▲

PwC의 2025년 AI 비즈니스 예상

 (pwc.com)
13P by xguru 18일전 | ★ favorite | 댓글과 토론
  • PwC는 AI가 전사적·산업적 차원에서 가치를 창출하며, 이를 주도적으로 활용하는 기업이 장기적으로 앞서나갈 것이라고 전망
  • AI가 실무·전략·비즈니스 모델 전반에서 중요한 역할을 하며, 2025년에 더욱 빠른 속도로 통합되고 확산될 것으로 예측
  • "AI에 대한 비전과 채택 방식이 기업의 성패를 가르는 핵심 요소"
    • AI가 규모 있는 가치를 제공할 수 있음이 분명해졌으며, 아직 시작 단계에 불과함
    • PwC 2024 Pulse Survey에 따르면, 응답 기술 리더의 49%가 AI를 핵심 비즈니스 전략에 완전히 통합했다고 했으며, 또한 3분의 1은 자사의 제품과 서비스에 완전히 통합했다고 답변함
  • 조직 차원에서 AI를 내재화하는 일은 필수적임
    • 새 비즈니스 모델과 같은 "큰 도약"을 통해 획기적 가치를 얻는 것은 한 가지 방법임
    • 또 다른 방법은 여러 영역에서 20~30% 생산성 향상이나 시장 진출 속도 향상, 매출 증가 등을 순차적으로 실현하는 것임
    • 이를 반복해서 누적하면 기업 전체가 근본적으로 변화함
  • AI와 관련해 과도한 기대가 형성된 부분도 존재함
    • 모든 약속이 실현되는 것은 아니지만, AI의 혁신 속도와 투자, 비즈니스의 호응은 전례 없이 빠름
    • 인터넷(1983년에 발명)조차 이렇게 빠르지는 않았음
    • 아래 예측들은 앞으로 12개월 동안 벌어질 일, 그 이후 일어날 수 있는 일, 그리고 지금 당장 해야 할 일에 대한 방향을 제시함

1. AI 전략이 경쟁력을 좌우함

  • AI 전략은 지금부터 시작되는 가치 창출에 초점을 맞추는 것임
    • 이는 단지 생산성이나 효율성 이상의 가치를 의미함
    • 일부 AI 시스템은 독립적으로 추론하고, 의사 결정의 영향을 “이해”하며 복잡한 업무(신규 서비스나 시장 진출 전략 설계 등)를 수행할 수 있음
    • AI가 점점 강력하고 신뢰할 수 있는 수준에 이르러, 이를 운영 전반에 녹여내야 하는 시점임
    • 경쟁사가 이렇게 AI를 적극적으로 받아들이면, 그렇지 않은 기업과의 격차가 쉽게 좁혀지지 않을 것임
  • 효과적인 AI 전략은 올해 바로 활용 가능한 가치를 대규모로 창출하도록 구성되는 포트폴리오 접근을 필요로 함
    • 첫 번째 축은 “ground game”으로, 많은 작은 성공을 만들어 내는 체계적 접근임
      • 고객 경험 개선, 매출 증대 서비스, 생산성 향상 등을 순차적으로 달성하여 누적 가치를 창출함
    • 두 번째 축은 “roofshots”로, 새 업무 방식, 고객과의 상호작용, 제품 설계 등을 위한 프로젝트임
      • 실행 가능하지만 집중 자원과 관심이 필요한 영역임
    • 세 번째 축은 “moonshots”로, AI 기반의 완전히 새로운 비즈니스 모델처럼 상당히 도전적이지만 큰 보상을 기대할 수 있는 프로젝트임
      • 이런 프로젝트에는 AI 전문가의 높은 수준의 역량과 자원이 필요하기 때문에, C-레벨에서 주도해야 함
  • 어떤 대규모 언어 모델(LLM)을 선택하느냐는 전략적으로 그리 중요치 않을 것임
    • 많은 훌륭한 옵션들이 존재할 것이고, 모두가 이를 활용하게 될 가능성이 큼
    • 차별화 포인트는 오히려 자사의 조직적 지식 및 고유 데이터와 결합하는 방식임
    • AI 지원 클라우드 아키텍처를 활용해 이를 제대로 구현하는 것이 관건임

