 향후 몇 년 동안 계속될 것으로 예상됩니다. 설문조사에 참여한 조직의 98%가 레거시 애플리케이션과 새로 개발된 애플리케이션을 모두 포함하여 최소한 애플리케이션을 컨테이너화하는 작업을 진행 중이라고 답한 사실도 이를 뒷받침합니다(그림 1).
애플리케이션 컨테이너화 현황
모든 애플리케이션을 컨테이너화(레거시 및 신규 개발)
신규 개발 애플리케이션만 컨테이너화
레거시 애플리케이션만 컨테이너화
현재 컨테이너화를 진행 중
컨테이너화 예정 없음
그림 1: 애플리케이션 컨테이너화 현황
일부 독자들은 이 발견에 대해 애플리케이션 컨테이너화란 무엇이며, 왜 최신 IT 환경에 널리 퍼져 있는지에 대한 의문을 가질 수 있습니다. 가장 넓은 의미에서 컨테이너화는 코드와 모든 종속성을 패키징하여 애플리케이션이 어떤 컴퓨팅 환경에서도 빠르고 안정적으로 설치되도록 하는 소프트웨어 엔지니어링 접근 방식입니다. 컨테이너는 기술 플랫폼이나 공급업체에 관계없이 프라이빗 데이터센터, 퍼블릭 클라우드 또는 엣지 위치에 배포할 수 있습니다.
특히 '클라우드 네이티브' 환경의 최신 애플리케이션 개발 방법에서는 몇 가지 주요 이점 때문에 컨테이너화를 점점 더 선호하고 있습니다:
- 컨테이너화를 통해 애플리케이션을 호스팅하는 OS에서 애플리케이션을 추상화할 수 있으며, 그 과정에서 이식성이 향상됩니다.
- 컨테이너화는 CPU, 메모리, 스토리지, 네트워크 리소스를 쉽게 공유하여 소프트웨어를 런타임 환경으로부터 추상화할 수 있도록 도와줍니다.
- 컨테이너는 호스트 환경에서 격리되어 있으므로 악성 코드에 의해 손상될 위험이 적습니다.
- 대부분의 컨테이너는 더 적은 소프트웨어 리소스로 구성되며, 기존 대안보다 더 빠르게 실행되고 시스템 리소스를 더 효율적으로 사용합니다.
- 효과적인 관리와 오케스트레이션을 통해 컨테이너는 기존 소프트웨어보다 더 민첩하고 더 빠르게 배포할 수 있습니다.
23%
클라우드 네이티브 애플리케이션과 컨테이너를 완벽하게 지원하기 위해 현재 IT 인프라를 개선해야 한다고 생각함
하지만 오늘날 대부분의 레거시 애플리케이션과 신규 애플리케이션이 컨테이너화되고 있다고 해서 조직이 데이터 관리, 거버넌스, 보안과 같은 요소로 더 이상 어려움을 겪지 않는다는 의미는 아닙니다. 응답자들에게 애플리케이션 컨테이너화 및 컨테이너 관리와 관련하여 직면한 과제에 대해 질문한 결과, 몇 가지 주요 영역에서 지속적인 과제가 있음을 알 수 있었습니다(그림 2).
애플리케이션 컨테이너화와 관련하여 조직이 직면하는 주요 과제
클라우드 네이티브 애플리케이션과 컨테이너를 완벽하게 지원하기 위해 현재 IT 인프라를 개선해야 한다고 생각함
클라우드 네이티브 및 컨테이너 애플리케이션 개발의 어려움
클라우드 네이티브 애플리케이션과 컨테이너를 지원하는 데 필요한 모든 기술을 갖추지 못했다고 느낌
그림 2: 애플리케이션 컨테이너화와 관련하여 조직이 직면한 주요 과제
애플리케이션 컨테이너화로의 전환에는 애플리케이션을 컨테이너에서 실행되는 일련의 서비스로 개발 및 분할하고 컨테이너 번들을 오케스트레이션하는 등 IT 조직이 해결해야 할 여러 가지 과제가 수반되는 것은 분명합니다. 오케스트레이션 솔루션은 컨테이너 기반 관리, 보안, 지속성 및 성능과 관련된 많은 데이터 관련 문제를 해결하는 데 도움이 될 수 있습니다.
