AI 프로젝트는 어떤 과제를 가져오나요? | 비즈니스에서의 AI #65

회사에서 새로운 프로젝트를 구현할 때 인공 지능의 기능을 활용하고 싶습니까? AI는 개념 단계를 촉진하여 개별 작업의 실행을 간소화할 뿐만 아니라 프로젝트 활동의 현재 및 과거 결과를 분석할 수 있습니다. 그러나 프로젝트 구현 중에 AI 지원을 선택하는 것이 항상 가치가 있습니까? AI 프로젝트의 수익성을 어떻게 평가하나요? 데이터와 전문가 부족을 어떻게 처리할 것인가? 일반적인 함정을 피하려면 어디서부터 시작해야 할까요? AI를 사용하는 프로젝트에 어떤 과제가 있는지 읽어보고 알아보세요.

AI 프로젝트를 비즈니스 전략에 효과적으로 통합하는 방법은 무엇입니까?

Gartner 연구에 따르면 2030년까지 프로젝트 관리 작업의 80%가 AI에 의해 처리될 것이라고 합니다. 작업을 완료하기 위해 AI를 사용하는 프로젝트의 비율이 어떻게 될지는 아직 알 수 없습니다. 그러나 AI를 회사의 운영 전략에 통합하는 방법을 고려하는 것은 이미 가치가 있습니다.

첫 번째 단계는 이 기술의 잠재력과 한계를 이해하는 것입니다. 인공지능은 추세와 패턴을 분석하는 데는 능숙하지만 다단계 추론과 도덕적 의사결정에는 실패합니다. 감각적인 비주얼을 만들어내지만, 브랜드 이미지에 어울리는 소재를 일관되게 생성하려면 상당한 기술이 필요합니다. 그렇기 때문에 우리가 AI 프로젝트 작업을 시작할 때 그것이 구체적이고 측정 가능한 결과를 낳을지 다른 프로젝트와 비교할 만한 확률로 가정할 수 없습니다.

따라서 좋은 출발점은 장단점을 분석하는 것입니다.

• AI 프로젝트 구현의 다양한 단계에 소요되는 총 비용은 얼마입니까?
• AI 프로젝트의 비즈니스 영향을 평가하려면 어떤 KPI를 정의해야 합니까?

이러한 질문에 대한 신뢰할 수 있는 답변을 얻으려면 상당한 가치를 가져오고 쉽게 측정할 수 있으며 회사 전략에 적합한 간단한 AI 프로젝트를 선택하는 것이 가장 좋습니다. 택배 서비스를 제공하는 스타트업이 그 예가 될 수 있습니다. 그 목표는 고객 서비스를 개선하고 공급망 유연성을 높이는 것입니다. 예를 들어 간단하지만 가치 있는 AI 프로젝트는 고객 문의를 처리하는 챗봇 구현입니다. 이러한 가상 비서는 기존 콜센터보다 더 많은 요청을 처리해 문의에 대한 빠른 응답과 일관된 커뮤니케이션 품질을 통해 고객 만족도를 높일 것입니다. 반면, 택배 경로를 최적화하는 고급 시스템은 배송 유연성 향상이라는 목표에 부합하지만 복잡하고 위험이 훨씬 더 높습니다.

초기 AI 프로젝트가 결정되면 스타트업은 AI 프로젝트에 적합한 예산 등의 타당성을 평가해야 합니다.

AI 프로젝트 예산 편성. 주요 과제

기성 SaaS 또는 AIaaS(서비스형 AI) 솔루션, 소위 "기성 AI"를 구현하면 많은 이점이 있습니다. 하나는 도구 사용에 따른 예측 가능한 비용과 AI 프로젝트를 구현하는 데 드는 비용을 비교적 쉽게 추정할 수 있다는 것입니다. 다음과 같은 솔루션 중에서 선택할 수 있습니다.

• Intercom Fin, Chatbot.com의 LiveChat, Drift 또는 FreshChat과 같은 고객 서비스용 챗봇
• Cortex, Buffer 또는 Lately를 사용하여 마케팅 메시지의 도달 범위를 늘리는 소셜 미디어 분석 또는
• Microsoft Power BI, Tableau 또는 덜 복잡한 작업을 위한 비즈니스 데이터 분석 – Google 문서와 통합되는 Google Bard.

