통신망 사업자를 위한 AI 전략은 무엇인가?

VNPT 이사회 멤버 Nguyen Van Yen

요약:
-통신 분야의 데이터와 AI: 통신사들은 제대로 활용되지 않고 있는 방대한 양의 데이터를 보유하고 있습니다. AI는 데이터를 서비스 개선 및 비즈니스 운영 최적화 도구로 변환하는 데 도움을 줄 수 있습니다.
- AI 응용 프로그램 동향: 5G와 IoT의 발전으로 인해 통신사들은 2016년부터 AI에 집중하게 되었습니다. 최근, OpenAI의 ChatGPT 출시 이후 GenAI가 전략적 도구로 부상했습니다.
- AI의 경제적 이점: AI는 통신사에 비용 절감 및 새로운 수익원 창출 등 막대한 가치를 창출할 것으로 예상됩니다. 맥킨지는 GenAI가 통신 산업에 1,000억 달러를 가져올 수 있다고 추산합니다.
- 조직 내 AI 활용: AI는 데이터 분석부터 관리 기능까지 조직의 모든 단계에 적용되어야 합니다. 많은 통신사들이 전담 AI 부서를 설립하고 AI 우수 센터를 구축했습니다.
- AI 적용의 위험: 네트워크 운영자는 AI 인력 채용, 데이터 관리, 그리고 AI 배포의 안전성 확보 등의 과제에 직면합니다. AI 거버넌스는 성공적이고 지속 가능한 배포를 보장하는 중요한 요소입니다.
- AI를 위한 데이터 준비: AI를 효과적으로 적용하려면 운영자는 정확하고 일관된 데이터를 준비하고 공통 데이터 모델을 확보해야 합니다. 데이터 수집 및 처리는 중요한 과제이며, 데이터 분석 및 관리에 대한 막대한 투자가 필요합니다.

통신사를 위한 AI 애플리케이션의 현황

5G, IoT, 그리고 빅데이터의 급격한 증가는 통신 서비스 제공업체들이 AI에 주목하게 된 주요 요인입니다. 야심 찬 대형 통신사들은 2016년과 2017년에 AI 도입을 시작했으며, 2019년에서 2020년까지 전 세계 통신사들의 AI 도입이 크게 증가했습니다. 지난 12~15개월 동안(OpenAI와 Chat GPT 출시 이후), GenAI는 AI 기반 콘텐츠 제작 도구에서 전략적 플랫폼으로 인식이 확대되었으며, 전 세계 거의 모든 통신 서비스 제공업체의 핵심으로 빠르게 자리 잡고 있습니다.

2022년 통신 시장의 AI에 대한 Allied 시장 조사 보고서[6]에 따르면, "전 세계 통신 AI 시장 규모는 2021년 12억 달러로 평가되었으며, 2031년까지 388억 달러에 도달할 것으로 예상되며, 2022년부터 2031년까지 연평균 성장률(CAGR) 41.4%로 성장할 것"이라고 합니다. 통신 회사(telco)들은 혁신, 운영 효율성 및 향상된 고객 경험을 위한 핵심 요소로 AI를 활용하고 있습니다.

물이 누구인가.png

에릭슨은 [1] AI가 통신을 포함한 산업에 전례 없는 가치를 가져올 것이라고 믿습니다. 네트워크 운영자에게 AI는 네트워크 운영 최적화, 고객 경험 개선, 비용 절감, 지속 가능한 발전 기여, 새로운 수익원 창출 등의 기회를 제공할 것입니다.

가트너[2]는 설문조사를 통해 29개의 AI 관련 기술을 AI 핵심 기술, GenAI 기반 기술, 데이터 중심 AI 기술, AI 신뢰 기술 등 5개 그룹으로 분류했습니다. GenAI 기반 기술 도입 추세는 향후 1~3년 동안 급격히 증가할 것으로 전망됩니다.

통신사들은 GenAI를 전환점으로 보고 있으며, 매출 증대, 비용 절감, 그리고 사용자 경험 환경의 근본적인 변화를 이끌어낼 강력한 동력으로 보고 있습니다. 많은 통신사들이 GenAI를 AI 전략의 핵심 요소로 보고 있습니다.

