엔터프라이즈 AI는 인공지능과 머신러닝의 힘을 빌려 기업이 디지털 트랜스포메이션을 주도하게 합니다.
일상 비즈니스 운영 개선뿐만 아니라 조직 전반의 의사결정 가속화도 이룹니다.
맥킨지(McKinsey)에 따르면 AI는 2030년까지 세계 경제에 13조 달러 기여하고 누적 GDP를 16% 높일 전망입니다.
진취적인 기업들에겐 AI 혜택을 누릴 적기입니다.
하지만 이 기술이 비즈니스 세계에서 주류가 돼가는 와중에도, 많은 조직이 여전히 AI 도입 준비가 안 돼 있음을 봅니다.
연구에 따르면 미국 비즈니스 임원 79%가 자사 기업에 AI 영향이 있음을 인정하지만, 그중 36%만 AI 도입을 위한 변화 관리 전략을 갖고 있습니다.
이 가이드에서는 성공적 AI 구현을 위한 기업 준비 방안을 논의합니다.
시작해 보겠습니다.
비즈니스 리더는 매출 증대, 효율 향상, 탁월한 고객 경험을 위한 방법을 항상 찾습니다. AI와 함께라면 이 모두를 이룰 수 있습니다.
주위를 둘러보세요. 많은 업종에서 AI 도입 사례를 볼 수 있습니다. 지능형 챗봇, 자율주행차, 음성 기반 퍼스널 어시스턴트가 비즈니스 현실이 됐습니다.
글로벌 AI 설문에서 나타난 업종별 매출 증가 결과를 보세요.
비즈니스 애플리케이션은 단순한 구식 리포팅 시절부터 진화하고 개선돼 왔습니다.
이제 애플리케이션은 학습하고 예측합니다. 무엇을 할 수 있는지, 어디로 갈 수 있는지, 누구를 만날 수 있는지, 심지어 무엇을 먹고 싶어 할지까지.
고객 행동을 예측하는 이 새 무기로 고객 서비스 전략을 최적화하고, 프로세스를 개선하며, 상당한 비용을 절감할 수 있습니다.
AI 기반 앱들은 전통적 '일괄 적용' 방식 대신 개인화된 경험을 제공합니다. 또한 관련 이벤트를 훨씬 앞서 예측해 의사결정자가 결과에 대비하게 돕습니다.
요약하면 AI 투자로 다음을 달성할 수 있습니다:
AI는 더 이상 오래 약속된 비즈니스 솔루션으로 여겨지지 않습니다. 대신 현실 세계의 변화를 점화하는 실제 불씨로 진화하고 있습니다.
기업의 진짜 과제는 오늘날 AI 투자로 가치를 창출할 최적의 전략을 찾고, 그 과정에서 지뢰들을 식별해 극복하는 것입니다.
어떻게 하면 될지, 경쟁사보다 앞서 나가는 법을 찾아봅시다.
AI가 기업에 가져다주는 엄청난 이점에도 불구하고, AI 파일럿 이니셔티브를 확장한 기업 수는 인상적이지 않습니다.
사실 대부분 AI 프로젝트는 충분히 빠른 결과를 내지 못해 예산 삭감을 맞습니다.
그러면 기술 탓일까요?
아닙니다. 진짜 문제는 기술이 아닙니다. 프리-AI 시대에 맞춰 설계된 조직 문화와 구조입니다.
원활한 AI 도입을 위해 조직은 비즈니스 팀과 기술 팀이 쉽게 협업할 수 있는 문화를 만들어야 합니다.
간단히 말해, AI를 비즈니스에 진정 유익하게 만들려면 철저히 준비해야 합니다.
귀사 비즈니스에 AI 도입을 고려 중이라면, 계속 읽으며 모든 핵심 단계를 메모하세요.
일반적으로 기업들은 AI 애플리케이션 핵심 개발 측면에 너무 집중합니다. 기억하세요, AI는 주로 소프트웨어 개발자와 엔지니어를 위한 게 아닙니다.
