์ฌ์ ๋ฆฌ๋
๋ฏธ๋๋ฅผ ์ํ ๊ธฐ์ ์ AI ์ ๋ต ๊ตฌ์ถ: ๊ฐ๋ ฅํ ๋ฐ์ดํฐ ๊ธฐ๋ฐ์ ํตํด ์ง์ ๊ฐ๋ฅํ ํ์ ๋ฌ์ฑ
최근 몇 년 동안 혁신의 속도가 가속화되면서 비즈니스 리더들은 많은 도전을 겪어야 했으며, 시장에 등장하는 새로운 기능들을 따라가기 어려웠습니다. 기업들이 게임의 선두주자라고 생각할 때, 새로운 발표가 주의를 분산시키고 진행을 방해할 수 있습니다. 이것은 C-Suite가 더 장기적인 디지털 전략을 생각하게 만들었으며, 지속 가능한 혁신에 대한 능력을 강화하게 되었습니다.
지속 가능한 혁신의 개념은 지속 가능성 자체(종종 기후 영향과 관련됨)와 다르며, 이는 새로운 기술이 번창하기 위한 올바른 생태계를 인식하는 것입니다. 즉, 디지털 변환은 현재 사용 가능한 기술을 획득하는 것뿐만 아니라, 미래에 등장할 기술을 획득하기 위한 강력한 데이터 기반을 구축하는 것입니다. 이러한 기반은 혁신의 근본이며, 기업들이 분석 모델을 구축하여 변화를 주도하는 통찰력을 제공할 수 있습니다. 이러한 환경은 종종 “Fail Fast. Learn Fast.”라는 잘 알려진 원칙의 기원입니다. 왜냐하면 팀이 새로운 아이디어를 실험하고 테스트할 수 있는 공간을 제공하기 때문입니다.
AI와 GenAI에 대한 소동이 실험에서 실행으로 전환됨에 따라, 기업들은 강력하고 잘 설계된 데이터 계층을 생성하여 미래의 투자를 보장하고 있습니다. 이 계층은 접근 가능하고, 조직화되고, 구조화되어 시간의 시험을 견딜 수 있습니다.
데이터 격차 해결
고객을 위한 기술이 모든 헤드라인을 차지하는 반면, 실제로 AI/GenAI의 작업을 하는 배경에서 데이터 분석이 실제 작업을 수행합니다. 대부분의 리더는 이것을 이해하지만, AI 프로그램과 데이터 수집 노력은 여전히 병렬로 실행될 수 있으며, 데이터가 하나의 위치에 모여서 AI 프로그램에 제공되기 전에 데이터가 조직되고 준비되어야 합니다. 데이터 프로그램과 AI/GenAI 프로세스를 두 개의 별개 초기화로 보지 말고, 데이터가 올바르게 조직되고 AI 프로젝트를 위해 사용할 준비가 되었는지 확인하기 위해 두 노력을 연결해야 합니다. 즉, 사용 가능한大量의 데이터가 있을 수 있지만, 리더들은 얼마나 많은 데이터가 실제로 AI 프로젝트를 위해 사용할 수 있는지 고려해야 합니다. 현실은, 많지 않습니다. 한 가지 방법으로, 조직은 데이터와 AI를 분리함으로써 노력을 중복하고, 두 가지를 더 가까이 연결하면 효율성을 개선하고 비용을 줄이고 운영을 간소화하는 데 있어 핵심 차별점이 될 수 있습니다.
BCG에 따르면, 데이터와 AI 프로그램을 처음부터 통합한 기업들은 동료들에 비해 비대칭 성장을 경험했습니다.毕竟, 기업들은 데이터를 먼저 수정하지 않고는 AI 개발을 할 수 없으며, 리더들은 더 성숙한 능력을 사용하여 더 차별화되고 변혁적인 데이터 및 AI의 사용을 더 잘 생각하고, 우선순위에 두고, 채택할 수 있습니다. 결과적으로, 데이터를 AI 개발에 연결한 기업들은 비용과 AI에 뒤처진 기업들보다 4배 더 많은 사용 사례를 확대하고, 각 사용 사례를 구현할 때 평균 금융 영향은 5배 더 큽니다.
데이터 기반 강화를 위해 몇 가지 핵심 질문을 던지기 시작
기억하세요, 데이터를 이동시키고(온사이트 또는 클라우드 마이그레이션을 통해) 데이터를 분석할 수 있도록 준비하는 것은 동일하지 않습니다. 데이터가 분석될 수 있도록 준비되었는지(즉, AI-인사이트를 위해 분석할 수 있음) 확인하기 위해, 기업들은 몇 가지 중요한 질문을 고려해야 합니다:
- 데이터가 특정 비즈니스 결과에 어떻게 맞춰져 있나요? AI 모델은 효과적으로 작동하기 위해 큐레이션된, 관련된, 컨텍스트화된 데이터가 필요합니다. 초기 단계에서, 기업들은 데이터가 어떻게 획득되고 저장되는지에 대한 생각을 바꾸고, 특정 기능 내에서 AI 기반 의사결정을 위해 데이터가 어떻게 사용될지에 대해 생각해야 합니다. 기업들이 특정 사용 사례를 설계하고 데이터를 저장 및 조직화할 때, 데이터가 더 쉽게 접근할 수 있을 때 AI, GenAI 또는 agentic AI와 같은 새로운 프로세스를 개발할 때 더 쉽게 접근할 수 있습니다.
