AI로 향하는 길은 단거리 경주가 아니라 마라톤이며, 기업은 그에 맞춰 속도를 조절해야 합니다. 걷는 법을 배우기 전에 달리는 사람들은 일종의 AI 결승선에 도달하기 위해 너무 빨리 움직이려고 노력한 기업의 무덤에 합류하면서 흔들리게 될 것입니다. 사실은 결승선이 없습니다. 기업이 도착해서 AI가 충분히 정복됐다고 말할 수 있는 종착지는 없다. 에 따르면 맥킨지2023년은 AI가 도약한 해였으며, 약 79%의 직원이 어느 정도 AI에 노출된 적이 있다고 말했습니다. 그러나 획기적인 기술은 선형적인 개발 경로를 따르지 않습니다. 그것들은 비즈니스 구조의 일부가 될 때까지 썰물과 흐름, 상승과 하락을 반복합니다. 대부분의 기업은 AI가 단거리 경주가 아닌 마라톤이라는 점을 이해하고 있으며, 이는 명심할 가치가 있습니다.
Gartner의 제품을 선택하세요 과대광고 사이클 예를 들어. 등장하는 모든 새로운 기술은 극소수의 예외를 제외하고 과대 광고 주기에서 동일한 일련의 단계를 거칩니다. 해당 단계는 다음과 같습니다. 혁신 트리거; 부풀려진 기대의 정점; 환멸의 골짜기; 계몽의 경사와 생산성의 고원. 2023년 Gartner는 Generative AI를 두 번째 단계인 부풀려진 기대의 정점에 확실히 배치했습니다. 이는 기술을 둘러싼 과대 광고 수준이 최고조에 달하는 때입니다. 일부 기업은 이를 조기에 활용하여 앞서 나갈 수 있지만 대다수는 환멸의 저점을 헤쳐나가며 생산성의 고원에 도달하지 못할 수도 있습니다.
이 모든 것은 기업이 AI 배포와 관련하여 신중하게 접근해야 함을 의미합니다. 기술과 그 기능의 초기 매력은 유혹적일 수 있지만 여전히 발판을 마련하는 단계이며 한계는 여전히 테스트 중입니다. 이는 기업이 AI를 피해야 한다는 의미는 아니지만 지속 가능한 속도를 설정하고 명확한 목표를 정의하며 여정을 꼼꼼하게 계획하는 것이 중요하다는 점을 인식해야 합니다. 리더십 팀과 직원은 아이디어에 완전히 몰입해야 하고, 데이터 품질과 무결성이 보장되어야 하며, 규정 준수 목표가 충족되어야 합니다. 이는 단지 시작에 불과합니다.
소규모로 시작하고 달성 가능한 이정표를 개략적으로 설명함으로써 기업은 측정되고 지속 가능한 방식으로 AI를 활용하여 앞서가는 대신 기술과 함께 움직일 수 있습니다. 2024년에 볼 수 있는 가장 일반적인 함정은 다음과 같습니다.
함정 1: AI 리더십
사실입니다. 최고위층의 동의가 없으면 AI 이니셔티브는 실패할 것입니다. 직원들이 스스로 생성 AI 도구를 발견하고 이를 일상 업무에 통합할 수 있지만, 이로 인해 기업은 데이터 개인정보 보호, 보안, 규정 준수와 관련된 문제에 노출됩니다. 어떤 역량에서든 AI 배포는 위에서부터 이루어져야 하며, 위에서 AI에 대한 관심 부족은 너무 열심히 노력하는 것만큼이나 위험할 수 있습니다.
미국의 건강보험 부문을 예로 들어보겠습니다. 최근에는 ActiveOps의 설문조사운영 리더의 70%는 최고 경영진이 AI 투자에 관심이 없어 혁신에 상당한 장벽이 된다고 믿고 있는 것으로 나타났습니다. 10명 중 거의 8명이 AI가 운영 성과를 크게 향상시키는 데 도움이 될 수 있다는 점에 동의하면서 이점을 알 수 있지만, 최고 경영진의 지원 부족은 발전을 가로막는 좌절스러운 장벽이 되고 있습니다.
AI가 사용되는 경우 조직의 동의와 리더십 지원이 필수적입니다. 리더십과 AI 프로젝트 팀 간의 명확한 커뮤니케이션 채널을 구축해야 합니다. 정기적인 업데이트, 투명한 진행 보고서, 과제와 기회에 대한 토론은 리더십이 지속적으로 참여하고 정보를 얻는 데 도움이 됩니다. 리더가 AI 여정과 그 이정표에 대해 잘 알고 있다면 복잡성과 예상치 못한 문제를 헤쳐나가는 데 필요한 지속적인 지원을 제공할 가능성이 더 높습니다.