“AI 도입은 PwC 내부와 모든 산업 분야의 클라이언트들 사이에서 매우 빠른 속도로 진행 중임. 2025년에는 품질, 정확도, 능력, 자동화가 크게 발전하여 서로 맞물리며 기하급수적 성장을 향해 가속할 것임”

  • 2025년 이후: 소수의 회사들만 우위를 차지하게 될 것

    • 몇몇 기업들은 과거에 인터넷 기반 비즈니스 모델을 만들고, 이를 토대로 지금까지도 시장에서 우위를 차지하고 있음
    • AI 또한 이와 유사한 양상이 전개될 것으로 예상됨
    • AI에 기반해 새로운 운영 모델과 비즈니스 모델을 신속히 구현하는 기업, 혹은 본래 AI를 핵심으로 한 기업들이 경쟁에서 앞서나갈 것임
    • AI 선도 기업과 뒤처지는 기업 간 격차는 커질 것이며, 이는 국가 경제 전반에도 영향을 미칠 수 있음
    • 상대적으로 규제가 유연한 미국 기업들은 더 빠르게 발전할 가능성이 있음
    • 반면, 규제가 더 엄격한 EU나 중국에서는 상대적으로 발전 속도가 더딜 수 있음

  • 지금 해야 할 일

    • 공식적인 전략 평가를 실시할 필요가 있음
      • 조직과 산업에서 AI가 어떠한 역할을 할 수 있을지 파악해야 함
      • 예를 들어, AI는 특정 비즈니스 영역의 마진을 압박하면서도, 다른 영역에서는 저비용이면서도 개인화된 신규 상품을 통해 폭발적 성장을 가능케 할 수 있음
    • 데이터에 대해 ‘less is more’ 접근을 시도할 것
      • AI 도입을 위해 전사 차원의 데이터 활용 전략이 필요함
      • 동시에 모든 데이터를 한 번에 완벽하게 정비할 필요는 없음
      • 핵심 전략 우선순위에 맞춰 가치가 큰 데이터부터 현대화하는 방식을 취하는 것이 효과적임
      • 현재 AI는 고품질의 소규모 데이터 세트만으로도 유의미한 성능을 낼 수 있음
      • 부족한 부분은 합성 데이터 등을 활용해 보완 가능함
      • 데이터 사용이 많은 규칙 기반 프로세스를 갖춘 세금 업무 영역 등이 시범 적용으로 적합할 수 있으며, 이외에도 여러 데이터 기반 수익화 기회가 존재할 것임
    • 운영 및 KPI 관점에서 살펴볼 것
      • AI로 인해 창출되는 신규 매출, 프로젝트 진행 속도, 생산성, 경험 등을 비즈니스 성과로 측정해야 함
      • 동시에 과도한 자동화를 조장하지 않는 지표 설계가 중요함
      • AI에는 항상 사람의 감독과 리더십이 필요함

