복합 AI(composite AI)는 복잡한 문제를 이해, 분석, 해결할 수 있는 고급 시스템을 구축하기 위해 여러 인공지능(AI) 기술, 머신러닝 알고리듬, 데이터 처리 방법론을 통합한다. 이러한 애플리케이션은 의료, 금융, 소매, 제조, 자동차, 통신 등 다양한 산업에서 찾아볼 수 있다.

기존 산업별 접근 방식의 한계를 극복할 수 있는 혁신적인 AI 기반 솔루션에 대한 수요가 증가하면서 복합 AI 시장의 성장을 이끌고 있다.

시장조사 전문기관인 SNS 인사이더(Strategy & Stats Insider)의 보고서에 따르면, 전 세계 복합 AI 시장 규모는 2023년 9억 2천만 달러로 평가되었으며, 2024년에서 2031년까지 36.3%의 연평균 성장률을 기록하며 2031년에는 109억 5천만 달러에 이를 것으로 예상된다.

AI 기술에 대한 투자 증가

AI 애플리케이션은 점점 더 복잡해지고 있으며, 복잡한 문제를 해결하기 위해 여러 AI 기술과 모델을 통합할 필요가 있다. 현재 기업들은 ML을 사용하여 대규모 신경망을 학습시키는 것만으로는 복잡한 문제를 해결하기에 부족하다는 현실에 직면해 있다.

순수 ML 접근 방식은 많은 분류 및 인식 작업에 효과적이지만, 더 깊은 수준의 이해를 요구하는 문제를 해결하기에는 부족하다. 또한 ML은 훈련 데이터와 컴퓨팅 파워에 대한 끝없는 수요를 창출한다.

복합 AI 솔루션은 다양한 AI 알고리듬과 구성 요소의 장점을 활용하여 복잡한 과제에 대처하고 우수한 성능을 발휘할 수 있도록 지원한다. 또한 다양한 AI 모델과 알고리듬의 이점을 활용하여 독립형 AI 접근 방식보다 성능과 정확도가 향상된다. 다양한 기술을 결합함으로써 기업은 더 강력하고 정확한 결과를 얻을 수 있어 의사결정 및 문제 해결 능력을 강화할 수 있다.

데이터 가용성·품질 과제

데이터 가용성 및 품질과 관련된 과제는 복합 AI 솔루션 개발의 중요한 요소이다. 이러한 솔루션은 모델을 훈련하고 최적화하기 위해 크고 다양한 데이터 세트에 의존한다.

그러나 기업들은 특정 사용 사례나 산업 분야에서 고품질의 레이블이 지정되고 관련성 있는 데이터를 획득하는 데 어려움을 겪는다. 또한 데이터 개인정보 보호 문제와 규제 제한으로 인해 데이터 접근과 공유 프로세스가 더욱 복잡해졌다.

고품질 데이터는 AI 알고리듬 훈련에 사용되기 때문에 가용성이 매우 중요하다. 따라서 가치를 창출할 수 있는 AI 애플리케이션을 개발할 때 이러한 알고리듬에 공급되는 데이터의 품질이 가장 중요하다. 훈련에 사용되는 데이터가 정확하고 신뢰할 수 있으며 AI 애플리케이션이 실제 세계에서 마주칠 시나리오를 대표할 수 있도록 해야 한다.

이러한 과제를 극복하기 위해 기업은 강력한 데이터 수집 및 라벨링 프로세스에 투자해야 한다. 데이터 품질을 우선시하고 훈련에 사용되는 데이터가 다양하고 대표성 있으며 편향되지 않도록 해야 한다. 또한 기업은 복잡한 데이터 개인정보 보호 규정을 준수하면서도 AI 개발에 필요한 데이터에 접근할 수 있어야 한다.

불황의 영향

복합 AI 솔루션은 머신러닝 모델, 데이터 인프라, 통합 도구 등 다양한 기술에 투자가 필요하다. 기업들은 재정적 제약으로 인해 복합 AI 도입을 지연하거나 축소할 수 있다.

경기 침체기에는 일반적으로 기업들이 생존과 비용 절감에 더 초점을 맞추고 혁신에 대한 투자를 줄이기 때문에 새로운 기술 도입이 느려진다. 이는 산업 전반에 걸쳐 복합 AI 솔루션이 구현되는 속도에 영향을 미친다.

불황기에 복합 AI 도입에 미치는 영향은 산업별로 차이가 있다. 소매업과 같이 소비 지출에 크게 의존하는 산업은 AI 투자를 줄일 수 있다. 하지만 의료 또는 사이버 보안 분야와 같이 AI 솔루션이 운영을 최적화하거나 보안을 강화할 수 있는 부문에서는 경기 침체에도 불구하고 복합 AI에 계속 투자할 수 있다.

기업들은 불황기에 우선순위를 재평가한다. 장기적인 기술 투자보다는 단기적인 이익을 우선시하면서 복합 AI 도입이 일시적으로 둔화될 수 있다. 이러한 초점 전환은 고급 AI 시스템의 개발과 배포에 영향을 미친다.

그럼에도 불구하고 불황은 혁신을 촉진할 수도 있다. 기업들은 복합 AI 솔루션을 더 비용 효율적인 방식으로 구현하는 방법을 모색한다. 이를 통해 복합 AI를 보다 접근 가능하고 실현 가능하게 만드는 새로운 도구, 플랫폼 또는 접근법의 개발로 이어질 수 있다.

분야별 시장 분석

애플리케이션 분야별로는 제품 설계 및 개발이 예측 기간 동안 가장 큰 시장 규모를 차지할 것으로 전망된다. 제품 설계 및 개발의 비즈니스 애플리케이션은 복합 AI 솔루션을 구현하는 데 중요한 역할을 한다.

이러한 애플리케이션은 혁신적인 아이디어와 개념을 생성하는 도구와 기능을 제공하여 기업이 새로운 제품 가능성을 탐색하고 복합 AI를 통해 가치를 더할 수 있는 영역을 확인할 수 있게 해준다.

지역별로는 북미 지역은 복합 AI 솔루션의 도입과 확장을 선도하고 있다. 이 지역의 선진 AI 기술 기업, 탄탄한 연구 개발 역량, 성숙한 시장 생태계가 복합 AI 솔루션의 빠른 성장에 기여하고 있다. 의료, BFSI, 소매, 제조업 등의 산업에서 혁신을 촉진하고 고객 경험을 향상시키며 운영 효율성을 최적화하기 위해 복합 AI를 도입하고 있다.

아시아 태평양 지역은 예측 기간 동안 가장 높은 연평균 성장률을 기록할 것으로 예상된다. 이러한 성장세는 AI 기술의 급속한 발전, 데이터 가용성 증가, 다양한 산업 분야에 걸친 디지털 전환 이니셔티브 확산에서 기인한다. AI 기술이 계속 진화하고 기업들이 디지털 전환을 더욱 적극적으로 수용함에 따라 이 지역에서 복합 AI 솔루션 도입이 더욱 확대될 것으로 전망된다.

전 세계 복합 AI 시장의 주요 업체로는 구글, 엔비디아, 데이터로봇(DataRobot), SAS 인스티튜트, SAP, 마이크로소프트, AWS, IBM, 블랙스완 테크놀로지스(BlackSwan Technologies), 오라클, 페가(Pega), 세일즈포스(Salesforce), 오픈텍스트(OpenText), HPE, 스퀴로(Squirro), 스파크코그니션(SparkCognition), 인텔, 유아이패스(UiPath) 등이 있다.