클라우드 컴퓨팅의 시도와 오류에서 배우는 것: 생성적 AI를 위한 교훈

생성적 AI (GenAI)는 전 세계의 조직이 기술의 능력을 즐기고 있는 곳에서 지속적으로 유지될 것입니다. 이미, 72%의 조직이 GenAI를 광범위하게 또는 부분적으로 사용하고 있으며, 또 다른 26%의 조직이 기술을 실험하고 있습니다. 그러나 GenAI의 새로운 단계는 여전히 초기 단계에 있습니다.

McKinsey에 따르면, 회사 임원 중仅 1%만이 자신의 GenAI 배포를 “성숙한” 것으로 묘사하며, 이는 기술이 완전히 워크플로에 통합되어 상당한 비즈니스 결과를 창출한다는 것을 의미합니다. 이 성숙도 격차를 메우기 위해서는 지속적인 코스 수정이 필요하며, 이는 종종 배포 장벽으로 인해 발생하며, 이는 상당한 비용, 검증되지 않은 기술에 대한 불신, 및 규제 위험을 포함합니다. 이러한 도전이 친숙하게 느껴진다면, 그것은 클라우드가 다음 큰 것として 받아들여졌을 때, 많은 동일한 장벽이 나타났기 때문입니다.

두 가지 새로운 기술热의 물결은 몇 가지면에서 다르지만, 클라우드 컴퓨팅은 초기에 더 많은 임무_CRITICAL 시스템에서 구현되었으며, GenAI는 효율성 및 생산성 향상을 위한 사용 사례에서 더 빠르게 채택되고 있습니다. 그러나 학습 곡선은 유사하며, 두 기술 모두 조직이 다르게 생각하고 일하도록 강요합니다.

클라우드 컴퓨팅의 경험을 반영하여, 오늘날의 GenAI를หว하는 사람들은 더 잘 알려진 미래를 위해 자신을 위치시킬 수 있습니다.

비용, 위험, 변화 관리: 클라우드 실수에서 배우기

클라우드 기술이 인기를 얻기 시작했을 때, 많은 조직은 마이그레이션의 복잡성을 과소평가하고 단기 비용 절감을 과대평가했습니다. 결과적으로, 대부분의 조직은 세 가지 주요 함정에 빠지게 됩니다: 비용 관리 부족, 보안 구성 오류, 및 문화 및 조직 변경에 대한 자연스러운 저항.

클라우드 시대는 단순히 “lifting and shifting” – 클라우드로 이동하지만 현대화하지 않는 경우 – souvent 가치가 없다는 것을 가르쳤습니다. 마찬가지로, GenAI 이니셔티브는 종종 조직이 새로운 모델에 최신화되지 않은 데이터를 연결하려고 할 때 중단됩니다. 실제로, GenAI 프로젝트는 실망스러운 결과를 가져올 수 있으며, 기존의 비효율성을 강화할 수도 있습니다. 교훈은 기술만으로는 근본적인 약점을 극복할 수 없다는 것입니다.

클라우드 기술이 정부, 기술, 및 장기 전략의 격차를暴露한 것처럼, GenAI도 마찬가지입니다. 직원이 GenAI 도구를 감독 없이 사용하거나 기술을 허용된 사용 정책의 범위를 벗어난 경우, Shadow IT의 위험 및 보안 및 규제難題가 재현될 수 있습니다. 이러한 평행선은 GenAI가 실험에서 광범위한 기업 통합으로 이동함에 따라 계속 나타날 것입니다. 이는 클라우드에서와 마찬가지로 강력한 사이버 보안 프레임워크, 사건 대응 계획, 및 정부 구조가 필요합니다.

위험 관리를 넘어서, 비용 스프롤은 기술에서 오랜 문제입니다. 클라우드는 예외가 아니며, 비즈니스들이 GenAI를 워크플로에 통합함에 따라, 비용이 상승하는 것을 직면하게 됩니다.

클라우드 컴퓨팅의 교훈을 GenAI에 적용하는 것에 대해 더 많은 조직이 관심을 가지고 있습니다.

클라우드 교훈을 GenAI에 적용하기

올해 말까지, Gartner는 최소 30%의 GenAI 프로젝트가 개념 증명 후에 중단될 것으로 예측합니다. 허YPE가 현실을 앞서는 경우, GenAI 프로젝트 실패의 숨겨진 패턴 – 예를 들어, 준비되지 않은 데이터, 불분명한 비즈니스 소유권, 또는 불필요한 복잡성 – 는 새로운 기술을 채택하기 위한 급급함에서 종종 무시됩니다. 이러한 신호를 일찍 인식하고 해결하면 GenAI 성공과 다른 중단된 프로젝트 사이의 차이를 만들 수 있습니다. 리더들이 이러한 경고 신호를 주의 깊게 관찰하는 대신, 프로세스를 단축하는 경우, 팀을 장기적인 성공으로 설정할 수 있습니다.

일단 채택이 승인되면, 회사는 작은 GenAI 파일럿 프로젝트에 중점을 두어 실제 가치를 테스트하고 확인해야 합니다. 이는 회사가 명확하게 정의된 몇 가지 높은 영향力的 사용 사례와 명확한 ROI 목표를 실제 비즈니스 필요로 다시 매핑하는 것이 중요합니다.

이는 초기 승리, 내부 신뢰를 구축하고, 일반적인 실험에 시간과 자원을 낭비하는 것을 피하는 데 도움이 됩니다. GenAI 채택을 구체적인 결과 – 예를 들어, 고객 지원 요약을 자동화하거나 코드 검토를 가속화 – 에 연결하면, 조직은 빠르게 가치를 보여주고, 접근 방식을 개선하고, 더 전략적으로 확장할 수 있습니다. 또한 기술적 노력을 비즈니스 목표와 일치시키는 데 도움이 되며, 이는 많은 GenAI 파일럿에서 현재 부족한 것입니다.

그런 다음, 강력한 체크와 밸런스, 지속적인 모니터링, 및 명확하게 정의된 정부 정책을 설정하는 것이 다음 중요한 단계입니다. 외부 전문가와의 접촉은 오늘날 복잡하고不断变化하는 규제 환경을 탐색하는 데 첫 번째 단계가 될 수 있습니다. GenAI 구현 프로세스 초기에 올바른 도구와 인프라에 투자하고, 지속적인 훈련을 통해, 조직은 지속 가능한 성공의 기초를 설정할 수 있습니다.

GenAI 혁신과 균형 맞추기

클라우드 시대의 교훈을 적용하여, 조직은 비싼 실수를 피하고 GenAI의 전체 잠재력을 안전하게, 지속 가능하게, 및 규모에 따라 잠금할 수 있습니다.

GenAI는 강력한 힘으로 남아 있을 것입니다. 70%의 CEO가 기술이 향후 3년 동안 비즈니스 모델에 영향을 미칠 것으로 보고 있습니다. 이미 기술을 사용하고 있는 사람들 중에서는 89%가 증가합니다. 분명히 GenAI의 변革적 잠재력은 임원 결정자에게 가치가 있지만, 지속 가능한 대규모 영향은 아직 신뢰, 정부, 및 통합 장벽을 해결하는 데 달려 있습니다.