2. AI 에이전트로 인해 인력이 실질적으로 2배로 확대될 수 있음

  • AI가 인력을 줄일 것이라는 예상과 달리, 실제로는 “AI 에이전트”라 불리는 디지털 워커들이 새롭게 팀에 합류하게 될 전망임
    • 이 AI 에이전트들은 지식 업무나 세일즈, 현장 지원 업무 등을 담당하며, 시장 진출 속도, 고객 대응, 제품 설계 등을 변화시킬 수 있음
    • 예를 들어, 일반적인 고객 문의 처리, 소프트웨어 코드 초안 작성, 사람의 디자인 아이디어를 프로토타입으로 구현하는 등의 작업을 수행할 수 있음
  • 중요한 가치는 여전히 사람의 리더십과 AI 기술의 결합에서 나옴
    • 단순 업무는 AI가 자동화하고, 사람은 이를 관리·감독함
    • 복잡한 과제(혁신, 디자인 등)는 사람과 AI가 함께 반복적으로 아이디어를 발전시킴
    • 여러 AI 에이전트를 동시에 활용할 때도, 사람은 업무 분배와 결과 조정 역할을 수행함
  • PwC의 2024 Workforce Radar에 따르면, 임원 중 41%는 제너레이티브 AI 도입 시 교육, 조직 문화, 업무 변화 등이 주요 과제로 꼽힌다고 밝힘
  • AI 에이전트를 인력 전략의 일부로 본격 편입하는 일은 상당히 큰 변화임
    • 예를 들어, 인력 전략에 디지털 워커를 통합하고, 이를 모니터링·관리하는 새로운 관리 역할이 필요해짐
    • 운영 모델을 빨리 재편할수록 AI의 이점을 누릴 수 있게 됨
    • 디지털·인간 혼합형 인력이 함께 일하면 더 빠르게 자원을 전환하고 민첩하게 대응할 수 있음
  • AI 에이전트의 부상은 기존에 아웃소싱하던 업무 중 일부를 내부에서 처리할 수 있게 함
    • 단순히 비용 절감뿐 아니라, 사용자 만족도 제고나 커스터마이징 측면에서도 유리함
    • 고객 서비스 측면에서 보면, 신속한 셀프서비스와 전문성이 높은 인적 지원을 동시에 제공할 수 있게 됨
    • AI 에이전트는 적시에 정확한 정보를 제공해 사람이 복잡한 고객 니즈도 빠르고 효율적으로 해결할 수 있도록 돕는 역할을 함
    • 이로 인해 지리적 footprint나 아웃소싱 계획 또한 재검토가 필요해질 수 있음

“AI 에이전트는 인간의 창의성과 기계의 효율성을 결합해 전례 없는 생산성과 혁신을 창출할 가능성이 큼”

  • 2025년 이후: 에이전트 센터들이 엑셀런스(Excellence) 센터를 대체하게 될 것

    • 기업들이 AI 에이전트를 더 잘 조율·관리하게 되면, 비용이 저렴한 지역에 AI 에이전트 중심의 인력을 구성하는 식으로 “오프쇼어링”할 가능성이 있음
    • 에이전트 개발 과정에서 발생하는 지적재산(IP)과 이 IP가 위치한 지역에 따라 세제 혜택을 볼 수도 있음
    • 벤더로부터 에이전트를 임차하기보다 직접 “에이전트 센터”를 구축하는 방식은 초기 비용이 있지만, 몇 년 내에 더 큰 ROI를 기대할 수 있음

  • 지금 해야 할 일

    • 마인드셋 전환
      • AI 에이전트를 독립적·창의적인 동료로 대하듯 협업하는 새 업무 방식을 익혀야 함
      • 리더십 차원에서 AI가 사람의 가치를 증진하기 위한 것임을 분명히 보여줄 필요가 있음
    • HR에 새로운 플레이북 제공
      • 인간과 AI 에이전트를 모두 포함하는 인력을 관리하려면, HR 자체도 새로운 역량을 갖춰야 함
      • 특히, 대부분의 초급 업무를 AI가 처리하게 될 경우, 신규 인력에게 더 높은 수준의 역할을 바로 맡길 수 있도록 대학 등과의 파트너십이 필요할 수 있음
    • 디지털 워커 관리 준비
      • AI 에이전트가 일정 부분 자율성을 갖기 때문에, 이를 사람 중심으로 관리하는 모델이 필요해짐
      • 에이전트 배치 시 비용과 ROI 균형을 고려해야 하고, 사람-AI 혼합 팀에 대한 지표를 개발해야 함
      • AI 에이전트가 예측 불가, 유해, 혹은 규정 위반 행위를 하지 않도록 엄격한 감독이 필요함
      • 이에 대한 총괄적 대응 체계로 Responsible AI 전략이 유용할 수 있음