이미지-1_전략-ai.png

AI/GenAI의 경제적 영향 측정

AI가 통신 산업에 미치는 경제적 영향을 측정하는 것은 쉬운 일이 아닙니다. 잠재적 활용 사례가 광범위하고 다양하며, 시장 가치 추정치도 출처에 따라 크게 다르기 때문입니다. 그러나 많은 통신 사업자들은 AI가 통신 사업에 미치는 이점이 상당하다는 데 동의합니다. 예를 들어 [4]:

- AI와 자동화로 인한 노동력 및 일자리 감소. BT(영국)는 디지털화와 자동화를 활용하면 2030년까지 1만 개의 일자리를 줄일 수 있을 것으로 추산합니다.

- AI 기반 제품 출시를 통한 신규 수익 창출. SK텔레콤(한국)은 2028년까지 AI 관련 매출을 최대 25조 원(약 185억 달러)까지 창출할 수 있을 것으로 예상합니다.

- 비용 절감 또는 수익 증대에 기여합니다. 맥킨지는 GenAI가 통신 부문에서 최대 1,000억 달러의 부가가치를 창출할 수 있다고 추정합니다.

운영자는 재정적 측면(정량화된 시간 절약, 비용 절감, 매출 증가)과 비재정적 측면(직원 만족, 고객 만족, 정량화하기 어려운 소규모 시간 절약, 지속 가능성)을 기반으로 각 AI 사용 사례의 이점을 측정합니다.

통신 분야에서 AI는 어디에 적용되며, AI를 구현하는 방법은 무엇입니까?

통신사들은 AI를 데이터 분석 관련 업무 및 부서에 적용해야 할 전략적 우선순위로 간주합니다. 그러나 최근 GenAI의 폭발적인 성장은 특히 통신 분야에서 AI 적용에 대한 몇 가지 관점을 제기했습니다.

- 통신 분야의 AI 응용 분야:

- AI는 혁신적인 도구이므로 회사의 모든 태스크포스에서 AI를 활용할 수 있어야 합니다.

+ 기술 역량이 낮은 집단이라도 AI를 쉽게 사용할 수 있도록 모든 노력을 기울여야 합니다.

+ AI 전담 부서는 성공적인 AI 활용 사례의 구현 관행을 알고 조직 전체에 이러한 활용 사례를 다시 적용하기 위한 적절한 모델과 방법을 구축할 수 있어야 합니다.

+ AI에 대한 접근성을 민주화하려면 AI 도입의 비용 위험을 관리하기 위해 AI에 대한 새로운 FinOps 접근 방식을 구현해야 합니다.

+ 통제되지 않는 비용의 위험을 줄이고 AI의 사용과 실험을 장려하기 위해 AI 거버넌스 프로그램을 개발하고 구현해야 합니다.

- 통신 분야의 AI 배포

AI 제품과 서비스 개발 및 적용을 주도할 전문성과 권한을 갖춘 CXO AI 직책을 구축합니다 (예: Steve Jarrett은 Orange Innovation의 최고 AI 책임자(CAIO)로 임명됨, 2023년 12월; Deepika Adusumilli는 BT에서 2023년 10월; Chung Suk-guen은 SK Telecom에서 임명됨).

예를 들어 AI를 개발하는 자회사를 설립하는 경우, Proximus Ada는 네트워크 운영자인 Proximus(벨기에)의 자회사로, Proximus의 내부 요구 사항을 충족하고 B2B 고객에게 서비스를 제공하기 위해 사이버 보안과 AI 역량을 개발하는 데 중점을 두고 있습니다.

내부 AI 기능과 고객 대면 AI 기능을 분리했습니다. 텔레포니카는 중앙 집중형 AI 조직을 구축하는 대신, 고객 인사이트 및 혁신, 네트워크, IT 시스템, 그리고 AI를 향한 내부 디지털 혁신(CDS)의 두 부서로 분리했습니다.

