연구 개발 및 혁신에서 AI의 영향력 실현

인공 지능(AI)은 연구 개발 및 혁신(R&D&I)을 변革시키고 있으며, 지속 가능성, 건강 관리, 기후 변화, 식량 및 에너지 보안과 같은 세계에서 가장 긴급한 도전 과제에 대한 새로운 가능성을 열어주고 있습니다. 또한 조직이 더 잘 혁신하고 획기적인 제품 및 서비스를 출시하도록 도와줍니다.

R&D&I에서 AI는 새로운 것이 아닙니다. 그러나 생성형 AI(Generative AI)와 대규모 언어 모델(Large Language Model, LLM)의 등장으로 그 기능이 크게 강화되어 혁신을 가속화하고 있습니다.

조직은 R&D&I 노력에서 AI를 어떻게 활용할 수 있으며, 성공을 위한 최선의 방법은 무엇입니까? 이를 위해 아더 델리틀(Arthur D. Little)의 블루 시프트 연구소(Blue Shift Institute)는 40명 이상의 AI 제공업체, 전문가, 실무자를 인터뷰하고, 공공 및 민간 부문에서 200개 이상의 조직을 조사했습니다. 그 결과는 유레카! 온 스테로이드: AI 기반 연구 개발 및 혁신 보고서로, 현재의 상황과 미래의 방향에 대한 심층 분석을 제공합니다.

우리의 분석은 다섯 가지 주요 영역에 초점을 맞추고 있습니다.

AI는 R&D&I 전반에 걸쳐 이점을 제공하지만 인간을 대체하지는 않습니다.

R&D&I의 모든 구성 요소는 기술 및 시장 지능, 혁신 전략, 아이디어, 포트폴리오 및 프로젝트 관리, 지적 재산 관리 등에서 AI의 혜택을 받을 수 있습니다. 이러한 혜택을 이해하기 위해 세 가지 주요 요인이 나타납니다.

• AI는 연구자를 대체하지 않고 보완하여 연구자의 시간을 절약하고 생산성과 창의성을 높여줍니다.
• AI는 이전에 시도할 수 없었던 난해한 문제를 해결하여 새로운 혁신의 길을 열어줍니다.
• AI는 계획자-사고자 역할을 맡아 콘텐츠 생성 및 검색을 넘어 지식 관리자, 가설 생성자, R&D&I 팀의 보조자 역할을 수행합니다.

특정 R&D&I 사용 사례를 해결하기 위한 AI 접근 방법을 결정할 때는 모든 상황에 적용할 수 있는 모형이 없습니다. 조직은 두 가지 요인에 초점을 맞추어야 합니다. 즉, 사용 가능한 데이터 유형과 양(少し에서 많음까지) 및 질문의 성격(개방형에서 구체적인 질문까지)입니다.同時에, 하나의 AI 접근 방법만으로 최적의 결과를 얻을 수 없습니다. 대부분의 최신 지능 시스템은 시스템의 시스템으로 구성되어 있습니다. 즉, 특정 작업을 위한 독립적인 AI 시스템, 모델 또는 알고리즘으로, 이러한 시스템을 결합하여 더 큰 기능과 성능을 제공합니다.

성공을 위한 8가지 좋은 관행

연구자, AI 과학자, 설립자, 디지털, 제조, 마케팅, R&D 팀의 책임자와의 인터뷰에 따르면, 성공적인 AI 배포를 위한 8가지 좋은 관행이 있습니다. 조직은 다음과 같은 것을 따라야 합니다.

• 敏捷한 방법론을 채택하여 팀이 빠르게 변화하는 AI 환경에서 작업할 수 있도록 합니다.
• 데이터 품질, 조직 전체의 협력, 자체 데이터 활용에 초점을 맞춰 강력한 기초를 구축합니다.
• 모델을 구축,購入, 미세 조정하는 전략적 선택을 합니다. 후者の 접근 방식이 가장 효과적인 경우가 많습니다.
• 분석적 트레이드오프를 고려하여 검증 프로젝트 동안 진행 상황을 보장합니다. 예를 들어, 데이터를 획득하는 것과 합성하는 것, 정밀도와 재현성, 과적합과欠적합 사이의 균형을 맞추는 것입니다.
• 데이터 과학 전문 지식을 적극적으로 활용하여 필요한 기술을 습득하고, 조직 외부와의 협력을 통해 기술을 습득합니다.
• 보안과 컴플라이언스를 균형 있게 유지하면서 실험 속도를 높이기 위해 IT와 협력합니다.
• 빨리 혜택을 입증하고 사용자로부터 동의를 얻어 신뢰를 구축하고 추가 투자를 유도합니다.
• 시스템 성능을 지속적으로 유지하고 모니터링합니다. 특히 모델 개선에 관한 부분입니다.

3. 기술 구성 요소는 이제 준비되었습니다.

대부분의 AI 사용 사례와 마찬가지로, R&D&I 가치 사슬은 세 가지 계층으로 구성됩니다. 즉, 인프라, 모델 개발자, 애플리케이션입니다.

인프라 측면에서, 충분한 컴퓨팅 파워를 구현하고 유지하는 비용은 크지만, 호스팅 제공업체는 점점 더 추론-서비스 모델을 제공하여 클라우드에서 추론과 쿼리를 실행하여 인하우스 인프라의 필요성을 제거하고, 초기 비용을 낮추고, AI에 대한 접근성을 민주화하고 있습니다.