3. AI의 ROI는 Responsible AI에 달려 있음

  • 작년에 예측했듯이, 경영진은 AI 위험 관리와 Responsible AI 실천에 계속 주목해 왔음
  • 그러나 아직까지는 의미 있는 실행이 충분치 않았음
  • 2025년에는 기업 전반에서 일관성 없이 AI 거버넌스를 적용할 여유가 없어짐
    • AI가 운영과 시장 제공물에 깊이 통합되면서, 투자 가치를 안정적으로 유지하고 대규모 배포에 따른 위험을 관리할 수 있는 투명한 체계가 필요해짐
    • 대규모 배포 상황에서 AI가 부정확하거나 보안 위협 등 위험이 발생하면 기업에 큰 타격이 예상됨
    • 그 결과, 엄격한 AI 위험 관리와 통제 검증은 필수가 될 전망임
  • PwC의 2024 US Responsible AI Survey에 따르면, 임원의 46%는 Responsible AI 실천에 투자하는 주요 목표로 자사 제품·서비스 차별화를 손꼽음
  • 경영진, 특히 AI 혁신을 주도하는 리더들은 규제 명확성을 마냥 기다리지 않을 것임
    • AI가 너무 빠르게 발전하고 비즈니스에 중요한 역할을 하기 때문임
  • 과거에는 고립된 몇몇 사례에만 AI를 적용했기 때문에 실패해도 영향 범위가 제한적이었음
    • 하지만 이제는 직원들이 일상적으로 AI를 사용하고 고객도 자주 AI 기능에 접근함
    • AI 신뢰도에 문제가 생기면, 매출 성장에도 부정적 영향이 생길 수 있음
  • AI로 인한 가치를 실현하기 위해서는 독립적인 검증이 필요함
    • 내부 감사를 맡은 팀이 AI 관련 전문성을 확보하거나, 외부 전문가에게 평가를 의뢰할 수 있음
    • 어떠한 방식이든, AI 거버넌스와 통제를 독립적으로 검토하는 시각이 2025년 이후에도 핵심이 될 것임

“성공적인 AI 거버넌스는 위험 완화뿐 아니라 전략적 목표 달성과 높은 ROI를 실현하는 방식으로 정의될 것임”

  • 2025년 이후: AI 관련 규제 접근법이 지속적인 혁신을 촉진할 것임

    • 11월 선거 결과, 연방 차원의 규제는 계속해서 유연한 형태를 유지해 AI의 기술 발전과 적용 확산에 긍정적인 영향을 줄 가능성이 큼
    • 다만, 주 단위 규제 움직임은 계속 빠르게 전개되어 때때로 상충하는 규제가 나타날 수 있음
      • 특히 개인정보 보호 등 영역에서 주마다 규정이 다를 수 있음
    • 그럼에도 미국은 여전히 AI 혁신을 위한 가장 우호적인 환경을 유지할 가능성이 높음

  • 지금 해야 할 일

    • 포괄적인 위험 평가
      • Responsible AI의 출발점은 AI 위험 평가임
      • 거버넌스 의사결정을 일관되고 반복 가능하게 만들려면, AI에 특화된 표준화된 위험 분류 체계가 필요함
      • 예: PwC에서는 AI 모델, 데이터, 시스템·인프라, 사용자, 법률·컴플라이언스, 프로세스 영향 등을 포함하는 위험 분류 체계를 활용함
      • 특히 벤더와 서비스 제공자가 AI를 어떻게 쓰는지, SOC-2 같은 보고서를 통해 검증할 수 있는지도 중요한 점검 요소임
    • 독립적 검증 방안 선택
      • 내부 전문팀 혹은 외부 전문업체를 통해 AI 시스템과 산출물을 상시 검증하는 독립적 계층을 추가해야 함
      • 우선순위는 리스크가 크거나 재정적 영향이 큰 영역부터 시작하는 것이 바람직함
    • 산업별 차이를 고려
      • 모든 업종에 AI 거버넌스·감독이 필요하지만, 산업별 요구사항은 다르게 작동함
      • 예: 금융 서비스는 기존의 복잡한 컴플라이언스 요건을 AI 시대에 맞춰 충족해야 함
      • 항공·우주, 국방 등 공공 부문과 협력하는 기업들은 글로벌 규제 동향에 주목할 필요가 있음
      • 자체적으로 업계 수준의 대응 방안을 마련하려면, 간단한 설문을 통해 동종업계의 AI 거버넌스 기준을 벤치마킹할 수도 있음

