인공지능 시장

용 어	내 용 (기 술 정 의)
5W1H	5W(Who, When, Where, What, Why), 1H(How)라는 의미로 누가, 언제, 어디서, 무엇을, 왜, 어떻게 했는가를 통해 제품을 어떻게 활용하며, 사람들의 삶의 트렌드는 어떤지 등 다양한 인사이트를 발굴할 수 있습니다.
AA (Augmented Analytics)	데이터 전처리부터 피처 엔지니어링 과정까지 일련의 프로세스를 사람의 판단이 아닌 기계학습을 이용한 인공지능이 스스로 수행하고, 많은 양의 데이터에서 숨겨진 패턴을 찾아 인사이트를 제공하는 분석 기술입니다. 지능 증강, IPA 등이 모두 관련이 있으며 ㈜바이브컴퍼니의 AI Report는 증강 분석의 가장 앞선 기술이라 할 수 있습니다.
BSI(Brand Social Index)	브랜드가 온라인 상에서 갖는 경제적 가치를 파악하기 위해 빅데이터 기술 기반으로 산출하는 지수입니다.
CNN (Convolutional Neural Network)	기존 인공신경망을 응용하여 만든 딥러닝 학습방법 중의 하나로, CNN의 가장 큰 틀은 특징이 표현된 필터를 사용하여 입력 데이터의 특징을 추출하여 결과값 예측이 가능합니다.
CRF (Conditional Random Fields)	최대 엔트로피 기반 기계학습 알고리즘의 하나입니다.
DaaS  (Data as a Service)	특정 애플리케이션의 구동에 필요한 데이터를 클라우드 서비스에서 온-디맨드 형식으로 액세스하는 방식입니다. 지도 애플리케이션이나 주식시세 제공 애플리케이션 서비스의 경우 데이터의 업데이트를 애플리케이션 개발자가 신경 쓸 필요가 없이 데이터 제공 서비스 업체에게 맡기게 됩니다.
DNA (Data, Network, AI)	Data, Network, AI를 뜻하는 말로 데이터, 네트워크, 인공지능을 말합니다.
DNN	심층 신경망(Deep Neural Network) 모델의 약자. 인간의 인식작용이나 지능을 수십에서 수백개의 선형모델의 네트워크(합성함수)로 모방하기 위한 기계학습 기법입니다.
ETL (Extract, Transform, Load)	데이터를 추출, 변환, 로드하는 과정입니다.
EWS (Early Warning System)	조기 경보 시스템으로 특정 동향이나 자료를 지속적으로 모니터링하고 분석함으로써 향후 발생할 수 있는 위험상황을 미리 감지할수 있도록 해주는 시스템 입니다.
HMM (Hidden Markov Model)	은닉 마르코프 모델로 기계학습 알고리즘의 하나. 음성 인식, 자연어 처리, 몸짓 인식(gesture recognition) 등과 같이 대량으로 출력된 데이터를 통계적으로 패턴 분석하여 입력된 정보를 추론하는 데에 응용됩니다.
IA (Intelligence Augmentation)	지능 증강. 인간과 기계의 협력 모델로 인공지능이 복잡한 계산, 지식 탐색 등을 대신함으로써 인간의 지적 활동을 도와주는 것입니다.
IDF (Inverse Document Frequency)	어떤 어휘가 얼마나 많은 문서에서 나타났는지를 나타내는 Document Frequency의 역수입니다.
IPA (Intelligent Process Automation)	RPA의 지능화된 버전으로 단순한 업무의 자동화를 넘어 AI를 활용한 비즈니스 프로세스 자동화를 의미합니다.
IVA (Intelligent Virtual Agent)	사람 대신 업무를 수행하는 지능형 가상 에이전트로 가상 비서라고도 합니다.
