[250112] 2025년, 생성형 AI 트렌드 전망

본 글은 SAMSUNG SDS의 2025년, 생성형 AI 트렌드 전망(https://www.samsungsds.com/kr/insights/outlook-for-generative-ai-in-2025.html)을 바탕으로 작성되었음.

2025년, 생성형 AI 트렌드 전망 | 인사이트리포트 | 삼성SDS

---

올해: AI에 대한 과장된 기대와 흥분이 가라앉고 현실적인 기대가 자리 잡았음.

기업 도입 측면: 기존 모델의 한계 & 업무 프로세스의 복잡성 -> 더딘 진전을 보임.

많은 기업 사용자는 AI에 '지능'이 없다는 점을 깨달음.

대규모 언어 모델(LLM): 다양한 유형의 데이터에서 패턴을 찾고 사용자 프롬프트에 일치하는 결과물을 제공 -> 부적확한 정보를 만들어내는 경향이 있기 때문에 진정한 지능이라 하기 어려움.

 

직원 대체가 아닌 보완

기술 도입 시 핵심적인 요소는 다음과 같음.

• 비용절감
• 새로운 제품과 서비스 혁신
• 고객 경험 개선에 기반한 경쟁 우위 확보

AI 경쟁 우위를 결정하는 요소는 다음과 같음. 

• 기존 인력 보완
• 인적 자산 활용

CIO는 다음을 면밀히 살펴야 함.

• AI의 답변에 가치가 있는기?
• AI 도구가조직의 역량을 실제로 강화하는가?
• 아니면 오히려 약화하는가?

숙련도 높은 직원을 AI로 대체 가능하다고 보는 기업은 잘못된 길을 걷게 될 가능성이 높음. -> 회사 제품, 프로세스, 시장, 고객에 대한 직원들의 지식은 문서화되지 않은 경우가 많기 때문. 

 

LLM이 포화 상태에 도달하고 있다는 우려가 사실이라면?

-> 새로운 모델 생성에 사용되는 GPU가 추가될 때마다 기업의 수익은 감소할 수 있음.

 

데이터 자산에 집중

파운데이션 모델: 여러 공개 소스에서 수집된 광범위한 데이터를 학습. -> 일반적인 질문에 대답하는 능력은 뛰어나지만 대부분 기업의 특정 요구사항을 해결하는 데는 제한적.

 

검색 증강 생성(RAG)

기업 고유 데이터 + LLM 기능 = 더 집중적이고 관련성 높은 결과 제공. 

 

RAG 서비스의 혜택을 받으려면 조직은 AI에 다음과 같은 준비된 데이터를 확보해야 함.

• 데이터 정제
• 중복 제거
• 유효성 검사
• 구조화
• 소유권 확인

기업은 전사적으로 데이터 자산을 식별하고, 이를 활용할 창의적 접근 방식을 채택해야 함.

 

비용 통제

CIO의 90% 이상이 비용 관리로 인해 AI 투자에서 기업 가치를 창출하는 데 한계가 있다고 답함. 광범위하게 AI를 배포하기 전에 비용이 어떻게 확장될지 계산할 필요가 있다고 언급함. 

 

2023~2030 데이터 용량에 대한 전 세계 수요 연간 19% -> 22%로 증가할 것으로 예상

 

AI ROI 측정

ROI

ROI(return on investment)는 광고 지출 대비 수익률을 의미

(출처: DJUST)

 

재무 및 생산성 관점에서 새로운 기술의 가치를 측정하기란 어려움. -> 관리자들이 AI 투자의 이점을 수치화하는 데 어려움을 겪을 수 있음. 

 

문제? -> AI의 이점을 측정하는 공통 기준의 부재

 

2025년에는 관리자가 투자 가치를 특정하는 데 유용한 다음을 통합하는 새 프레임워크가 등장할 가능성이 높음. 

• 고객 만족도 수준
• 의사 결정 개성
• 혁신 프로세스 가속화

AI 혁신 시대의 생존 전략

AI 제품의 혁신적 특성은 많은 기업의 비즈니스 모델을 위협함. -> '혁신 기업의 딜레미'

 

혁신 기업의 딜레마

잘 운영되고 성공적인 기업이 새로운 기술과 비즈니스 관행을 혁신적으로 다루는 신규 진입자에 의해 쉽게 무너질 수 있음.

 

이는 모든 기업에 경고가 되어야 하지만 AI의 이점을 어떻게 활용하느냐에 따라 기회가 될 수 있음.

 

기업 관점에서 AI 중심의 변화는 가속화되겠지만 천천하고 꾸준히 진행될 것임. -> AI를 통해 기존 강점과 데이터 자산을 보완하고 전략적 목표에 맞추는 기업이 성공할 가능성이 높음.