์ธ๊ณต์ง๋ฅ
๋ํ๋ ๅฐ, ํ๋์ ๅค: ๋ค์ 6๊ฐ์ ๋์ ์์ฑ์ AI ๋ฐฐํฌ ๊ฐ์ํ ๋ฐฉ๋ฒ
충분한 백일몽, 충분한 추측, 충분한 호재 – 이것은 행동의 해이다. McKinsey Global Institute에 따르면, 거의 50%의 일반적인 비즈니스 활동이 생성적 AI(GenAI)로 자동화될 수 있다. 생성적 AI는 text, image, video, 및 synthetic data를 생성할 수 있는 인공 지능의 한 유형이다.
이 자동화는巨大한 가치를 창출하며, 산업과 기능 전반에 걸쳐 비즈니스에 중요한 도전을 해결하며, 고객 경험을 향상시키고, 운영을 최적화하며, 혁신을 촉진한다. 그러나 대부분의 경우, GenAI는 대규모로 테스트되지 않았으며, 이러한 투자의 真正한 ROI가 명확하게 필요하다.
회사는 이미 실험적이고 임시적인 GenAI 프로젝트에大量으로 투자하기 시작했지만, 이러한 노력을 확대하는 것은 복잡한 일이다. 리더들은 GenAI의 이점을 최대화하는 방법과 비용을 최소화하는 방법, 감사 가능성과 접근 제어를 보장하는 방법, 성능을 개선하는 방법, 모델 추상화를 제공하는 방법, 보안을 강화하는 방법 등에 대해 고민하고 있다. 지금까지 GenAI를 채택하지 않은 이유는 높은 오버헤드와 데이터 거버넌스/보안 문제에 대한 두려움 때문일 수 있다. 그러나 이러한 문제를 고려하여 GenAI를 워크플로와 더 큰 비즈니스 전략에 통합하는 데 다음과 같은 사항을 고려해야 한다.
조심스러운 변화를 위한 계획 수립: 지금 즉시 취할 3가지 주요 조치
1. 위험을 최소화하면서 GenAI의 전체 잠재력을 활용하기 위한 워크포스 업스킬링.
인공 지능은 새로운 세계이며, GenAI의 가능성에 대한 이해 수준은 다양하다. 이 여정에 새로 시작하는 회사들은 조직 프로그램을 통해 IT와 비즈니스 팀을 GenAI의 잠재력에 대한 훈련을 제공함으로써 lợi益을 얻을 수 있다. 이러한 훈련은 특정 프로토콜을 개발하여 위험, 투명성, 윤리를围繞하여 진행된다.
조직은 외부 전문가들을 끌어들이거나 AI 윤리를 위한 새로운 역할을 생성할 수 있지만, 이러한 훈련은 쇼가 아님을 이해해야 한다. 모든 직원(기술적인 역할에 있는 사람들만이 아니라)을 GenAI를 사용하는 방법에 대한 코칭을 제공하는 프로그램에 몇 일 또는 몇 주를 할애하면, 조직 전체의 동의를 얻는 데 더 나은 결과를 얻을 수 있다.
비즈니스 팀이 자신의 업무에서 도움이 될 수 있는 잠재적인 GenAI 애플리케이션을 식별하고(보안 문제에 대한 사실과 허구를 구분함으로써) 조직은 총 가치를 평가하는 데 더 좋은 위치에 있을 것이다.
2. AI와 GenAI의 융합: 데이터 많은 변경에 대한 인프라 준비.
GenAI는 생산성을駆動하는 능력으로 인해 운영 마진을 이전에 보지 못한 수준으로 밀어올리고 있다. 그러나 GenAI는銀弹이 아님을 기억하는 것이 중요하다. GenAI의 등장으로 전통적인 데이터 엔지니어링 관행과 AI는 더 중요해졌다.
다음과 같은 GenAI 기반 솔루션을 고려하라:
- 소매: 자율 에이전트를 사용하여 개인화된 추천을 제공하는 소매에서의 초 개인화.
- 여행: 개인의 선호도에 따라 개인화된 여행 일정을 생성하기 위한 GenAI 기반 워크플로우.
- 은행: 대금 지불, 지출 경향 분석 및 추천과 같은 은행 업무를 개인화하기 위한 대화 에이전트의 사용.
GenAI만으로는 위에 언급된 솔루션을 구동하기에 충분하지 않다. 자연어 이해와 추론 능력의 GenAI를 전통적인 AI의 검증된 정확성과 효율성과 결합하는 것이 중요하다.
예를 들어, 전통적인 기계 학습 알고리즘을 사용하여 추천의 묶음을 생성하고 GenAI 기반 에이전트를 사용하여 사용자에게 가장 관련性이 높은 것을 이유로 사용하여 超個人化를 더 일관성 있게 달성할 수 있다.
따라서 GenAI, 전통적인 AI, 데이터 엔지니어링 관행을 단일한 시각으로 통합하여 고려하는 것이 중요하다. 이는 조직이 AI 개발과 GenAI 솔루션을 결합하기 위한 인프라를 제공하는 것이 매우 중요하다는 것을 의미한다.