4. AI는 가치 창출 수단이자 지속가능성에도 기여함

  • AI는 에너지 전환을 가속화함
  • 제조, 건설, 운송 등 탄소 배출이 많은 산업 분야에서 적절히 활용하면, 기업의 지속가능성 목표 달성에도 도움이 됨
  • 다만 AI가 대규모로 확산될 만큼 충분한 전력과 컴퓨팅 자원이 지금 당장 구비되지 않았음
  • 칩이 늘어나고, 모델이 발전하고, 에너지원도 확대되고 있지만, 2025년에는 수요와 공급이 균형을 이루지 못할 가능성이 큼
  • 따라서 AI를 여기저기 마구 도입하기보다는 전략적으로 접근해야 함
    • 예: 사용자의 무분별한 AI 호출이나 토큰 낭비를 유도하지 않는 UI·UX 설계 고려

63%의 고성과 기업들이 GenAI 활용을 위해 클라우드 예산을 늘릴 계획이며, 그중 34%는 지속가능성 요인을 예산 증가의 동인으로 삼고 있음
(PwC’s 2024 Cloud and AI Business Survey)

  • 장기적으로 보면, AI는 지속가능성 추진의 촉매제가 될 것임
    • 글로벌 차원에서 재생에너지 도입이 더 빠르게 확대될 전망임
    • 미국에서는 경제성이나 이해관계자 요구 때문에 대규모 화석연료 발전소가 새롭게 건설되기는 어려움
    • 기업 수요를 충족하기 위해 재생에너지(원자력 포함)와 효율적인 전력망의 확대가 예상됨
  • AI 벤더가 발생시키는 탄소 발자국 역시 최종 사용자인 기업의 탄소 배출 지표에 반영될 수 있음
    • 더 친환경적인 AI 벤더를 찾거나, 벤더에 녹색 경영을 요구할 필요가 있음
  • 새롭게 도입되는 지속가능성 공시 규정(미국, EU 등) 하에서도 AI는 내부·외부 데이터 수집 자동화, 분석, 보고서 생성을 지원할 수 있음
    • SEC의 기후 공시 규정이 일시 보류되면서, 일부 주정부(예: 캘리포니아)에서 자체 규정을 만들 가능성이 커짐
  • AI는 공급망 전체의 데이터를 더 면밀히 분석해 지속가능성을 높이는 데 기여할 수 있음
    • 예: 소규모 공급사도 월별·연간 에너지 소비량 등 구체적 데이터를 제공 가능
    • 기업은 AI를 통해 탄소 배출뿐 아니라 저탄소 제품 상용화의 잠재 가치를 정량화할 수 있음
  • 이러한 AI 역량이 일상 업무에 내재화되면 ESG 담당자만이 아니라 모든 임직원이 데이터를 활용해 의사결정을 내릴 수 있게 됨

“AI가 반(反)지속가능하다는 주장은 사실이 아님. 적절히 활용하면 탄소 저감 목표를 비롯한 다양한 지속가능성 목표 달성에 오히려 도움이 됨”

  • 2025년 이후: 비용이 거의 제로에 도달하게 될 것

    • 새로운 형태의 컴퓨팅 자원과 재생에너지가 보급되면서 비용이 급격히 하락할 것으로 예상됨
    • 결과적으로 기업과 산업 전반에서 AI를 전방위적으로 적용할 수 있는 환경이 조성될 전망임