대규모 AI 프로젝트의 경우 비용이 과소평가되는 경우가 많습니다. 특히 데이터 수집 및 준비에 필요한 리소스와 시간에 관해서는 더욱 그렇습니다. 예를 들어 IBM의 Arvind Krishna에 따르면 AI 학습을 위한 데이터 준비 단계는 프로젝트 기간의 최대 80%를 차지할 수 있습니다.

출처: DALL-E 3, 프롬프트: Marta M. Kania(https://www.linkedin.com/in/martamatyldakania/)

게다가 프로젝트에 개인화된 AI 모델이 더 많이 필요할수록 수집해야 할 질적 데이터도 더 많아집니다. 예를 들어, 학습을 위한 심층 신경망에는 수십만 개의 예시가 필요합니다. 이로 인해 대규모 데이터 세트를 획득하고 정리하는 데 드는 비용이 발생합니다. 다행스럽게도 인공 지능의 급속한 발전은 비용이 많이 드는 맞춤형 모델을 학습할 필요 없이 점점 더 많은 AI 프로젝트를 구현할 수 있다는 것을 의미합니다.

그럼에도 불구하고 AI 프로젝트를 기획하는 기업은 솔루션 개발 단계뿐 아니라 데이터 준비, 유지관리 비용, 업데이트 비용, 신규 데이터 수집 비용 등 시스템의 지속적인 운영까지 고려해야 한다. 그래야만 AI에 대한 실제 투자 수익을 평가할 수 있습니다.

AI 프로젝트의 데이터 관리 문제. 당신이 알아야 할 것

AI 프로젝트의 주요 과제는 데이터, 즉 가용성, 수량 및 품질입니다. 그래서 뭐 할까? AI 프로젝트를 시작하기 전에 다음을 수행해야 합니다.

• 회사가 어떤 데이터를 가지고 있는지, 어떤 형식으로 저장되어 있는지, 어디서 오는지 주의 깊게 조사하고,
• 인프라를 관리하고 내부 데이터 수집 프로세스를 개발합니다.
• 공급이 부족한 경우 외부 데이터세트를 구매하거나 크라우드소싱을 고려하세요.

일반적인 문제는 데이터가 여러 시스템과 형식에 분산되어 있다는 것입니다. 이를 병합하고 정리하고 AI 학습을 위해 준비하는 것은 어려울 수 있습니다. 좋은 방법은 AI 팀이 IT 부서 또는 데이터 분석가와 긴밀하게 협력하는 것입니다. 이들은 함께 올바른 인프라와 데이터 수집 프로세스가 마련되어 있는지 확인해야 합니다.

AI 프로젝트의 기술 및 보안 문제

AI는 단순한 기계 학습 알고리즘이 아닙니다. 실제로 작동하려면 전체 IT 인프라가 필요합니다. 한편, 새로운 AI 시스템을 회사의 기존 시스템과 통합하는 것은 어려울 수 있습니다. 종종 오래된 비즈니스 시스템을 조정해야 하는데, 이는 많은 기업에서 상당한 업그레이드 비용을 의미합니다.

게다가 AI 프로젝트에는 데이터 과학 및 데이터 엔지니어링에 대한 전문 지식이 필요합니다. 한편, 세계는 이 분야의 전문가가 부족하다고 보고 있습니다. McKinsey의 "Technology Trends Outlook 2023" 보고서에 따르면 구인 광고 대 사용 가능한 전문가의 비율은 7대 100이며 수요는 지속적으로 증가하고 있습니다.

데이터 보안 문제도 만만치 않습니다. AI 시스템은 엄청난 양의 민감한 정보를 처리하므로 누출되지 않도록 적절히 보호해야 합니다. 한편, 최근 몇 년 동안 데이터 유출이 크게 증가했습니다. 따라서 이는 AI 프로젝트를 구현할 때 염두에 두어야 할 또 다른 중요한 위험입니다.

기업가를 위한 AI의 주요 역량. 어떤 어려움에 직면할 수 있나요?

AI 프로젝트 구현의 일반적인 장벽은 관리자와 비즈니스 의사 결정자의 인공 지능에 대한 지식이 부족할 수 있습니다. 기술의 기능에 대한 심층적인 이해 없이는 특정 프로젝트의 실행 가능성을 평가하고 올바른 결정을 내리기가 어렵습니다. 그렇기 때문에 신기술 분야에 대한 관리자의 지식을 향상시키는 데 투자하는 것이 필수적입니다.

