기업의 AI 채택은 도전에 부딪히지만 해결책이 등장하다

인공지능(AI)은 수년간 비즈니스 세계에서 화두였으며, 변혁적인 혜택을 약속해 왔습니다. 그러나 연구에 따르면 많은 기업들이 그 잠재력을 최대한 활용하는 데 어려움을 겪고 있습니다. Carruthers와 Jackson의 데이터 성숙도 지수(Data Maturity Index)에 따르면, 놀랍게도 데이터 리더의 87%가 조직 내에서 AI 사용이 제한적이라고 보고했으며, 높은 AI 성숙도를 달성한 곳은 단 5%에 불과합니다. 이러한 도전에도 불구하고, 전문가들이 AI 정체기를 극복하기 위한 해결책을 제시함에 따라 희망의 빛이 보이고 있습니다.

AI 채택의 현황

최근 몇 년간 AI는 기업에게 게임 체인저로 부상했습니다. 자동화, 데이터 분석, 의사결정에서의 잠재력은 막대한 관심을 불러일으켰습니다. 그러나 현장의 현실은 다른 이야기를 전합니다. Carruthers와 Jackson의 데이터 성숙도 지수에 따르면, 데이터 리더의 상당수(87%)가 조직 내에서 AI가 거의 사용되지 않거나 전혀 사용되지 않는다고 밝혔습니다.

이 pervasive한 문제는 ‘AI 유도 마비(AI-induced paralysis)’라고 불립니다. 이는 기업이 AI를 정당화, 거버넌스, 운영에 통합하는 과정에서 직면하는 도전에서 비롯됩니다. 높은 수준의 AI 성숙도 달성, AI 부서 설립, 명확한 AI 프로세스 구현은 대부분의 조직에게 여전히 먼 목표입니다.

목적 찾기

Carruthers and Jackson의 CEO인 캐롤라인 캐러더스는 AI 정체기에서 벗어나려는 조직을 위한 길을 제시합니다. 그녀는 네 가지 핵심 우선순위를 강조합니다.

1. 목적을 가지고 시작하기

캐러더스는 AI에 뛰어들 때 명확한 목적을 갖는 것의 중요성을 강조합니다. 조직은 해결하려는 구체적인 문제, 잡으려는 기회, 그리고 AI에 대해 무엇을 기대하는지 식별해야 합니다. 목적이 없으면 방향 없이 표류할 위험이 있습니다.

2. 목표한 결과에 집중하기

거창한 도전을 한 번에 해결하려 하기보다, 캐러더스는 조직이 작고 관리 가능한 문제부터 시작할 것을 조언합니다. 목적의 가장 작은 부분, 즉 변화를 만들 수 있는 부분에 집중함으로써 미래의 성공을 위한 길을 열 수 있습니다.

3. 성공을 축하하기

AI 채택의 주요 장애물 중 하나는 데이터 전문가들이 자신의 성과를 자랑하는 것을 꺼리는 것입니다. 캐러더스는 조직이 이러한 서사를 바꾸도록 장려합니다. 조직은 회사 내에서 AI 이니셔티브의 긍정적인 결과를 적극적으로 홍보하고, 다른 사람들이 그 여정에 동참하도록 초대해야 합니다.

4. 데이터로 사례 입증하기

더 많은 AI 채택을 위한 지지를 얻기 위해 조직은 성공의 구체적인 증거를 제공해야 합니다. Carruthers는 AI 프로젝트의 결과를 선보이는 것을 주장하며, 그 효과성과 가치를 입증합니다. 이러한 데이터 기반 접근 방식은 AI 이니셔티브 확대를 위한 논리를 구축하는 데 도움이 됩니다.

AI 채택의 도전

조직 내 AI의 광범위한 채택을 늦추는 두 가지 주요 장벽이 있습니다.

1. 사람의 문제

AI 채택의 가장 큰 도전 중 하나는 모든 수준의 직원들에게 그 가치를 설득하는 것입니다. 많은 사람들이 AI를 일자리 대체와 연관지어 노동력에 미칠 영향을 두려워합니다. AI 기술의 급속한 성장에도 불구하고, 이러한 본능적인 저항을 극복하는 것은 쉬운 일이 아닙니다.

2. 규제적 딜레마

규제 우려도 AI를 완전히 수용하는 데 대한 주저함에 중요한 역할을 합니다. Carruthers와 Jackson의 연구에 따르면, 임원들은 데이터 윤리와 잠재적이며 아직 정의되지 않은 데이터 법규에 대해 적절히 우려하고 있습니다. 이러한 규제 불확실성은 많은 기업이 AI에 대한 완전한 참여를 유보하고 기다리는 태도를 취하게 만듭니다.

튼튼한 기반 구축

연구 결과는 AI 채택을 위한 강력한 기반을 확립할 필요성을 강조합니다. 견고한 데이터 전략과 데이터 거버넌스 프레임워크는 AI 채택의 영향과 이점을 이해하는 데 필수적인 요소입니다.

도전에도 불구하고, 일부 조직은 AI 채택을 준비하는 데 진전을 보이고 있습니다. Bentley Motors의 최고 데이터 책임자(CDO)인 앤디 무어는 그 선두에 서 있습니다. 그는 네 가지 핵심 기둥에 기반한 기업 전체의 데이터 전략을 수립했습니다.

1. 거버넌스

명확한 거버넌스 프레임워크는 데이터가 효과적으로 관리되도록 보장하며, AI 이니셔티브의 토대를 마련합니다.

2. 데이터 클라우드

Bentley의 기술 스택인 데이터 클라우드는 AI 구현에 필요한 인프라를 제공합니다.

3. 데이터 도조(Data Dojo)

내부 데이터 리터러시 프로그램인 데이터 도조는 직원들이 AI 환경을 탐색하는 데 필요한 기술을 갖추도록 합니다.

4. 활성화(Enablement)

활성화는 데이터 팀과 비즈니스 전반 간의 협력을 촉진하여 AI의 원활한 통합을 보장하는 데 중점을 둡니다.

기대치 균형 맞추기

무어는 AI에 대한 열망을 인정하지만, 현실적인 기대치를 설정하는 것의 중요성을 강조합니다. 그는 AI 이니셔티브에 완전히 뛰어들기 전에 강력한 기반을 확립할 필요가 있음을 이해합니다.

AI 채택에는 도전이 따르지만, 조직은 목적에 집중하고, 특정 결과에 목표를 설정하며, 성공을 축하하고, 데이터 기반 증거를 제시함으로써 정체기를 극복할 수 있습니다. ‘사람의 문제’를 해결하고 불확실한 규제 환경을 탐색하는 것이 필수적인 단계입니다. 데이터 전략과 거버넌스를 통해 강력한 기반을 구축하는 것이 중요합니다. Bentley Motors와 같은 기업들은 균형 잡힌 접근 방식을 유지하면서 AI 통합을 위한 길을 열고 있어 진전이 가능함을 보여줍니다. 많은 조직에게 AI는 아직 초기 단계일 수 있지만, 목적과 전략적 계획을 통해 조직은 그 변혁적인 잠재력을 해방할 수 있습니다.