IT 팀이 '스마트한' AI 애플리케이션 구축을 분명히 책임지지만, AI 스킬은 비IT 매니저를 포함해 모두에게 점점 더 중요해지고 있습니다.
"AI가 매니저를 대체하진 않지만, AI를 쓰는 매니저가 쓰지 않는 매니저를 대체할 것입니다." IBM 클라우드 및 데이터 플랫폼 수석부사장 롭 토마스(Rob Thomas)가 CNBC에 말했습니다.
무엇을 할 수 있나?
팀 학습 강화를 위해 다양한 리소스에서 선택할 수도 있습니다. AI 기본 개념을 안내하는 많은 리소스가 있습니다. 예: 테크코드 액셀러레이터(TechCode Accelerator)는 스탠퍼드 대학 및 AI 분야 기업들과 파트너십을 맺고 있습니다.
AI와 이점을 이해했다면 AI 도입 2단계로 넘어갑니다. 이 단계에선 AI가 해결할 문제들을 식별해야 합니다. 방법은:
AI 채택의 주된 이유가 단순한 기술 진보가 아닌 구체적 비즈니스 성과 실현에 있는지 확인하세요.
이 단계에선 흔한 함정들을 피해야 합니다:
AI 이니셔티브의 재무적 가치를 평가하고 아는 건 필수입니다. 회사에 대한 가치에 기반해 이니셔티브 우선순위를 정하는 데 도움이 됩니다.
AI의 온전한 가치를 실현하려면 회사 C-레벨 경영진을 온보딩해야 합니다.
왜?
시니어 매니저와 C-레벨 임원들은 회사 비전, 비즈니스 목표, 과제를 깊이 이해합니다. 그들이 AI 인지도를 쌓으면:
C-레벨은 다음 질문에 답할 수 있어야 합니다:
AI로 이루고 싶은 것과 주어진 시간 내 회사 달성 능력 간 갭이 있다면, 내부 스킬 갭을 확인한 겁니다.
기술적, 비즈니스 프로세스 관점에서 할 수 있는 것과 없는 것을 풀스케일 AI 구현 전에 알아야 합니다.
가트너(Gartner) 2018년 CIO 설문에서 응답자 47%가 AI와 ML 전문 스킬 부족을 최대 고통점으로 꼽았습니다.
내부 스킬 갭이 있다면 외부 서비스 제공업체에 의존하거나 적정 스킬의 새 인재를 채용해야 합니다.
내부적으로 습득해야 할 것과 내부적으로 진화시켜야 할 프로세스들을 식별해 내부 역량 갭을 해소할 수도 있습니다.
AI 앱 구축은 긴 과정입니다. 따라서 이매지노베이션(Imaginovation) 같은 신뢰할 기술 파트너가 대신 해줘야 합니다.
어떤 전략을 언제 쓸지 알아보겠습니다.
대규모 시스템을 위해 특정 AI 도구나 모듈을 구축해줄 AI 벤더와 파트너십을 맺을 수도 있습니다. 특정 유스케이스에 완벽한 도구를 만든 경험 있는 AI 벤더를 찾으면 특히 유리합니다. 벤더 전문성이 내부 신생 AI 팀의 학습 곡선을 단축시킵니다.
작게 시작하고 목표 우선순위를 정하세요. AI에 대해 아는 것과 모르는 것을 인지하세요. 바로 여기서 외부 전문가나 AI 컨설턴트 영입이 귀중해집니다.
첫 프로젝트에 많은 시간을 쏟지 마세요. 보통 파일럿 프로젝트는 2~3개월이 적당합니다. 내부/외부 인원을 합쳐 4~5명 소규모 팀을 꾸리세요.
파일럿 완료 후 더 장기적이고 정교한 프로젝트가 무엇일지 결정합니다.