이러한 책임 구분은 GenAI가 네트워크 기능보다는 고객 중심적인 측면에 더 중점을 두는 반면, 예측 AI는 네트워크 자동화 목적으로 사용되는 기술이 점점 더 늘어나고 있다는 점에서 특히 흥미롭습니다.

새로운 비즈니스 기능으로 자리 잡은 AI. 예를 들어, 차이나 모바일과 SK텔레콤은 새로운 제품과 서비스를 제공하기 위해 AI에 막대한 투자를 하고 있습니다. 두 통신사 모두 최고의 솔루션과 기능을 갖춘 자체 대규모 언어 모델(LLM)을 구축하고 기업(DN) 및 다른 통신사에 접근 권한을 판매하는 데 중점을 두고 있습니다.

AI 우수 센터(CoE) 설립

TMFrum(2023) 설문 조사[4]에 따르면 통신사의 53%가 AI CoE를 설립했다고 답했습니다. 하지만 AI CoE의 정확한 규모, 범위, 역할은 통신사마다 크게 다릅니다. 예를 들어, Vodafone Ziggo(네덜란드)는 자사의 데이터 과학 전문가들을 한데 모으는 AI CoE를 운영하고 있습니다.

텔레포니카는 네트워크 및 IT 부문이 이끄는 글로벌 AI CoE를 보유하고 있으며, 공통 데이터 모델로의 전환과 AI 기술 및 솔루션 연구를 목표로 데이터 및 AI 아키텍처를 전문으로 다룹니다.

e&(중동)는 각 주요 부서/기능에 대표가 있는 CoE를 운영하고 있으며, AI 거버넌스를 최우선으로 삼아 성공적인 AI 활용 사례가 연구되어 다양한 부서에 적용되도록 하는 사명을 가지고 있습니다.

플랫폼 기능으로서의 AI. 일부 통신사는 조직 내 다양한 부서에서 AI를 활용할 수 있도록 설계된 AI 플랫폼을 구축했거나 구축 중입니다.

예를 들어, 보다폰은 각 팀이 자체적인 활용 사례를 구축할 수 있도록 셀프서비스 도구와 교육 자료를 제공하는 AI 플랫폼을 보유하고 있습니다. SK텔레콤은 SK텔레콤이 개발 중인 LLM에 전사적으로 접근할 수 있는 인텔리전스 플랫폼을 보유하고 있습니다.

- AI 관리

AI 거버넌스 요건. AI에 대한 많은 거버넌스 요건은 기존 데이터 거버넌스 프로그램의 일부입니다. 그러나 AI 도구와 시스템의 안전성과 윤리성을 보장하기 위해서는 추가적인 AI 관련 안전 조치가 필요합니다. AI 거버넌스 프로그램에는 두 가지 유형이 있습니다.

- 외부 거버넌스 프로그램은 회사 외부의 개인과 조직을 보호하기 위해 설계되었습니다.

- 내부 거버넌스 프로그램은 직원을 보호하고 AI가 기업 전반에 걸쳐 성공적이고 지속 가능하게 배포되도록 설계되었습니다.

회사 외부의 개인과 조직을 보호하기 위한 거버넌스 프로그램은 일반적으로 성문화되고 규범화되는 경향이 있습니다. 예를 들어, 유럽 연합(EU)은 2023년 12월 AI법을 통과시켜 2025년부터 시행할 예정이며, 미국은 2023년 10월 AI에 관한 행정명령을 발표했습니다.

엄격한 정부 규제는 통신사가 해외에서 수익을 창출할 수 있는 기술과 역량을 개발하는 데 도움이 될 수 있으며 , 특히 엄격한 데이터 주권 규정이 있는 국가에서는 더욱 그렇습니다.

예를 들어, 차이나 모바일은 AI 관련 법률을 준수하는 데 사용하는 방법이 고객에게 제공할 수 있는 보안 기술 개발에 도움이 될 수 있다고 생각합니다. 스위스컴(Swisscom)은 자체 AI 인프라 구축과 IT 서비스 사업에서 가치 창출과 새로운 솔루션 개발을 위한 내부 전문성 개발을 실험하고 있습니다.