스포트라이트: AI 애플리케이션 개발 붐이 컨테이너화의 새로운 물결을 일으킬 것입니다
지난 2년 동안 인공지능(AI) 기반 솔루션의 개발과 도입은 기업의 보편적인 목표가 되었습니다. 하지만 아직은 AI 솔루션 도입의 초기 단계에 머물러 있습니다. 많은 조직에서 적합한 워크로드와 사용 사례를 파악하고, 최적의 적합성을 결정하며, 새로운 솔루션 개발 및 배포와 관련된 예산 영향을 이해하기 위해 노력하고 있습니다. 점점 더 많은 조직이 확장 가능하고 적응 가능한 AI 솔루션을 구축하기 위해 애플리케이션을 작고 독립적인 서비스 모음으로 구조화하는 아키텍처 방식인 마이크로서비스로 전환하고 있습니다.
컨테이너화는 이러한 새로운 AI 기반 솔루션과 서비스, 특히 GenAI를 활용하는 애플리케이션을 신속하게 구축, 테스트 및 반복하는 데 있어 핵심적인 역할을 합니다. 이러한 애플리케이션에는 가속화된 컴퓨팅과 라이프사이클 관리를 위한 확장 등 복잡한 종속성이 필요하지만 컨테이너화를 통해 단순화할 수 있기 때문입니다. 컨테이너는 클라우드에서 대규모로 마이크로서비스를 배포하고, 필요한 경우 이러한 서비스를 다른 환경에 격리되어 있는 특정 레거시 애플리케이션이나 데이터 세트로 신속하게 이동하는 데 필요한 가볍고 휴대 가능한 런타임 환경을 제공합니다.
즉, 컨테이너화, 클라우드 네이티브 애플리케이션, AI 솔루션 개발이 모두 밀접하게 얽혀 있습니다. 결과: 올해 설문조사에서 응답자의 70%가 GenAI 애플리케이션을 컨테이너화할 것이라고 답했으며, 이는 모든 애플리케이션 카테고리 중 가장 높은 수치입니다. 향후 몇 년 동안 GenAI 기반 애플리케이션 개발 및 배포로 인해 컨테이너화의 붐이 계속될 것으로 예상합니다.
조직에서 어떤 유형의 애플리케이션을 컨테이너화하나요?
GenAI 애플리케이션
개발/테스트 애플리케이션
엔터프라이즈 크리티컬 애플리케이션(비데이터베이스)
데이터베이스
컨테이너 오케스트레이션은 컨테이너를 배포, 네트워크 연결, 확장 및 관리하는 일련의 자동화된 프로세스를 포함합니다. 현재 주로 사용되는 컨테이너 오케스트레이션 플랫폼은 오늘날 많은 컨테이너 오케스트레이션 솔루션과 서비스의 기반이 되는 오픈 소스 플랫폼인 쿠버네티스입니다. 쿠버네티스와 같은 오케스트레이션 플랫폼에서 제공하는 기능은 위에서 언급한 많은 문제를 해결하는 데 도움이 될 수 있습니다. 설문조사 결과에 따르면 이러한 오케스트레이션 솔루션은 오늘날 널리 배포되고 있으며, 98%의 조직이 이미 어떤 유형의 쿠버네티스 환경을 사용하고 있다고 답했습니다. 특히, 거의 80%가 두 개 이상의 쿠버네티스 환경을 사용하고 있으며, 대부분 2~3개의 서로 다른 환경을 사용하고 있습니다(그림 3).