R&D&I에서 AI의 가치 사슬은 메타, 마이크로소프트, 엔비디아와 같은 주요 오픈 소스 모델에 크게 의존합니다. 그러나 Mistral, Cohere와 같은 소규모 플레이어와 학술 기관도 생태계의 중요한 부분을 구성합니다.

가치 사슬의 애플리케이션 끝에서는 이미 일반 및 전문 R&D&I 애플리케이션이 대부분의 사용 사례를 충족하기 위해 생성되었습니다. 현재 500개 이상의 애플리케이션이 있으며, R&D&I 프로세스 전체를 다루고 있습니다.

미래는 불확실하지만 시나리오 계획은 이해를 도와줍니다.

R&D&I에서 AI가 어떻게 발전할지는 성능, 신뢰성, 비용과 같은 세 가지 주요 요인의 결과에 따라 달라집니다. 이러한 요인을 결합하면 AI가 R&D&I의 모든 측면을 변革하는 것에서부터 선택적, 저위험 사용 사례에서만 사용되는 것까지의 범위에서 여섯 가지 가능한 미래 시나리오가 나타납니다. 최대에서 최소까지의 영향 度에 따라 이러한 시나리오는 다음과 같습니다.

• 블록버스터: AI는 R&D&I 사이클 전반에 걸쳐 가장 중요한 요소가 되며, 조직을 재구성합니다. 데이터는 새로운 전선이 됩니다.
• 크라우드 플레저: AI는 편리하고, 저렴하며, 일상적인 생산성 작업에 채택되지만, 과학적/창의적인 가치를 제공하지는 못합니다.
• 크라운 주얼: AI는 생산성과 과학적 혁신을 제공하지만, 이를 감당할 수 있는 조직만이 혜택을 받으며, R&D&I에서 두 속도의 세계가 나타납니다.
• 문제 아동: 일부 사용 사례와 저렴한 솔루션에도 불구하고, AI는 가치를 입증하지 못합니다. R&D&I 조직은 데이터 보안, 도덕성, 해석 불가능성에 대한 우려를 가지고 있습니다.
• 최고의 비밀: AI의 성능은 개선되지만, 높은 비용으로 인해 조직은 더 위험을 회피합니다. 신뢰와 붉은 테이프로 인해 채택이 제한되고, 새로운 대담한 실험이 시작되지 않습니다.
• 저렴하고 나쁨: AI는 저위험 사용 사례에서 널리 사용되지만, 프로토 타이핑 또는 브레인 스토밍 도구로만 사용됩니다. 신뢰할 수 없는 시스템은 엄격하게 검토되고, 출력은 검증되어 생산성 향상을 제한합니다.

이러한 시나리오를 이해하는 것은 R&D&I 조직이 앞으로 나아갈 길을 찾는 데 중요합니다.

R&D&I 조직이 행동해야 할 때는 지금입니다.

일부 상황에서 AI는 이미 시간, 비용, 효율성에서 두 자릿수 향상을 가능하게 해주고 있습니다. 즉, 어떤 시나리오가 발생하더라도, 여섯 가지 후회 없는 움직임이 R&D&I 조직이 회복力を 구축하고 AI의 혜택을 활용하도록 도와줄 것입니다. 그들은 다음과 같은 것을 해야 합니다.

• 인재를 관리하고 강화하여, 작업력을 훈련하고 전문 지식을 습득하도록 합니다. 필요에 따라 중간 기간 동안 외부 제공업체에 구현을 아웃소싱할 수 있습니다.
• AI 생성 콘텐츠를 제어하고, 위험 관리 프로세스를 업데이트하며, 검증 방법론을 공개적으로 공유하여 신뢰를 구축합니다.
• 데이터 공유와 협력을 강화하여, 더 넓은 공공 및 민간 부문 생태계와 협력하여 AI의 성공적인 채택을 추진합니다.
• 장기적으로 훈련하여, 가능한 한 넓은 사용자 인구에게 AI의 기본 원리, 필요한 기술, 잠재적인 위험에 대해 교육합니다.
• 조직과 거버넌스를 재고하여, IT를 넘어선 고위급 초점을 제공하고, 협력을 원활하게 하기 위해 실로를 해제합니다.
• 컴퓨팅 자원을 상호화하여, 파트너와 협력하거나 내부적으로 자원을 공유하여, 현재 및 미래의 인프라需求을 비용 효율적으로 충족합니다.

이러한 후회 없는 움직임을 넘어서, 성공은 기업의 목표와 일치하는 AI 기반 R&D&I 투자 포트폴리오를 구축함으로써 달성됩니다. 즉, 특정 AI 사용 사례의 범위, 비용, 혜택을 고려하여 혁신 프로젝트 포트폴리오를 최적화합니다. 결정은 전략적 목표, 능력, 시장 지능, 그리고 조직이 운영되는 상황에 근거해야 합니다.

R&D&I 가치 사슬의 모든 단계는 잠재적으로 AI를 통해 변혁될 수 있으며, 인간 연구자를 보완하여 생산성과 혁신을 가능하게 합니다. 이러한 기회는 성능, 신뢰성, 비용과 같은 도전 과제와 균형을 이루어야 합니다. 즉, 조직은 현재 R&D&I의 AI 노력을 пози셔닝하여, 미래가 무엇이든 성공을 달성할 수 있도록 해야 합니다.

이 기사는 Albert Meige, Zoe Huczok, Arnaud Siraudin, Arthur D. Little의 협力を 통해 작성되었습니다.