์ฌ์ ๋ฆฌ๋
์ฅ๊ธฐ ROI ๋ง์ผ๋ก๋ ์ถฉ๋ถํ์ง ์๋ค: AI ๊ตฌํ์ ๋ชจ๋ ๋จ๊ณ์์ ๊ฐ์น๋ฅผ ๋ณด์ฅํ๋ ๊ฒ
기업들은 하나의 메시지를 계속 듣고 있다: AI를 빠르게 적용하고 결과를 보여라. 2024년까지 78%의 조직이 이미 하나 이상의 비즈니스 기능에서 AI를 사용하고 있으며, 이는 지난해 55%에서 상승한 것이다.
그러나 여기에는 한 가지 문제가 있다: 비즈니스 가치를 입증해야 하는 압력은 AI를 적용하는 속도만큼 빠르게 증가하고 있다.
이것은 CDO의任期가 짧고, Chief AI Officer(CAIO)의 역할이 아직 발전 중인 상황에서 큰 도전이다. 이러한 리더십의 불안정성으로 인해 AI 프로그램은 실제 가치를 입증하기 전에 종종 중단되거나 지연된다.
중요한 도전은 명확하다: 기업들은 “미래의 변혁”을 추구하는 AI 전략을 건설하는 것을 중단하고, 오늘날 가치를 제공하는 견고한 기초를 구축하는 것을 시작해야 한다.
“미래만을 위한” 전략의 문제
경영진은 AI에 돈을 투자하고 있다. 실제로, 92%의 기업이 향후 3년 동안 AI 예산을 증가시키고 있으며, 그 중 절반은 10%의 증가를 목표로 하고 있다. 또한, 모간 스탠리 gibi 금융 기관은 ~920억 달러의 연간 순이익을 예측하고 있다.
이러한 거시적인 추세는 “빅뱅-하지만-나중에” AI 프로그램을 만들게 한다. 이러한 프로그램은 종이 위에서는 인상적이지만, 오늘날의 가치를 제공하지 못한다.
현실은 매우少ない 조직이 AI 준비가 된 데이터를 가지고 있다는 것이다. 데이터 품질과 거버넌스라는 두 가지 큰 장벽으로 인해, 12%의 기업만이 효과적인 AI 배포를 위한 데이터가 충분하다고 보고 있다. 또한, Gartner는 poor 거버넌스가 2027년까지 60%의 기업이 AI 목표를 달성하지 못하게 할 것이라고 지적했다.
간단히 말하면, 미래의 약속만을頼하는 AI 프로그램은 실제 ROI가 도착하기 전에 중단되거나, 시험의 지옥에 빠지거나, 이해관계자의 신뢰를 잃을 위험이 있다.
AI의 가치를 재정의한다
미래의 잠재력과 현재의 가치를 연결하기 위해, 기업들은 AI의 가치를 어떻게 보는지 재정의해야 한다. 두 가지 유형의 가치가 있다:
- 즉각적인 가치: 이는 측정 가능한, 근시일 내의 개선이다. 예를 들어, GenAI 지원 어시스턴트를 배포한 후 평균 응답 시간이 23% 더 빠르다. 이러한 승리들은 이해관계자에게 AI가 장기적인 게임만이 아니라는 것을 보여준다.
- 기반 가치: 이는 데이터 파이프라인, 거버넌스, 확장 가능한 플랫폼과 같은 기본 인프라를 구축하는 것이다. 이러한 기반은 오늘날과 미래에 AI가 효과적으로 작동하도록 한다. McKinsey의 State of AI 보고서는 위험 관리와 거버넌스가 장기적인 성공에 중요하다고 강조한다.
두 가지 가치를 정의한 후, 도전은 두 가치를 균형있게 하는 것이다: 즉각적인 승리를 어떻게 驅動하면서, 그것들이 반복 가능한, 거버넌스된 능력으로 번역되는지. 이러한 균형을 맞춘 기업은 실제로 돌아온다.
바른 균형을 찾다: 지금과 나중에 가치
나는 가장 큰 실수로 개발자들을 위한 AI 플랫폼을 설계하지 않는 것을 본다. 2025년까지, 84%의 개발자가 AI 도구를 사용할 것이며, 51%의 개발자가 일일적으로 사용할 것이다. AI 플랫폼이 기존 워크플로에 통합되지 않으면, 채택은 지연될 것이다. 성공은 통합, 작업 선택, 지속적인 훈련에 달려 있다.
거버넌스와 보안도同樣히 중요하다. 이러한 요소들이 우선순위에置어지지 않으면, AI가 아무리 정교하더라도 사용자들은 그것을 신뢰하지 않을 것이다. Gartner는 신뢰 문제, 접근 보안, 거버넌스가 AI 채택의 주요 장벽이라고 지적했다.
가장 성공적인 기업들은 즉각적인 가치를 제공하는 AI 도구를 만드는 것이다. 이러한 빠른 승리는 정치적 자본을 사들인다. 실제로, AI에서 최고의 ROI를 보는 기업들은 전용 CAIO를 가지고 있다. 이러한 리더들은 “지금”에 집중하고, 데이터와 플랫폼을 강화하는 것을 통해 지속적인 진행과 미래의 이익을 위한 기초를 마련한다.
이것은 또한 초기 가치를 강조하는 KPI를 설정하는 것을 의미한다. 지원 운영, 판매, 마케팅, 엔지니어링은 좋은 시작점이다. 명확한 KPI를 정의하고, 기준선과 검증 계획을 수립하면, AI 이니셔티브가 이론적인 것이 아니라 구체적인 결과를 제공하는 것을 보장할 수 있다.
중요한 것은 성공적인 패턴을 식별하고 반복하는 것이다. 실험에서 실행으로의 전환은 기업들이 도구만이 아니라 프로세스를 조정할 때 발생한다.
데이터 기반을 강화한다: 지속적인 과정
많은 AI 프로그램이 실패하는 이유는 데이터가 신뢰할 수 없기 때문이다. 데이터 거버넌스의 부족은 성공의 가장 큰 장벽이다. 따라서 데이터 품질, 계보, 접근성이 사용자에게 노출되는 도구와同じ 중요성을 갖는 것으로 다루어야 한다. 강력한 데이터 기반은 모든 성공적인 AI 이니셔티브의 기초이다.
AI를 비즈니스 임퍼티브로 만든다: 오늘과 내일
기대는 명확하다: 즉각적인, 측정 가능한 승리를 보여주면서, 장기적으로 이익을 제공하는 플랫폼과 데이터 에스테이트를 구축한다. AI 예산이 증가하고, 검토가 강화됨에 따라, 두 가지 모두에서 실패하면 프로그램을 재설정할 위험이 있다.
지금과 미래에 가치를 제공할 수 있는 리더들은 AI를 분리된 파일럿에서 지속 가능한 수익과 생산성의 엔진으로 전환할 수 있다.
