예전에 회사에서 시나리오 로드맵을 도입하여 연구개발 과제를 관리하려고 한 적이 있습니다. 그때 유명 컨설팅 회사에서 이것저것 배울 수 있는 기회가 있었습니다. 그렇게 배운 것을 바탕으로 여러 과제에 컨설팅과 유사한 작업들을 해보았지요.

하지만 얼마 지나지 않아 사장님이 바뀌면서 이전 사장님이 추진했던 것들이 시들해졌습니다. 많은 외국의 기법들이 한국에 도입되면서 문화로 정착하지 못하고 종종 이런 과정을 거치게 됩니다. 하지만 유사한 다른 기법들이 그 자리를 대체하기도 합니다. 예를 들어 "시나리오 플래닝"은 "리스크 매니지먼트", "컨틴전시 플랜"이라는 이름으로 단순화되어 사용되기도 했지요.

이러한 시나리오 플래닝 기법이 잘 정착하지 못했던 이유는 몇 가지 있습니다.

• 일단 해당 기술 전문가 약 20명 정도가 1~2달 정도 작업에 참여합니다. 그중에는 풀타임으로 참여하는 사람도 있고, 특정 이슈 발생 시 참여하는 사람도 있습니다. 보통 작고 단순한 과제보다는, 여러 과제가 모인 프로그램 레벨의 대형 과제나 회사 또는 사업부급 포트폴리오 작성을 위해 진행됩니다. 내부에서 진행하면 참여자들의 피로도가 상당하고, 외부 전문 기관에 맡기면 엄청난 비용이 발생합니다.
• 많은 과제와 사람이 얽히다 보니 그 과정에 정치적인 개입이 발생하기도 합니다. 그러다 보니 몇 개월간 작업한 결과물이 다음 해 진급자나 새로 부임하는 임원진의 입맛에 맞지 않는다는 이유로 수정되거나 무시되곤 합니다.
• 한국적인 정서의 문제일 수도 있는데, 이와 같은 계획 자체를 마치 변명처럼 여기는 경영진이 많습니다. 실패는 용납되지 않으며, 문제가 발생했을 때 이에 대한 대응 방안을 변명이라고 간주하는 경향이 있습니다. "SSD 가격이 얼마 이하로 하락하거나, 무선 통신 속도가 얼마를 넘어서면 해당 광학 디스크 과제는 종료한다" 와 같은 불확실성에 대비한 시나리오를 제시하면, 오히려 과제 시작이 어렵게 되거나 이를 변명으로 받아들이는 상황이 발생하기도 합니다.

이러한 단점들이 있지만, 그래도 관련 기술 생태계 전체를 조망하고 다양한 미래 상황에 대한 대처 방안을 모색할 수 있다는 장점이 있습니다. 특히 위험 요소를 미리 파악하고 이에 대한 대응 방안을 준비해두는 것은, 위기 상황에서 의연하고 일사불란하게 대처하는 데 큰 도움이 됩니다.

이러한 문제점들을 보완하고, 또 최근 퍼플렉시티, 클로드, 제미나이 같은 AI 도구를 활용하면 거의 비용을 들이지 않고도 포트폴리오를 구성하고 위험 요소를 파악하여 주식 투자 등에 활용할 수 있지 않을까 하는 생각이 들어 직접 시도해 보았습니다. 진행하면서 느낀 점인데, 완전히 새로운 분야라도 어느 한쪽에 치우치지 않고 넓게 학습할 수 있다는 장점이 있더라고요.

제가 이번 프로젝트에서 조사한 주요 내용은 다음과 같습니다. AI 시장이 2030년까지 얼마나 성장할 수 있을지, 이를 위해 필요한 것은 무엇인지, 그리고 어떤 회사들이 이 성장을 주도하게 될지 등을 중심으로 살펴보았습니다.