현재 조직 내에 배포된 쿠버네티스 환경의 수
1
2
3
4
5
6
사용 안 함
모르겠음
그림 3: 현재 조직 내에 배포된 쿠버네티스 환경의 수
이러한 오케스트레이션 솔루션을 보완하는 것은 컨테이너 기반 애플리케이션 개발 및 배포를 지원하기 위한 지속적인 인프라 현대화의 필요성입니다. 올해 ECI 설문조사에 참여한 응답자의 80% 이상이 클라우드 네이티브 애플리케이션과 컨테이너를 지원하기 위해 현재 IT 인프라를 어느 정도 개선해야 한다고 답했습니다. 인프라 현대화를 통해 데이터 및 애플리케이션 이동성, 보안, 규정 준수, 성능, 복원력, 운영 간소화 등 까다로운 엔터프라이즈 워크로드를 지원하는 데 필요한 모든 핵심 요소와 하이브리드 멀티클라우드 환경에서 이러한 워크로드를 조율하는 것과 관련된 복잡성을 개선할 수 있습니다.
스포트라이트: 컨테이너 배포 및 지원에 대한 최고 경영진의 기대와 현실 비교
설문조사 결과는 조직 내 애플리케이션 컨테이너화의 측면을 다른 모든 직급에 비해 최고 경영진이 인식하는 방식에서 몇 가지 주요 차이점을 보여줍니다.가장 큰 문제는 무엇일까요? 최고 의사 결정권자는 조직 내에서 실제보다 더 높은 수준의 애플리케이션 컨테이너화가 필요하다고 인식하고 있을 수 있습니다.
현재 귀사의 애플리케이션에 대한 컨테이너 사용 현황을 가장 잘 설명하는 것은 무엇인가요?
모든 애플리케이션을 컨테이너화(레거시 및 신규 개발)
신규 개발 애플리케이션만 컨테이너화
레거시 애플리케이션만 컨테이너화
현재 컨테이너화를 진행 중
컨테이너화 예정 없음
최고 경영진
기타 고위직
최고 경영진 응답자와 기타 고위직 응답자 간의 12% 포인트 차이는 큰 차이입니다. 애플리케이션 컨테이너화에 대한 전반적인 이해의 차이는 인력 기술/지원에 대한 인식에서 비롯된 것일 수 있습니다. 최고 경영진 응답자들은 조직이 클라우드 네이티브 앱/컨테이너를 지원하는 데 필요한 모든 기술을 갖추고 있다고 믿는 것이 더 안전하다고 생각합니다.
조직이 클라우드 네이티브 애플리케이션/컨테이너를 지원하는 데 필요한 기술을 보유하고 있나요?
필요한 모든 기술을 갖추고 있습니다.
최고 경영진
기타 고위직
최고 의사 결정권자는 조직이 인식하는 전체 애플리케이션 컨테이너화 수준을 실제로 충족하기 위해 필요한 중요한 기술 격차를 간과하고 있을 수 있으며, 이 격차를 메워야 할 수도 있습니다.
주요 연구 결과
1. 애플리케이션 컨테이너화는 새로운 인프라 표준입니다.
거의 90%의 조직이 현재 애플리케이션 중 적어도 일부가 컨테이너화되어 있다고 응답했으며, GenAI와 같은 새로운 애플리케이션 워크로드가 빠르게 도입됨에 따라 이 수치는 더 증가할 것으로 예상됩니다. 간단히 말해, 응답자의 94%가 클라우드 네이티브 애플리케이션/컨테이너를 도입함으로써 조직이 이점을 얻을 수 있다는 데 동의했습니다. 인프라 및 애플리케이션 개발에 대한 이러한 접근 방식은 하이브리드 및 멀티클라우드 환경에서 데이터에 대한 원활하고 안전한 액세스를 제공하기 위한 표준으로 간주되어야 합니다.
2. GenAI 애플리케이션 도입 및 구현은 빠른 속도로 계속되고 있습니다.
80% 이상의 조직이 이미 GenAI 전략을 구현했으며, 단 2%의 조직만이 아직 GenAI 전략 계획을 시작하지 않았다고 인정했습니다. 즉, 구현 목표는 매우 다양합니다. 대부분의 조직은 GenAI 솔루션이 조직의 생산성, 자동화 및 효율성 수준을 개선하는 데 도움이 될 것이라고 생각합니다. 한편, 실제 GenAI 사용 사례는 오늘날 고객 지원 및 경험 솔루션에 집중되어 있습니다. 그러나 조직은 가까운 미래에 사이버 보안 및 데이터 보호 워크로드에 GenAI 솔루션을 적용하고자 합니다.