GenAI의 등장으로 인해 내부 AI 거버넌스를 개선해야 할 필요성이 커지고 있습니다. 규모 확대, 비용 관리, 부정확한 결과 사용으로 인한 결과로부터 조직 보호, 기술 부채 위험 감소, "손상된" LLM 교육 모델 데이터 위험으로부터 보호, 지적 재산권(IP)/저작권 침해로부터 조직 보호 등이 필요합니다.

비즈니스에 AI를 적용하는 데 따른 위험

통신 분야에서 GenAI를 적용할 때 발생할 수 있는 위험에 대한 TMforum 2023 설문 조사 내용은 다음과 같습니다.

3.1. AI를 위한 인적자원

AI 인재 채용에 있어 대부분의 통신사는 기술 기업에 비해 불리한 입장에 있으며, 특히 젊은 인재를 채용할 때 더욱 그렇습니다. 기술 기업은 일반적으로 더 높은 급여, 빠른 경력 개발, 그리고 훨씬 더 유연한 기업 문화를 제공합니다.

TM Forum의 전문 분야별 통신사 인력 수요 조사[4]에 따르면 AI/머신 러닝, 데이터 분석 및 자동화 기술에 대한 수요가 높은 것으로 나타났습니다(보안 분야 69%보다 낮은 64%).

통신사에서 채용할 수 있는 기술 측면에서, 응답자의 59%는 데이터 과학/데이터 분석 전문가와 AI/ML 전문가가 채용하기 가장 어렵다고 답했습니다(보안 전문가 63%에 이어 두 번째로 어려움).

KT는 MWC 2024에서 AICT(AI and ICT) 기업으로 도약하기 위해 올해 최대 1,000명의 AI 및 디지털 전문가를 채용할 계획이라고 발표했습니다. 이와 동시에 KT는 AI에 대한 KT의 DNA를 완전히 바꾸기 위해 AI 역량 강화를 위한 사내 교육도 강화했습니다.

차이나 모바일은 2025년까지 고도로 자동화된 통신사로 도약하겠다는 야심 찬 포부를 실현하기 위해 2019년 지우티안(Jiutian)을 설립했습니다. 이 AI 플랫폼은 외부 개발자들이 개방형 API를 통해 이용할 수 있습니다. 2023년 10월, 차이나 모바일은 지우티안의 일환으로 자체 LLM(학습 개발)을 개발했습니다. 20명의 AI 엔지니어로 시작한 차이나 모바일은 현재 600명의 AI 엔지니어를 보유하고 있으며, 2024년 말까지 1,000명으로 늘릴 계획입니다.

보다폰은 AI 플랫폼을 위해 하이퍼스케일러들과 협력하고 있지만, 분석, 자동화, 클라우드 및 플랫폼뿐만 아니라 AIOps 기술도 여전히 필요합니다. 보다폰은 정규직 채용을 통해 인재를 유치하고 있습니다.

이미지-2_bai-ai.png

캡제미니의 시니어 디렉터 아시쉬 야다브는 통신사들이 시스템 통합(SI) 기업을 통해 아키텍트급 클라우드 및 AI 전문가를 인소싱의 한 형태로 점점 더 많이 찾고 있다고 말했습니다. 인소싱의 정의는 여러 가지로 해석될 수 있지만, 이러한 맥락에서 통신사들은 파트너 기업의 고위 인력을 자사 실무팀의 일원으로 "대우"합니다.

대부분의 통신사는 수요에 맞춰 AI 인재를 적극적으로 확보하기 위해 재교육 및 역량 강화에 박차를 가하고 있습니다. 실제로 이러한 접근 방식은 신규 인력을 채용하는 것보다 비용 효율적일 수 있으며, 채용이 어려운 다른 모든 기술 분야에도 점점 더 많이 적용되고 있습니다.

TMForum에서 통신사가 AI와 머신 러닝을 효과적으로 활용하기 위해 해야 할 일을 조사한 결과, 응답자의 60%는 기존 직원에게 여러 가지 AI 기술을 교육하는 것이 큰 영향을 미칠 것이라고 답했고, 39%는 상당한 영향을 미칠 것이라고 답했습니다.

