AI 투자수익률도 중요하나 속도가 더 중요해···고품질 데이터는 필수
AI vs IT프로젝트, 시작 때 도달할 곳 아느야 여부에서부터 큰 차이
기대치 관리 중요···절대로 100% 자동화·100% 정확성 보장하지 못해
AI 구상 성공 위해선 현대적 데이터 플랫폼 관리·기능 투자 전제돼야
“투자 수익률(ROI)도 중요하지만 속도도 중요하다···인공지능(AI)은 데이터 의존성이 매우 높기에 고품질,고신뢰성 데이터를 적시에 활용해야 한다···작게 시작해서 빨리 실패하고 민첩하게 행동해야 한다. 산출물이 아닌 결과물을 측정해야 한다···”
인포메이션에이지는 14일(현지시각) ‘기업들이 AI를 도입할 때 고려해야 하는 5가지 사항’이라는 제목으로 세계적 IT컨설팅 회사 코그니전트의 데이비드 잉엄 파트너의 기고문을 게재했다.
잉엄파트너는 IT프로젝트는 첫날부터 원하는 산출물에 대한 명확한 아이디어와 정해진 목표치를 설정하고 진행하지만 AI프로젝트는 미지의 것을 이해하기 위한 탐구에 주로 사용되므로 어떤 출력이 나올지 미리 알 수 없다는 차이점을 소개하면서 AI프로젝트와 IT프로젝트를 다르게 취급해야 한다는 조언도 잊지 않았다.
그는 기업은 AI 솔루션을 스마트하고 윤리적이고, 경제적이고 우호적인 방식으로 적용해야 할 책임을 갖게 되며, 모든 새로운 기술은 적용할 때마다 고유의 과제가 수반된다고 지적했다. 기업은 반드시 AI 사용을 지속적으로 모니터링해야 한다면서 기업이 AI를 도입할 때, 또는 도입을 검토할 때 고려해야 할 5가지 핵심 사항을 제시했다. 그의 인사이트를 공유한다.
1. 가치를 신속히 제공할 수 있는 사례를 파악하라
투자수익률(ROI)도 중요하지만 속도가 중요하다. 많은 조직들이 AI로 해결할 첫 번째 사업과제 선택 시 범하는 일반적 오류 중 하나는 가장 큰 ROI를 창출할 것을 선택하는 것이다. 그러나 그것이 반드시 사업 전체에 대해 반드시 가장 크거나 가장 좋은 결과를 내는 것은 아니다. 종종 더 많은 가치를 더 빨리 창출할 수 있는 훨씬 더 간단한 문제들이 있다.
2.항상 사업에 관여한다
이는 분명해 보이지만 반복적인 것으로서, AI구상의 라이프사이클 전체에 걸쳐 기업과 반드시 연계돼야 한다. 그 과정에서 균형과 결정이 필요하게 된다. 따라서 기업이 이뤄야 할 것, 문제가 그들에게 얼마나 중요한지, 그리고 얼마나 빨리 필요한지를 이해하는 것이 중요하다. 이 모든 것을 이해하고 다음 단계에 합의하는 것은 필요한 투자금을 확보하는 데 도움이 될 것이며, 심지어 초기 프로젝트 결과가 예상보다 더 유망하다고 입증될 경우 자금 지원도 증가할 것이다.
기대치를 관리하는 것도 중요하다. AI는 절대 100% 자동화나 100% 정확성을 보장할 수 없다. 따라서 사업에 대한 허용 오차 범위가 어느 정도인지, 오류나 예외가 발생했을 때 이를 어떻게 풀 계획인지 파악하는 것은 매우 중요하다. 이러한 이해는 AI가 사업 어디까지, 어떻게, 어느 정도 도움이 될 수 있는지, 그리고 리더들에게 백업 계획이 필요한지를 명확히 해 준다.
3. 정확한 데이터를 적시에 분석할 준비를 갖추라
조직이 AI를 사용해 절감할 수 있는 모든 비용은 데이터를 AI 엔진에 공급할 때 발생하는 비용에 의해 쉽게 침식되거나 손해를 발생시킬 수 있다. AI의 성공은 데이터에 아주 의존하기 때문에 데이터는 고품질·고신뢰성을 가져야 한다.
AI에 실시간으로 데이터를 공급할 필요가 있다. 오래된 데이터는 더 이상 가치가 없는 통찰력을 창출할 수 있기 때문이다. 또한 분석하기 쉬운 방법으로 작성, 범주화 및 분류돼야 한다.
