조직이 최신 AI 알고리즘을 활용해 성장하고 발전하는 방법 중 하나는 비즈니스 전략을 조정하기 위해 민간에서 보유한 AI 모델을 도입하는 것입니다.
이런 맥락에서 사적 AI와 공공 AI를 구분하는 것이 중요합니다. 대부분의 조직은 공공 AI가 인사 정보, 재무 데이터, 운영 내역 세부 정보와 같은 민감한 데이터 세트에 접근하는 것을 허용하는 것을 당연하게 여깁니다.
AI에 응답의 기반이 되는 구체적인 데이터가 제공되면, 그 결과의 관련성이 높아지고 의사 결정권자의 전략 수립에 더욱 효과적으로 도움을 줄 수 있다는 것은 당연한 이치입니다. 기업이 AI로부터 최상의 결과를 얻고 지적 재산권(IP) 안전하게 보호할 수 있는 합리적인 방법은 바로 개인 추론 엔진을 사용하는 것입니다.
기업 맞춤형 데이터와 로컬 AI 모델을 미세 조정할 수 있는 능력은 기업이 일상적인 업무 환경에 더욱 기반한 맞춤형 예측 및 운영 조정을 제공할 수 있도록 지원합니다. 딜로이트 스트래티지 인사이트(Deloitte Strategy Insight) 보고서는 프라이빗 AI를 "맞춤형 나침반"이라고 부르며 내부 데이터 활용을 경쟁 우위로 제시하고, 액센츄어(Accenture)는 AI를 "농업 및 산업 혁명 이후 가장 중요한 경제적 발전과 업무 환경 변화를 가져올 것"이라고 설명합니다.
그러나 전통적인 비즈니스 인텔리전스처럼 기업 전반의 수년간 운영에서 추출한 과거 데이터를 사용하면 과거의 패턴에 기반한 의사 결정이 고착될 가능성이 있습니다. 맥킨지는 기업들이 "알고리즘이라는 틀에 기업의 과거를 반영할" 위험에 처해 있다고 지적합니다. 하버드 비즈니스 리뷰는 이러한 기술적 복잡성을 지적하며, 모델을 맞춤 설정하여 해당 활동이 기업과 더욱 관련성 있게 운영되도록 하는 것은 어려운 일이며, 따라서 데이터 과학 및 프로그래밍 분야에서 AI에 가장 정통한 사람이 아니면 감당하기 어려운 작업일 수 있다고 지적합니다.
MIT 슬론은 사업 전략 수립에 있어 민간 AI에 대한 열렬한 지지와 보수적인 목소리 사이에서 균형을 이룹니다. AI를 부조종사로 간주해야 한다고 조언하며, 특히 중대한 사안일수록 AI 결과에 대한 지속적인 의문 제기와 검증을 촉구합니다.
혁명을 믿으세요
그러나 이러한 행동 방침(AI 흐름에 편승하되 비공개적이고 안전을 의식하는 방식)을 추진하려는 의사 결정권자는 이런 방식으로 AI 활성화를 강력히 옹호하는 조언 출처의 동기를 고려해야 할 것입니다.
예를 들어 Deloitte는 FaaS(Factory as a Service)와 같은 맞춤형 인프라를 활용하여 고객을 위한 AI 솔루션을 구축하고 관리하며, Accenture는 Accenture Applied Intelligence 와 같이 고객의 AI 전략에 전념하는 업무 부서를 운영하고 있습니다. Accenture는 AWS 및 Azure와 협력하여 Fortune 500대 기업 등을 위한 맞춤형 AI 시스템을 구축하고 있으며, Deloitte는 Oracle 및 Nvidia와도 협력하고 있습니다.
'스킨 인 게임'이라는 표현과 함께 "농업과 산업 혁명 이래로 가장 중요한 […] 업무 변화"와 "맞춤형 나침반"과 같은 문구는 고무적이지만, 공급업체의 동기가 전적으로 이타적인 것은 아닐 수도 있습니다.
AI 옹호론자들은 일반적으로 모델이 인간보다 훨씬 효율적으로 추세와 통계적 흐름을 파악할 수 있다는 점을 지적합니다. 현대 기업이 내부 및 외부에서 이용 가능한 정보를 포함하여 방대한 양의 데이터를 활용할 수 있다는 점을 고려할 때, 대규모로 데이터를 분석할 수 있는 소프트웨어를 보유하는 것은 엄청난 이점입니다. 시간이 많이 소요되고 오류 발생 가능성이 높은 방대한 데이터 저장소를 수동으로 분석하는 대신, AI는 불필요한 정보를 꿰뚫어 보고 실질적이고 실행 가능한 인사이트를 도출할 수 있습니다.