Label Spreading	현재 주어진 Label을 이용해 Unlabeled data의 값을 추정하는 계산 방법입니다.
LSTM (Long Short-Term Memory)	RNN(Recursive Neural Network) 기반 딥러닝 알고리즘의 하나입니다.
MDD (Maximum Draw Down)	MDD는 특정 시점을 기준으로 최대 몇 퍼센트까지 손실이 발생했는가를 측정하는 지표입니다. 예컨대 1년 MDD가 10%라면 어느 시점에 진입했어도 최대 손실이 10%로 안정적 포트폴리오라 할 수 있습니다.
Mining Spider	㈜바이브컴퍼니의 데이터수집기입니다.
NP (Noun Phrase)	최대 엔트로피 기반 기계학습 알고리즘의 하나입니다.
PIE(Program Index for Evaluation) non-TV Index	KBS에서 고안한 시청률을 보완하기 위한 지표로 인터넷 뉴스, SNS, 커뮤니티, 짤방 등을 통한 이용행위를 포괄한 ‘화제성’을 의미합니다.
POD  (Point of Difference)	해당 제품의 컨셉에만 존재하는 고유 속성으로 경쟁브랜드에는 없지만 나의 제품에만 있는 속성을 의미합니다.
Precision	정밀도. 정답이 맞는 것을 예측한 경우에 대한, 정답을 올바르게 예측한 경우의 비율입니다. (정답이라고 예상했던 것들 중 진짜 정답인 것들의 비율).
Recall	재현율. 실제 정답이 맞는 것들에 대한 정답을 올바르게 예측한 경우의 비율입니다. (진짜 정답 중에 모델이 정답이라고 예측한 것들의 비율).
RF (Random Forest)	기계학습 알고리즘의 하나, 의사결정 트리를 합친 것으로 여러 개의 의사결정 트리에서 결과값들의 평균을 결과로 나타납니다.
RPA (Robot Process Automation)	비즈니스 프로세스 자동화를 목적으로 단순 반복적인 작업을 대신하는 로봇을 의미하며 데이터를 처리하는 프로봇(Probot), 데이터를 수집하고 저장하는 '노우봇(Knowbots)', 실시간으로 고객 질의에 답하는 가상 비서 역할을 하는 '챗봇(Chatbots)' 등이 있습니다.
SaaS  (Software as a Service)	Software as a Service의 약자로 인터넷으로 우리가 필요한 서비스를 별다른 설치 없이 PC에서 이용할 수 있는 서비스를 의미합니다.
SMA  (Social Media Analysis)	소셜미디어 콘텐츠 분석
SMR (Smart Media Rep)	SBS와 MBC 합작 설한 지상파와 종합편성 채널 등 7개 방송사의 클립 영상 유통과 광고 영업을 담당하는 온라인 영상 광고 대행사.
SOFIA Platform	Wisdom(지혜)의 그리스어로 데이터로부터 정보, 지식, 인사이트 및 지혜를 발굴하기 위한 ㈜바이브컴퍼니의 인공지능/빅데이터 플랫폼입니다.
STT (Speech to Text)	음성데이터를 텍스트데이터로 변환해주는 음성인식시스템입니다.
SVM (Support Vector Machine)	기계학습 알고리즘의 하나, 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 카테고리에 속할지 판단하는 비확률적 이진 선형 분류 모델을 만드는 분류 모델 알고리즘입니다.
TCI(Total Content Impression) Index	시청률을 보완하기 위한 지표로 콘텐츠가 여러 미디어나 채널에 얼마나 노출되었는가를 계산하기 위해 SMR (Smart Media Rep) 조회수, 직접 검색량, 각종 웹문서 노출량 등을 종합해 산출한 지표입니다.
