AI 기술의 급속한 발전은 비즈니스 운영, 고객 및 직원 참여, 의사 결정을 개선할 수 있는 전례 없는 기회를 제공합니다. 임원들은 AI의 잠재력이 실현되는 것을 보고 싶어합니다. WNS Analytics의 “기업 데이터 및 AI의 미래” 보고서에 따르면 76%가 이미 구현 중이거나 구현을 계획하고 있다고 답했습니다. 생성형 AI 그러나 같은 리더들 중 67%는 데이터 마이그레이션에 어려움을 겪고 있다고 보고하고, 다른 사람들은 데이터 품질, 인재 부족, 데이터 민주화 문제에 대한 고군분투를 언급합니다.
MIT Technology Review Insights는 최근 취리히 보험의 최고 데이터 책임자인 알렉스 시드그리브스, 애니멀 프렌즈의 최고 데이터 책임자인 보그단 쇼스텍, 쇼브룩 은행의 데이터 플랫폼 책임자인 샨 로드, WNS Analytics의 데이터, 분석 및 AI 책임자인 가우탐 싱과 함께 기업이 급성장하는 AI 시대를 어떻게 헤쳐나갈 수 있는지에 대해 대화를 나누었습니다.
산업 전반의 AI
모든 부문에서 AI 사용 사례가 부족하지 않습니다. 소매업체는 고객 행동 데이터와 고급 머신 러닝 모델을 활용하여 쇼핑 경험을 개인 선호도에 맞게 조정하고 있습니다. 기존 AI 모델은 개인화된 상품을 제공할 수 있습니다. 그러나 생성 AI를 사용하면 이러한 개인화된 상품이 고객의 페르소나, 행동 및 과거 상호 작용을 고려하는 맞춤형 커뮤니케이션을 통합하여 향상됩니다. 보험에서 생성 AI를 활용하여 회사는 수동 처리자가 간과할 수 있는 대위 회수 기회를 식별하여 효율성을 높이고 회수 잠재력을 극대화할 수 있습니다. 은행 및 금융 서비스 기관은 AI를 활용하여 고객 실사를 강화하고 AI 기반 신용 위험 관리 관행을 활용하여 자금 세탁 방지 노력을 강화하고 있습니다. AI 기술은 방사선학에서 정교한 이미지 인식을 통해 진단 정확도를 높여 질병을 더 일찍 정확하게 감지하고 예측 분석을 통해 개인화된 치료 계획을 수립할 수 있습니다.
성공적인 AI 구현의 핵심은 사업적 가치를 이해하고, 견고한 데이터 기반을 구축하고, 조직의 전략적 목표에 부합하며, 기업의 모든 레벨에 걸쳐 숙련된 전문 지식을 주입하는 데 있습니다.
- “저는 우리가 성공한다면 무엇을 중단할 것인지 스스로에게 물어봐야 한다고 생각합니다. AI를 통해 동료들에게 힘을 실어줄 때, 우리는 그들에게 새로운 역량을 부여하고 있기 때문입니다. [and] 더 빠르고, 더 빠르고, 더 간결한 방식으로 일을 처리합니다. 따라서 조직 설계에 대해 생각하는 것조차 진실해야 합니다. 종종 AI 프로그램이 작동하지 않는 것은 기술이 작동하지 않기 때문이 아니라 다운스트림 비즈니스 프로세스나 조직 구조가 이전과 동일하게 유지되기 때문입니다.” —Shawbrook Bank의 데이터 플랫폼 책임자인 Shan Lodh
일상적인 작업을 자동화하든, 고객 경험을 개선하든, 데이터 분석을 통해 더 깊은 통찰력을 제공하든, AI가 기업을 위해 구체적으로 무엇을 할 수 있는지 정의하는 것이 필수적입니다. AI의 인기와 광범위한 약속은 기업 전체에 도입하기에는 충분한 이유가 되지 않습니다.
“AI 프로젝트는 기술에 의해 주도되는 것이 아니라 가치 중심적 입장에서 시작되어야 합니다.”라고 Sidgreaves는 말합니다. “핵심은 AI로 비즈니스나 고객에게 어떤 가치를 제공하는지 항상 아는 것입니다. 그리고 실제로 항상 스스로에게 “그 문제를 해결하기 위해 AI가 필요한가?”라는 질문을 던지세요.”