조직 내 데이터는 여러 부서가 다양한 형태로 저장합니다. AI는 저장된 모든 데이터에 접근해야 합니다. 어려운 건 기업 부서들이 데이터를 사일로에 저장한다는 점입니다.
사일로는 특정 팀만 접근 가능한 시스템입니다. 모두에게 접근 안 되는 건 AI 도입의 큰 장벽입니다.
데이터 사일로를 해체하고 데이터를 통합할 수 있을까요?
네, 하지만 하룻밤 새 안 됩니다.
AI 구현 전에 비싼 대규모 데이터 트랜스포메이션에 투자하지 마세요. AI 이니셔티브 니즈에 맞춰 데이터를 변환하며 둘을 함께 진행하는 게 최선입니다.
여러 사업부 아우르는 태스크포스를 꾸려 데이터를 관리하세요. 이 태스크포스가 서로 다른 데이터셋 통합과 불일치 제거를 책임집니다. 데이터 정확성과 일관성을 확보합니다.
이제 새 AI 전략을 전사 도입하려면 시간, 노력, 비용이 든다는 데 동의하실 겁니다.
하지만 낙심해 AI 도입 아이디어를 포기하진 마세요.
한 영역을 골라 처음에 AI를 테스트해 보세요. 실패 리스크가 훨씬 작습니다.
왜냐하면?
효율적 시스템을 천천히, 조각조각 구축하는 게 더 쉽기 때문입니다. 매 반복마다 개선 여지가 충분합니다. 동시에 AI가 뭘 가져오는지—어떤 파라미터가 달성됐고 이니셔티브 전체 결과가 어떤지—확인할 수 있습니다.
이후 추가 AI 구현 계획과 임원들에게 지금 AI 투자가 왜 가치 있는지 설득하는 데 더 유리한 위치에 설 수 있습니다.
예: AI 챗봇 도입부터 시작할 수 있습니다. 이만으로 팀이 잡무에 쓰는 근무 시간을 줄일 수 있습니다.
전사적 AI 인지도 제고와 직원들의 AI 이니셔티브 바이인(buy-in) 확보로 AI 도입 기반을 닦을 수 있습니다.
하지만 이게 모든 비즈니스 프로세스와의 원활한 AI 통합을 보장할까요?
아닙니다. 이런 활동들 외에, 개발 예산 짜듯 도입 활동 예산도 편성해야 합니다.
AI 도구를 비즈니스 프로세스에 어떻게 통합할지 명확히 하겠습니다.
AI 도구 통합엔 워크플로 재설계, 교육, 변화 관리가 포함됩니다. 이 지원 활동들을 AI 솔루션 배포 잘 전에 시작해야 합니다. 팀이 새 도구로 일할 준비를 갖추고 불쾌한 서프라이즈를 피하게 돕습니다. 잘 되면 팀이 필수 AI 여정에 대해 인지하고 관여하게 됩니다.
게다가 기업 AI 도입 계획과 준비는 잠재적 도입 장벽 식별에도 도움이 됩니다.
그럼 시정 조치를 취할 수 있습니다—워크플로 재설계나 AI 도구 수정 등.
AI는 귀사 비즈니스 혁신에 무한한 잠재력을 가집니다. 비즈니스 성장과 성공에 중요한 역할을 할 것이지만, AI 구현엔 여전히 과제들이 있을 수 있습니다.
그런 페인 포인트들과 극복 방안을 살펴보겠습니다:
비즈니스 AI는 여전히 신생 분야라 전문가 수가 제한적입니다.
AI 도입엔 관련 주제 전문가와 데이터 사이언티스트 지원이 필요합니다. 하지만 이들을 쉽고 저렴하게 채용하긴 어렵습니다. 게다가 제대로 된 사람을 뽑고 있는지 확신해야 합니다. 전문가가 아니면 새 데이터 사이언티스트가 일을 잘하는지 알 수 없습니다.
소규모 기업이라면 한정된 예산으로 AI 이니셔티브를 밀고 나가기 벅찰 겁니다.