3. GenAI 도입은 데이터 보안 및 개인정보보호에 대한 기존 규범에 도전할 것입니다.
응답자의 95%는 보안과 개인정보보호가 주요 관심사이며, GenAI가 조직의 우선순위를 바꾸고 있다는 데 동의합니다. 90% 이상의 조직이 GenAI 솔로몬을 구현할 때 데이터 개인정보보호가 조직의 우선 순위라고 답했습니다. 조직은 보안과 개인정보보호가 GenAI 성공의 핵심 요소라는 사실을 잘 알고 있습니다. 그러나 응답자의 무려 95%는 여전히 조직이 GenAI 모델과 애플리케이션의 보안을 위해 더 많은 노력을 기울일 수 있다고 생각합니다. 보안과 개인정보보호는 새로운 GenAI 기반 솔루션의 사용을 정당화하고 기존의 보안 규범은 물론 데이터 거버넌스, 개인정보보호 및 가시성에 대한 새로운 요구 사항을 준수하기 위해 노력하는 조직에게 여전히 주요 과제로 남아있을 것입니다.
4. 엔터프라이즈 규모의 GenAI 지원을 위한 인프라 현대화.
엔터프라이즈 규모에서 클라우드 네이티브 애플리케이션을 실행하려면 보안, 데이터 무결성, 복원력 등 필요한 요구 사항을 지원할 수 있는 인프라가 필요합니다. 새로운 GenAI 애플리케이션도 이 규칙에서 예외는 아닙니다. 거의 모든 응답자(98%)가 개발 환경에서 프로덕션 환경으로 GenAI 워크로드를 확장할 때 어려움을 겪고 있다고 답했습니다. 실제로 조직이 개발 환경에서 프로덕션 환경으로 GenAI 워크로드를 확장할 때 직면하는 가장 큰 어려움은 기존 IT 인프라와의 통합입니다. 그 결과 IT 인프라가 GenAI를 지원하는 데 필요한 투자 1순위 분야로 선정되었습니다.
5. GenAI 솔루션 도입에는 기술과 사람의 변화가 필요합니다.
응답자의 52%는 조직이 GenAI를 지원하기 위해 IT 교육에 투자해야 한다고 답했습니다. 마찬가지로 응답자의 48%는 조직에서 GenAI를 지원하기 위해 새로운 IT 인재를 채용해야 한다고 생각한다고 답했습니다. 조직이 심각한 기술 인력 부족과 GenAI 관련 인재 확보 경쟁에 직면해 있다는 사실은 부인할 수 없습니다. 그러나 한편으로 많은 팀이 AI 관련 역량과 기술을 일상 업무의 일부로 유기적으로 도입하기 위한 도전을 받아들일 것입니다. 올해 설문조사에 따르면 응답자의 53%는 GenAI의 발전이 AI 전문가가 될 수 있는 기회를 제공할 것이라고 생각한다고 답했습니다.
Nutanix는 7년 연속 글로벌 엔터프라이즈 클라우드 배포 현황, 애플리케이션 컨테이너화 동향 및 GenAI 애플리케이션 도입 현황을 알아보기 위해 글로벌 리서치 연구를 의뢰했습니다. 2024년 가을, 영국의 리서치 기관인 Vanson Bourne은 전 세계 1,500명의 IT 및 DevOps, 플랫폼 엔지니어링 분야의 최고 경영진과 기타 의사결정권자를 대상으로 설문조사를 실시했습니다. 응답자 기반은 북미와 남미, 유럽, 중동 및 아프리카(EMEA), 아시아태평양-일본(APJ) 지역을 포함한 다양한 산업, 비즈니스 규모 및 지역에 걸쳐 있습니다.