이미지-3_bai-ai.png

맥킨지앤컴퍼니에 따르면, GenAI는 운영자들이 내부적으로 AI 전문 지식을 개발하도록 강요하는 동시에 사용자에게도 새로운 기술을 요구하고 있습니다. 여기에는 LLM에서 최상의 답변을 얻기 위해 질문을 던질 수 있는 능력인 신속한 엔지니어링 기술이 포함됩니다. 운영자들은 또한 "어떤 데이터를 수집해야 하는지, 어떻게 수집해야 하는지 이해하고, GenAI 시스템에서 생성되고 사용되는 새로운 유형의 데이터의 품질을 모니터링하고 평가하는 " 데이터 엔지니어와 도메인 전문가를 고용해야 합니다 .

이미지-4_bai-ai.png

3.2. AI 애플리케이션을 위한 데이터 준비성

데이터 기반 아키텍처는 네트워크 전반의 정확성과 일관성을 유지하는 데 핵심적입니다. 공통 데이터 모델을 사용하면 모든 시스템에서 데이터가 원활하게 흐르고 모든 자동화된 워크플로에서 데이터가 정확하게 처리됩니다.

AI에는 데이터가 필요하고, 데이터 분석에는 AI가 필요합니다. 오늘날 많은 운영자들은 AI 기술을 최대한 활용하기 위한 일관된 데이터 전략을 개발하는 데 상당한 어려움을 겪고 있습니다. AI 실험 초기 단계에 있는 운영자들은 AI를 대규모로 성공적으로 구축하는 데 필요한 것, 특히 데이터 측면에서 무엇이 필요한지 과소평가할 수 있습니다.

많은 통신사에는 단일 데이터 모델에 따라 조직 전체에 걸쳐 데이터가 수평적으로 흐를 수 있는 통합된 전략이 부족합니다.

AI에 필요한 데이터를 준비하는 데 있어 몇 가지 구체적인 과제는 다음과 같습니다.

네트워크부터 서비스 제공, 고객 경험에 이르기까지 비즈니스의 다양한 부분에 적용할 수 있는 명확하고, 명확하며, 일관되고, 실행 가능한 데이터가 부족합니다 . 이는 데이터 기반, AI 기반 실행을 위한 모든 프로세스에 필수적입니다.

공통적인 데이터 모델이 부족하여 (현재 데이터는 여러 공급업체로부터 수집됨) 구조화된 데이터와 구조화되지 않은 데이터를 집계하는 데 엄청난 시간이 소요됩니다.

데이터 컨텍스트가 부족하고 데이터가 어떻게, 언제, 어디서, 어떤 목적으로 수집되는지 완전히 알지 못하는 것은 통신사가 GenAI나 다른 유형의 머신 러닝 모델을 배포하려는 경우 극복해야 하는 특히 큰 장애물입니다.

통신사들은 데이터의 가치를 인지하고 데이터 분석에 대한 투자를 확대해 왔습니다. 옴디아(Omdia)는 전 세계 통신사들이 2025년까지 데이터 분석에 25억 달러를 투자할 것으로 추산합니다.

실제로 데이터를 수집, 정리, 변환 및 적절한 형식으로 저장하는 데 필요한 시간과 투자는 해당 데이터를 사용하는 데 걸리는 시간보다 훨씬 더 많은 경우가 많습니다. 데이터 레이크와 데이터 웨어하우스를 구축하는 과정은 수년간 진행되어 왔지만, 통신 사업자가 조직 전체에 대규모 AI를 구축할 수 있는 역량을 아직 확보하지 못했습니다.

AI 기반 혁신과 분석의 등장으로 더욱 다양하고 유연한 데이터 사용에 대한 필요성과 수요가 증가했습니다. 예를 들어,

- AI/머신러닝은 모델을 학습시키기 위해 엄청난 양의 데이터가 필요합니다.

- 편향되지 않은 AI 결과를 보장하려면 다양한 데이터 세트와 여러 데이터 유형이 필요합니다.

- 모델 정확도와 애플리케이션 영향을 개선하기 위해 데이터 레이어 추가

- 특히 동적 환경에서 예측 성능을 유지하려면 모델을 최신 정보로 지속적으로 학습해야 합니다.

