AI의 실제 가치는 데이터와 사람에 의해 구축되며 기술만이 아님

AI의 가능성은 매일 확대되고 있습니다. 개인의 생산성 향상부터 조직이 데이터를 통해 강력한 새로운 비즈니스 통찰력을 얻을 수 있도록 하는 것까지, AI의 잠재력은 무한하고 그 영향은 쉽게 상상할 수 있습니다. 그러나真正한 AI 생태계로의 여정은 복잡하고 도전적입니다. 이 여정은 AI를 구현하거나 채택하거나 일관되게 사용하는 것에서 시작하거나 끝나지 않습니다. AI 솔루션의 전체 가치를 실현하는 것은 궁극적으로 데이터의 품질과 그것을 구현, 관리 및 유의미한 결과를 도출하기 위해 적용하는 사람들에게 달려 있습니다.

데이터: AI 성공의 기초

데이터는 조직의 상수입니다. 모바일 편의점이나 기업 조직이든 모든 비즈니스는 데이터(금융 기록, 재고, 보안 영상 등)를 기반으로 운영됩니다. 이 데이터의 관리, 접근성 및 거버넌스는 조직 내에서 AI의 전체 잠재력을 실현하는 데 핵심입니다. Gartner는 최근에 63%의 조직이 기존 데이터 관행이나 관리 구조가 AI를 성공적으로 채택하기에 충분한지에 대해 확신이 없거나 불확실하다고 보고했습니다. 조직이 AI의 전체 잠재력을 해방하기 위해서는 잘 생각된 데이터 관행이 필요합니다. 수집, 저장, 종합, 분석, 보안, 개인 정보 보호, 거버넌스 및 접근 제어와 같은 프레임워크와 방법론이 있어야 AI를 제대로 활용할 수 있습니다. 또한 위험과 예기치 않은 결과를 완화하는 것이 필수입니다. 결론은 데이터가 분석의 기초이며 AI의 연료입니다.

AI 솔루션이 데이터에 접근할 수 있는 정도는 그 잠재력을 결정합니다. 그래서 우리는 데이터에 특화된 새로운 기능의 출현을 보게 됩니다. 즉, Chief Data Officer(CDO)입니다. 간단히 말해, AI 솔루션이 누구에게나 접근 가능한 “자유로운” 데이터 환경에 도입되면 오류가 발생하고 편향되며, 규정 준수되지 않으며 민감한 정보를 노출할 가능성이 있습니다. 반면에 데이터 환경이 풍부하고 구조화되어 있으며, 조직이 데이터를 사용하는 프레임워크와 방법론이 있다면 AI는 즉시적인 혜택을 제공하고 모델링, 예측, 성향 개발에 regards 시간을 절약할 수 있습니다. 데이터의 기초 위에 데이터에 대한 접근 권한과 거버넌스 정책이 있으며, 이것은 인간의 요소를 제시합니다.

인간: AI 채택의 과소평가된 요인

IDC는 최근에 조사에서 45%의 CEO와 66% 이상의 CIO가 기술 벤더들이 AI의 다운사이드 위험을 완전히 이해하지 못한다는 의견을 제시했습니다. 이러한 리더들의 우려는 정당합니다. 기술 벤더들이 이해하지 못하는 위험은 기존 IT 위험과 유사하며, AI를 통합함으로써 증폭됩니다. 이러한 우려는 이러한 결과의 근본 원인을 이해하지 못하거나, AI 활성화를 위한 협력의 불안감에서 비롯됩니다.

우리는 비즈니스의 모든 수준에서 성과를 크게 향상시키는 비용이 높은 IT 도구에 투자해야 할까요? 이는 비즈니스 위험이 항상 그렇듯이 극적입니다. 우리는 이미 이 질문의答案을 알고 있습니다. 더 복잡한 기술과 더 높은 운영 잠재력을 가진 경우, 이러한 도구를 법적으로, 적절하게, 효율적으로, 효과적으로 사용할 수 있도록 팀을 활성화하는 노력도 증가해야 합니다.

벤더의 도전

기술 벤더에 대한 신뢰 부족은 주제에 대한 전문 지식의 부족을 넘어서서, 조직이 직면할 수 있는 특정 위험을 명확하게 설명하지 못하는 더 깊은 문제를 반영합니다.

조직과 기술 벤더의 관계는 의사와 환자와 비슷합니다. 환자는 의사와 증상을 상담하고, 단순하고 비용 효율적인 치료를 희망합니다. 예방 상황에서는 의사가 환자와 함께 식이 요법, 생활 습관, 특수 치료를 계획하여 건강 목표를 달성하도록 합니다. 마찬가지로, 조직은 기술 벤더로부터 기술 구현이나 계획을 위한 처방 솔루션을 받기를 기대합니다. 그러나 조직이 특정 IT 환경에 대한 위험을 명확하게 설명하지 못하면, AI 구현의 불확실성이 증폭됩니다.

