IT TREND 썸네일형 리스트형 '산업이 묻고, IT가 답하다' 스마트팩토리를 완성하는 제조 인프라 전략 AI와 디지털 전환이 본격화되면서 제조산업 역시 새로운 인프라 혁신을 요구받고 있다.반도체를 비롯한 대규모 생산라인 구축과 스마트팩토리 확산으로 생산 현장의 데이터는 폭발적으로 증가하고 있으며, AI를 활용한 공정 최적화와 자동화 역시 빠르게 확대되고 있다.특히 생산라인은 사소한 장애도 생산 손실로 직결될 수 있기 때문에, 안정성과 가용성을 기반으로 AI와 클라우드까지 유연하게 수용할 수 있는 인프라가 무엇보다 중요해지고 있다.급변하는 산업 환경 속에서 인프라 본연의 가용성과 안정성을 지속적으로 보장하면서 미래 신기술을 유연하게 수용할 수 있는 인프라 전략을 모색하고 있는 제조산업의 현주소와 HS효성인포메이션시스템이 제안하는 인프라 로드맵을 만나본다. 제조산업의 변화, IT 인프라는 어떻게 달라져야 하.. 더보기 '산업이 묻고, IT가 답하다' AI 네트워크를 위한 통신 인프라 전략의 모든 것! 최근 통신산업은 AI 서비스 확산을 비롯해 5G 고도화, 6G 시대 준비까지 동시에 진행되며 새로운 전환점을 맞고 있다.과거에는 안정적인 네트워크 운영과 성능 확보가 인프라 구축의 핵심이었다면, 이제는 AI 서비스를 얼마나 안정적으로 제공할 수 있는지, 장애가 발생해도 서비스를 지속할 수 있는지, 그리고 미래 기술을 유연하게 수용할 수 있는지가 새로운 경쟁력이 되고 있다.특히 통신 서비스는 단 몇 초의 장애도 사회적 파장과 막대한 손실로 이어질 수 있는 만큼, 무중단 서비스와 사이버 복원력 확보는 선택이 아닌 필수 과제가 되고 있다. AI 시대에 통신산업이 직면한 인프라 과제와 HS효성인포메이션시스템이 제안하는 차세대 통신 인프라 전략을 살펴본다. 통신산업은 지금, 무엇을 고민하고 있는가. HS효성인포.. 더보기 '산업이 묻고, IT가 답하다' AI 시대 금융권 인프라 전략의 모든 것! 최근 금융권의 IT 인프라는 생성형 AI 확산, 사이버 위협 증가, 전자금융감독규정 강화 등의 환경 변화에 직면하면서 새로운 전환점을 맞고 있다. 과거에는 성능과 비용이 인프라 투자를 위한 판단의 핵심 기준이었다면, 이제는 ‘서비스가 멈추지 않는가’, ‘장애나 사고 이후에도 신속한 복구가 가능한가’, ‘AI를 빠르게 도입하고 활용할 수 있는가’가 중요한 기준이 되고 있다. 특히 금융권 기업에 있어 장애는 단순히 금전적 피해에서 끝나지 않고, 신뢰도 하락 및 고객 이탈 등 치명적인 손실로 이어진다. 따라서 서비스 연속성이 어느 산업보다 중요한 요구사항이다.금융권 기업들이 실제로 맞닥뜨린 고민을 중심으로 금융산업 인프라의 변화 방향부터 HS효성인포메이션시스템만이 제안하는 ‘인프라 전략 로드맵’까지 만나본다... 더보기 네오클라우드 시대의 AI 인프라 전략 클라우드 개념이 바뀌고 있다. 범용 워크로드를 위해 설계된 기존 하이퍼스케일 클라우드와 달리 인공지능(AI) 학습과 추론에 특화된 ‘네오클라우드’가 주목받고 있다. 코어위브(CoreWeave), 크루소(Crusoe), 네비우스(Nebius) 같은 네오클라우드 기업은 그래픽처리장치(GPU) 집약적 인프라와 고성능 네트워킹 환경, 그리고 AI 학습 및 추론에 최적화된 프로비저닝 환경을 제공하며 기존 범용 클라우드와 차별화하고 있다. 시장조사기관 시너지 리서치 그룹에 따르면 네오클라우드 시장은 2031년까지 연평균 58% 성장해 4000억 달러 규모에 달할 전망이다. 네오클라우드가 확산하면서 GPU 활용률을 높이기 위한 스토리지의 중요성도 커지고 있다. GPU 활용률은 가속기 성능만으로 결정되지 않는다. 