- 데이터는 주로 상호 작용이 활발한 환경에서 중요한 비즈니스 기능을 위해 실시간으로 사용 가능해야 합니다.

- GenAI의 등장으로 운영자는 사용 가능한 방대한 양의 비정형 데이터를 활용할 수 있게 되었지만, 이러한 데이터는 LLM에 공급하기 전에 태그 지정 및 정리가 필요합니다.

데이터 관점에서 AI 분야에서 상당한 진전을 이루려면 운영자는 시스템을 통과하는 데이터 흐름에 대한 접근 방식을 근본적으로 바꾸고, 때로는 기업 문화까지 바꿔야 합니다. 핵심은 공통 데이터 모델을 구축하고 단일 데이터 소스(Single Source of Truth)를 구축하는 것입니다.

단일 진실 소스(SSO)를 구축하는 것은 매우 복잡한 작업으로, 데이터 파편화로 인해 대부분의 통신 사업자의 역량을 넘어서는 과제입니다. BT, 도이체 텔레콤, 텔레포니카는 모든 데이터를 퍼블릭 클라우드로 이전하여 이 문제를 해결하기 위한 조치를 취했습니다. 예를 들어, 지난 2년 동안 BT는 데이터의 90% 이상을 Google Cloud Platform으로 이전했습니다.

AI 아키텍처, 구축, 구매 및 확장

AI/GenAi와 클라우드 컴퓨팅 사이에는 많은 유사점이 있는데, 특히 기술 변화와 하이퍼콜러의 지배력이 두드러집니다. 통신사들은 AI와 클라우드와 마찬가지로 동일한 문제, 즉 무엇을 구매하고 무엇을 구축해야 할지에 대한 질문에 직면합니다.

통신사의 AI 접근 방식은 개방형 아키텍처와 구성 가능성이라는 핵심 원칙에 크게 좌우됩니다. 도이체 텔레콤의 오마이르 아메드 칸은 대부분의 AI 프로젝트가 다양한 구성 요소를 구축하고 구매하는 방식을 병행한다고 말합니다. "도이체 텔레콤은 구축과 구매라는 하이브리드 전략을 가지고 있으며, 구매 과정에서 완전한 턴키 솔루션을 구매한 적은 없습니다."

운영자들은 AI를 엔터프라이즈 아키텍처 또는 참조 아키텍처의 일부로 고려하기에는 아직 이르다고 생각합니다. AI를 미래 엔터프라이즈 아키텍처에 통합하기 위한 명확한 비전과 전략을 갖춘 일부 운영자들은 효과적인 결과와 명확한 투자 수익률(ROI)을 달성하는 데 필요한 인력, 도구, 역량과 관련된 구현 과제를 인식하고 있습니다.

소프트웨어 산업화는 데이터를 퍼블릭 클라우드로 이전하고 실시간으로 데이터에 접근할 수 있도록 함으로써 AI 산업화의 모범 사례로 볼 수 있습니다. 동남아시아의 한 통신사 CIO는 회사가 AI 산업화를 위해 취한 과정을 "데이터 팩토리"라고 설명했습니다. 그는 "이를 통해 AI 개발 시간과 비용이 크게 절감되었습니다."라고 말했습니다.

2년 전에는 AI 제작 비용이 매우 높았습니다. AI 모델을 만드는 데 6~8개월이 걸렸습니다. 이제는 며칠이면 충분합니다. 전체 과정을 훨씬 더 빠르게, 더 적은 인력으로 진행할 수 있습니다.

일부 통신사에서 연습해보세요:

China Mobile: Jiutian LLM 프로젝트의 일환으로 그래픽 처리 장치(GPU)와 가속기를 포함한 하드웨어를 구입하고 자체 데이터 센터를 구축했습니다.

Jio: 인도 통신사 Jio의 모회사인 Reliance Industries는 엔비디아와 협력하여 AI용 슈퍼컴퓨팅 인프라를 구축했습니다. Reliance는 인도 전역의 과학자, 개발자, 스타트업에 AI 인프라를 제공하고 Jio의 4억 5천만 고객을 위한 AI 애플리케이션과 서비스를 개발하는 것을 목표로 합니다.