제7차 연례 엔터프라이즈 클라우드 인덱스(ECI)의 조사 결과를 통해 애플리케이션 컨테이너화, 쿠버네티스 도입, GenAI 솔루션 구현에 관한 주요 트렌드와 의사 결정 선호도를 확인할 수 있습니다. 올해의 결과는 또한 데이터 보안, 규정 준수 및 인프라 현대화를 위한 관련 요구 사항과 같은 요소를 중심으로 조직이 새로운 GenAI 워크플로우와 관련하여 경험하기 시작한 몇 가지 주요 이점과 과제에 대해 살펴봅니다.
©2025 Nutanix, Inc. All rights reserved. Nutanix, Nutanix 로고 및 여기에 언급된 모든 Nutanix 제품 및 서비스 이름은 미국 및 기타 국가에서 Nutanix, Inc.의 등록 상표 또는 상표입니다. 여기에 언급된 기타 모든 브랜드명은 구분을 위한 목적으로만 사용되었으며 각 해당 소유주(들)의 상표일 수 있습니다.
이 내용에 포함된 특정 정보는 타사에서 획득한 연구, 간행물, 설문조사 및 기타 데이터, 그리고 자체적인 내부 계산 및 연구와 관련이 있거나 이러한 데이터에 기초했을 수 있습니다. Nutanix는 이러한 타사 연구, 간행물, 설문조사 및 기타 데이터가 이 문서에 제시된 날짜를 기준으로 신뢰할 수 있다고 믿고 있지만, 달리 명시하지 않는 한 이러한 데이터는 독립적으로 검증되지 않았으며 Nutanix는 타사로부터 획득한 정보의 적절성, 공정성, 정확성 또는 완전성을 주장하지 않습니다. Nutanix가 외부 사이트로 연결되는 링크를 게시하기로 결정을 내렸다고 해서 해당 외부 사이트의 콘텐츠에 대한 지지를 표시하는 것으로 간주해서는 안 됩니다.
지역별 결과의 주요 차이점
지역별(북미, EMEA, APJ) 추세는 서로 비슷하며, 전 세계 평균과도 유사한 추세를 보이는 경향이 있습니다. 그러나 아래 주제별 요약과 표에 강조 표시된 몇 가지 주요 지역별 차이점이 있습니다.
주요 지역별 차이점: 애플리케이션 컨테이너화 상태. 모든 글로벌 지역에서 '모든 애플리케이션이 컨테이너화된' 비율은 52%~55%로 비슷하게 나타났습니다. 주목할 만한 점은 아직 애플리케이션 컨테이너화를 진행 중이라고 답한 APJ 응답자의 비율(16%)이 다른 지역에 비해 상대적으로 높았다는 점입니다. 애플리케이션 컨테이너화 측면에서 APJ가 EMEA 및 미주 지역에 비해 약간 뒤처지고 있다는 것을 나타냅니다.
애플리케이션 컨테이너화 현황
모든 애플리케이션을 컨테이너화(레거시 및 신규 개발)
신규 개발 애플리케이션만 컨테이너화
레거시 애플리케이션만 컨테이너화
현재 컨테이너화를 진행 중
컨테이너화 예정 없음
아메리카
EMEA
APJ
그림 14: 애플리케이션 컨테이너화 현황
주요 지역별 차이점: GenAI 전략의 현재 상태 & 구현. APJ 지역은 다른 글로벌 지역에 비해 GenAI 전략을 수립하고 적극적으로 실행하고 있다고 답한 응답자의 비율이 가장 높았습니다. 놀랍게도 미주 지역은 GenAI 전략 계획을 시작하지 않았다고 답한 지역 응답자의 비율이 상대적으로 높아 상대적으로 GenAI의 후발주자였습니다. 국가별 결과를 자세히 살펴보면, 미국 응답자 중 8%가 이 답변을 선택한 반면 멕시코와 브라질 응답자는 모두 1% 미만이었습니다.
엔터프라이즈 GenAI 전략 실행 현황
전략을 수립하고 이를 적극적으로 실행하고 있음
전략은 마련되었지만 아직 실행을 시작하지 않음
전략 개발의 초기 단계에 있습니다.