  • 지금 해야 할 일

    • 전략적 접근
      • 회사 전 직원이 기본적 AI 기능을 활용하되, 고성능 AI 솔루션을 어느 부문에 도입할지 신중하게 결정해야 함
      • 이 결정은 C-레벨에서 자사의 강점, 데이터 자원, 우선순위 등에 맞춰 내리는 것이 바람직함
    • 지속가능성 데이터 변혁
      • AI를 활용해 한 번 수집·분석한 데이터를 여러 규정에 반복 사용하여 준수 비용을 낮추고, 탄소 배출 및 전반적인 지속가능성 영향도를 더욱 정확히 파악할 수 있음
      • AI의 직접적 영향(자체 사용)뿐 아니라, AI 벤더를 통해 간접적으로 발생하는 탄소 배출도 고려해야 함
      • 이렇게 측정한 데이터를 바탕으로 마케팅을 강화할 수도 있음
        • 예: 저탄소 제품을 더 높은 가격으로 구매할 의향이 있는 고객층을 파악함
    • 새로운 지속가능성 이점 활용
      • AI로 인한 효율성 개선으로 에너지 수요도 줄일 수 있음
      • 예: R&D 주기를 절반으로 단축하면, 해당 프로세스에 드는 에너지도 절감됨
      • 건물이나 에너지 관리 시스템에 AI를 도입해 효율을 높이면, 비용 절감과 탄소 절감이라는 두 마리 토끼를 잡을 수 있음

5. AI가 제품 개발 라이프사이클을 절반으로 단축함

  • 실물 제품을 만드는 기업에서 설계, 프로토타이핑, 테스트에 AI를 도입하지 않았다면 지금이 적기임
  • 멀티모달 AI는 CAD 파일, 시뮬레이션 등을 다양하게 처리·생성함
    • 예: GenAI는 자동차 섀시 구성안을 제안하고, 다양한 조건에서 성능을 시뮬레이션하며, 엔지니어들이 놓칠 수 있는 디자인 대안을 제시함
  • AI 활용으로 몇 주가 걸리던 설계 반복 과정을 몇 시간 만에 처리하고, 가상 테스트로 실물 프로토타입 제작 전 오류를 더 많이 찾아낼 수 있음
  • PwC의 클라이언트 사례와 기술·산업 동향 분석에 따르면, 자동차나 항공우주 산업에서는 AI 도입으로 시장 진출 속도를 50% 줄이고 비용을 30% 절감할 수 있음
  • 제약 산업에서는 이미 AI를 통해 신약 후보 발굴 기간을 50% 이상 단축한 예시가 존재함
  • 다만 엔지니어링 전문성과 데이터 사이언스 역량의 격차가 종종 장애가 됨
    • 설계 및 제조에 전문성을 지닌 엔지니어들이 AI 활용 역량을 갖추도록 교육하거나 AI 인재를 적극적으로 유치할 필요가 있음
  • AI를 제품 개발에 도입하면 더 빠른 출시, 비용 절감, 맞춤형 제품 제공이 가능해져 고객 만족도가 높아질 수 있음

“AI의 멀티모달 시각 및 생성 능력이 제품 디자인 등에 미칠 영향은 이제 시작 단계임”

  • 2025년 이후: 새로운 혁신의 시대 시작됨

    • 설계·엔지니어링 분야 종사자를 AI 활용 역량으로 재교육하거나 교체하는 과정을 거치면, 연구개발 역량이 크게 확대됨
    • 결과적으로 제품 설계·개발 분야에서 더욱 빠른 혁신이 이루어질 전망임

  • 지금 해야 할 일

    • 차세대 엔지니어링 도입
      • 제품 설계 등에 AI를 활용하려면, 최신 클라우드 및 데이터 아키텍처가 필요함
      • 엔지니어링 팀이 ‘엣지 AI’ 같은 기술을 활용할 수 있도록 지원할 필요가 있음
    • IT를 재정비
      • AI를 통해 소프트웨어 개발, 보안, 데이터 현대화 등 전반적인 IT 업무 방식을 개선할 수 있음
      • 이는 더 폭넓은 AI 이니셔티브를 뒷받침하는 기반이 됨
    • 기술 팀 재조직
      • 물리적 제품만을 다루는 팀이라 해도 컴퓨터·데이터 사이언스 역량이 필요함
      • 기술 인력의 역량 구성이 달라질 것이므로, 이를 염두에 두고 팀 구조를 재편할 필요가 있음

6. 산업 전반에서 경쟁 지형이 바뀔 것임

  • AI는 모든 산업을 변화시킬 것이지만, 일부 산업은 다른 산업보다 더 빠르게 움직일 가능성이 있음
  • 전통적으로 기술 주도라 여겨지지 않던 업종에서도 선도적인 AI 도입 사례가 나타날 수 있음

