조금 더 적은 대화, 조금 더 많은 행동: 다음 6개월 동안 생성적 AI 배포를 가속화하는 방법

충분한 백일몽, 충분한 추측, 충분한 호재 – 이것은 행동의 해이다. 맥킨지 글로벌 연구소에 따르면, 거의 50%의 일반적인 비즈니스 활동은 생성적 AI(이하 GenAI)로 자동화할 수 있다. GenAI는 텍스트, 이미지, 비디오, 합성 데이터를 생성할 수 있는 인공지능의 한 유형이다.

이 자동화는 고객 경험을 향상시키고, 운영을 최적화하고, 혁신을 촉진하는 등巨大한 가치를 창출하고, 비즈니스 전반의 중요한 도전을 해결한다. 그러나, 대부분의 경우, GenAI는 대규모로 테스트되지 않았으며, 이러한 투자에 대한 실제 ROI가 명확해야 한다.

기업들은 실험적이고 임시적인 GenAI 프로젝트에大量으로 투자하기 시작했지만, 이러한 노력을 확대하는 것은 복잡한 작업일 수 있다. 리더들은 GenAI의 이점을 최대화하면서 비용을 최소화하고, 감사 가능성과 접근 제어를 보장하고, 성능을 개선하고, 모델 추상화와 보안을 강화하는 방법을 고민하고 있다. 지금까지 GenAI를 채택하기를 주저했던 사람들은 다음을 고려해야 한다.

측정된 변화를 위한 계획을 수립하십시오: 지금 바로 취할 3가지 주요 조치

1. 위험을 최소화하면서 GenAI의 전체 잠재력을 활용하기 위한 인력의 스킬을 업그레이드하십시오.

인공지능은 새로운 세계이다. GenAI의 잠재력을 이해하는 수준은 다르다. 이 여정에 처음 시작하는 기업은 조직 프로그램을 통해 IT와 비즈니스 팀을 GenAI의 잠재력에 대해 교육하고, 위험, 투명성, 윤리에 대한 특정 프로토콜을 개발하는 것이 도움이 될 수 있다.

조직은 외부 전문가를 고용하거나 AI 윤리에专用한 새로운 역할을 생성할 수 있지만, 교육은 쇼가 아님을 이해해야 한다. 모든 직원(기술적인 역할에 있는 사람만이 아니라)을 GenAI를 사용하는 방법에 대해 교육하는 데 며칠 또는 몇 주를 할애하면, 조직 전체의 구매에 대한 더 나은 동의를 볼 수 있을 것이다.

비즈니스 팀이 자신의 작업에서 도움이 될 수 있는 잠재적인 GenAI 애플리케이션을 식별하고, 보안 문제에 대한 사실과 허구를 구분하는 데 교육하면, 총 가치를 평가하는 데 더 나은 위치에 있을 수 있다.

2. AI와 GenAI를 결합하십시오: 데이터에 중한 변화를 위한 인프라를 준비하십시오

GenAI는 생산성을 높이는 능력으로 인해 주목을 받고 있다. 그러나 GenAI는 은탄환이 아니다. GenAI의 부상으로 전통적인 데이터 엔지니어링 관행과 AI는 더 중요해졌다.

다음과 같은 GenAI 기반 솔루션을 고려하십시오:

1. 소매업: 자율 에이전트를 사용하여 개인화된 추천을 생성하는 소매업에서의 초 개인화.
2. 여행: 개인의 선호도에 따라 개인화된 여행 일정을 생성하는 GenAI 기반 워크플로우.
3. 은행업: 대금 지불에서 지출 추세 분석 및 추천까지 개인화된 은행 업무를 위한 대화 에이전트의 사용.

GenAI만으로는 위에 언급된 솔루션을 구동하기에 충분하지 않다. GenAI의 자연어 이해와 추론 능력을 전통적인 AI의 검증된 정확성과 효율성과 결합하는 것이 중요하다.

예를 들어, 전통적인 기계 학습 알고리즘을 사용하여 추천의 묶음을 생성하고, GenAI 기반 에이전트를 사용하여 사용자에게 가장 관련이 있는 것을 이유하는 것보다 더 일관된 개인화를 달성할 수 있다.

따라서, GenAI, 전통적인 AI 및 데이터 엔지니어링 관행을 하나의 프리스즘으로 보는 것이 중요하다. 이는 조직이 AI 개발과 GenAI 솔루션을 결합하기 위한 인프라를 제공하는 것이 매우 중요하다는 것을 의미한다.

3. GenAI 준비도를 구축하십시오: 규모, 혁신, 제어

예측 가능한 변화를 위한 계획을 수립하는 것은 지능적인 일이다. 그러나, 변환은 밤새发生하지 않는다. 조직이 반드시 필요한 “必须”를 식별함으로써, 개발 타임라인을 중요도에 따라 조정할 수 있다.

