디지털 변환 및 자동화 운영 체제

대부분의 기업은 완전한 디지털 변환을 달성하는데 어려움을 겪고 있다.동시에, 전체 소프트웨어 산업은 혁신의 속도를 높이기 위해 어려움을 겪고 있다.디지털 변환 프로젝트를 실패하기 위해 복잡한 이유는 복잡하다.한 가지 설명은 기술 산업에 의해 채택될 수 있다.

 

디지털 전환: 본질적인 문제

인간으로서, 우리는 우리가 성취하고 싶은 것이 무엇인지 알고 있다. 우리의 뇌는 우리에게 무엇이든 할 수 있다고 말한다. 그러나 소프트웨어의 궁극적인 솔루션을 구축하고 사물의 이질성에 매우 빠르게 대처해야 할 곳에 직면할 때, 우리는 빠른 모래와 매우 빠르게 마주치게 됩니다. 

조직의 신뢰성에 미치는 영향은 말할 것도 없고, 그에 따른 비용, 시간 및 리소스 손실은 매우 큽니다. 예를 들어, 디지털 전환 프로젝트에 수억 달러가 들지만 허우적거리는 것은 일반적인 현상이 아니다. 

 

TechTarget에 따르면 디지털 트랜스포메이션 프로젝트에 1조 달러가 투자되었으며 보스턴 컨설팅 그룹은 2021년 3월까지 이러한 이니셔티브의 최소 70%가 원래 목표에 크게 미치지 못할 것으로 추산했습니다. 이 문제는 매우 명백해져서 CEO가 디지털 트랜스포메이션에 대한 수익 전화에서 분석가들의 질문을 피하는 것은 드문 일이 아니다.

그렇다면, 본질적인 문제는 무엇일까요? 건축에 대한 열정을 가진 인간은 또한 세 가지를 사랑하는 경향이 있다:

 

복잡성
독창성
배경에서 똑딱거리는 시계는 없어요.

하지만, 어쩌면 더 중요한 질문은 사물의 복잡성을 근본적으로 처리하지 못하는 소프트웨어를 만드는 것보다, 왜 지름길로 가서 사물의 통합에 집중하지 않는가?

나는 1990년대에 네트워크 관리 시스템을 구축하고 클라우드 소프트웨어와 IoT 플랫폼 등의 분야에서 경력을 시작했다. 저는 항상 노력하고 신뢰하는 공학 동료들이 항상 가장 잘 알고 있다는 것을 받아들였습니다. 공정하게 말하자면, 엔지니어들은 가장 잘 알고 있었지만, 그들이 직면하고 있는 컴퓨터 과학 문제의 단순한 복잡성과 상황이 어떻게 기하급수적으로 복잡해지고 있는지를 숙고하는 도전을 받았을 때 어려움을 겪었다. 

그리고 나서, 저는 디지털 트랜스포메이션에서 직면하고 있는 산더미 같은 도전들을 해결할 방법에 대해 정말로 호기심이 생기기 시작했습니다. 필요한 비즈니스 논리 모델링의 복잡성에 대한 엄청난 양자 도약뿐만 아니라, 인간의 창의적인 마음의 열망을 실제로 작동할 솔루션에 반영할 수 있는 소프트웨어의 새로운 방법론도 고려된다.

그래서 그 목표를 염두에 두고, 저는 디지털 변환 문제를 해결하기 위해 자동화 엔진을 살펴보기 시작했습니다.

 

디지털 트랜스포메이션의 미래

1980년대와 90년대에 컴퓨팅은 운영체제(OS)의 도입과 함께 큰 변화를 가져왔습니다. 따라서 OS처럼 작동하는 자동화 엔진을 찾아보는 것은 어떨까요? 이 중 하나는 서로 다른 데이터 소스의 소프트웨어 워크플로우를 실시간으로 조정하는 것이며 사용자/디자이너의 요구, 즉 코드가 적고 코드가 없는 것이 더 좋습니다.

미션 크리티컬 워크플로우를 자동화하고 초고속 규칙 엔진을 통해 작업 속도를 높이는 기록의 기존 "임의에서 임의의" 응용프로그램/시스템에 연결하는 사용하기 쉽고 시각적인 캔버스가 필요할 수 있습니다. 데이터 과학자의 경우, 시스템과 장치 또는 데이터 레코드에서 다른 시스템으로 로우 코드 조정을 구현할 수 있는 실시간 자동화 OS를 사용하면 놀라운 최종 고객 환경을 구축할 수 있습니다. 많은 업계 논평가들은 운영과 인공지능에 대한 대규모 투자 사이에 누락된 연결고리가 있었다고 믿는다. 나는 또한 자동화를 믿는다.

오늘날, 자동화 산업은 "하이퍼 오토메이션"이 새로운 유행어인 로봇 프로세스 자동화(RPA) 소프트웨어 회사에 본격적으로 진출하고 있다. 완전히 새로운 세대의 자동화 기술이 시장에 등장하고 있으며, RPA는 더 단순한 디지털 변환 문제를 해결하는 데 가장 일반적입니다.

 

자동화의 이점 활용

세계가 매우 어려운 경제적 배경에 대비함에 따라, 전 세계적으로 기록적인 소프트웨어 기술 부족 상황에서 자동화를 통해 얻을 수 있는 막대한 절감 효과에 초점을 맞출 수 있습니다. Automation OS에서 찾을 수 있는 다른 목표 메트릭으로는 출시 시간 10배 단축, 코드 100배 단축, 개발 시간 15배 단축, 운영 비용(OPEX) 및 자본 지출(CAPEX) 비용 최대 20배 절감 등이 있습니다. 마지막으로, 9개월 이내에 손익분기점 ROI를 달성할 수 있습니다.