TF (Term Frequency)	어떤 어휘가 문서에서 나타난 빈도를 뜻합니다.
TPO (Time, Place, Occasion)	사람들이 자사의 제품을 언제, 어디서, 그리고 어떤 상황에서 사용하는지 아는 것은 제품의 성공에 매우 중요합니다 이를 위해 TPO 분석을 수행하며 소셜미디어에는 이러한 부분도 잘 드러나 있습니다
VWAP (Volume Weighted Average Price)	일반적으로 주가는 시가, 고가, 저가, 종가로 표시하는데 VWAP은 매수/매도가 일어난 평균가를 알기 위해 각 거래가 일어난 가격대의 거래량으로 가중하여 계산한 주가를 말합니다.
리스닝 플랫폼  (Listening Platform)	신제품 개발, 마케팅 전략 수립 또는 제품 개선과 같은 기업 활동에 소비자의 경험이나 의견을 반영하기 위해 고객의 소리를 들을 필요가 있습니다. 이러한 소셜미디어 기반의 인사이트 발굴 및 모니터링 플랫폼을 리스닝 플랫폼이라 합니다
머신러닝 워크벤치	다양한 기계학습 기법을 반복적으로 학습한 후 최적의 결과를 도출하는 모델을 생성할 수 있도록 도와주는 도구입니다.
증강분석	데이터 전처리부터 피처 엔지니어링 과정까지 일련의 프로세스를 사람의 판단이 아닌 기계 학습을 이용한 인공지능이 스스로 수행하고, 많은 양의 데이터에서 숨겨진 패턴을 찾아 인사이트를 제공하는 분석 기술(머신 러닝 + 자연어 생성)입니다.
페르소나	페르소나는 이상적인 고객에 대한 가상의 일반화된 표현으로 고객 및 잠재고객을 더 잘 이해하고 각각의 그룹별 특정 요구사항, 반응 및 관심사에 맞게 컨텐츠를 보다 쉽게 작성할 수 있도록 도와줍니다.
하위범주화	하나의 서술어는 특정 명사구를 반드시 필요로 하는데 이를 하위범주화라 합니다. 예를 들어, '먹다’는 주어와 목적어를 논항으로 취합니다.
NLP (Natural Language Processing)	프로그래밍 언어와 같은 형식언어와 사람의 언어처럼 의미 전달을 위해서 생산되지만 해석 모호성이 있는 텍스트(언어자료)를 소프트웨어가 처리할 수 있도록 분석하는 기술로서 형태소 분석, 구문 분석 등이 대표적입니다.
기계학습  (Machine Learning)	특정 TASK를 해결하는 예제들(학습 데이터)을 학습알고리즘이 관측함으로써 유사 TASK를 해결하는 모델의 매개변수를 학습하는 인공지능의 한 분야입니다.
딥러닝  (Deep Learning)	기계학습의 하위분야로 적층구조의 신경망모델이 특징이며, 전통적인 기계학습 방법론과 달리 모델의 입력 벡터구조를 알고리즘이 스스로 최적화합니다.
비정형 빅데이터 분석 (Unstructured Big Data Analysis)	초대용량의 비정형 데이터는 의미를 포함하는 심볼열이며, NLP/NLU 기술을 통해 의미를 추출함으로써 데이터 생산자들의 니즈와 도메인 내의 이슈 탐지 등을 가능하게 합니다.
챗봇	인간과의 대화를 통해 주어진 문제를 해결하거나 정보전달을 수행하는 소프트웨어 시스템입니다.
기계 독해 (Machine Reading Comprehension)	주어진 텍스트에 대한 <질문-답변> 예제들을 딥러닝 시스템에 학습 데이터로 보여줌으로써 특정 질의에 대한 답변 구간을 찾아내는 심층신경망 모델의 매개변수를 학습하는 것과 학습 후에 <질문>만 입력되었을 때 <답변> 구간을 찾아내는 TASK를 지칭합니다.