그런 다음, GenAI 운영 체제를 빠르게 채택하고 인식시키기 위한 내부 리더 그룹을 지정하십시오. 이 플랫폼은 감사 가능성, 비용 제어, 보안, 개인 정보 보호, 접근 제어 및 모델 추상화를 제공하여 GenAI 애플리케이션과 프로세스를 온보딩합니다. 이는 기능에 중점을 둔 GenAI 사용 사례의 빠른 반복을 통해 조직 전체의 구매를 증가시키는 데 도움이 됩니다.

소매업에서 최근의 IBM 연구에 따르면, 현대의 고객은 개인화된 쇼핑 여정을 기대한다. 이는 제품 선택의 편의성, 자세한 정보, 다양한 결제 방법 및 온라인 및 오프라인 경험의無缝한 통합을 포함한다.

이러한 기대를 충족하기 위해, 소매업체는 데이터에 대한 접근을 민주화하고, 연구 개발에서 마케팅까지 비즈니스 기능이 동일한 기반에서 작동하도록 해야 한다. 데이터나 구현 계획이 없으면, 조직은 AI 기반 솔루션에過度로 투자하고, 거의 ROI를 볼 수 없다. 기존 데이터를 최대화하는 방법을 모르는 소매업체는 산업에 대한 깊은 경험을 가진 파트너에게 의지해야 한다. 그러면, 그들은 고객 서비스를 최소한의 인간 개입으로 자동화하고, 작업을 자동화하고, 궁극적으로 전환을 추진할 수 있다.

さらに, 소매업체는 동적 제품 설명의 아이디어를 실험하고 있다. AI에 의존하는 이커머스 목록은 고객의 고유한 욕구와 요구에 따라 변경될 수 있다. GenAI 준비도가 높은 강력한 팀은 이러한 AI 기술을竞争对手보다 먼저 활용할 수 있을 것이다.

변화적인 GenAI 사용 사례를 식별하고, 계량 가능한 비즈니스 결과를 제공하십시오.

종종, 진도를 내보이기 위해, 기업은 방향을 정의하지 않고 스프린트를 시작할 수 있다. 모든 것을一度에 추구하는 에너지를 소비하는 대신, 3-6개월, 6-12개월 등으로 완료할 수 있는 특정 사용 사례를 기록하십시오. 먼저 이러한 단기 프로젝트를 우선순위로 하여 대규모로 GenAI를 실행하는 가치를 보여주고, 그러한 프로젝트에 잠재력이 있는 경우, 다른 부서에 GenAI의 이점을 보여줄 수 있는 플랫폼을 구축하는 데 중점을 둡니다. 모델 훈련, 자율 에이전트, 개인 LLM은 미래의 혁신에巨大한 잠재력을 가지고 있으며, 이러한 분야에 대한 전략적인 투자는競争对手보다 먼저 시작할 수 있습니다.

은행업에서 중소기업을 위한 대출 신청은 회사의 은행 잔고, 감사 보고서, 세금 신고, 신용조회 보고서 및 최근 뉴스를 포함한 많은 문서를 분석해야 한다. 모두 수동으로 처리하여 승인 메모를 준비해야 한다. GenAI를 통해 이 프로세스를 자동화하면, 비용을 절약할 수 있고, 전체 처리 시간을 줄이는 속도는競争对手과의 차별화 요소가 될 수 있다.

GenAI로, 은행업을 포함한 여러 업계는 고객에게 스트레스를 줄이고, 상대적으로 낮은 노력과 업타임으로 추가적인 가시성을 제공할 수 있다. GenAI의 더 많은 사용 사례가存在하지만, GenAI 기반 비즈니스를 다음 단계로 이동하려면, 기술을 전체 기업에 복제하고, 비즈니스 전략에 통합해야 한다.

지연하지 마십시오, 이제는 AI 배포를 깨우는 시간입니다

대규모로 GenAI를 구현하는 것은 어려운 작업이다. 그것은 이사회와 최고 경영진의 총적인 동의와 조직 전체의 비즈니스 리더들의 약속이 필요하다. AI에 대한 공포를 극복하고, 이익을 창출하는 AI 기반 도구를 만들기 위해, 팀을 교육하고, 빠른 변화를 지원할 수 있는 인프라를 구축하고, 고객과 파트너에게 중요한 단기 결과에 중점을 둡니다.

변화를 진행하는 동안, 신뢰할 수 있는 전문가 또는 외부 자문을 통해 원활한 전환을 보장할 수 있다. 행동을 취하는 사람들(즉, 고문이 아닌 구축자)을 찾아야 하며, 초기에 리더십을 의사 결정 과정에 참여시켜 투명성과 협력을 증진시킵니다. GenAI의 능력은 빠르게 발전하고 있으며, 지금 행동하면, 지속 가능한 성장을위한 미래 준비된 조직을 만들 수 있을 것이다.