아직 전략 수립을 시작하지 않았습니다.
전략을 개발하지 않을 것입니다.
아메리카
EMEA
APJ
그림 15: 엔터프라이즈 GenAI 전략 구현 현황
지역별 주요 차이점: GenAI의 주요 비즈니스 목표 및 전략. 생산성 향상은 글로벌 3개 지역 모두에서 가장 중요한 비즈니스 목표입니다. 상위 결과 외에도 약간의 편차가 있습니다. 예를 들어, 미주 지역 응답자들은 혁신 증대를 두 번째로 높은 우선순위로 꼽은 반면, EMEA 및 APJ 지역 응답자들은 자동화 및 효율성 증대를 두 번째로 높은 우선순위로 선택했습니다.
GenAI가 지원하는 주요 비즈니스 목표 및 전략
생산성 향상
자동화 및 효율성 향상
혁신 증대
고객 유지 및 지원
운영 비용 절감
직원 온보딩
업계 차별화
GenAI는 당사의 중요한 비즈니스 목표와 전략을 지원하지 않거나 지원할 수 없음
아메리카
EMEA
APJ
그림 16: GenAI가 지원하는 주요 비즈니스 목표 및 전략
주요 지역적 차이: 개발 환경에서 프로덕션 환경까지 GenAI 워크로드를 확장하는 데 따르는 어려움. 미주 및 APJ 지역 응답자들은 IT 인프라 통합을 가장 큰 과제로 꼽은 반면, EMEA 지역 응답자들은 기술 부족이 가장 큰 과제라고 답했습니다. 주목할 만한 점은 EMEA 지역에서 '제한된 컴퓨팅 리소스'의 발생률이 다른 지역에 비해 낮다는 점인데, 이는 지역 내 GPU 및 가속 컴퓨팅 하드웨어와 서비스 등의 공급 환경이 더 유리하다는 것을 의미할 수 있습니다.
개발 환경에서 프로덕션 환경으로 GenAI 워크로드를 확장할 때 직면하는 과제
기존 IT 인프라와 통합
AI 배포 및 운영에 필요한 기술 부족
소유 비용 및 투자 수익률 가시성 확보
규제 및 규정 준수 장애물
제한된 컴퓨팅 리소스
GenAI 워크로드를 확장할 때 직면한 어려움은 없었습니다.
아메리카
EMEA
APJ
그림 17: 엔터프라이즈 GenAI 전략 구현 현황
주요 지역별 차이점: GenAI의 하드웨어별 계획. 미주 지역의 응답자들은 GenAI 전용 하드웨어에 대한 의존도가 가장 높은 것으로 나타났습니다. 모든 지역에서 GenAI 전용 하드웨어의 사용을 '조사 중이거나 조사할 계획'이라는 응답자의 비율이 비슷하게 나타났습니다. 지역적으로 뚜렷한 후발 주자가 없는 것으로 보아 GenAI의 하드웨어 전략은 전 세계적으로 조직들이 여전히 학습하고 계획하고 있는 분야인 것으로 보입니다.
GenAI 전용 하드웨어 사용 계획
GenAI 전용 하드웨어에 전적으로 의존
중요한 워크로드에만 GenAI 전용 하드웨어 사용
GenAI 전용 하드웨어 사용 조사 중
향후 12개월 내 GenAI 전용 하드웨어 사용 조사 중
향후 12개월 이후 GenAI 전용 하드웨어의 사용 조사
GenAI 전용 하드웨어 사용 계획 없음
아메리카
EMEA
APJ
그림 18: GenAI 전용 하드웨어 사용 계획
데이터 보안 전략 및 관련 스킬셋에 대한 GenAI의 영향 이해하기
GenAI 애플리케이션 및 서비스는 기본 데이터 세트, 모델 및 인프라와 공생 관계를 맺고 있습니다. 기업들은 이러한 관계를 잘 알고 있으며, 복잡한 GenAI 워크플로우를 효과적으로 지원하기 위해 강력한 데이터 보안 및 인프라 확장성 전략을 함께 개발하는 것이 얼마나 중요한지 잘 알고 있습니다. 올해 응답자들은 GenAI 애플리케이션/워크로드 구현에서 가장 중요한 데이터 관련 측면의 순위를 묻는 질문에 데이터 개인정보보호/보안이 가장 중요하다고 답했으며, 그 다음으로 성능과 확장성을 선택했습니다.