현재 직원을 재교육하는 것도 도움이 될 수 있습니다. 소위 “시민 데이터 분석가”(“시민 데이터 과학자”)에 대한 이야기가 늘어나고 있습니다. 이러한 전문가들은 최첨단 기술을 활용하여 일상적으로 직면하는 특정 비즈니스 문제를 해결합니다. 그들은 자신이 일하는 업계에 대해 고도의 지식을 갖고 있습니다. AI 프로젝트를 진행하는 팀의 일원이 됨으로써 AI 전문가는 산업별 질문에 답변함으로써 구현 문제에 집중할 수 있습니다.

AI 추천 평가, 의사결정 등 기술적 능력 외에도 리더십, 전략적 사고 등 소프트 스킬도 중요하다. 이는 기업의 AI 기술 부족을 해결하는 또 다른 방법이다.

AI 프로젝트 성공 분석. ROI를 측정할 때 실수를 방지하는 방법은 무엇입니까?

AI 프로젝트의 최대 87%가 결코 생산 단계에 도달하지 못한다는 입증되지 않은(아마도 사실이 아닐 수도 있는) 소문이 인터넷에 떠돌고 있습니다. 성공적인 프로젝트에 대한 신뢰할 수 있는 연구에 접근할 수는 없었지만, AI 구현의 실제 영향을 평가하려면 성공을 측정하는 방법을 조기에 정의하는 것이 중요합니다.

여기서 좋은 방법은 소규모 실험입니다. 예를 들어 무작위 사용자 샘플을 대상으로 AI 성능을 테스트하고 그 결과를 표준 솔루션을 사용하여 통제 그룹과 비교하는 작업이 포함됩니다. 이러한 A/B 테스트는 새로운 AI 시스템이 전환율 증가나 고객 만족도 증가 등 기대한 결과를 가져올 수 있는지 검증하는 데 도움이 됩니다.

출처: DALL-E 3, 프롬프트: Marta M. Kania(https://www.linkedin.com/in/martamatyldakania/)

A/B 테스트는 AI 구현 후에도 주기적으로 반복할 가치가 있습니다. 모델이 문제 해결의 정확성과 관련성을 잃을 수 있기 때문입니다. 이를 통해 새로운 이상 현상을 신속하게 식별하고 시스템을 재조정하여 예상되는 비즈니스 결과를 계속 제공할 수 있습니다.

요약

AI는 엄청난 기회를 제공하지만 이 분야의 프로젝트는 상당한 과제를 안고 있습니다. 성공하려면 AI의 비용과 이점을 타당성 있게 평가하고, 데이터 수집 및 품질을 관리하고, 사내 역량을 개발하고, 새로운 기술의 점진적인 구현에 투자해야 합니다. 또한 구현이 비즈니스에 미치는 실질적인 영향을 측정하고 새로운 문제에 신속하게 대응하는 것도 중요합니다. 그래야만 AI가 회사에 위협이 되기보다는 향상되는 것이 될 것입니다.

저희 콘텐츠가 마음에 드신다면 Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok에서 바쁜 꿀벌 커뮤니티에 가입하세요.

저자: 로버트 휘트니

IT 부서를 코칭하는 JavaScript 전문가이자 강사입니다. 그의 주요 목표는 코딩하는 동안 효과적으로 협력하는 방법을 다른 사람들에게 가르쳐 팀 생산성을 높이는 것입니다.

모든 게시물 보기

비즈니스에서의 AI:

