AI의 속도: 혁신의 미래를 위한 다음 단계

ChatGPT의 등장 이후, 세계는 AI 붐의 순환에 들어섰다. 그러나 대부분의 사람들이 깨닫지 못하는 것은 AI가 새로운 것이 아니라는 것이다. 그것은 이미 오랜 시간 동안 존재해 왔다. 초기 구글의 널리 사용되는 검색 엔진에서 자동화가 결과의 핵심이었다. 이제 세계는 우리의 일상 생활과 비즈니스에서 이미 얼마나 많이 AI가 통합되어 있는지, 그리고 여전히 얼마나 많은 잠재력이 있는지 깨닫기 시작했다.

AI의 채택과 혁신의 속도는 너무 빠르다. 많은 사람들이 향후 2년 동안 미래 모델의 확장을 정확하게 예측할 수 있는지 궁금해한다. 이는 기술 회사들이 새로운 AI 진보와 모델을 연이어 공개하면서 산업 수요를 따라가기 위해 노력하고 있기 때문이다. AI 칩 제조업체인 엔비디아의 사업은 너무 빠르게 성장하여 적절하게 평가될 수 없다.

우리가 AI의 속도에 대해 알고 있는 것은 데이터의 양이 증가하고 데이터의 질이 개선됨에 따라, AI는 비즈니스 활동, 애플리케이션, 프로세스 전반에서 혁신을 驅動하는 능력이 향상될 것이라는 것이다. AI가 몇 년 후에 어디에 있을지 예측하기 위해서는, 우리는 먼저 AI의 사용 사례가 두 가지임을 이해해야 한다. 첫 번째는 기술 활성화로서, 기존 솔루션을 개선하여 더 효율적이고 정확하고 효과적인 것으로 만드는 것이다. 두 번째는 AI가 기술 혁신으로서, 상상할 수 없는 진보나 솔루션을 구체화할 수 있는 잠재력을 가지고 있다는 것이다.

역사 속에서 AI의 속도 재고찰

OpenAI가 2022년 ChatGPT를 출시했을 때 AI에 대한 관심이 시작된 것으로 느껴질 수 있지만, 인공 지능과 자연어 처리(NLPs)의 기원은 수십 년 전으로 거슬러 올라간다. 알고리즘은 AI의 기초이며, 1940년대에 처음 개발되어 기계 학습과 데이터 분석의 기초를 마련했다. 산업에서 AI의 초기 사용은 1950년대에 공급망 관리(SCM)로, 자동화를 통해 물류와 재고 관리의 문제를 해결하기 위해 사용되었다. 1990년대에는 데이터 기반 접근 방식과 기계 학습이 비즈니스에서 일반화되었다. 2000년대에 로봇 프로세스 자동화(RPA)와 같은 기술이 복잡한 비즈니스 기능의 단순한 작업을 간소화했다.

그런 다음 ChatGPT가 등장했다. 분명히 AI에 대한 인식은 생성적 AI로 인해 바뀌었다. 생성적 AI 이전에는 소비자들이 자동화의 메커니즘을 이해하지도 못했고, 비즈니스에서 자동화의 힘도 알지 못했다. AI는 많은 현대 기술의 기반에 깔려 있다. 구글 검색 엔진은 정확한 답변을 제공하지만, 대부분의 소비자들은 그 뒤에 있는 복잡한 프로세스와 알고리즘을 고려하지 않는다. 그러나 실제 사용 사례를 보는 것은 믿는 것과 같다. ChatGPT로 인해 세계는 실제 사용 사례를 보기 시작했다. 여전히 우리의 일상 생활과 비즈니스 세계에서 AI가 얼마나 통합되어 있는지에 대한 오해가 있다. 위에서 언급한 바와 같이, AI는 기존 기술을 개선하는 데 사용되며, 인텔의 마이크로 칩과 같이 AI는 우리가 사용하는 기술의 배경에 있다.

리더들이 AI의 규모를 이해하지 못한다면, 어떻게 하면 그들이 성공적으로 비즈니스 운영에 AI를 도입할 수 있을까? 이것이 바로 문제이다.

채택과 성장의 도전

誰かが GPT 도구에 물었다면, ‘조달 및 공급망 전문가들이 AI에 대해 말할 가능성이 있는 것’은 AI 채택과 관련된 지식 격차를 강조할 것이다. 전 세계적으로 AI 채택은 지난 1년 동안 이전 몇 년 동안의 제한된 성장 이후 지수적으로 증가했다. 지난 6년 동안, 비즈니스 리더의 50%는 운영 전반에서 AI 기술에 투자하고 있다고 말했다. 2024년에는 채택률이 72%로 증가하여 비즈니스 리더들이 조직 전체의 모든 비즈니스 라인에서 AI의 잠재력을 깨닫기 시작했다는 것을 보여준다.

