AI는 나쁜 토양을 고칠 수 없습니다: 기업이 성공적인 AI 배포를 준비하는 방법

비즈니스 리더들은 종종 이익에만 관심이 있다고 생각되지만, 최근 연구에 따르면 80% 이상의 기업이 AI 지출에 대한 ROI를 추적하지 않는 것으로 나타났습니다. 반면, ROI를 추적하는 기업들은 기대에 못 미친다는 결과가 나왔습니다. 글로벌 CEO의 4분의 1만이 AI 투자가 ROI 기대에 부응한다고 보고합니다.

그러나 전통적인 속담에 따르면 “나쁜 목수는 도구를 탓한다” – 즉, 많은 경우 ROI가 실망스러운 이유는 AI 배포가 실패할 수 있도록 설정되었기 때문입니다. 비즈니스라는 정원을 생각해 보면, 생산성과 이익을 높이기 위해서는 AI와 같은 도구를 배포하기 전에 반드시 취해야 할 단계들이 있습니다.

단계 1: 인간이 필수적인 곳을 식별하기

아마도 LLM 제품의 마케팅에서 내재된 능력의 과장으로 인해, AI는 플러그 앤 플레이 방식이라는 일반적인 오해가 있습니다. 실제로, 가장好的 AI 배포는 인간의 감시가 불가결한 곳을 식별하는 것으로 시작됩니다.

예를 들어, 법률 서비스 회사와 함께 일할 때, 저와 제 팀은大量의 법률 문서를 처리할 수 있는 AI 시스템을 구현하는任务를 맡았습니다. 문서를 분류하고, 주요 사실을 추출하고, 문서를 유지, 편집 또는 삭제할지 결정하는 것입니다.

AI는 문서를 스캔하여 관련성을 확인하고, 민감한 데이터를 태그하고, 답변을 요약하는 등 중간 작업을 수행했습니다. 그런 다음 결과는 인간의 변호사에게 전달되어 검토하고, 법적 판단을 확인하고, 필요한 경우 분류를 재정의할 수 있었습니다.

이것은 회사를 잠재적인 위험으로부터 보호하는 데 도움이 되었을 뿐만 아니라, 자동화 비용과 감시 비용을 분리하면 ROI 감사를 더 깨끗이 할 수 있습니다.

단계 2: AI가 사람을 가장 잘 보완하는 방법을 찾기

AI의 ROI를 최대화하려면 AI를 사용할 수 있는 곳을 선택해야 합니다. 기본 고객 서비스 트라이어지나 인보이스 코딩과 같은 반복적이거나 규칙 기반의 작업, 계약 조항과 같은 지식 집중형 조회, 오류가 발생하기 쉬운 데이터 입력 등이 이상적인 프로세스입니다.

그런 다음 AI 모델을 전략적으로 구성하여 워크플로우를 방해하지 않도록 하는 것이 중요합니다. 이를 위해 직원 워크플로우를 작업으로 매핑하고, 작업을 세 가지 프로세스 범주 중 하나로 분류합니다. 생성, 선택 또는 판단. 생성 작업은 AI에게 위임할 수 있습니다. 판단이 필요한 작업은 인간 직원이 수행해야 합니다. 선택 작업은 협업 프로세스로, AI가 다음 단계를 제안하고 인간이 최상의 경로를 결정합니다.

위의 법률 서비스 예에서, AI는 문서를 분류하고(생성), 민감한 콘텐츠를 플래그하고(생성), 가능한 답변을 표시하는 등 초기 트라이어지를 처리했습니다(선택).这样, 인간 직원의 역할은 문서의 세부 사항을 조사하는 것에서 결과를 검증하는 것(판단)으로 변경되었습니다. 몇 일 동안 걸렸던 작업이 몇 시간으로 줄었습니다.

ROI 측면에서, 이것은 예외 사항에 더 많은 시간을 할애할 수 있도록 해줍니다. 예외 사항이 바로 이익을 숨기는 곳입니다.

단계 3: 교육 데이터를 표준화하기

LLM을 기업 데이터로 미세 조정하면 경쟁 우위를 얻을 수 있지만, AI가 유익한 결과를 얻으려면 영양소가 풍부한 토양, 즉 깨끗한 데이터가 필요합니다. 나쁨 또는 노이즈가 있는 데이터는 결과를 독성시켜서 편향을 증폭시킵니다. 간단히 말해서, 데이터 규율이 출력 신뢰성을 결정합니다.

그么, 이것은 어떤 것을 의미합니까?大量의 데이터와 데이터의 다양성이 중요하지만, 데이터의 품질도同樣 중요합니다. 데이터 형식과 명명 규칙의 불일치 또는 필드가 누락되거나 완전하지 않은 경우 원시 입력의 품질에 부정적인 영향을 미칩니다.同様하게, 중복되거나 구조화되지 않은 데이터 파이프라인은 저장 비용을 불어나게 하고 모델 성능을 느리게 합니다.

따라서, 데이터 입력에 품질 관리와 강력한 거버넌스가 필요합니다. 즉, 접근 제어와 규제 준수를 의미합니다. 이러한 필터링 없이, AI에 투자하는 것이 아니라, 단순히 클린업 루프에 돈을 태우고 있는 것입니다.

AI에 대한 모든 호재에도 불구하고, 리더들이 가능한 한 빨리 구현에 뛰어들고 싶은 압박을 느끼는 것은 이해할 수 있습니다. 그러나 전략적으로 모델을 배포하거나, 씨앗을 심기 전에 땅을 비옥하게 하는 시간을 들이는 것은 훨씬 더 큰 성공과 투자 수익으로 이어질 것입니다.