인공지능 시장 규모와 성장성

인공지능은 ‘모든 것이 연결되고 보다 지능적인 사회로의 진화’로 나아가는 4차산업혁명의 핵심이며, 이를 활용한 산업이 급속도로 팽창하면서 성장하고 있습니다. 인공지능 기술은 수많은 산업 분야에 적용될 수 있기 때문에 전체적인 시장 규모를 특정하기 어렵지만, Statistica가 2018년에 발표한 자료를 토대로 추정하면 2019년 13조 원에서 2025년 137조 원 규모로 성장할 것으로 예상됩니다.

[인공지능 시장 규모]

(단위: 억원)

구분	2019	2020	2021	2022	2023	2024	2025	CAGR
세계	130,290	199,391	300,177	438,655	614,685	917,110	1,368,328	49.2%
국내	91,000	111,000	133,200	159,840	191,800	230,352	276,653	20.1%

출처) 세계: Statista’s AI market revenue worldwide 2016-2025, 2018,㈜바이브컴퍼니추정 국내: 2017년 국가정보화에 관한 연차보고서 (미래창조과학부 자료 인용, 2021~2025 CAGR 적용)

 

미래창조과학부에서 발표한 '2017년 국가정보화에 관한 연차 보고서' 에 의하면 국내 인공지능 시장은 2019년 9.1조 원에서 2025년까지 27조 원으로 연평균 20.1%로 성장할 것으로 예상하고 있습니다. 한국인터넷진흥원에 따르면 국내 인공지능 시장은 2016년 5.4조 원에서 2020년 11.1조 원으로 연평균 19.8% 성장할 것으로 전망하였고, 2018년부터 2020년까지 시장 규모는 약 1.5배 성장할 것으로 추정하고 있습니다. 조사 기관에 따라 차이가 있으나, 세계와 국내 인공지능 시장 규모는 가파르게 상승할 것으로 추정됩니다.

가) 데이터 거래 시장

① 시장 정의

데이터 거래 시장은 소셜, 통신, 금융, 카드 데이터 등의 원천 데이터뿐만 아니라 가공 데이터, 분석 데이터 등 다양한 데이터를 거래할 수 있는 시장을 말합니다. 데이터는 4차 산업혁명을 견인하는 핵심 동인으로 모든 산업의 발전과 새로운 가치 창출의 촉매 역할을 하는 '데이터 경제' 로 패러다임이 전환하고 있습니다. 데이터가 기존 생산요소인 자본, 노동을 능가하는 경쟁원천으로 부상 할 것으로 예상되며, 대규모 데이터를 보유하고 활용을 잘하는 기업이 시장 혁신을 주도할 것으로 보입니다. 해외 주요국은 미래 경쟁력을 좌우하는 데이터의 중요성을 인식하여 데이터 산업 활성화를 위해 전략 수립과 투자 확대 등 데이터 패권 경쟁에 본격적으로 돌입했으며, 정부도 2018년 6월 '데이터 산업 활성화 전략'을 통해 적극적인 산업 육성에 심혈을 기울이고 있습니다. 따라서 데이터 거래의 중요성은 날로 커져 가고 있으며, 21세기의 원유라 불리는 '빅데이터'를 확보하기 위한 다양한 방법이 논의될 것입니다.

 

② 시장 분석

  

데이터 거래 시장은 신규 진입으로 인한 진입 장벽이 높지 않고, 데이터의 품질, 기간, 종류에 따라 일부 또는 전부 대체될 수 있습니다. 그리고 공급자와 구매자의 협상력은 보통 수준이고, 분야별 데이터 판매, 가공 기업간 주도권을 잡기 위한 치열한 경쟁이 예상됩니다. 데이터 3법의 개정으로 인해 데이터 거래 활성화를 인한 법적, 제도적 장치가 마련되었습니다. 위의 분석 결과를 종합해 보면 이 시장 자체의 매력도는 높지 않습니다. 하지만 이 시장에서의 주도권을 잡게 되면 그 영향력은 무궁무진하기 때문에 도전할 만한 가치가 충분합니다. 다만, 이 시장에서 성공하기 위해서는 기술이나 제품보다는 사업 경험 및 노하우가 중요한 요소로 작용 할 것입니다.