좋은 기술 파트너를 갖는 것은 가치가 실현되도록 하는 데 필수적입니다. WNS의 데이터, 분석 및 AI 책임자인 Gautam Singh은 “WNS Analytics에서 우리는 고객의 조직적 목표를 중심에 둡니다. 우리는 고객을 위해 가치를 창출하는 데 깊이 관여하는 핵심 상품화된 서비스를 중심으로 집중하고 강화했습니다.”라고 말합니다. Singh “우리는 고유한 AI와 인간을 활용하여 이를 수행합니다. 맞춤형 서비스를 개발하고 차별화된 결과를 제공하기 위한 상호작용 접근 방식입니다.”
모든 첨단 기술 도입의 기반은 데이터이며 AI도 예외는 아닙니다. Singh는 “AI 및 생성 AI와 같은 첨단 기술이 항상 올바른 선택은 아닐 수 있으므로 고객과 협력하여 각 상황에 맞는 올바른 솔루션을 개발할 필요성을 이해합니다.”라고 설명합니다. 점점 더 방대하고 복잡한 데이터 볼륨에서 데이터 인프라를 효과적으로 관리하고 현대화하는 것은 AI 도구의 기반을 제공하는 데 필수적입니다.
즉, 사일로를 허물고 AI의 영향력을 극대화하려면 마케팅 팀에서 데이터 과학자와 협력하여 고객 행동 패턴을 파악하는 것부터 IT 팀까지, 인프라가 AI 이니셔티브를 지원하는지 확인하는 것까지 여러 부서 간의 정기적인 의사소통과 협업이 필요합니다.
- “저는 우리 사업이 고객에게 무엇을 제공하고, 우리에게 질과 속도의 서비스를 제공하기를 기대하는지에 대한 고객의 기대치가 커지고 있다는 점을 강조하고 싶습니다. Animal Friends에서 우리는 정교한 챗봇과 음성 봇을 통해 가장 큰 생성적 AI 잠재력을 보고 있으며, 고객에게 24시간 연중무휴로 서비스를 제공하고 적절한 수준의 서비스를 제공하며, 고객에게 비용 효율적일 수 있습니다. — 보그단 쇼스텍, 최고 데이터 책임자, 동물 친구들
규정, 운영 및 업계 관행에 대한 통찰력을 갖춘 도메인 전문가에 투자하는 것은 올바른 데이터 기반 및 전략과 마찬가지로 AI 시스템을 배포하는 데 성공하는 데 필요합니다. 진화하는 AI 기술과 보조를 맞추려면 지속적인 교육과 업스킬링이 필수적입니다.
AI 신뢰와 투명성 보장
생성적 AI 구현에 대한 신뢰를 구축하려면 모든 신기술에 사용되는 것과 동일한 메커니즘, 즉 책임성, 보안 및 윤리적 기준이 필요합니다. AI 시스템이 어떻게 사용되는지, 어떤 데이터에 의존하는지, 어떤 의사 결정 프로세스를 사용하는지에 대해 투명하게 밝히면 이해 관계자 간의 신뢰를 구축하는 데 큰 도움이 될 수 있습니다. 사실, The Future of Enterprise Data & AI 보고서는 조직의 55%가 AI 이니셔티브를 확장할 때 “이해 관계자 간의 AI 시스템에 대한 신뢰 구축”을 가장 큰 과제로 꼽았습니다.
“우리에게는 재능이 필요하고, 소통이 필요하고, 윤리적 프레임워크가 필요하고, 아주 좋은 데이터가 필요합니다.” 로드가 말했다. “그런 것들은 실제로 사라지지 않습니다. 사실, 그것들은 생성적 AI에 더욱 필요하지만, 물론 사용은 더 다양합니다.”
AI는 인간의 의사 결정과 비즈니스 워크플로를 증강해야 합니다. 인간의 감독이 있는 가드레일은 엔터프라이즈 팀이 AI 도구에 액세스할 수 있지만 고위험 고가치 의사 결정을 제어할 수 있도록 보장합니다.
“AI의 편향은 거의 어디에서나 몰래 들어올 수 있으며, 극도로 조심하지 않는 한 그럴 것입니다. 어려움은 세 가지 범주로 나뉩니다. 개인정보 보호 문제, 데이터 품질, 완전성 문제, 그리고 편향된 데이터에 대한 AI 시스템 훈련이 있는데, 이는 쉽게 할 수 있습니다.”라고 Sidgreaves는 말합니다. 그녀는 데이터가 최신이고 정확하며 깨끗한지 확인하는 것이 중요하다고 강조합니다. 고품질 데이터는 AI 모델의 안정성과 성능을 향상시킵니다. 정기적인 감사 및 데이터 품질 검사는 데이터 무결성을 유지하는 데 도움이 될 수 있습니다.