올바른 질문을 던지다
또한, AI 모델은 일반 언어로 작성된 질의를 해석하고, 경험적 정보를 기반으로 예측을 수행할 수 있는데, 이는 민간 AI 환경에서 조직에 매우 중요한 의미를 지닙니다. 상대적으로 숙련되지 않은 인력도 통계 분석이나 데이터베이스 질의 언어에 대한 지식 없이도 데이터를 질의하고, 그렇지 않았다면 전사적으로 여러 팀과 전문 인력이 필요했을 답변을 얻을 수 있습니다. 이러한 시간 절약만으로도 상당한 효과를 얻을 수 있으며, 조직은 필요한 데이터 포인트를 구축하고 수집한 정보를 수동으로 질의하는 대신 전략에 집중할 수 있습니다.
그러나 맥킨지와 가트너는 과신과 데이터 노후화에 대해 경고합니다. 특히 과거 데이터는 전략 수립에 적합하지 않을 수 있으며, 특히 기록이 수년 전으로 거슬러 올라갈 경우 더욱 그렇습니다. AI와 관련하여 과신은 운영자가 AI의 응답을 아무런 의심 없이 신뢰하고, 응답의 세부 사항을 독립적으로 파고들지 않거나, 경우에 따라 잘못된 표현으로 작성된 질의에 대한 응답을 사실로 받아들이는 것을 의미합니다.
모든 소프트웨어 알고리즘에 대해 "과거 데이터를 기반으로 조사 결과를 도출해 주십시오"와 같은 인간의 표현은 해석에 따라 달라질 수 있습니다. 반면, "지난 12개월간의 판매 데이터를 기반으로 조사 결과를 도출해 주십시오. 평균과 30% 이상 차이가 나는 이상치는 무시하되, 그러한 사례는 명시하여 고려할 수 있도록 해 주십시오"와 같은 표현은 해석에 따라 달라질 수 있습니다.
경험의 소프트웨어
기업은 기존의 성숙한 비즈니스 인텔리전스 플랫폼과 함께 프라이빗 AI 솔루션을 도입할 수 있습니다. SAP Business Organizations는 거의 30년이나 되었지만, 1990년대 인터넷이 주류가 되기 전부터 존재해 온 SAS Business Intelligence에 비하면 아직 젊은 솔루션입니다. Microsoft Power BI와 같이 비교적 최근에 출시된 솔루션조차도 최소 10년 동안 개발, 반복, 고객 피드백, 그리고 비즈니스 분석에서의 실제 활용을 통해 구축되어 왔습니다. 따라서 비즈니스 데이터에 프라이빗 AI를 적용하는 것은 "기존" 도구를 대체하는 만병통치약이 아니라 전략가의 툴킷에 추가되는 요소로 간주하는 것이 합리적입니다.
모델의 입력값과 내부 알고리즘을 감사하고 수정할 수 있는 프라이빗 AI 사용자에게는 오라클 비즈니스 인텔리전스 제품군과 같은 도구와 마찬가지로 인간의 통제와 감독을 유지하는 것이 중요합니다. 실시간 데이터(예: 온라인 소매 가격 책정 메커니즘)를 지능적으로 처리하고 활용하는 경우 AI 분석이 기존 BI 플랫폼보다 경쟁 우위를 확보하는 경우도 있습니다. 하지만 AI는 아직 비즈니스 전략을 위한 마법의 만능 도구로 발전하지 못했습니다.
비즈니스 데이터 분석용 AI가 시장의 주요 BI 플랫폼들처럼 개발, 반복, 실전 경험을 통해 더욱 성숙해질 때까지, 얼리 어답터들은 실무 경험과 비판적인 시각으로 AI 및 AI 서비스 공급업체의 열광을 누그러뜨릴 수 있을 것입니다. AI는 새로운 도구이며 막대한 잠재력을 가지고 있습니다. 하지만 현재 공개 및 비공개 환경에서는 여전히 1세대 기술로 남아 있습니다.
(이미지 출처: pshutterbug의 "It's about rules and strategy"는 CC BY 2.0 라이선스에 따라 제공됩니다. )
비즈니스 인텔리전스의 AI: Caveat emptor(매수자 주의)라는 게시물이 AI News 에 처음 게재되었습니다.