AI를 퍼블릭 클라우드 또는 프라이빗 클라우드에 어디에 구축할지 결정하는 것 역시 통신사의 중요한 문제이며, 구축 규모에 따라 크게 달라집니다. 퍼블릭 클라우드에 AI를 구축하면 복잡한 알고리즘과 방대한 양의 데이터를 처리하는 데 필요한 풍부한 컴퓨팅 리소스, 성능, 그리고 특수 하드웨어를 활용할 수 있다는 장점이 있습니다. 하지만 퍼블릭 클라우드를 대량의 데이터 처리에만 사용할 경우 비용이 문제가 될 수 있습니다.

GenAI에 프라이빗 클라우드를 사용하는 것은 많은 통신사들이 자체 LLM을 구축하지 않는 한 실현 불가능하다고 생각합니다. 아시아의 차이나 모바일, 소프트뱅크, SK텔레콤, 유럽의 도이치 텔레콤이 그 예입니다. 통신사들은 AI 활용 사례의 테스트 및 MVP 구축을 위해 퍼블릭 클라우드를 우선시하는 경향이 있습니다.

통신사들이 AI를 더 많이 활용할수록 필연적으로 고객과의 관계가 더욱 긴밀해질 것입니다.

- 소프트뱅크: 엔비디아와 협력하여 GenAI 및 무선 애플리케이션 호스팅을 위한 데이터 센터(TTDL)를 구축했습니다. 새로운 TTDL은 AI와 5G 워크로드를 모두 처리할 것입니다.

- SK텔레콤: SKT의 AI 비전을 실현하기 위해 AI 기반 데이터센터 수요를 확대하고 있습니다. 김양섭 CFO는 SKT가 "차세대 AI 데이터센터 구축 및 글로벌 확장에 집중하여 데이터센터 사업을 더욱 강화할 계획"이라고 밝혔습니다.

- NTT 는 GenAI 및 기타 기술 사용과 관련된 데이터에 대한 수요 증가에 대응하기 위해 향후 5년간 1조 5천억 엔(약 120억 달러)을 투자해 전 세계적으로 데이터 센터 사업을 확장하고 업그레이드할 예정입니다.

3521_ntt-글로벌-dc.jpg

GenAI에 프라이빗 클라우드를 사용하기로 한 결정은 많은 통신사들이 자체 LLM을 구축하지 않는 한 실현 불가능하다고 생각합니다. 아시아의 차이나 모바일, 소프트뱅크, SK텔레콤, 유럽의 도이치 텔레콤이 그 예입니다. 통신사들은 AI 활용 사례의 테스트 및 MVP 구축을 위해 퍼블릭 클라우드를 우선시하는 경향이 있습니다.

통신사들이 AI 활용을 확대함에 따라 Amazon Web Services, Microsoft Azure, Google Cloud와 같은 대형 기업과 더욱 긴밀한 관계를 맺게 될 것입니다.

참고문헌:
1. AI 사업 잠재력: AI의 가치 이해
통신 운영. https://www.ericsson.com/4ac6ca/
자산/지역/보고서-논문/추가 통찰력/문서/AI-
사업 잠재력.pdf
[2] 신흥 기술 영향 레이더: 인공지능, Gartner, 2024년 1월 19일 ID G00796195
[3] 생성적 AI: 운영자들이 첫발을 내딛다, TMforum 2023
[4]. AI 전략 구축 통신사는 기반을 마련했습니다.
TM포럼 3,2024
[5]. https://intellias.com/ai-in-telecommunications/
[6]. https://www.alliedmarketresearch.com/ai-in-
통신시장-A09352
[7] 통신 분야의 Gen AI, Omdia의 GenAI 통신사의 주요 결과
서비스 제공업체 설문 조사 Omdia 2024
[8] https://www.xenonstack.com/enterprise-generative-ai/
통신/
[9] AI는 어디로 향하고 있을까? Nokia https://www.nokia.com/thought-
리더십/기사/AI/AI의 미래는 어디로?
[10]. Ericsson Telco AI, 내부 문서