GenAI 애플리케이션 구현의 가장 중요한 데이터 관련 측면
개인정보보호 및 보안
성능
확장성
거버넌스
모두 중요
그림 12: GenAI 애플리케이션 구현에서 가장 중요한 데이터 관련 측면
참고: 1순위 응답 표시
올해 ECI 설문조사에서 응답자의 95% 이상이 GenAI 구현 시 데이터 보안, 개인정보보호, 확장성에 대한 필요성을 강조한 것은 데이터 개인정보보호가 조직의 우선 순위라는 데 동의했다는 사실에 더욱 주목할 필요가 있습니다. 마지막으로 응답자의 90% 이상이 데이터센터, 클라우드, 엣지 전반에서 모든 애플리케이션을 실행할 수 있는 단일 플랫폼이 GenAI 이니셔티브를 달성하는 데 유용할 것이라는 데 동의했습니다.
27%
GenAI를 구현할 때 데이터 개인정보보호가 조직의 우선 순위라고 응답한 응답자의 비율.
데이터 개인정보보호/보안은 GenAI 구현과 성공에 있어 매우 중요한 영역임에도 불구하고 지속적인 개선이 필요한 분야로 남아 있으며, 응답자의 95%는 조직이 GenAI 모델과 애플리케이션의 보안을 위해 더 많은 노력을 기울일 수 있다고 답했습니다. 조직이 GenAI 모델과 애플리케이션을 보호하기 위해 '더 많은 일을 해야 한다'는 인식은 오늘날 GenAI 워크로드 및 애플리케이션의 활용 확대와 관련된 주요 과제이자 잠재적 장애물 중 하나로 작용할 수 있습니다:
오늘날 GenAI 워크로드 활용 확대를 위한 과제
민감한 회사 데이터를 포함하는 LLM을 사용할 때의 개인정보보호 및 보안 문제
GenAI 환경을 처음부터 구축하기 위한 복잡성과 전문 지식 부족
GenAI 활용 사례 부족
위의 모든 것이 문제가 될 수 있음
위의 사항 중 어느 것도 문제가 되지 않거나 문제가 될 수 있음
기타
그림 13: 오늘날 GenAI 워크로드 활용을 확대하기 위한 과제
참고: 1순위 응답 표시
개인정보보호 및 보안 문제 외에도 많은 조직은 GenAI 환경을 처음부터 구축하는 데 있어 복잡성과 경험 부족을 가장 큰 어려움으로 꼽았습니다. 응답자의 68%가 GenAI 도입이 조직의 과제라고 생각하는데에는 이러한 GenAI 경험과 스킬셋의 부족이 주요 원인으로 작용한 것으로 보입니다.
27%
GenAI 모델과 애플리케이션을 보호하기 위해 더 많은 일을 할 수 있다고 응답한 응답자의 비율.
스포트라이트: 조직이 GenAI 애플리케이션 및 워크로드를 구현하는 데 필요한 기술을 보유하고 있는지 어떻게 알 수 있나요?
2023 Nutanix 엔터프라이즈 AI 현황 보고서에 따르면 거의 모든 조직이 다양한 관련 영역에서 더 많은 AI 기술을 필요로 하는 것으로 나타났습니다. GenAI, 데이터 과학 및 분석, 연구 개발, 플랫폼 엔지니어링, 신속한 엔지니어링과 같은 솔루션을 위한 한정된 지원 및 개발 리소스 풀을 두고 상당한 경쟁이 있을 것으로 예상됩니다. 올해 응답자의 48%는 조직이 GenAI를 지원하기 위해 IT 인재 채용에 투자해야 한다고 생각한다는 사실을 알게 되었습니다.