- 우리의 길에 있는 장애물은 무엇인가요? McKinsey가 100명의 C-Suite 리더를 조사했을 때, 거의 50%가 디지털 및 분석 변환으로 인한 위험을 이해하는 데 어려움을 겪었습니다. 결과는, 기업들이 속도보다 전략을 희생할 수 있습니다. 대신, 리더들은 모든 각도에 대해 신중하게 연구하고, 미래를 생각하고, 잠재적인 위험을 최소화하려고 노력해야 합니다.
- 데이터를 효율성을 높이기 위해 어떻게 최적화할 수 있나요? 데이터의 필요성이 강화됨에 따라, 관리자가 자신의 부서에만 집중하는 경우가 많습니다. 이러한 시로된 생각은 데이터 중복과 더 느린 데이터 검색 속도로 이어지므로, 기업들은 처음부터 교차 기능적인 의사소통과 협력을 우선순위로 해야 합니다.
강력한 데이터 기반을 개발하기 위한 4가지 모범 사례
오늘날 데이터 계층에 투자하는 기업들은 미래의 AI 성공을 위해 자신을 설정하고 있습니다. 강력한 데이터 전략을 미래에 대비하기 위한 4가지 모범 사례는 다음과 같습니다:
1. 데이터 품질 및 거버넌스를 보장
- 데이터 계보, 메타데이터 관리, 자동화된 품질 검사를 설정
- 발견 가능성과 분류를 개선하기 위해 AI 기반 데이터 카탈로그를 활용
- 데이터 관리를 간소화하여 구조화된 데이터, 기계 학습 모델, 노트북, 대시보드 및 파일의 거버넌스를 보장
데이터 품질 및 거버넌스를 보장하는 기업의 좋은 예는 SAP입니다. SAP는 데이터 관리套件 내에서 ML 능력을 통합하여 데이터 불일치를 식별하고 수정하여 전반적인 데이터 품질을 개선하고 플랫폼 전체에서 강력한 데이터 거버넌스 관행을 유지합니다.
2. 데이터 보안, 개인 정보 보호, 및 규정 준수를 강화
- 데이터를 저장하고 전송할 때 Zero-Trust 보안을 구현
- 위협을 식별하고 침해를 방지하기 위해 AI 기반 위협 탐지를 사용
- GDPR 및 CCPA와 같은 글로벌 규정을 준수하고, 보고서/감사를 자동화하기 위해 AI를 사용
디지털 공급망 및 제3자 위험 관리에서 혁신적인 일을 하는 기업은 Black Kite입니다. Black Kite의 인텔리전스 플랫폼은 제3자 및 공급망에 대한 인텔리전스를 빠르고 비용 효율적으로 제공하며, 결과를 간소화된 대시보드로 우선순위에 따라 제공하여 위험 관리 팀이 중요한 보안 격차를 쉽게 닫을 수 있습니다.
3. 전략적 파트너십 탐색
- 자체 고급 분석 능력을 평가하고 기존 데이터의 성능을 연구
- AI, 데이터 엔지니어링, 분석을 하나의 쉽게 관리할 수 있는 플랫폼으로 통합할 수 있는 파트너를 찾기
AI 성공을 위한 데이터를 구조화하는 데 도움이 될 수 있는 클라우드 기반 파트너 솔루션에는 (a) Databricks가 있습니다. Databricks는 기존 도구와 통합하고, 비즈니스에서 데이터/AI(포함 GenAI 및 기타 ML 모델)를 구축, 확장 및 거버넌스하는 데 도움이 됩니다. (b) Snowflake는 데이터 분석과 동시 데이터 세트 액세스를 최소한의 지연으로 허용하는 플랫폼을 운영합니다.
4. 데이터 기반 문화 조성
- 데이터 액세스를 민주화하여 자연어 쿼리(NLQ)를 사용하는 자체 서비스 AI 도구를 구현하여 데이터 통찰력을 제공
- 직원을 AI 및 데이터 리터러시에 대한 교육을 시키고, 팀을 AI, GenAI 및 기타 데이터 거버넌스 프로세스에 대한 교육을 시킴
- 데이터 과학자, 엔지니어, 비즈니스 팀 간의 협력을 촉진하여 데이터 공유를 촉진하고 더 전체적인 통찰력을 생성
데이터 기반 문화를 적극적으로 조성하는 기업의 좋은 예는 Amazon입니다. Amazon은 고객 데이터를 광범위하게 사용하여 제품 추천을 개인화하고, 물류를 최적화하고, 전반적인 운영에서 비즈니스 결정을 내립니다. 데이터는 Amazon의 전략의 핵심柱입니다.
미래를 위한 데이터 기반 구축
최근 KPMG 설문조사에 따르면, 67%의 비즈니스 리더들은 2년 내에 AI가 자신의 비즈니스를 근본적으로 변형시킬 것으로 예상하며, 85%는 데이터 품질이 진행의 가장 큰 병목 현상이 될 것이라고 생각합니다. 즉, 데이터 자체에 대해 큰 재고를 해야 할 때입니다. 저장소뿐만 아니라 사용 가능성과 효율성에 초점을 맞추어야 합니다. 기업들이 현재 데이터 기반을 정리하면, 기업들은 미래의 AI 투자를 보장하고, 지속 가능한 혁신을 위해 자신을 위치시킬 수 있습니다.
