์ฌ์ ๋ฆฌ๋
AI ๋ฐฐํฌ ํ์: ํจ์ ํผํ๊ธฐ์ ์ฑ๊ณต ๋ณด์ฅ
AI로 가는 길은 단거리 경주가 아니라 마라톤입니다. 따라서 기업들은 자신들을 그에 맞게 조절해야 합니다. 걸음마를 배우기 전에 달리려는 기업들은 실족하여 AI 종착점에 도달하기 위해 너무 빠르게 이동한 기업들의 무덤에 합류할 것입니다. 사실은, 종착점은 없습니다. 어느 시점에 기업이 도달하여 “AI를 충분히 정복했다”고 말할 수 있는 목적지는 없습니다. McKinsey에 따르면, 2023년은 AI의 돌파구였으며 약 79%의 직원이 일부 수준의 AI 노출을 경험했다고 합니다. 그러나 돌파구 기술은 선형적인 개발 경로를 따르지 않습니다. 즉, 기술이 비즈니스 구조의 일부가 될 때까지 기술은 상승과 하락을 반복합니다. 대부분의 기업은 AI가 단거리 경주가 아니라 마라톤이라는 것을 이해하고 있으며, 이는 기억할 가치가 있습니다.
Gartner의 하이프 사이클을 예로 들어 보겠습니다. 모든 새로운 기술은 하이프 사이클의 동일한 단계를 거치며, 예외는 거의 없습니다. 이러한 단계는 다음과 같습니다: 혁신 트리거; 과대 기대 피크; 실망의 계곡; 깨달음의 경사, 그리고 생산성의 고원에 있습니다. 2023년에 Gartner는 생성형 AI를 두 번째 단계에 두었습니다. 즉, 기술에 대한 과대 기대입니다. 이 시점에 기술에 대한 호재는最高이며, 일부 기업은 초기에 이를 활용하여 앞서갈 수 있지만, 대다수의 기업은 실망의 계곡을 거치며 생산성의 고원에 도달하지 못할 수도 있습니다.
이 모든 것은 기업이 AI 배포에 신중하게 접근해야 함을 의미합니다. 기술의 초기 매력과 능력은 유혹적일 수 있지만, 기술은 여전히 발을 찾아가고 있으며, 기술의 한계는 여전히 테스트 중입니다. 이는 기업이 AI를 피해야 함을 의미하는 것이 아니라, 지속 가능한 속도를 설정하고, 명확한 목표를 정의하며, 여행을 신중하게 계획하는 것이 중요하다는 것을 의미합니다. 리더십 팀과 직원들은 아이디어에 완전히 동의해야 하며, 데이터 품질과 무결성이 보장되어야 하며, 규정 준수 목표가 달성되어야 합니다. 이것은 시작에 불과합니다.
작은 규모부터 시작하여 달성 가능한 里程碑를 설정함으로써, 기업은 기술과 함께 이동하는 대신 기술을 측정하고 지속 가능한 방식으로 활용할 수 있습니다. 2024년에 우리는 다음과 같은 가장 일반적인 함정을 보게 됩니다:
함정 1: AI 리더십
사실입니다. 최상층에서부터의 동의 없이는 AI 이니셔티브는 어려움을 겪을 것입니다. 직원이 생성형 AI 도구를 스스로 발견하고 일상적인 루틴에 통합할 수 있지만, 이는 기업에 데이터 개인 정보 보호, 보안, 규정 준수 문제를 노출시킵니다. AI 배포는 어떤 형태로든 최상층에서부터 시작해야 하며, 최상층에서의 AI에 대한 관심 부족은 너무 빠르게 이동하는 것만큼 위험할 수 있습니다.
예를 들어 미국의 건강 보험 부문은 ActiveOps의 최근 조사에서 70%의 운영 리더가 최고 경영진이 AI 투자에 관심이 없다고 믿어, 이는 혁신의 상당한 장벽을 생성한다고 밝혔습니다. 그들은 AI의 이점을 볼 수 있지만, 거의 8명 중 7명이 AI가 운영 성능을 크게 개선하는 데 도움이 될 수 있다고 동의합니다. 그러나 최상층에서의 지원 부족은 진행의 좌절되는 장벽으로 증명되고 있습니다.
