IoT와 AI 비즈니스의 미래

0

 춘추전국시대 맞은 IoT 플랫폼 

IoT라고 하면 얼마 전까지만 해도 빅데이터 활용 분야에 비즈니스 기회가 있다고 봤다. 지금까지 통신 기능이 없는 ‘사물’을 인터넷에 연결할 수 있게 되면 그로 인해 어떤 일이 일어날까? 수익화를 어떻게 할까? 하는 것 등이 많은 사람들이 알고 싶어 하던 ‘IoT 비즈니스의 과제와 기회’였을 것이다.

네트워크에 연결된 ‘사물’을 ‘엣지 디바이스’라 하여 여기에서 얻은 정보를 데이터베이스에 축적한다. 그 데이터를 분석하는 한편 엣지 디바이스 측에도 어떠한 제어를 다시 적용한다. 그런 IoT를 위한 기반이나 플랫폼이 속속 개발되어 서비스로 제공되고 있다.

GE의 ‘Predix’, MS의 ‘Azure IoT Suite’, IBM의 ‘Watson IoT’ 등이 대표적이고 세계에는 많은 IoT 플랫폼이 난립하고 있다. 지금은 IoT 플랫폼의 춘추전국시대다. 이렇게 많은 플랫폼이 있는데 또 다른 경쟁자가 나올까? 유저는 어떤 걸 사용하면 좋을까?

현재 가장 많이 발표된 것은 클라우드형 플랫폼이다. 하지만 일단 데이터를 쌓아 집계하고 배포하거나 클라우드에 데이터를 쌓는 기반이 있고 통신도 엣지 쪽에 둔다는 것 정도로만은 생존이 어려울 것이다.

전문가들은 여기에서 AI 기술을 강조한다. AI의 힘을 활용하기 위해서는 어떻게 하면 좋을까? AI 기술을 어디에 사용해 IoT 비즈니스의 프로세스에 탑재할 수 있을까? 앞으로는 그것이 열쇠가 될 것이라고 한다.

IoT 플랫폼을 활용해 하고 싶은 것은 무엇인가? 이것은 업계나 고객에 따라 다를 것이다. 그렇다고 해서 모든 엔드유저에게 대응하거나 어떤 용도로도 사용할 수 있는 범용 IoT 클라우드를 만드는 것은 비용적으로 그다지 현실적이지 않다.

산업용 기기에 특화된 GE의 ‘Predix’ 같은 제품을 가지는 회사가 주도하고 벤더를 모아 플랫폼화하여 외부에 제공한다는 쪽이 일반적이다. 하지만 현재 가장 두드러지고 있는 GE도 IoT 분야에서 이기고 있냐면 그렇다고 보기 어렵다. 산업기기 메이커가 소프트웨어 벤더의 비즈니스를 하고자 한다는 점에서 지금은 산고를 겪고 있는 것이다.

 엣지 디바이스와 AI 

엣지 디바이스에서 생기는 방대한 데이터를 인터넷을 통해 클라우드로 보내는 방법에는 다음과 같은 약점이 있다.

1. 디바이스가 만들어내는 데이터량에 따라 통신량이 폭발적으로 증가하고 통신비가 높아진다
2. 원격 클라우드와의 통신은 지연이 발생하여 데이터의 실시간 처리에 적합하지 않다
3. 보안 문제 때문에 클라우드에 로우데이터를 보내고 싶지 않은 경우도 있다

이런 약점을 보완하기 위해 클라우드뿐 아니라 엣지 그리고 네트워크의 디바이스도 고도의 기계학습을 요구하는 움직임이 있다. 엣지 측에도 이 기능을 탑재하여 그곳에서 필요한 처리를 함으로써 통신의 과부하나 처리지연 같은 문제를 해결한다.

또 엣지에서 수집한 모든 데이터를 클라우드로 보내어 분석하는 것이 아니라 엣지 측에서 데이터를 분석하므로 그 분석 결과만을 클라우드에 수집하는 것도 가능해진다. 즉 데이터 처리 기능이 클라우드 기반에만 있는 것이 아니라 분산되어 있고 각각 협조해서 움직이는 것이다.

예를 들어 실시간 처리가 꼭 필요한 것 중 하나로 자율주행차가 있다 자율주행차나 커넥티드카의 경우 자동차 한 대 한 대가 엣지인데, 클라우드 기반과의 사이에 또 하나의 레이어가 있는 체계를 생각할 수 있다. 그 레이어는 신호기 같은 도로 설비와 연결한다. 엣지, 또 하나의 레이어, 클라우드의 각각이 지능을 갖고 각각 데이터 처리를 하면서 서로 통신하여 안전한 교통을 유지하는 것이다.

 마치며 

여기서는 IoT 비즈니스에 대해 산업용 IoT를 위주로 얘기했는데 아마존을 통해서는 컨수머 IoT에 대해 배울 수 있다. 아마존에서는 아마존 에코 이후 새로운 서비스가 속속 다양한 분야에 걸쳐 나오고 있는데 그 개발 속도가 놀랍다. 전 세계의 사회와 사람의 생활이 크게 바뀌어가는 모습을 볼 수 있다.

AI 기술의 사용이 일반화될 것으로 예상되는 미래 시대, 아마존에 머무르지 않고 제조업, IT산업, 서비스업 같은 업계에서도 AI 기술 활용이 일반화되어 있을 것이다.

참고로 기계학습이나 심층학습 기술로 소프트웨어를 제공하는 회사도 소프트웨어 영역에 머무르지 않고 기술력을 최대한 살리기 위해서는 네트워크나 하드웨어 전문가를 포함시켜야 한다. 소프트웨어의 한계를 결정하는 것도 한계를 바꿔주는 것도 하드웨어와 네트워크이기 때문이다.

 

 

페이스북으로 댓글을 달아주세요!

About Author

국내 모바일 산업과 창업 생태계를 응원합니다. 모바일 트렌드에 대한 전문 컬럼을 기고하거나 유망한 스타트업을 소개하고 싶으시면 연락바랍니다. 적극 수용하겠습니다~♥

댓글 남기기