그러나 AI의 전체 가치를 실현하려면 단지 최첨단 솔루션을 배포하는 것보다 더 많은 것이 필요하다. 그것은 실제 비즈니스 지출 패턴, 공급업체 성과, 시장 역학, 실제 제약과 같은 풍부한 컨텍스트를 제공하는 데이터에 접근할 수 있어야 한다. 데이터에 대한 불充分한 접근은 기업 내에서 AI 혁신의 생명과 죽음이다. 적어도 모든 생성적 AI 프로젝트의 30%는 데이터 품질이 불량하거나 다른 도전과 같은 불충분한 위험 통제, 비용 증가 또는 불분명한 비즈니스 가치로 인해 중단될 것으로 예상된다. 그러나 비즈니스에서 AI를 채택하고 확대하는 데 직면하는 다른 도전도 많다.

대규모 조직에서는 실로들이 존재하는 것이 일반적이다. 이것은 비즈니스에重大한 위험을 노출시킬 수 있다. 공급망 산업을 예로 들어보자. 공급망은 비즈니스 전략에서 중요한 역할을 하며, 대규모 글로벌 조직에서는 이 부문의 상호 연결된 규모가 거의 상상할 수 없다. 비즈니스 한쪽면이 실로에 갇혀 있다면, 전체 조직에 위험을 초래할 수 있다. 공급망 팀이 공급업체에게 수요의 변경 사항을 전달하지 않는다면, 리더들이 정확한 예측을 어떻게 만들 수 있을까? 판매 팀이 최신 예측을 조달에 전달하지 않는다면, 그들은 구식 정보에 따라 장기 계약을 체결할 수 있다. 이는 현재 고객 수요와 일치하지 않을 수 있다.

조직적이든 정보적인 실로이든, 의사소통의 부족은 고객 서비스의 중단, 비효율성, 그리고 혁신의 중단을 초래할 수 있다. AI는 이러한 실로를 해결하는 데 가치를 입증할 수 있다. 기술이 효율적으로 연결되면, 직원과 공급업체도 연결될 수 있다.

비즈니스 리더들은 프로세스 자동화, 전략적 소싱 기능, 지출 가시성 및 통제, 그리고 전체적인 수익성을 驅動하는 AI 기반 솔루션에积極적으로 투자하고 있다. 이러한 AI 기능과 총 지출 관리 목표를 달성하기 위해서는, 회사들은 투명성을 촉진하고 공통의 목표를 위해 협력해야 한다.

AI의 다음 진화

현재, 비즈니스 효율성과 성장을 실제로 驅動하는 AI의最佳 사용 사례는 단순한 행정 작업을 자동화하는 것이다. 워크플로우 효율성, 데이터 추출 및 분석, 재고 관리, 예측 유지 보수와 같은 작업을 수행할 때, 리더들은 AI가 전례 없는 속도와 정밀도로 단조로운, 시간이 걸리는 작업을 가속화할 수 있음을 깨닫고 있다. 이는 단순해 보일 수 있지만, 공급망이나 조달과 같은 산업에서 사용될 때, 이러한 사용 사례는 비즈니스에無數한 시간과 수십억 달러를 절약할 수 있다.

우리는 AI를 기술 활성화로서 논의했다. 그러나 여전히 AI가 기술 혁신으로서의 잠재력이 있다. 새로운 해가 시작되면서, 비즈니스 리더들이 지평선 너머에서 기다리고 있는 많은 AI 진보가 있다.

공급망 관리와 조달을 위한 하나의 진보는 자율적 소싱의 향상이다. AI와 다른 고급 기술을 활용하여, 비즈니스에서는 인간이 전통적으로 의존하는 작업인 소싱과 계약을 자동화하여 효율성을 높이고 자원을 해방시킬 수 있다. 완전히 자율적인 소싱은 비용을 절약하고 효율성을 높이고 오류를 줄이는 것 외에도, 지속 가능성과 윤리적 기준을 지키는 것을 계속해서 보장함으로써 위조와 부정의 위험을 완화할 수 있다.

그러나 자율적 소싱을 도입하기 전에, 회사들은 조달 팀과 공급업체 모두에게 직관적이고 효율적이고 탐색하기 쉬운 사용자 경험(UX)을 제공해야 한다. 일단 하이퍼 개인화된 UX가 생성되면, 비즈니스에서는 자율적 솔루션을 일관되게 구현할 수 있다.

AI의 결과는 비즈니스 ROI를 개선하는 것뿐만 아니라, 의사결정을 개선하고, 미래의 패턴을 예측하며, 회복力を 구축하는 것이다. 각 부문의 최고 경영자들은 점점 더 AI 기술의 채택을 자신의 운영을 변환하고 미래에 대비하는 데 필수적인 것으로 간주하고 있다. 시간이 지나면, AI는 다른 기술과 마찬가지로 점점 더 저렴해질 것이며, 그 출력의 가치는 계속해서 증가할 것이다. 이것은 AI의 미래와 우리의 삶에서 비즈니스와 개인적인 측면 모두에서 균형된 역할을 할 것에 대해 충분한 이유를 제공한다.