AI 구현에 대한 민첩한 접근 방식
ROI는 AI 시스템의 약속된 잠재력을 현금화하려는 기업 리더에게 항상 최우선순위입니다. 기술이 계속해서 빠르게 발전하고 AI의 잠재적 사용 사례가 커짐에 따라 작게 시작하고 측정 가능한 벤치마크를 만들고 민첩한 접근 방식을 채택하면 솔루션 확장에서 성공을 보장할 수 있습니다. 파일럿 프로젝트로 시작하고 성공적인 이니셔티브를 확장함으로써 회사는 위험을 관리하고 리소스를 최적화할 수 있습니다. Sidgreaves, Szostek, Lodh는 모든 것을 벽에 던지고 무엇이 효과가 있는지 보는 것이 유혹적일 수 있지만 AI 도구 확장에서 가장 큰 수익을 얻으려면 유연하고 전략적이며 반복적이어야 한다고 강조합니다.
보험에서 AI가 ROI에 상당한 영향을 미치는 두 가지 영역은 위험과 운영 효율성입니다. Sidgreaves는 수동 프로세스를 줄이는 것이 대규모 유산 조직에 필수적이며, 생성 AI와 대규모 언어 모델(LLM)이 수동 활동의 필요성을 크게 줄임으로써 이 측면을 혁신하고 있다고 강조합니다.
그녀는 자신의 요점을 설명하기 위해 구체적인 예를 들었습니다. “정책 문구를 검토하고 초안을 작성하는 작업을 생각해 보세요. 전통적으로 이 과정은 개인이 최대 4주가 걸렸습니다. 하지만 LLM을 통해 이제는 같은 작업을 몇 초 만에 완료할 수 있습니다.”
Lodh는 프로젝트 시작 시 ROI를 확립하고 교차 기능적 지표를 구현하는 것이 프로젝트의 영향에 대한 포괄적인 관점을 포착하는 데 중요하다고 덧붙였습니다. 예를 들어, 코드 작성에 LLM을 사용하는 것은 IT 및 정보 보안 팀이 어떻게 협업할 수 있는지에 대한 좋은 예입니다. 이러한 팀은 LLM에서 생성된 정적 코드 분석의 품질을 평가하여 코드가 보안 및 성능 표준을 충족하는지 확인할 수 있습니다.
“기술이 너무 빨리 변하기 때문에 매우 어렵습니다.”라고 Szostek은 말합니다. “우리는 진정으로 민첩한 접근 방식을 적용해야 하며, 12개월, 18개월, 24개월 후에 미래 납품의 모든 요소를 규정하려고 하지 마세요. 우리는 테스트하고 배우고 반복해야 하며, 필요하다면 빠르게 실패해야 합니다.”
AI 시대의 미래를 항해하다
디지털 시대의 급속한 진화는 전 세계 기업에 C-Suite에서 공장 현장에 이르기까지 엄청난 기회를 계속 가져다줍니다. 사용 사례가 부족하지 않고 효율성을 높이고 혁신을 주도하며 고객 및 직원 경험에 따르면, AI의 확산을 단순한 과장으로 일축하는 기업 리더는 거의 없습니다. 그러나 AI의 성공적이고 책임감 있는 구현에는 전략, 투명성, 강력한 데이터 프라이버시 및 보안 조치의 신중한 균형이 필요합니다.
- “기술인으로서 다음 핵심 사항에 의해 움직이는 것은 정말 쉽지만, 우리는 비즈니스 문제를 해결해야 합니다. 따라서 핵심은 AI로 비즈니스나 고객에게 어떤 가치를 가져다주는지 항상 아는 것입니다. 그리고 실제로 항상 스스로에게 “그 문제를 해결하기 위해 AI가 필요한가?”라는 질문을 던지세요.” — 알렉스 시드그리브스, 취리히 보험 최고 데이터 책임자
신뢰를 유지하면서 AI의 힘을 최대한 활용한다는 것은 명확한 사업적 가치를 정의하고, 책임을 보장하고, 데이터 프라이버시를 관리하고, 혁신과 윤리적 사용의 균형을 맞추고, 미래 트렌드를 앞서 나가는 것을 의미합니다. 기업은 이 빠르게 변화하는 사업 환경에서 성공하기 위해 경계하고 적응하며, 윤리적 관행과 민첩한 접근 방식에 전념해야 합니다.
이 콘텐츠는 MIT Technology Review의 맞춤형 콘텐츠 부서인 Insights에서 제작했습니다. MIT Technology Review의 편집진이 작성한 것이 아닙니다.