함정 2: 데이터 품질 및 무결성
AI로 품질이 낮은 데이터를 사용하는 것은 휘발유 자동차에 디젤을 넣는 것과 같습니다. 성능이 저하되고 부품이 파손되며 수리 비용이 많이 듭니다. AI 시스템은 학습하고, 적응하고, 정확한 예측을 하기 위해 방대한 양의 데이터에 의존합니다. 이러한 시스템에 입력된 데이터에 결함이 있거나, 불완전하거나, 잘못 분류되거나, 편향된 경우 결과는 필연적으로 신뢰할 수 없게 됩니다. 이는 AI 솔루션의 효율성을 약화시킬 뿐만 아니라 AI 역량에 대한 심각한 좌절과 불신을 초래할 수도 있습니다.
우리의 연구에 따르면 운영 리더의 90%는 운영 데이터에서 통찰력을 추출하는 데 너무 많은 노력이 필요하다고 말합니다. 그 중 너무 많은 데이터가 여러 시스템에 분산되어 있고 단편화되어 있으며 불일치로 가득 차 있습니다. 이는 AI를 고려할 때 기업이 직면하는 또 다른 함정입니다. 데이터가 아직 준비되지 않았습니다.
이 문제를 해결하고 데이터 위생을 개선하려면 기업은 강력한 데이터 거버넌스 프레임워크에 투자해야 합니다. 여기에는 명확한 데이터 표준 확립, 데이터의 일관성 있는 정리 및 검증 보장, 지속적인 데이터 품질 모니터링을 위한 시스템 구현이 포함됩니다. 단일 진실 소스를 생성함으로써 조직은 데이터의 신뢰성과 접근성을 향상할 수 있으며, 이는 AI 경로를 원활하게 만드는 추가 보너스를 얻게 됩니다.
함정 3: AI 활용 능력
AI는 도구이며, 도구는 오른손으로 휘두를 때만 효과적입니다. AI 이니셔티브의 성공은 기술뿐만 아니라 이를 사용하는 사람들에게도 달려 있는데, 그러한 사람들은 부족합니다. 에 따르면 세일즈포스IT 전문가의 거의 3분의 2(60%)가 AI 기술 부족을 AI 배포의 가장 큰 장애물로 꼽았습니다. 기업이 AI를 받아들일 준비가 되어 있지 않은 것처럼 들리며, 기술 격차를 해결하기 위한 노력을 시작해야 합니다. ~ 전에 그들은 AI 기술에 투자하기 시작합니다.
그러나 이것이 고용을 계속한다는 의미는 아닙니다. 현재 인력의 기술을 향상시켜 AI를 효과적으로 사용할 수 있는 역량을 갖추도록 교육 프로그램을 도입할 수 있습니다. 조직 내에서 이러한 종류의 AI 활용 능력을 구축하려면 지속적인 학습이 장려되는 환경을 조성하는 것이 필요합니다. 워크숍, 온라인 강좌 및 실습 프로젝트는 AI를 이해하고 모든 수준의 직원이 더 쉽게 접근할 수 있도록 하여 더 빠른 배포를 위한 기반을 마련하는 데 도움이 됩니다. 그리고 더 많은 실질적인 이점을 제공합니다.
다음은 무엇입니까?
성공적인 AI 채택에는 기술에 대한 투자 이상의 것이 필요합니다. 이를 위해서는 직원의 동의와 경영진의 지원을 확보하는 잘 진행되고 전략적인 접근 방식이 필요합니다. 또한 기업은 기술에 한계가 있다는 사실을 자각하고 인식해야 합니다. AI에 대한 관심이 치솟고 채택률이 사상 최고치를 기록하고 있지만 AI 거품이 방향을 바로잡기도 전에 붕괴될 가능성이 높습니다. 기업이 필요로 하는 안정적이고 신뢰할 수 있는 도구가 됩니다. 우리는 지금 부풀려진 기대의 정점에 와 있으며 환멸의 골짜기는 여전히 극복해야 한다는 점을 기억하십시오. AI에 투자하고 싶은 기업은 직원을 준비시키고, AI 사용 정책을 수립하고, 데이터가 비즈니스 전반에 걸쳐 깨끗하고 잘 정리되어 올바르게 분류 및 통합되도록 보장함으로써 다가오는 폭풍에 대비할 수 있습니다.
게시물 AI 배포 탐색: 함정 방지 및 성공 보장 처음 등장한 Unite.AI.