올해 보고서에서는 IT 및 GenAI 인재라는 주제를 심층적으로 다루면서 조직이 인재 격차를 메우기 위해 어떻게 경쟁하고 채용하고 있는지에 대해 구체적으로 질문했습니다.
GenAI 도입을 지원하는 데 필요한 기술을 습득하기 위해 여전히 채용 중입니다.
GenAI를 지원하는 데 필요한 모든 기술을 보유하고 있으며 현재 채용 중이 아닙니다.
AI 솔루션의 도입에 관해서 기술 부족을 느끼고 있는 것은 어느 조직도 마찬가지입니다. 올해 설문조사 결과에 따르면 대다수의 조직은 여전히 전반적인 GenAI 기술 풀을 개선하기 위해 직원을 고용, 교육 또는 투자하고 있습니다.
그러나 급격한 기술 부족이 반드시 장애가 될 필요는 없습니다. 엔터프라이즈 AI 현황 보고서에 따르면 응답자의 85%가 AI 애플리케이션을 구축하기 위해 기존 AI 모델을 구매하거나 기존 오픈소스 AI 모델을 활용할 계획이라고 답했습니다. 응답자의 10%만이 자체 모델을 구축할 계획이 있다고 답했습니다. 즉, 많은 조직이 단기적인 AI 기술 격차를 해소하는 데만 집중할 것입니다.
또 다른 중요한 고려 사항은 모든 AI 기술이 조직 외부에서 또는 고용된 인재를 통해 제공되어야 하는 것은 아니며, 이는 시간이 많이 소요될 수 있다는 점입니다. 많은 팀이 AI 관련 역량과 기술을 일반 업무의 일부로 빠르게 도입하여 조직의 역량을 유기적으로 강화할 것입니다. 올해 설문조사에 따르면 응답자의 53%는 GenAI의 발전이 AI 전문가가 될 수 있는 기회를 제공할 것이라고 생각한다고 답했습니다. 즉, 많은 직원들이 이러한 새로운 솔루션을 최대한 활용하는 데 필요한 새로운 기술을 개발할 준비가 되어 있으며, 이러한 노력을 지원할 수 있는 기술 솔루션을 찾고 있을 수도 있습니다.
전반적으로 설문조사 결과에 따르면 GenAI 솔루션을 도입하고 배포하려면 기업 데이터 보안과 이를 지원하는 데 필요한 인력 역량에 대한 보다 포괄적인 접근 방식이 필요합니다. 응답자들은 GenAI 솔루션 구현과 성공을 지원하는 데 필요한 데이터 보안/거버넌스의 기본 수준을 개선하기 위해 상당한 양의 작업이 필요하다고 지적했습니다. 예를 들면 다음과 같습니다.
- 응답자의 95%는 GenAI가 보안과 개인정보보호의 우선순위를 높여 조직의 우선순위를 바꾸고 있다고 생각합니다.
- 응답자의 83%는 GenAI의 사용과 광범위한 IT 공급업체 공급망에서 데이터 보안에 미치는 영향에 대해 우려하고 있다고 답했습니다.
- 응답자의 50%는 조직이 GenAI를 지원하기 위해 사이버 보안에 더 많은 투자를 해야 한다고 생각합니다.
- 응답자의 62%만이 보안 및 랜섬웨어 방어를 지원하는 데 필요한 기술을 보유하고 있다고 생각합니다.
- 응답자의 65%이상이 데이터 거버넌스, 보안 및 랜섬웨어 보호, 데이터 개인정보보호가 조직에서 여전히 어려운 영역으로 남아 있다고 지적했습니다.
이러한 결과로 인해 조직이 AI 기반 솔루션이나 GenAI 워크로드를 도입하는 것을 망설여서는 안 됩니다. 반대로, 데이터 포인트는 GenAI 구현과 관련된 새로운 데이터 및 보안 관련 문제를 해결하는 데 필요한 인력, 프로세스 및 기술에 대한 추가 투자에 대한 비즈니스 필수 요소를 구축하는 데 사용될 수 있습니다.