<인사이트> 2025년 기술 트렌드로 살펴보는 미래 비즈니스의 방향성

안녕하세요, 카카오클라우드입니다. 글로벌 리서치 기업 Gartner가 2025년을 이끌어갈 10대 전략 기술 트렌드를 발표했습니다. 이번에 발표된 트렌드는 기업들이 앞으로의 미래를 안전하게 개척해나갈 수 있도록 돕는 가이드 역할을 할 것으로 기대됩니다. 특히 AI가 기술의 도입, 구현, 활용 방식을 근본적으로 바꾸고 있는 현시점에서 CIO들은 이러한 트렌드를 통해 조직의 미래를 더 효과적으로 계획할 수 있을 것입니다. 가트너는 2025년 전략 기술 트렌드를 'AI 필수 요소와 위험', '새로운 컴퓨팅의 지평', '인간과 기계의 협력'이라는 세 가지 큰 주제로 분류했습니다. 각 트렌드가 기업에 가져올 변화와 기회, 그리고 준비해야 할 과제들을 자세히 살펴보겠습니다. 1. AI 필수 요소와 위험Trend 1..

<인사이트> 아직도 코딩을 배워야 하나요? - AI 시대의 소프트웨어 엔지니어링

안녕하세요, 카카오클라우드입니다. 뉴욕타임스의 Sarah Kessler는 최근 "Should You Still Learn to Code in an AI World?"라는 심층 기사를 통해 AI 시대의 코딩 교육과 취업 시장의 변화를 분석했습니다. 한때 '더 나은 미래를 위한 황금 티켓'으로 여겨졌던 코딩 스킬이 AI의 급격한 발전으로 그 가치가 흔들리고 있습니다. 새로운 기술 환경에서 우리는 어떤 준비를 해야 할까요? 1. 황금 티켓의 몰락: 코딩 부트캠프의 현실두 아이의 아버지인 36세 플로렌시오 렌돈의 이야기는 현재 코딩 교육 시장이 처한 현실을 적나라하게 보여줍니다. 3년 동안 세 번의 건설직 해고를 경험한 그는 "이제 육체노동 대신 머리를 써보자"는 결심으로 풀스택 아카데미의 코딩 부트캠프에 등록..

<지식 사전> 대화하고 협력하는 AI - 멀티 에이전트 시스템의 원리와 구현

안녕하세요, 카카오클라우드입니다. ChatGPT, Claude와 같은 생성형 AI의 발전이 가속화되면서 AI 기술은 이제 새로운 단계로 진입하고 있습니다. 단일 AI가 모든 것을 해결하는 방식을 넘어, 여러 AI가 협력하여 복잡한 문제를 해결하는 '멀티 에이전트' 시스템이 주목받고 있습니다. 오늘은 멀티 에이전트 시스템의 현주소와 미래 가능성을 살펴보겠습니다. 1. 멀티 에이전트의 등장 배경최근 AI 시스템이 직면한 가장 큰 도전은 복잡한 실무 환경에서의 문제 해결입니다. 단일 AI 에이전트로는 기업의 복잡한 업무 프로세스나 전문적인 분석 작업을 완벽하게 수행하기 어렵다는 한계가 드러났습니다. 예를 들어, 기업 분석 보고서 작성을 위해서는 시장 데이터 수집, 재무제표 분석, 산업 동향 파악, 보고서 작성..

<지식 사전> 인공지능(AI)의 발전 역사 ④ - 생성형 AI의 시대 (2020~현재)

안녕하세요, 카카오클라우드입니다. 2022년 11월, ChatGPT의 등장은 AI 역사의 새로운 장을 열었습니다. 기존의 AI가 주어진 문제를 해결하는 데 초점을 맞췄다면, 생성형 AI는 텍스트, 이미지, 음악 등을 창작할 수 있게 되었습니다. 이는 AI가 더 이상 단순한 도구가 아닌, 창의적인 협력자로 발전할 수 있다는 가능성을 보여주었습니다. 1. 거대 언어 모델의 등장과 진화2020년 OpenAI가 발표한 GPT-3를 시작으로 거대 언어 모델은 급속도로 발전했습니다. GPT-3의 1750억 개 매개변수는 당시로서는 혁신적이었지만 이제는 훨씬 더 큰 규모의 모델들이 등장하고 있습니다. 1) 학습 방식의 혁신거대 언어 모델의 학습은 세 단계로 이루어집니다. 먼저 인터넷의 방대한 텍스트로 기본적인 언어 ..

<지식 사전> 인공지능(AI)의 발전 역사 ③ - 딥러닝의 시대 (2010~2019)

안녕하세요, 카카오클라우드입니다. 2012년, 한 딥러닝 모델이 세계적인 이미지 인식 대회 'ImageNet Challenge'에서 압도적인 성능 차이로 우승을 차지했습니다. 이는 AI 역사의 중요한 전환점이 되었습니다. 기계학습의 시대를 지나 인간의 뇌를 모방한 심층 신경망이 AI의 새로운 지평을 열기 시작한 것입니다. 지난 편에서 기계학습의 발전과 한계를 살펴보았다면, 이번에는 딥러닝이 어떻게 AI의 패러다임을 완전히 바꾸어놓았는지 알아보겠습니다. 1. 딥러닝 혁명의 시작2012년 토론토 대학의 제프리 힌튼 교수 연구팀이 개발한 'AlexNet'은 기존 이미지 인식 오류율을 26%에서 15%로 낮추며 놀라운 성과를 보여줬습니다. 이는 세 가지 핵심 요소가 만난 결과였습니다. 1) 빅데이터의 등장인터넷..

<지식 사전> 인공지능(AI)의 발전 역사 ② - 기계학습의 시대 (1990~2010)

안녕하세요, 카카오클라우드입니다. "규칙으로는 충분하지 않다." 1990년대 초반, AI 연구자들은 이런 결론에 도달했습니다. 인간의 지식을 일일이 규칙으로 표현하는 것은 너무나 비효율적이었고, 때로는 불가능했습니다. 그들은 인간이 학습하는 것처럼 컴퓨터도 스스로 배울 수 있게 만들어야 한다고 생각했습니다. 지난 편에서 규칙 기반 AI의 전성기와 한계를 살펴보았다면, 이번에는 컴퓨터가 데이터로부터 스스로 학습하는 방법을 터득해 나간 1990년부터 2010년까지의 이야기를 들려드리겠습니다. 1. 패러다임의 전환: 규칙에서 데이터로전문가 시스템의 한계를 경험한 AI 연구자들은 완전히 다른 접근법을 모색하기 시작했습니다. 명시적 규칙을 프로그래밍하는 대신, 컴퓨터가 데이터로부터 패턴을 찾아내도록 하는 것입니다..