3. GenAI 준비도 구축: 확장, 혁신, 제어.
변화는 하룻밤 사이에 일어나지 않는다. 조직의 필수적인 “必须” 항목을 식별함으로써, 개발 타임라인을 중요도에 따라 조정할 수 있다.
그런 다음, GenAI 운영 체제(auditability, 비용 제어, 청구, 보안, 개인 정보 보호, 접근 제어 및 모델 추상화를 제공하는 플랫폼)를 사용하여 GenAI 애플리케이션과 프로세스를 온보딩하기 위한 내부 리더 그룹을 지정하여 인식과 채택을 빠르게 추진하라. 이는 기능에 주로 초점을 맞춤으로써 혁신을 속도와 규모로 구현하는 데 도움이 될 것이다.
소매 업계에서 최근 IBM 연구에 따르면, 현대의 고객은 개인화된 쇼핑 경험을 기대한다. 이는 “제품 선택의 편의성, 자세한 정보, 다양한 결제 방법 및 매장과 온라인 경험의无缝한 통합”을 제공하는 것을 포함한다.
이러한 기대를 충족하기 위해, 소매 업체들은 데이터에 대한 접근을 조직화하고 민주화하여 연구 개발, 판매, 마케팅 등의 비즈니스 기능이 동일한 기준에서 작동하도록 해야 한다. 데이터나 이를 교차 기능적으로 구현하기 위한 계획이 없는 경우, 조직은 AI 기반 솔루션에過度로 투자하고 ROI가 거의 없는 경우가 있다. 기존 데이터를 최대화하는 방법을 모르는 소매 업체들은 깊은 산업 경험을 가진 파트너에게 의뢰하여 AI 준비 인프라를 구축해야 한다. 그렇게 함으로써, 그들은 고객 서비스를 인간의 개입 없이 대화 요약, 작업 자동화, 궁극적으로 전환을駆動함으로써 간소화할 수 있다. 이는 산업의 핵심 우선 순위이다.
또한, 소매 업체들은 동적 제품 설명의 아이디어를 실험하고 있다. AI에 의존하는 이커머스 목록은 각 고객의 고유한 욕망과 필요에 따라 변경될 수 있다. GenAI 준비도가 높은 강력한 팀은 이러한 AI 기술을 경쟁사보다 먼저 활용할 수 있을 것이다.
변화적인 GenAI 사용 사례 식별 및 정량화 가능한 비즈니스 결과 제공.
종종, 진행을 보여주려는 급급한 회사들은 방향을 정의하지 않고 스프린트를 시작할 수 있다. 모든 것을同時에 추구하는 에너지를 소비하는 대신, 3-6개월, 6-12개월 등으로 완료할 수 있는 특정 사용 사례를 식별하라. 먼저 이러한 단기 프로젝트를 우선하여 대규모의 GenAI를 구동하는 가치를 보여주고, 잠재력이 있는 분야에는 GenAI의 이점을 다른 부서에 보여줄 수 있는 플랫폼을 구축하는 데 집중하라. 모델 훈련, 자율 에이전트, 개인 LLMs와 같은 분야는 미래의 혁신에巨大한 잠재력을 가지고 있으며, 이러한 분야에 대한 전략적인 투자는 경쟁사보다 먼저 시작할 수 있는 기회를 제공할 것이다.
은행에서 중대형 기업을 위한 대출申请에는 많은 문서를 분석해야 하며, 이는 수동으로 처리되어 승인 메모를 준비해야 한다. GenAI를 통해 이러한 프로세스를 자동화하면, 정량화 가능한 비용을 절약할 수 있고, 전체 처리 시간의 단축은 경쟁사와의 차별화 요소가 될 수 있다.
GenAI를 통해, 은행 업계를 포함한 많은 산업이 고객에게 스트레스를 줄이고 상대적으로 낮은 노력과 업타임으로 추가적인 가시성을 제공할 수 있다. GenAI의 단일 사용 사례는 많지만, GenAI 기반 비즈니스의 다음 단계에 도달하기 위해서는 기술을 전사적으로 복제하고 운영화하여 전체 비즈니스 전략에融合하는 것이 필요하다.
지연하지 말고, AI 배달에 대한觉醒의 시간이다.
구현의 도전을 극복하고 대규모의 GenAI를 구현하는 것은 쉽지 않은 업적이다. 이는 이사회와 최고 경영진의 총적인 동의와 조직 전체의 비즈니스 리더들의 헌신이 필요하다. AI에 대한 sợ움을 극복하고, 수익을 창출하는 AI 기반 도구를 만들기 시작하려면, 팀을 교육하여 앞으로 무엇이 될 수 있는지 알려주고, 빠른 변화를 지속할 수 있는 인프라를 구축하고, 고객과 파트너에게 중요한 단기 결과에 집중하라.
변화하는 과정에서, 신뢰할 수 있는 전문가 또는 외부 자문을 끌어들이는 것이 중요하다. 행동 지향적이고(즉, 建設者, 단순한 자문가가 아닌) 리더십을 결정 과정에 早期에 참여시켜 투명성과 협력을 증진시키는 사람들을 찾으라. GenAI의 능력은 빠르게 진화하고 있으며, 지금 행동하면 지속 가능한 성장을위한 미래 준비된 조직을 만들기 위한 길에 있을 것이다.