어떻게 전문가 부족과 높은 비용을 헤쳐 나갈까요?
AI 벤더를 찾는 걸 고려해 보세요. AI 업무를 아웃소싱하면 벤더 포트폴리오로 어떤 프로젝트들을 수행했는지 볼 수 있습니다.
AI 도입은 비싸기만 한 게 아니라 시간도 많이 듭니다. 외부 팀이 리스크를 완화합니다: 시스템의 작은 부분부터 시작할 수 있습니다.
AI는 방대한 양의 고품질 데이터로 최적 작동합니다. 우리 인간처럼 가용 정보에서 학습합니다. 하지만 패턴에서 배우려면 특징을 인식하거나 개념을 이해하는 데 훨씬 더 많은 정보가 필요합니다.
충분한 데이터 없이는, 또는 마주친 상황이 과거 데이터와 매치되지 않으면 AI는 흔들립니다.
데이터를 제대로 만드는 게 최선입니다.
공개 정보에만 의존하지 마세요. 그럼 경쟁사도 같은 정보를 가질 확률이 높습니다. 경쟁 우위가 안 됩니다.
많은 기업이 직장에서 AI 이점을 온전히 이해 못 합니다. 일자리 상실, 기계가 인간 대체, 변화 관리 등에 대한 두려움이 있습니다.
회사 내 AI 지식 증진 전략을 수립하세요.
또한 AI 이점 정량화가 항상 쉬운 건 아닙니다. 매출 증대, 시간 절약 같은 일부 이점은 명확히 정량화되지만, 고객 경험 향상 같은 건 정확히 정의하고 측정하기 어렵습니다.
모든 종류의 이점을 정량화하고 특정 KPI와 연결하려 시도해 보세요.
귀사 비즈니스의 변화 관리 전략 수립을 위해 노력하세요.
혁신적 방식으로 비즈니스 문제를 풀고, 비용과 시간을 줄이는 방법을 찾고 계신가요?
AI가 어떻게 미래 서비스 구축을 도울 수 있는지 이해를 돕겠습니다.
AI 기술을 탐색하고 싶지만 어떻게 할지 막막하다면, 귀사 비즈니스 AI 혁명 전략 수립을 돕겠습니다.
우리는 다양한 기업의 놀라운 디지털 성공 스토리를 만들어온 수상 경력의 기술 회사입니다. 대화해 보시죠.
산업기술
금속 부품이든 플라스틱 부품이든 CAD 도면은 완제품의 설계와 제조에 매우 중요합니다. 컴퓨터로 CAD 도면을 처리하면 이러한 문제를 해결할 수 있지만, 대부분의 설계자나 제품 개발자는 워크숍에서 문서가 어떻게 생산 공정에 사용되는지 완전히 이해하지 못할 수 있습니다. 그래서 대부분 경우 둘 중 하나만 제공하여 견적이나 제조를 요청합니다. 오늘은 제조업체 관점에서 왜 우리가 항상 2D와 3D 도면을 모두 포함한 CAD 도면 제공을 요청하는지 설명해 드리겠습니다. 이렇게 하면 컴퓨터로 두 가지 다른 형식을 제작할 수 있어 요구사항을
대규모 프로젝트는 적절하고 복잡한 계획이 필요합니다. 비용 추정은 보통 계획 과정에서 핵심 측면입니다. 동시에 프로젝트 요구 사항을 명확히 지정해야 합니다. 특히 구조용 강철이나 판금 같은 특수 제작 요소가 포함된 경우 더욱 그렇습니다. 현재 기술과 기계 사용 덕분에 대규모 금속 제조 프로젝트는 과거보다 더 비용 효율적입니다. 그러나 금속 제조 비용이 감소했음에도 불구하고 프로젝트 비용을 적절히 추정하는 것은 여전히 중요합니다. 다음 요소를 고려하면 추정을 크게 결정할 수 있습니다: 사용 자재 맞춤 금속 조각을 원하면 제조 회사에