기술 벤더가 AI의 위험과 잠재적 영향을 효과적으로 전달하더라도, 많은 조직은 필요한 기반을 구축하는 총 소유 비용(TCO)에 대해 우려합니다. 성공적인 AI 구현은 기존 환경 내에서 시작되어야 하며, 환경이 현대화된 후에만 조직이 AI 통합의 가치를真正로 실현할 수 있다는 인식이 증가하고 있습니다. 이는 아무나 F1 슈퍼카의 조종석에 앉아 즉시 우승할 수 있다는 가정과 비슷합니다. 합리적인 사람은 레이싱의 성공은 숙련된 운전자와 고성능 기계의 결과라는 것을 압니다. 마찬가지로, AI의 혜택은 조직이 제대로 준비되고, 훈련되고, 활성화되어 AI를 채택하고 구현할 수 있을 때만 실현될 수 있습니다.

사례: Microsoft 365 Copilot

Microsoft 365 Copilot는 기존 AI 솔루션의 하나로, 그 잠재적 영향과 가치가 종종 고객의 기대와 이해 부족으로 인해 왜곡되거나 약화되는 사례입니다. 현재 70% 이상의 Fortune 500 기업이 이미 Microsoft 365 Copilot를 사용하고 있습니다. 그러나 AI가 직업을 대체할 것이라는 두려움은 대부분의 실제 AI 응용에서 오해입니다. 일부 영역에서 직업 대체가 발생했지만, AI와 로봇공학의 사용을 구분하는 것이 중요합니다. 후자는 직업 대체에 더 직접적인 영향을 미쳤습니다.

현대적인 업무 환경에서 AI의 주요 가치는 성과를 향상시키고 전문 지식을 증폭시키는 것입니다. 시간을 절약하고 기능적 출력을 증가시킴으로써, AI는 더 민첩한 시장 진출 전략과 빠른 가치 전달을 가능하게 합니다. 그러나 이러한 혜택은 다음과 같은 임계 요소에 의존합니다.

• 성숙한 데이터 관행
• 강력한 접근 관리 및 거버넌스
• 위험을 완화하기 위한 강력한 보안 조치
• 책임 있는 AI 사용과 모범 사례에 대한 사람들의 활성화

다음은 비즈니스 영역에서 AI 주도적인 기능적 개선의 몇 가지 예입니다.

• 영업 리더는 고객 수명 주기 데이터를 사용하여 크로스 판매 및 업셀 전략을 생성하여 고객 유지와 가치를 향상시킬 수 있습니다.
• 기업 전략 및 재무 계획 팀은 비즈니스 단위 분석 시간을 절약하여 더 나은 기업 목표와의 일치에 대한 더 깊은 통찰력을 얻을 수 있습니다.
• 매출 대금 팀은 조치할 수 있는 데이터에 더 빠르게 접근하여 고객과의 접촉과 고객 참여를 개선할 수 있습니다.
• 마케팅 리더는 판매 성과와 기회에 대한 AI 통찰력을 활용하여 더 효과적이고 판매와 일치하는 시장 진출 전략을 구축할 수 있습니다.
• 운영 팀은 재무 및 판매 데이터를 조정하는 데 걸리는 시간을 줄여서 분기 말이나 연말 과정에서 혼란을 최소화할 수 있습니다.
• 고객 성공 및 지원 팀은 워크플로를 자동화하고 핵심 단계를 단순화하여 응답 및 해결 시간을 단축할 수 있습니다.

이 예는 AI가 기능적 변화를 일으키고 생산성 향상을 일으킬 수 있는 잠재력을 단순히 스크래치하고 있습니다. 그러나 이러한 혜택을 실현하기 위해서는 올바른 기반을 구축해야 합니다. 즉, AI가 통합하고, 종합하고, 분석하여 최종적으로 그 약속을 실현할 수 있는 시스템이 필요합니다.

최종 생각: AI에 대한 플러그 앤 플레이는 없습니다

AI를 구현하여 전체 잠재력을 해방시키는 것은 프로그램이나 애플리케이션을 설치하는 것만큼 간단하지 않습니다. 이는 전체 IT 스택을 관통하는 자율적인 기능의 상호 연결된 웹의 통합입니다. 이는 수동적인 노력, 시간, 자원이 필요할 수 있는 통찰력과 운영 효율성을 제공합니다.

AI 솔루션의 가치를 실현하는 것은 데이터 관행을 구축하고, 강력한 접근 및 거버넌스 프레임워크를 유지하며, 생태계를 보안하는 것에 기반합니다. 이는 자체적인 심층 분석을 필요로 하는 주제입니다.

기술 벤더가 가치 있는 파트너가 될 수 있는 능력은 마케팅과 활성화에 달려 있으며, AI의 잠재력을 실제로 활용하는 것에 대한 기대를 조정하고神话를 해소하는 데 중점을 둡니다.