  • 소비자 시장

    • 마케팅, 공급망 관리, 재무, 고객 서비스 등 전반에서 AI 활용을 확대할 것임
    • 새롭고 풍부한 대화형 챗봇과 AI 에이전트를 결합해 고객 서비스를 개선할 전망임
      • 이때 사람 직원에게 필요한 정보를 정확히 전달해 고객 응대 효율성을 높일 수 있음
    • AI를 통한 고도화된 동적 가격 책정이 도입되어, 시장 변동과 경쟁 상황에 실시간으로 대응할 것임
    • AI의 데이터 분석과 자동화 기능을 활용해 M&A 실사나 규제 준수 대응 속도를 높일 수 있음
    • 일부 기업은 AI를 제품 설계에도 도입하겠지만, 기술 및 역량 부족으로 단기적으로는 도입이 제한적일 수 있음
      • 뒤처진 기업들은 빠른 시일 내에 격차를 줄이기 위해 노력해야 함

  • 금융 서비스

    • AI의 영향이 넓게 퍼져 있으나, 특히 AI 네이티브 스타트업과 대형 금융기관에서 빠르게 가시적 성과를 내고 있음
    • AI 네이티브 핀테크가 새로운 플랫폼과 비즈니스 모델을 통해 기존 문제를 해결하고 있음
    • 대형 금융기관들도 공통적으로 여러 AI 활용 사례를 실험해 왔음
      • 이를 통해 기술에 대한 확신을 쌓고, 위험·통제 모델을 개선해 빠른 발전을 위한 기반을 마련함
    • 2025년부터는 AI 도입을 계속 주저하거나 검토만 하는 기업들이 뚜렷이 뒤처질 위험이 있음

  • 헬스 산업

    • 2025년에는 보다 유연해진 규제 환경이 헬스 산업의 AI 활용을 가속화할 전망임
      • 새로운 행정부 정책 아래 셀프 거버넌스가 강조되어 혁신 여지가 커질 것임
    • 제약·의료기기 업체들은 특히 신약 및 제품 개발에 AI를 대거 활용해 가치사슬 전반을 혁신할 것임
    • 보험사와 의료 서비스 제공자는 매출과 운영 효율 최적화, 임상 인력 부족 해결, 의사의 진단 지원 등에 AI를 더 많이 적용할 것임
    • 핵심 과제는 의료 인력 역량 재정비, 개인화, 기술 업그레이드, 그리고 AI의 책임 있는 활용임
      • 민감한 환자 정보와 생사에 직결되는 분야이므로 규제 유연성에도 불구하고 스스로 높은 책임감을 유지해야 함

  • 산업재

    • 2025년에는 일부 선도 기업이 업계 내 경쟁 우위를 확보할 것임
      • 양질의 데이터와 표준화된 프로세스를 보유한 기업들은 AI로 효율성과 통찰력을 높이고, R&D 속도를 높이며, 시장 진출 시간을 단축할 것임
    • 나머지 기업들은 기술 인프라·데이터 거버넌스·AI 역량 확충에 주력하면서도 실험 속도를 높일 것으로 예상됨
      • 그 과정에서 운영 모델이나 조직 구조, 인력 요구사항에 대한 재검토가 필요해질 것임

  • 테크놀로지, 미디어, 통신

    • 2025년에 AI 에이전트가 소프트웨어 플랫폼의 사용 방식을 바꾸기 시작할 전망임
      • AI 에이전트로 기존 ERP 등 시스템의 공백을 메울 수 있게 되어, 일부 기업은 플랫폼 업그레이드에 예전만큼 투자하지 않을 수 있음
      • 이로 인해 소프트웨어 기업들은 대규모 인프라 구축보다는 맞춤형 AI 솔루션 제공으로 비즈니스 모델을 전환할 가능성이 있음
    • 통신사는 머신러닝, 디지털 트윈 등과 제너레이티브 AI를 결합한 하이브리드 솔루션을 도입해 자체 AI 역량을 강화하고, 전통적 파트너 의존도를 낮출 것으로 보임