 

나) IPA 시장

 

① 시장 정의

RPA(Robotic Process Automation)은 단순하고 반복적인 사무 업무를 소프트웨어 프로그램으로 자동화하는 것을 말하며, IPA(Intelligent Process Automation)은 RPA에 인공지능이 결합되어 진화된 형태의 사무 자동화를 말하며 복잡하고 비반복적인 업무까지 처리할 수 있습니다. 주 52시간 근무제 도입으로 인력 운영의 어려움이 가중되고 있으며, 인공지능 기술의 발달은 IPA에 대한 관심을 증가시키는 요인이 되고 있습니다. 국내에서는 2016년 이후 은행, 보험, 카드사 등 금융권이 계약 관리, 보험증권 처리, 정보 조회 등 Back-Office 업무 중심으로 RPA 도입이 시작 되었으며, 2017년 이후에는 주 52시간 근무제 도입이 가시화 되며 제조, 물류, 공공 등 전 산업영역에서의 RPA에 대한 관심이 확산되고 있습니다. 또한, 20~30% 비용 절감 효과, 귀찮은 반복 작업의 자동화에 따른 근로자의 업무 만족도 제고 등으로 우호적인 분위기가 확대되고 있으며, 규제 대응, 업무 정확도, 업무 생산성, 인력 운영 유연성 등에서 90% 이상의 만족도를 보이며, RPA를 경험한 부서의 78% 이상이 추가 도입을 원하면서 기도입 조직을 중심으로 지속적인 수요가 발생하고 있습니다. 여기에서 더 나아가 RPA에 인공지능 기술을 접목시키면 복잡하고 비반복적인 업무까지 처리할 수 있으므로 시장의 수요는 더 커질 것으로 예상됩니다.

 

② 시장 분석

 

IPA시장은 RPA에 인공지능 기술을 접목해야 하므로 기술 장벽이 존재 하며, IPA는 신기술제품으로 RPA를 대체, 보완합니다. 그리고 IPA는 기술 기반 제품으로 실제 프로세스에 적용하기 위한 데이터를 구매자가 공급하므로 공급자의 협상력은 높지 않으며, 구매자의 수요는 폭발적으로 증가할 것으로 예상됩니다. 글로벌 시장에서는 Ui Path, Automation Anywhere, Blue Prism, Nice, Pegasystems 5개 기업이 치열하게 경쟁하고 있으나, 아직 국내에서는 IPA 시장을 주도하는 업체가 존재하지 않습니다. 주 52시간 근무, 주 4일 근무 등 노동 시간 단축을 위한 환경이 조성되고 있기 때문에 IPA 시장이 활성화되기 위한 여건이 만들어지고 있습니다. 위의 분석 결과를 종합해 보면 이 시장 매력도는 높다고 판단됩니다. B2B 또는 B2G 시장에서 경쟁력을 갖기 위해서는 IPA 시장을 선도할 수 있는 기술, 제품 및 사업 경쟁력이 뒷받침되어야 할 것입니다.

 

다) 디지털트윈 시장

 

① 시장 정의

디지털트윈은 현실 세계에 존재하는 물리적 대상의 형상, 성질, 상태 등의 정보를 디지털 세계에 동일하게 구현하는 시장을 말합니다. Gartner는 2017년과 2018년에 디지털트윈을 디지털 변혁 시대를 맞아 기업들이 주목해야 할 10대 전략 기술 트렌드 중 하나로 지속적으로 언급하고 있습니다. 또한, 사물 인터넷, 빅데이터, 인공지능, 사이버물리시스템 등 4차 산업혁명을 견인하는 기술들이 발전하고 보편화됨에 따라 이들을 응용하여 다양한 산업 현장에서 생산성, 경제성, 안전성 등을 향상시키고자 하는 요구가 확산되고 있는데, 이러한 요구를 충족하기 위한 중요한 기술 트렌드로서 디지털트윈이 주목 받고 있습니다. 즉, 컴퓨터에 구현된 디지털트윈(가상 모델)은 대상 객체(물리적 자산)와 연동하여 현실 상황을 반영하면서 현실에서 발생할 수 있는 상황을 예측하거나 운영 최적화 조건을 알려주는 등 산업 경쟁력 강화의 주요 수단으로 인식되고 있는 것입니다. 디지털트윈은 제조, 전력, 의료, 항공, 자동차, 스마트 도시 등 산업 전반에 걸쳐 다양한 방식으로 사용 되어 혁신적인 변화를 가져 올 것으로 기대하고 있습니다.

