기업이 AI를 도입할 때 조심해야 할 5가지 위험 요소와 이를 극복하기 위한 해결책을 살펴본다.
1. IT 부서가 주도하는 AI 프로젝트는 기회 낭비로 이어진다 BCG의 AI 및 빅데이터 분석 부문을 공동 지휘하는 파트너 셔빈 코다반데는 많은 기업이 EPR 시스템 구축처럼 IT 부서로 하여금 AI 개발 및 도입을 주도하도록 하고 있다고 지적했다. 이어서 그는 일반적인 AI 솔루션은 기업에 도움이 되지 않기 때문에 이는 중대한 실수라고 덧붙였다.
그는 이와 관련해 한 BCG 고객사 사례를 예로 들었다. 해당 기업의 IT 부서는 머신러닝 기술과 클라우드 인프라에 8,500만 달러를 투자했지만 웹 사이트와 애플리케이션은 거의 개선되지 않았다고 코다반데는 설명했다.
기업은 AI 이니셔티브를 비즈니스 전략과 정렬해야만 한다. 즉 AI 전략은 IT 부서가 아닌 CEO 또는 해당 기술의 혜택을 받을 사업부가 주도해야 한다.
이를 통해 AI가 경쟁력을 높일 수 있는 곳을 파악하는 것은 물론 적절한 프로세스 변화가 이루어지도록 해 AI의 구축과 활용을 정렬시킬 수 있다. BCG와 MIT에 의하면 AI 투자로 성과를 낸 기업의 88%는 AI 이니셔티브를 디지털 전략과 통합하는 경향을 보였다.
2. 기술 함정 IT 부서가 주관하는 AI 프로젝트는 해당 기술에 대한 한정적인 시야를 제공하기 쉽다. 이로 인해 AI가 어떻게 의사결정을 내리는지 알 수 없는 ‘블랙박스’ 솔루션으로 이어지곤 한다. 그 결과 기업은 ‘AI가 기업을 위해 무엇을 할 수 있는지’ 이해하지 못하기 때문에 해당 솔루션을 멀리하게 된다.
MIT와 BCG 보고서에 따르면 AI를 통해 성과를 거둔 비율은 CIO가 AI 프로젝트를 담당하는 기업의 경우 17%에 그쳤지만, CEO가 직접 주관하는 경우 34%에 달했다.
AI로부터 가치를 창출했다고 응답한 기업들은 AI가 기술적 기회일 뿐만 아니라 인재, 데이터, 프로세스 변화에 대한 투자가 필요한 전략적 이니셔티브라는 사실을 인식하고 있었다. AI 기술이 무엇을 할 수 있는지에 집중하는 것 보다는 AI 전략에 대한 전체적인 시각을 갖는 것이 요구된다.
3. 개념 증명(Proof of Concept) 증후군 IT 부서가 최신 기술에 현혹돼 동력을 확보하지도 혹은 비즈니스 가치를 창출하지도 못하는 개념 증명을 진행하는 경우를 본 적이 있을 것이다. 더욱이 비즈니스 트랜스포메이션을 추진하고 있는 기업이라면 이러한 개념 증명을 시도해볼 역량도 제한적이다.
코다반데는 “개념 증명에서 일부 AI 기능을 구축하고 효과가 있는지 보는 것을 일컬어 PoC 증후군이라 하는데, 이는 시간 낭비다. 시도해 봤지만 확장되지 않았다고 말하는 기업들이 너무 많다”라고 지적했다. 즉 기술과 비즈니스 성과를 연결시키지 못한 것이다.
개념 증명을 줄이고, AI가 실제로 필요한 곳으로 방향을 맞출 필요가 있다. AI로부터 가치를 창출하는 기업은 성장을 촉진하고 이윤을 높이며 경쟁 우위를 점하는 데 AI가 도움이 되는 비즈니스 우선순위에 초점을 맞춘다. 이러한 시도는 비즈니스 트랜스포메이션 전략과 통합된다. 코다반데는 “성공한다면 이런 아이디어가 가시적인 성과를 낼 것이고 기업은 이를 중심으로 움직이게 된다”라고 말했다.
4. 전문 지식과 인재 공백이 AI 도입을 방해한다 개념 증명은 인재 공백으로 실패하는 경우가 많다. 가트너의 애널리스트 트레이시 차이는 AI의 가치를 이해하고 협력할 수 있는 기술 인재나 혹은 제품의 고유한 가치를 전달하지 못하는 또는 AI 제품 관리자가 부족한 것을 의미한다고 설명했다. 그는 때때로 데이터 과학자들조차 AI가 비즈니스를 어떻게 강화할지 모델링할 수 없다고 덧붙였다.
AI 툴을 확보하는 경로는 제각각이다. 경우에 따라 현업 부문이 IT 부서의 지원을 받아 AI 솔루션을 구축하는 내부 데이터 과학자가 있을 수 있다. 또는 현업 부문과 IT 부서 모두 데이터 과학자가 없어 AI 솔루션 업체를 이용할 수 있다. 이 경우 현업 부문이 요구 사항을 명확하게 표현하기 어려우므로 IT 부서와 협력해 솔루션 파트너를 선정하고 비즈니스 사용 사례를 확보한다. 또 다른 기업은 IT 부서가 AI 프로젝트를 추진하면서 현업 부문과 협력하여 개념 증명을 진행한다.
차이 애널리스트는 IT 부서, 현업 부문, 데이터 과학자가 개념 증명을 구축하기 전에 합의된 기대치에 도달해야 한다고 권고했다. 이는 온톨로지에 대한 합의, 추출한 데이터 분류, 투입 값을 해석하는 방법, 머신러닝 모델의 결과 값에 대한 기대치 등을 포함한다. 이를 위해 기업은 AI 개발 및 활용에 유능한 인재를 고용하거나 신규 교육 및 재교육 등에 투자할 필요가 있다.
5. 프로세스 변화 실패 일부 기업은 AI 도입 시 필요한 프로세스 변화를 무시하는 경향이 있다. 이를테면 홍보 캠페인을 위한 소비자 데이터 수집 과정을 AI로 자동화하는 경우 일부 마케팅 팀의 역할이 사라질 수 있다. 그 대신 해당 인력은 새로운 사용자 경험을 창출하는 역할로 재배치될 수 있다. 그러나 모든 기업이 이런 변화에 대비하는 것은 아니다.
코다반데는 “궁극적으로 AI로부터 가치를 창출하는 기업들은 프로세스 변화를 비즈니스 전략의 핵심으로 보며, AI 전략을 전체적인 비즈니스 전략에 통합시킨다”라고 전했다.
프로세스 변화에는 AI 구축과 활용을 정렬시키는 것이 포함된다. 또한 비즈니스 목적에 부합하는 AI를 구현하기 위해서는 비즈니스, 프로세스, 전략, 데이터 과학, 기술팀들이 협업해야 한다고 코다반데는 조언했다. 다양한 배경, 교육 수준 및 경력을 지닌 전문가 조직(CoE)을 구성하는 것도 도움이 된다고 그는 덧붙였다.
코다반데는 AI가 중요한 전략적 기회라고 강조하면서, “기업이 신중하게 행동하지 않으면 역으로 중대한 전략적 위험이 될 수 있다. 기업은 AI를 핵심 비즈니스 전략과 프로세스에 제대로 통합해야 한다”라고 말했다. ciokr@idg.co.kr