AI가 사용되는 경우, 조직적인 동의와 리더십 지원이 필수적입니다. 리더십과 AI 프로젝트 팀 간에 명확한 의사소통 채널이 설정되어야 합니다. 정기적인 업데이트와 투명한 진행 보고, 그리고 도전과 기회에 대한 토론은 리더십을 참여시키고 정보를 제공하는 데 도움이 될 것입니다. 리더들이 AI 여정과 里程碑에 잘 알고 있다면, 복잡성과 예상치 못한 문제를 탐색하는 데 필요한 지속적인 지원을 제공할 가능성이 더 높습니다.
함정 2: 데이터 품질과 무결성
AI에 낮은 품질의 데이터를 사용하는 것은 디젤을 가솔린 자동차에 넣는 것과 같습니다. 성능이 좋지 않으며, 부품이 손상되고, 수리를 위한 비용이 많이 듭니다. AI 시스템은 학습, 적응, 정확한 예측을 위해大量의 데이터에 의존합니다. 이러한 시스템에 입력된 데이터가 결함이 있거나, 불완전하거나, 잘못 분류되거나, 편향된 경우, 결과는 결코 신뢰할 수 없습니다. 이는 AI 솔루션의 효과를 약화시키고, 또한 AI 능력에 대한 상당한 좌절과 불신을 초래할 수 있습니다.
우리의 연구에 따르면, 운영 리더의 90%가 운영 데이터에서 통찰력을 추출하기 위해 너무 많은 노력이 필요하다고 말합니다. 너무 많은 데이터가 여러 시스템에 걸쳐 분산되어 있으며, 일관성이 없습니다. 이는 기업이 AI를 고려할 때 직면하는 또 다른 함정입니다. 즉, 데이터가 준비되어 있지 않습니다.
이를 해결하고 데이터 위생을 개선하기 위해, 기업은 강력한 데이터 거버넌스 프레임워크에 투자해야 합니다. 이는 명확한 데이터 표준을 설정하고, 데이터가 일관되게 정리되고 검증되며, 데이터 품질 모니터링 시스템을 구현하는 것을 포함합니다. 단일의 진실의 원천을 생성함으로써, 조직은 데이터의 신뢰성과 접근성을 향상시킬 수 있으며, 이는 AI를 위한 길을 매끄럽게 할 추가적인 보너스를 제공할 것입니다.
함정 3: AI 리터러시
AI는 도구이며, 도구는 올바른 손에 의해 효과적으로 사용됩니다. AI 이니셔티브의 성공은 기술뿐만 아니라 기술을 사용하는 사람에게 달려 있습니다. 그런데 이러한 사람이 부족합니다. Salesforce에 따르면, 거의 2/3(60%)의 IT 전문가는 AI 기술 부족을 AI 배포의 첫 번째 장벽으로 지적했습니다. 이는 기업이 단순히 AI에 준비가 되지 않았다는 것을 의미하며, 기술을 투자하기 전에 그 기술 격차를 해결하기 시작해야 합니다.
그러나 이는 반드시 채용 폭주를 의미하는 것은 아닙니다. 현재 직원을 업스킬링하기 위한 교육 프로그램을 도입할 수 있습니다. 이는 AI를 효과적으로 사용할 수 있는 능력을 보장합니다. 조직 내에서 이러한 AI 리터러시를 구축하는 것은 지속적인 학습을 장려하는 환경을 만드는 것을 포함합니다. 워크샵, 온라인 과정, 실제 프로젝트는 AI를 더 쉽게 이해할 수 있도록 해주며, 모든 수준의 직원에게 더 빠른 배포와 더 구체적인 이점을 제공할 수 있습니다.
다음은 무엇인가?
성공적인 AI 채택은 기술에 대한 투자 이상을 필요로 합니다. 즉, 지속 가능한 접근 방식이 필요하며, 이는 직원과 리더십의 지지와 함께 보장되어야 합니다. 또한 기업은 기술이 한계가 있다는 것을 인식해야 합니다. AI에 대한 관심은 급증하고 채택은 전례 없는 수준에 달했지만, AI 버블이 터지기 전에 기술이 코스를 교정하고 기업이 필요로 하는 안정적이고 신뢰할 수 있는 도구가 될 가능성이 있습니다. 기억하십시오. 우리는 현재 과대 기대의 정점에 있으며, 실망의 계곡을 거쳐야 합니다. AI에 투자하려는 기업은 직원을 준비시키고, AI 사용 정책을 수립하며, 데이터가 깨끗하고, 잘 조직되어 있으며, 비즈니스 전반에 걸쳐 올바르게 분류되고 통합되어 있는지 확인함으로써 향후의 폭풍을 준비할 수 있습니다.
