์ฌ์ ๋ฆฌ๋
AI๋ ๋์ ํ ์์ ๊ณ ์น ์ ์๋ค: ์ฑ๊ณต์ ์ธ AI ๋ฐฐํฌ๋ฅผ ์ํ ๋ด๋ถ ์ํ๊ณ ์ค๋น ๋ฐฉ๋ฒ
비즈니스 리더들은 종종 이익에만 관심이 있는 것으로刻画되지만, 최근 연구에 따르면 80%의 회사는 AI 지출의 ROI를 추적하지 않는 것으로 나타났다. 반면, ROI를 추적하는 회사들은 기대에 못 미친다는 것을 발견했으며, 전 세계 CEO의 4분의 1만이 AI 투자가 ROI 기대에 부응한다고 보고했다.
그러나 속담에 따르면, “나쁨 목수는 도구를 비난한다” – 즉, 많은 경우에 ROI가 실망스러운 것은 AI 배포가 실패할 수 있도록 설정되었기 때문이다. 비즈니스를 정원으로 본다면, 생산성과 이익이 증가하기 위해서는 AI와 같은 도구를 배포하기 전에 특정 단계를 수행해야 한다.
1단계: 인간이 필수적인 곳을 식별하라
아마도 LLM 제품의 마케팅에서 내재된 기능에 대한 과도한 약속으로 인해, AI는 플러그 앤 플레이 어페어가라는 일반적인 오해가 있다. 실제로, 가장好的 AI 배포는 인간의 감독이 불가결한 곳을 식별하는 것으로 시작한다.
예를 들어, 법률 서비스 회사와 함께 일할 때, 나와 내 팀은大量의 법률 문서를 처리할 수 있는 AI 시스템을 구현하는任务를 맡았다 – 문서를 분류하고, 핵심 사실을 추출하고, 파일을 유지, 수정 또는 삭제할지 결정했다.
AI는 문서의 관련성을 스캔하고, 민감한 데이터를 태그하고, 답변을 요약하는 등 중간 작업을 수행했지만, 결과는 인간의 변호사들에게 검토할 수 있도록 전달되었고, 법적 판단을 확인하고 필요에 따라 분류를 재정의할 수 있었다.
이는 회사로부터 잠재적인 위험을 방지하는 데 도움이 되었을 뿐만 아니라, 자동화의 비용과 감독의 비용을 분리하면 향후 ROI 감사를 더 깨끗이 할 수 있을 것이다.
2단계: AI가 사람들을 가장 잘 보완할 수 있는 방법을 찾아라
AI의 ROI를 최대화하려면, 조직에서 가장 잘 서비스할 수 있는 곳을 선택해야 한다. 이상적인 프로세스로 오프로드할 수 있는 작업에는 반복적이거나 규칙 기반의 작업(예: 기본 고객 서비스 트라이어지 또는 청구 코드 지정), 지식이 풍부한 조회(예: 계약 조항) 및 오류가 많은 데이터 입력 등이 포함된다.
그런 다음 AI 모델이 워크플로우를 방해하지 않고 보완하도록 전략적으로 구성하는 것이 중요하다. 이를 위해 직원 워크플로우를 작업으로 매핑한 다음 작업을 세 가지 프로세스 범주 중 하나로 분류한다. 생성 작업은 AI에게 위임할 수 있다. 판단이 필요한 작업은 인간 직원에게 남겨두고, 선택이 필요한 작업은 AI가 다음 단계를 제안하고 인간이 최상의 경로를 결정하는 협력 프로세스로 할 수 있다.
위의 법률 서비스 예에서, AI는 초기 트라이어지에서 문서를 분류하는 작업(생성), 민감한 내용을 플래그하는 작업(생성) 및 가능한 답변을 표면화하는 작업(선택)을 수행했다. 이렇게 하면 인간 직원의 역할이 문서의 세부 사항을 파고들기에서 결과를 검증(판단)으로 바뀌었고, 일주일이 걸리던 작업이 몇 시간으로 단축되었다.
ROI에 관해서, 이는 규칙의 예외에 더 많은 시간을 할애할 수 있게 해주는데, 이는 이익이 숨겨져 있는 곳이다.
3단계: 훈련 데이터를 표준화하라
기업 데이터로 LLM을 미세 조정하면 경쟁 우위를 열어줄 수 있지만, AI가 결실을 맺으려면 영양이 풍부한 토양이 필요하다. 즉, 좋은 데이터가 필요하다. 나쁨 또는 노이즈가 많은 데이터는 결과를 독성시켜서 편향을 증폭시킬 것이다. 짧게 말해서, 데이터 규율이 출력 신뢰성을 결정한다.
그렇다면 이것은 무엇을 의미하는가?大量의 데이터와 다양한 데이터는 중요하지만, 데이터의 품질도 중요하다. 데이터 형식과 명명 규칙의 불일치 또는 필드가 누락되거나 완전하지 않은 경우 원시 입력의 품질에 부정적인 영향을 미친다. 마찬가지로, 중복 또는 비정형화된 데이터 파이프라인은 저장 비용을 증가시키고 모델 성능을 저하한다.
따라서 데이터 입력에 품질 제어가 있고 강력한 거버넌스가 있는 것이 중요하다. 즉, 접근 제어와 규제 준수가 필요하다. 이러한 필터링 없이 AI에 투자하는 것은 단순히 클린업 루프에 현금을 태우는 것에 불과하다.
AI에 대한 모든 호재에도 불구하고, 리더들이 가능한 한 빠르게 구현에 뛰어들어야 한다는 압박을 느낄 수 있다. 그러나 모델을 전략적으로 배포하거나, 씨를 심기 전에 땅을 비옥하게 하는 데 시간을 들이는 것이 훨씬 더 큰 성공과 투자 回収을 가져다줄 것이다.