 

② 시장 분석

 

디지털트윈 시장은 데이터와 지능의 통합이 요구되므로 진입 장벽이 매우 높으며, 신기술제품의 영역으로 아직까지 대체재는 존재하지 아니합니다. 디지털트윈으로 데이터의 자산 가치가 상승하면서 데이터 공급자의 협상력이 높아질 것이며, 생산성 개선은 물론 다양한 사회문제까지 해결할 것으로 기대되면서 제조 이외에 교통, 도시 분야까지 적용 분야가 확대되면서 구매 수요가 급증할 것입니다. 국내에서는 시장이 형성되는 단계이고, 디지털트윈 관련 기술 제품을 보유하고 있는 국내 기업은 찾기 어려운 상황입니다. Gartner는 디지털트윈에 대한 시장의 기대치가 정점에 도달했으나, 향후 5~10년 동안 시장에서 다수의 실패 사례와 소수의 성공 사례가 혼재될 것으로 예상하고 있습니다. 이를 종합해 보면, 동 시장의 매력도는 매우 높다고 볼 수 있습니다. 이 매력적인 시장의 지배자가 되기 위해서는 데이터, 기술 및 사업 경쟁력을 모두 갖추고, 철저한 계획과 실행이 동반되어야 합니다.

 

라) 증강 분석 시장

 

① 시장 정의

 

증강 분석(Augmented Analytics)은 의미 있는 인사이트 도출을 자동화하기 위해 기계학습(Machine Learning)과 자연어 생성(Natural Language Generation, NLG)을 결합한 것을 의미합니다. 가트너는 2017년 증강 분석 개념을 처음 소개하면서, 데이터 분석 리더들이 도입해야 할 분석 시장의 "파괴적인 차세대 물결”이라고 표현했습니다. 비즈니스 분석에서의 증강 분석은 데이터 분석 프로세스의 효율성을 높이고, 현업 종사자들에게 몇 초 만에 데이터 기반 질문에 대답할 수 있는 도구를 제공하여 기업이 경쟁 우위를 점할 수 있도록 돕습니다. 증강 분석은 비즈니스 인텔리전스(Business Intelligence, BI) 도구가 인공지능을 활용해 최종 사용자의 작업을 효율화하기 때문에 더 많은 주목을 받고 있으며, 핵심 요소는 기계학습, 자연어 생성, 인사이트 자동화입니다. 

 

② 시장 분석

 

증강 분석 시장은 신규 진입으로 인한 진입 장벽이 매우 높고, 대체재는 아직까지 존재하지 아니합니다. 관련 기술제품을 상용화한 사례 또한 확인되지 아니하였습니다. 또한, 사회 전반에 인공지능을 활용한 자동화에 대한 관심이 높아지고 있기 때문에 증강 분석 기술제품의 활용이 가능한 시장 여건이 조성되고 있습니다. 이를 종합해 보면 이 시장의 매력도는 매우 높다고 판단됩니다. 이 시장에서 성공하기 위해서는 우수한 기술력과 사업 경쟁력이 반드시 필요합니다.