1. 비즈니스에서 AI의 위협과 기회(1부)
2. 비즈니스에서 AI의 위협과 기회(2부)
3. 비즈니스에서의 AI 애플리케이션 - 개요
4. AI 지원 텍스트 챗봇
5. 비즈니스 NLP의 오늘과 내일
6. 비즈니스 의사결정에서 AI의 역할
7. 소셜 미디어 게시물 예약. AI가 어떻게 도움을 줄 수 있나요?
8. 자동화된 소셜 미디어 게시물
9. AI로 운영되는 새로운 서비스와 제품
10. 내 사업 아이디어의 약점은 무엇입니까? ChatGPT를 사용한 브레인스토밍 세션
11. 비즈니스에서 ChatGPT 사용
12. 합성 배우. 상위 3개 AI 비디오 생성기
13. 3가지 유용한 AI 그래픽 디자인 도구. 비즈니스에서의 생성적 AI
14. 오늘 꼭 시험해 봐야 할 멋진 AI 작가 3인
15. 음악 창작에서 AI의 힘 탐구
16. ChatGPT-4로 새로운 비즈니스 기회 탐색
17. 관리자를 위한 AI 도구
18. 당신의 삶을 더 쉽게 만들어 줄 멋진 ChatGTP 플러그인 6가지
19. 3 그라피코프 AI. Generatywna sztuczna inteligencja dla biznesu
20. McKinsey Global Institute가 말하는 AI의 미래는 무엇입니까?
21. 비즈니스에서의 인공지능 - 소개
22. NLP, 즉 비즈니스에서의 자연어 처리란 무엇입니까?
23. 자동 문서 처리
24. Google 번역과 DeepL. 비즈니스를 위한 기계 번역의 5가지 응용
25. 보이스봇의 운영 및 비즈니스 애플리케이션
26. 가상 비서 기술, 아니면 AI와 대화하는 방법?
27. 비즈니스 인텔리전스란 무엇입니까?
28. 인공지능이 비즈니스 분석가를 대체할 것인가?
29. 인공지능이 BPM에 어떻게 도움을 줄 수 있나요?
30. AI와 소셜 미디어 – 그들은 우리에 대해 무엇을 말하는가?
31. 콘텐츠 관리의 인공 지능
32. 오늘과 내일의 창의적 AI
33. 멀티모달 AI와 비즈니스 애플리케이션
34. 새로운 상호 작용. AI는 우리가 장치를 작동하는 방식을 어떻게 변화시키고 있습니까?
35. 디지털 기업의 RPA 및 API
36. 미래의 직업 시장과 다가오는 직업
37. 교육 기술의 AI. 인공지능의 잠재력을 활용한 기업의 3가지 사례
38. 인공지능과 환경. 지속 가능한 비즈니스 구축에 도움이 되는 3가지 AI 솔루션
39. AI 콘텐츠 탐지기. 그만한 가치가 있나요?
40. ChatGPT 대 Bard 대 Bing. 어떤 AI 챗봇이 경쟁을 주도하고 있을까요?
41. 챗봇 AI는 Google 검색의 경쟁자인가요?
42. HR 및 채용을 위한 효과적인 ChatGPT 프롬프트
43. 신속한 엔지니어링. 프롬프트엔지니어는 어떤 일을 하나요?
44. AI 모형 생성기. 상위 4개 도구
45. AI와 그 밖의 무엇? 2024년 비즈니스를 위한 최고의 기술 트렌드
46. AI와 비즈니스 윤리. 윤리적 솔루션에 투자해야 하는 이유
47. 메타 AI. Facebook과 Instagram의 AI 지원 기능에 대해 무엇을 알아야 합니까?
48. AI 규제. 기업가로서 알아야 할 것은 무엇입니까?
49. 비즈니스에서 AI를 활용하는 5가지 새로운 용도
50. AI 제품 및 프로젝트 - 다른 제품과 어떻게 다른가요?
51. AI 지원 프로세스 자동화. 어디서 시작하나요?
52. AI 솔루션을 비즈니스 문제에 어떻게 연결합니까?
53. 팀의 전문가로서의 AI
54. AI 팀 vs 역할 분담
55. AI에서 진로 분야를 선택하는 방법은 무엇입니까?
56. 제품 개발 프로세스에 인공 지능을 추가하는 것이 항상 가치가 있습니까?
57. HR의 AI: 채용 자동화가 HR 및 팀 개발에 미치는 영향
58. 2023년 가장 흥미로운 AI 도구 6가지
59. AI로 인해 발생하는 6대 비즈니스 사고
60. 회사의 AI 성숙도 분석은 무엇입니까?
61. B2B 개인화를 위한 AI
62. ChatGPT 사용 사례. 2024년 ChatGPT로 비즈니스를 개선하는 방법에 대한 18가지 예
63. 마이크로러닝. 새로운 기술을 얻는 빠른 방법
64. 2024년 기업에서 가장 흥미로운 AI 구현
65. 인공지능 전문가는 어떤 일을 하나요?
66. AI 프로젝트는 어떤 과제를 가져오나요?