• (AI와 일상/사회 변화): AI가 우리의 집, 일터, 여가 생활을 어떻게 바꾸고, 어떤 사회적 과제를 던지는지 생생하게 그렸습니다.
• (AI 기술 생태계 개요): AI가 단순한 칩이나 소프트웨어가 아닌, 전력부터 네트워크까지 거대한 기술 생태계 위에서 작동함을 밝혔습니다.
• (AI 비즈니스 모델 & 킬러 서비스): AI가 어떻게 돈을 벌고(AIaaS 등), 어떤 혁신적인 서비스(스마트 시티, 정밀 의료 등)로 우리 삶을 바꿀지 전망했습니다.
• (AI 반도체 혁명): AI의 두뇌인 반도체가 초미세 공정, 첨단 패키징, HBM 등 기술 혁신을 통해 어떻게 진화하는지 분석했습니다.
• (AI 소프트웨어 & 알고리즘): LLM을 넘어 더 효율적이고(모델 압축), 신뢰할 수 있으며(XAI), 다재다능한(멀티모달, AI 에이전트) 지능 구현의 비밀을 파헤쳤습니다.
• (빅데이터 & 학습 기술): AI를 똑똑하게 만드는 연료인 데이터의 중요성, 고품질 데이터 확보 전략(합성 데이터 등)과 진화된 학습 방식(자기지도학습 등)을 다뤘습니다.
• (서버 & 데이터센터): AI의 심장부인 데이터센터가 폭증하는 연산/데이터/전력 수요를 감당하기 위해 컴퓨팅, 스토리지, 냉각 기술에서 어떤 혁신을 이루는지 살폈습니다.
• (네트워크 기술): AI의 신경망인 네트워크가 데이터센터 내부(1.6T 이더넷)와 외부(6G, 엣지)에서 어떻게 초연결 시대를 준비하는지 조망했습니다.
• (발전 & 송전 기술): AI 시대의 혈맥인 전력 시스템이 막대한 수요 증가에 대응하며 재생에너지, SMR, ESS, 스마트 그리드로 어떻게 대전환하는지 분석했습니다.
• (종합 및 정책 제언): 기술 분석을 종합하며 천문학적 투자 규모, 시장 기회, 그리고 AI 시대를 성공적으로 맞이하기 위한 정책 과제와 투자 방향을 제시했습니다.

[시나리오 플래닝 프로세스 및 결과 요약]

• 시나리오 플래닝 프로세스 해설: 미래 예측의 핵심 질문("AI 시장 성장?", "핵심 플레이어는?")에서 시작하여, 28개 미래 변수(FSQ)를 도출하고 영향력과 불확실성을 평가하여 시나리오를 구축하는 전 과정을 상세히 설명했습니다.
• 2030년 기본 시나리오 분석: 가장 가능성 높은 미래상인 '기본 시나리오'("거인의 어깨 위, 점진적 혁명")를 제시하고, 클라우드 중심 인프라, 모델 경쟁, 점진적 확산 등 주요 특징과 이에 기반한 기본 전략 방향을 제언했습니다.
• 4가지 극단적 시나리오 심층 분석: AI 미래를 가를 핵심 불확실성(하드웨어, 안전성, 책임, AGI, 규제)을 축으로, 발생 가능성은 낮지만 파급력은 큰 네 가지 극단적 미래 – AI 유토피아, 기술 거인들의 각축장, 안전 제일주의, AI 겨울과 불신 – 를 각각 심층 분석했습니다.
• 시사점: 각 시나리오별 발생 전조, 주요 기술 변화, 투자 전략 가이드라인을 제공하여 위험 관리 및 기회 포착을 위한 통찰력을 더했습니다.

이 조사 결과는 제 블로그(아래 출처를 참조)에 자세히 올려두었습니다. 전체 내용이 궁금하신 분들은 먼저 가서 보셔도 좋을 것 같습니다.

사실 이러한 시나리오 플래닝 기법의 핵심은 여러 사람의 합의를 통해 결과물을 도출하는 데 있지만, 이번에는 혼자 작업을 진행하다 보니 미처 고려하지 못한 부분이 있을 수도 있습니다. 혹시 이 내용에 관심 있는 분들 가운데 '이런 부분은 추가로 살펴보면 좋겠다'거나 '이렇게 개선하면 좋겠다'는 의견이 있으시면 편하게 말씀해 주시면 감사하겠습니다.

쓰다 보니 글이 조금 길어졌습니다. 끝까지 읽어주셔서 감사합니다!