 

마) AI 전문 상담 시장

 

① 시장 정의

인공지능전문 상담 시장은 인공지능 기반의 챗봇 등을 이용하여 사람이 해 오던 전문 상담을 보조, 대체하는 것을 목적으로 하는 시장을 말합니다. 그 중에서도 딥러닝, 자연어처리 등 인공지능 기반 기술이 발전하고 있는 가운데 사용자가 체감할 수 있는 인공지능 상담 챗봇이 전 산업 분야로 확산되고 있습니다. 인공지능 상담 챗봇은 스마트 기기 및 모바일 커뮤니케이션의 보편화와 대화형 인터페이스의 대중화에 따라 급속하게 성장하고 있습니다. 민간부문은 '대화형 커머스’, 공공부문은 '민원, 행정'분야에 챗봇의 활용이 집중되어 있고, 업무 보조, 전문지식 서비스 등으로 분야가 확대되는 중입니다. 

 

② 시장 분석

 

인공지능 전문 상담 시장은 쌍방향 대화 기술을 기반으로 해야 하므로 기술 장벽이 존재하며, 기존의 단순 질의 응답이 가능한 챗봇 시장을 보완, 대체합니다. 대중이 인공지능 기술을 실질적으로 체감할 수 있는 가장 보편적인 기술제품 시장이므로 시장 수요가 폭발적으로 증가 할 수 있으며, 공급자와 구매자의 협상력 자체는 높지 않습니다. 단순 질의 응답 기반 챗봇 시장의 경쟁은 치열하나, 기술 장벽으로 인공지능 전문 상담 영역은 이제부터 본격적인 경쟁이 시작될 예정입니다. 정부가 2019년 1월 발표한 '데이터, AI 경제 활성화 계획'에 따라 관련 기술 산업에 대해 우호적인 정책을 펴고 있어 시장 환경은 양호한 것으로 판단됩니다. 이를 종합해 보면, 동 시장의 매력도는 높다고 볼 수 있습니다. 다만, 이 시장의 주도자가 되기 위해서는 지속적인 기술 개발뿐만 아니라 기술제품을 활용한 성공적인 사업화 경험과 노하우가 동반되어야 합니다.

 

바) IVA 시장

 

① 시장 정의

IVA(Intelligent Virtual Assistant)는 지능형 가상 비서로 개인 비서처럼 사용자가 요구하는 작업을 처리하고 사용자에게 특화된 서비스를 제공하는 소프트웨어 에이전트를 말합니다. Amazon의 'Alexa', Google의 'Google Assistant', 삼성전자의 '빅스비', Naver의 '클로바', 카카오의 '카카오 아이' 등이 IVA에 속한다고 할 수 있습니다. 현재 IVA는 예약, 주문, 실행, 날씨 확인, 가전제품 동작, 음악 재생 등의 단순한 업무를 수행 할 수 있으나, 미래에는 복잡하고 난해한 업무까지 처리할 수 있을 것으로 예상됩니다.  

 

② 시장 분석

 

IVA 시장은 텍스트뿐만 아니라 음성 처리 기술이 필요하므로 일정 수준의 기술 장벽이 존재하며, 기존에 없었던 신기술제품 영역에 해당하므로 대체재는 없습니다. IVA는 자체 플랫폼을 통해 자연스럽게 데이터 수집을 할 것이므로 공급자의 협상력이 크지 않을 것이며 인간의 편의성을 극대화함으로써 미래에는 1인 1 IVA 시대가 도래할 것으로 예상됩니다. 글로벌 IT 기업들뿐만 아니라 국내 대기업들도 IVA 개발에 적극적으로 참여하고 있으므로 기술 경쟁이 심화될 것으로 예상됩니다. 또한, 데이터 3법의 개정으로 인해 데이터 활용성이 대폭 증가하였기 때문에 IVA 이용을 위한 환경은 크게 개선되었습니다. 위의 모든 내용을 종합해 볼 때, 기술 경쟁이 치열하지만 시장의 잠재 성장 가능성이 매우 크기 때문에 기술력이 뒷받침되는 기업에게는 매력적인 시장이라고 볼 수 있습니다.