많은 디지털 기업이 대규모 데이터로 넘쳐나지만, 진실은 너무 자주 조직화돼 있지 않거나, 분류돼 있지 않거나, 품질이 떨어지거나, 시대에 뒤떨어져 있다는 것이다. 따라서 성공적 AI 구상을 추진하기 위해서는 현대적 데이터 플랫폼과 데이터 관리 기능에 대한 투자가 필수적이다.
이와 함께 데이터를 결합해 기업내 모든 영역이 자유롭게 접근할 수 있도록 하는 기업 데이터 전략이 필수적이다. 예를 들어 소비자 플랫폼 상의 고객 이력은 제품 관리자에게 고객의 선호 기능을 이해시켜 주고, 고객 서비스를 위해 고객이 플랫폼에서 무얼 했는지 알게 해 주며, 마케팅을 위해 개인화된 캠페인을 만드는 데 유용하다.
4. 작게 시작해서 빨리 실패하고 민첩하게 행동하라
‘처음부터 잘 하라’는 문구는 AI구현에는 거의 적용되지 않는데, 특히 예측과 예상을 할 때 그렇다. 허용 가능한 수준의 정확도를 달성하려면 여러 번의 반복과 지속적인 경로 수정이 필요할 수 있다.
그렇다면 실패가 빨리 발생해야 무엇을 고쳐야 하는지 배울 수 있다. 위험도가 높고 항상 실패할 위험성이 있기 때문에 작은 문제나 큰 문제의 하위 항목부터 시작하는 것도 중요하다. 이는 실패 비용과 관련된 위험을 줄이는 데 도움이 된다. 생각을 버리고 접근법을 다시 생각하는 것은 부끄러운 일이 아니다. 사실, 다시 생각해 보려는 의지가 필수적이다.
해결책에 대한 실행 가능성이 의심될 때 이를 계속 고집하고, 그렇게 함으로써 시간과 돈을 낭비하는 것은 결코 올바른 방법이 아니다.
항로를 바꾸거나 경우에 따라서는 아예 생각을 버리고 아예 새로운 생각을 선택하는 것이 항상 바람직하다. 일단 작은 문제가 해결되고 비즈니스가 그 가치 및 관련 ROI를 볼 수 있게 되면, 솔루션을 확장해 더 큰 문제를 해결할 수 있다.
5. 산출물이 아닌 결과물을 측정하라
IT프로젝트와 AI 프로젝트는 본질적으로 다르다.
IT프로젝트는 첫날부터 원하는 산출물에 대한 명확한 아이디어와 정해진 목표치를 설정하고 진행한다. 이와는 대조적으로 AI프로젝트는 미지의 것을 이해하기 위한 탐구에 주로 사용된다. 따라서 어떤 출력이 나올지 미리 알 수 없다. 이에 따라 AI는 시간 경과에 따라 지속적으로 조정, 모니터링, 수정돼야 한다.
따라서 AI도입을 통한 성공은 당초 계획보다 더 많은 반복이 필요할 수 있으며, 처음에 상상했던 것 같은 수준의 정확성이나 자동화를 제공하지 못할 수도 있다. 따라서 AI도입의 성공은 그것이 창출하는 영향의 정도와 그것이 얼마나 많은 가치를 산출하는가에 따라 판단돼야 한다.
◆AI 도입에는 이유가 있어야 한다
AI를 해보고 싶어서 AI를 도입하는 것은 조직원과 조직의 귀중한 시간과 노력과 돈을 낭비하게 하는 나쁜 아이디어다. 그러나 AI가 조직에 가져다 줄 수 있는 응용분야가 거의 무한하다는 이유만으로 AI에 꼴딱 넘어갈(압도당할) 수 있다.
따라서 기업으로선 AI를 위해 필요한 것과 AI로 실현가능한 것에 집중하는 게 중요하다. 망설이지 말고 다른 형식을 시도하라. 그리고 실패를 두려워하지 말라. AI는 몇 번 실패할 수도 있지만, 이는 필수적인 단계다. AI 프로젝트는 결국 그 실패로부터 얻은 교훈 없이는 아무데도 갈 수 없기 때문이다.
[AI & 산업] 쎈놈이 나타났다···DJI 뺨치는 AI 드론 ‘고스트4’
[AI & Tech] 美의회, AI와 경제회복 영향력 조사···전문가들 제안은?
무단전재 및 재배포 금지
기사제보 및 보도자료 news@aitimes.com