 

인공지능(AI)은 연구 과정에서 점점 더 많은 역할을 하고 있다. AI 기반 알고리즘은 연구의 효율성을 향상시키고 탐구된 주제에 대한 새로운 관점을 제공하기 위해 사용되고 있다. 그것들은 서로 다른 정보 사이의 연결을 그리는 데뿐만 아니라 새로운 가설을 제안하고 테스트하는 데에도 가치가 있다.

 

AI 연구 활용 사례

인공지능 연구의 큰 발전은 최근 질병과 싸울 수 있는 급진적인 새로운 단백질을 발명할 수 있는 기계 학습 알고리즘과 함께 왔다. 또한, AI 연구원들은 현재 과학 연구 논문을 검색하고 그로부터 정보를 추출하여 자동으로 과학 논문을 수정할 수 있는 알고리즘을 개발하고 있다. 연구에서 AI의 몇 가지 사용 사례를 더 살펴봅시다.

#1: 자동화된 데이터

인공지능은 또한 연구실의 자원을 최적화하고, 데이터 수집을 자동화하며, 복잡한 데이터 세트의 합성과 분석을 용이하게 하는 데 사용된다. 예를 들어, AI는 최근 실시간 지침을 제공하여 대규모 장기 연구의 활동을 관리하는 데 사용되고 있다. AI 시스템은 연구에 참여한 각 참가자의 건강을 모니터링하고 참가자의 상태가 변경될 경우 과학자에게 경고할 수 있다.

#2: 장비 최적화

AI는 또한 실험실 기술과 장비를 최적화하는 데 사용되고 있다. 인공지능(AI) 구동 로봇은 과학 장비를 정리·보관하고 분석을 위한 샘플을 준비하며 일상적인 진단 테스트를 수행하는 등 기존에 인간만 수행하던 여러 작업을 자동으로 수행할 수 있다. 

 

또한 자동화된 시스템은 과학자나 기술자가 스스로 완료하기에는 너무 위험하거나 어려운 작업을 수행할 수 있다. AI와 로봇 공학은 또한 실험 설계에 사용되고 있으며, 연구자들이 어떤 매개 변수를 변경해야 하는지, 실험을 어떻게 설계해야 하는지, 그리고 어떤 측정을 해야 하는지 결정하는 데 도움이 된다.

 

#3: 의료

많은 사람들은 AI가 곧 새로운 약물과 약물 조합을 식별하고, 의료 이미지에서 질병을 진단하고, 수술을 보조하는 데 사용될 것이라고 믿는다. 인공지능은 이전의 어떤 예측보다 효소를 더 잘 예측하기 위해 사용되었다. 딥러닝이라고 불리는 기술이 사용되었다. 

 

그 시스템은 효소의 3차원 구조를 예측할 수 있었다. 가장 중요한 것은 3D 구조가 알고리즘이 이전에 처리하도록 훈련된 구조보다 더 복잡했다는 것이다. 인공지능은 또한 암 환자를 발견하고 진단하고 치료하는 더 나은 방법을 만들기 위해 암 연구에 성공적으로 사용되었다.

연구원들은 자폐증과 아스퍼거 증후군을 가진 사람들의 비디오에서 인간의 행동과 신체적 특성을 분석하기 위해 기계 시각을 사용했다고 보고했다. 이들은 아이폰13과 마찬가지로 1200만 화소 카메라를 탑재한 1200만 화소의 영상 데이터 세트와 함께 딥러닝 기반의 AI 알고리즘을 사용했고, 개인은 표정을 짓거나 미소를 짓거나 고개를 끄덕이는 등 사회적 상호작용을 했다. 그 분석은 자폐증의 10가지 뚜렷한 얼굴 상태를 밝혀냈고, 심층 신경망은 또한 증상의 심각성을 정확하게 예측했다.

#4: 컴퓨터 과학

연구자들은 AI 기반 알고리즘을 사용하여 분자의 데이터베이스를 검색하고 원하는 특성을 가진 효과적인 분자를 찾는다. 그러한 알고리즘은 전문 과학자가 걸리는 시간의 몇 분의 1 안에 수백만 개의 분자 데이터베이스를 검색할 수 있을 것이다.

컴퓨터 과학자들은 또한 기존의 비디오 게임을 기반으로 새로운 교육용 게임을 만드는 데 사용될 수 있는 시스템을 만들었다. 연구진은 AI를 활용해 기존 게임 요소를 새로운 형태의 게임으로 재조합하는 새로운 알고리즘을 개발했다. 

 

그들은 기계 학습을 사용하여 이 시스템을 만들었는데, 이 시스템은 개인화된 학습 알고리즘을 사용하여 많은 양의 비디오 게임 콘텐츠에서 요소를 선택한 다음 예측할 수 없는 방식으로 재조합한다. 그 연구원들은 이 기술이 다른 장르의 비디오 게임을 탐험하거나 이미 존재하는 것들을 기반으로 새로운 장르를 만드는 데 유용할 수 있다고 제안한다.

 

연구의 미래

인공지능이 인간의 본성, 지능, 의사 결정 과정에 영향을 미친다는 주장이 제기되었다. 인공지능의 등장으로, 인간의 사고 과정에서 편견을 조장하는 것을 포함하여, 인공지능의 창조물이 인간에게 어떤 영향을 미칠 수 있는지에 대한 우려가 있다. 일반적인 우려는 기계가 인간보다 더 똑똑해져서 통제력을 얻을 것이라는 것이다. 그럼에도 불구하고, AI는 정보를 연결하고 새로운 가설을 도출하는 강력한 도구임을 증명하고 있다.