디지털 트윈의 등장으로 기업들은 실제 사람을 거치지 않고도 수익을 증대할 수 있게 되었습니다

대기업들이 전통적인 설문조사에서 벗어나 인공지능으로 생성된 실제 사람 복제본을 활용하는 추세인데, 이는 더 빠른 통찰력을 제공하지만 고용 및 데이터 개인정보 보호에 대한 우려도 불러일으키고 있습니다.

틱톡에서 입소문을 타는 영상 하나로 몇 시간 만에 브랜드가 유명해질 수 있지만, 많은 기업들은 여전히 ​​12주 정도의 시장 조사 주기에 의존하고 있습니다.

결과가 나올 때쯤이면 데이터는 이미 시대에 뒤떨어진 경우가 많습니다.

피드백을 받고 그 의미를 이해하는 데에는 종종 시간차가 발생합니다. 이 때문에 대기업은 트렌드가 빠르게 변화할 때 신속하게 대응하는 데 어려움을 겪을 수 있습니다.

많은 기업들이 디지털 트윈이 해결책이라고 믿고 있습니다.

이것들은 실제 사물, 시스템, 심지어 사람까지 디지털로 복제한 것입니다. 기업들은 이를 활용하여 아이디어를 시험해보고 실제 실행에 옮기기 전에 어떤 결과가 나올지 확인합니다.

주요 은행과 제약 회사들은 이미 이 기술을 활용하여 사람들이 중요한 사건이나 새로 출시된 제품에 어떻게 반응할지 예측하고 있습니다.

테스트는 몇 주가 아닌 몇 초 만에 완료됩니다

이 기술은 현재 첨단 기술 기업에서 큰 주목을 받고 있습니다.

대학교 연구진은 디지털 트윈 시스템을 개발했습니다 머신러닝을 이용해 컴퓨터 네트워크를 점검하는

그들이 개발한 새로운 방법은 네트워크의 작동 상태를 단 4.78초 만에 측정할 수 있습니다. 기존 방법으로는 같은 작업을 수행하는 데 약 33시간이 걸렸습니다.

속도가 훨씬 빠르기 때문에 엔지니어는 특히 네트워크가 더욱 복잡해질수록 훨씬 더 많은 상황을 테스트할 수 있습니다.

신속한 정보에 대한 이러한 요구는 소비자 조사 방식을 변화시키고 있습니다.

Brox라는 스타트업이 실제 인물의 디지털 복제본 6만 개를 생성했습니다.

이것들은 단순한 추정치가 아니라 광범위한 인터뷰를 바탕으로 작성된 매우 상세한 프로필이며, 어떤 경우에는 한 사람에 대한 자료가 최대 300페이지에 달하기도 합니다.

이제 기업들은 전통적인 통계 모델에 주로 의존하는 대신, 몇 달이 아닌 몇 시간 만에 여러 시뮬레이션을 실행할 수 있습니다.

Brox를 운영하는 Hamish Brocklebank는 그 차이점을 설명했습니다.

그는 "LLM을 사용하면 1만 개의 완벽한 가상 디지털 트윈을 만들 수 있지만, 답변은 여전히 ​​매우 좁은 분포로 정규화될 것이며, 이는 실제 사람들에게 질문할 때와는 현실적이지 않다"고 말했다.

브록스는 이미 이러한 쌍둥이 데이터를 준비해 두었기 때문에, 주요 제약 회사는 디지털 사용자들에게 질문을 던지고 몇 시간 안에 신뢰할 수 있는 결과를 얻을 수 있으며, 실제 사람을 찾아 인터뷰하는 단계를 완전히 건너뛸 수 있습니다.

자동화는 고임금 근로자를 겨냥합니다

자동화로의 급속한 전환에는 단점이 있다.

MIT 경제학자 다론 아세모글루에 따르면, 많은 기업들이 효율성 증대보다는 주로 비용 절감을 위해 자동화를 활용하고 있다.

그의 연구에 따르면, 고용주들은 더 높은 연봉을 제시하는 후보들을 통해 인력을 대체하려는 경향이 더 강하다.

이 연구는 또한 소득 불평등에 상당한 영향을 미친다는 것을 보여주었습니다.

1980년과 2016년 사이 소득 불평등 증가분의 52%는 자동화 때문이었다.

아세모글루는 근로자의 임금이 높을수록 기업들이 해당 직책을 자동화하려는 동기가 더 커진다고 지적했습니다.

그는 또한 인건비 절감에 대한 이러한 집중이 자동화의 잠재적 이점을 상당 부분 감소시켰다고 주장했습니다.

연구에 따르면 임금 인하 노력으로 자동화가 가져올 것으로 예상됐던 생산성 향상분의 60%에서 90%가 상쇄되어, 그가 "상대적으로 미약한 생산성 증가"라고 표현한 결과가 나타났다.

개인정보 보호 또한 중요한 문제로 대두되고 있습니다.

IMDEA Networks Institute의 연구팀은 AI 시스템들이ChatGPT, Claude, Perplexity AI를 포함한 trac구글과 틱톡이 개발한

이러한 trac도구는 채팅 제목이나 웹 주소와 같이 사용자들이 나누는 대화 내용에 대한 정보를 수집할 수 있습니다.

디지털 트윈은 어린 시절 경험, 행동, 관계와 같은 매우 개인적인 정보를 활용하여 생성됩니다.

이러한 기술들을 타사 trac시스템과 결합하면 엄청난 양의 민감한 데이터를 수집하고 처리할 수 있습니다.

인공지능 시뮬레이션 및 디지털 트윈 산업은 2030년까지 213억 3천만 달러 규모에 이를 것으로 예상됩니다.