스.. 더보기 지금은 '데이터 통제가 경쟁력' 시대 클라우드 전환이 본격화된 이후 많은 기업이 예상치 못한 문제와 마주했다. 데이터를 어디에 두고 어떻게 옮길지, 누가 접근할 수 있는가의 결정권이 자신들에게 있지 않다는 사실을 말이다. 특정 클라우드 벤더에 의존하면 데이터는 어느새 고립된다. 이동할 때마다 예상 밖의 비용이 발생하고 거버넌스 정책은 환경마다 따로 관리해야 한다. 이것이 오늘날 많은 IT 조직이 전략 실행보다 IT운영 관리에 더 많은 시간을 쓰는 이유다. AI는 데이터를 먹고 작동한다. 데이터를 자유롭게 통제하지 못하는 기업은 AI 전략도 그 한계 안에서 움직이게 된다. 데이터 주권, 즉 데이터의 위치와 이동, 활용을 스스로 결정할 수 있는 힘이 AI 경쟁력의 전제 조건이다. 멀티클라우드는 선언이 아닌 실제 작동해야 많은 기업이 멀티클라우.. 더보기 AI가 틀리는 이유, 결국 ‘데이터’ AI 도입을 검토하는 기업들은 이런 상황과 자주 마주한다. 최신 거대언어모델(LLM)을 채택했고, 컴퓨팅 자원도 충분한데 결과물이 기대에 한참 미치지 못하는 경우다. 원인을 추적하다 보면 결국 같은 지점에 도달한다. 문제는 모델이 아니라 ‘데이터’라는 것이다. 기업들은 내부 정보를 AI와 연결하기 위해 RAG(Retrieval-Augmented Generation) 등의 아키텍처를 구축한다. 그러나 실제 도입 과정에서 AI의 최종 성능을 좌우하는 것은 모델 자체의 성능만이 아니라 내부 데이터의 정제 상태와 품질이라는 사실을 알게 된다. 기초 데이터나 정보가 잘못되면 그 결과물 역시 아무런 가치가 없다는 ‘GIGO(Garbage In, Garbage Out)’는 오래된 말이지만, AI 시대에 더 강조되고 .. 더보기 AI 확장의 성패, ‘운영 기반’에서 결정된다! 인공지능(AI) 도입에 야심 찬 기업은 넘쳐난다. 하지만 야망과 실행 역량은 다른 문제다. 히타치 밴타라의 ‘2025 데이터 인프라 현황 글로벌 보고서’에 따르면, 미국과 캐나다 기업 중 데이터를 효과적으로 관리할 거버넌스 체계와 인프라 역량을 갖춘 곳은 42%에 불과하다. 절반 넘는 기업이 AI 확장 기반 자체가 갖춰지지 않은 상태에서 투자를 늘리는 셈이다. 많은 기업이 그 원인을 모델 성능에서 찾으려 한다. 더 좋은 LLM을 선택하고 더 많은 컴퓨팅 자원을 확보하면 문제가 해결될 것이라는 기대다. 하지만 고성능 모델을 도입하고도 기대한 성과가 나오지 않는 경우가 반복되면, 문제는 모델이 아닌 다른 곳에 있을 가능성이 높다. AI 성과를 좌우하는 것은 모델의 정교함이 아니라 그 모델이 작동하는 기반인 .. 더보기 AI 성과의 핵심, ‘모델보다 데이터 인프라’ 기업의 AI 도입은 이제 선택이 아닌 필수다. 많은 기업이 생성형 AI를 업무 혁신의 핵심 과제로 삼고 관련 투자를 확대하고 있다. 그러나 실제 현장에서는 기대만큼 성과를 거두지 못하는 경우가 적지 않다. AI 모델 성능은 빠르게 발전하고 있지만 이를 뒷받침하는 데이터 인프라가 충분치 않은 경우가 많기 때문이다. AI 성과를 좌우하는 요소들 히타치 밴타라가 15개 시장의 IT 리더 1200명 이상을 대상으로 조사한 ‘2025 데이터 인프라 현황 글로벌 보고서’는 이러한 현실을 잘 보여준다. 이 보고서는 기업 데이터 인프라 성숙도를 기준으로 AI 성과와 운영 역량의 차이를 분석했다. 그 결과, 회복탄력적인 인프라, 정제된 데이터, AI 기반 운영, 측정 가능한 성과를 갖춘 ‘최적화’ 단계에 도달한 조직은.. 더보기 이전 1 2 3 4 ··· 21 다음 What Inspires Sustainable Technology?
