인공지능(AI) 활용과 관련된 프로젝트를 추진부서 단독으로 진행해서는 안 된다. 자사 IT부문이 아무리 기술이 뛰어나고, 또 준비가 잘 갖추어져 있어도, 독불장군식으로 추진하면 고작 개념 실증(PoC)을 확인하는 수준에 머무를 것이다. AI 활용을 성공으로 이끌기 위해서는, 기업 모든 부서 구성원들의 협력을 받아, 힘을 합해 노력해 나가야 한다.

업계 전문가들에 따르면 AI 이니셔티브를 추진하는 데 있어서 사내 직원들을 모두 끌어들일 필요가 있다고 말한다. 

Mindtree Consulting 대표 Sreedhar Bhagavatheeswaran씨는, 

「엄청난 양의 트레이닝 데이터와 유연한 컴퓨터 파워가 있다 해도, AI 활용을 성공시키기 위한 토대가 되지 않는다」라고 말한다.

AI의 활용 도입을 성공시키기 위한 토대는 사람이다. 그것도 AI 스킬을 가진 사람뿐만이 아니라, 마케팅에서 서플라이 체인(supply-chain) 관리에 이르기까지 모든 부서의 직원들이 토대가 되어야 한다. 

Capgemini Americas의 AI 및 애널리틱스 담당 부사장 Dan Simion씨에 의하면, 최근 특히 최근 1년간 자동화된 프로세스나 인력이 필요치 않은 프로세스에 대한 AI 도입 요구가 가속화되고 있는데, 

「기업들은 리더십을 쥐고 있는 팀원 들의 AI에 대한 올바른 이해와 동시에 사내 이해 관계자로부터 지지를 얻지 않으면 성공할 수 없다는 것을 배웠다」라고 한다.

그는 또 AI 개발에 사내 협조가 필요한 것으로, 「강력한 거버넌스와 사내 홍보 활동, 기업 업무 기능을 아우르는 AI 이니셔티브 채택을 가속화하기 위해서는 적절한 교육 훈련도 필요하다」고 덧붙였다. 

성공 열쇠는, AI 모델에 의해서 만들어지는 가치 있는 통찰력을 어떻게 보여 주는가에 달려 있다.

Bhagavatheeswaran씨는, AI 도입 추진활동 중에, 「기업은 지금 AI 도입으로 업무에 임팩트를 줄 수 있는 올바른 여정과 적절한 사례를 만들거나, AI 운용과 거버넌스 체제를 확립하여 AI 활용을 진행시키고 데이터 엔지니어링과 AI 인재를 적절한 비율로 조합 하는 등 AI를 중요한 요소로 인식하고 있다」라고 말했다.

여기서의 함정은, 추진하는데 있어서 조직간의 알력이나, 단순한 타성에 의해서 엉망이 되어 버리는 수가 있다는 점이다. AI는 미래를 위해 갖추어야 할 것처럼 매력적으로 느껴지지만 도입되어 업무에 활용에 익숙해지고 효과를 내려면 시간이 걸린다.

The SmartCube의 데이터 분석 담당 부사장 Nitin Aggarwal씨는, 「기업은 훈련에 필요한 기간과 작업을 계획함과 동시에, AI시스템 이용과 이것이 종래의 수법보다 뛰어난 점을 계속적으로 보강해 나가야 한다」며, 「작은 실적들을 지속적으로 공유해 나가야 한다고」고 조언했다.

또, 기업은 로봇이나 소프트웨어라고 하는 것을 전면에 내세우기 보다는 친숙해지기 쉬운 AI를 추구할 필요가 있다. 

Aggarwal씨는 「비즈니스 친화적이면서 직감적인 최종 유저 인터페이스를 추구하는 것이다」라고 말한 다음, 「최종 유저가 “그러니까 어떠하다는 것이냐?” 라고 하는 관점에서 통찰을 이해할 수 있도록 문턱을 낮추면, 실제로 시스템을 사용해 줄 가능성이 높아진다」라고 시사했다. 이어 그는 배치한 솔루션을 원하는 대로 지속적으로 작동시킬 수 있도록 가능하면 MLOps 팀을 구성하라고 조언했다.

Simion씨에 의하면 AI가 현시점에서 가장 크게 성공하고 있는 것은, 마케팅이나 영업이라고 하는 「고객과의 교류에 직접 관여하는」업무 분야라며, 「이러한 분야는 매출 향상을 목표로 하고 있어 AI에 의해서 나타나는 결과가 명확하기 때문에, 효율 향상으로 연결되는 혁신적인 수법이나 전술보다는 개방적이다」라고 말했다.

Aggarwal 씨도 이에 동의해 AI 도입으로 큰 성공을 거두고 있는 분야로 마케팅 믹스의 최적화와 가격 결정, 프로모션에서의 투자수익률(ROI) 개선, 수요 예측, 고객관계관리(CRM), 고도화된 개인 맞춤화 생산이 포함돼 있다고 밝혔다. 그러나 최근에는, AI가 공급망(supply-chain)의 리스크 관리 분야에서도 능력을 발휘고 있다고 그는 덧붙였다.

AI는 단순한 기술이 아니라 문제와 기회를 생각하는 새로운 방법이다. Simion씨는, 모든 사람들이 이 강력한 새로운 툴을 활용할 필요가 있다고 재촉하며, 「기업의 각 부문이 동일한 교훈과 통찰을 얻을 수 있도록, 직원 모두가 같은 기술을 사용하는 것이 좋다. 기술과 그것이 가져오는 가치를 정합시키면 큰 변화를 가져올 수 있게 된다」라고 말했다.

또, AI의 활용은 그것이 공정하고 정확하다는 인식을 토대로 하기 때문에, AI 추진파는 이 기술에 대한 편견을 가져서는 안되며 이 문제에 정면으로 임할 필요가 있다. Aggarwal 씨는, 시작은 우선 데이터부터 라고 말하며, 「AI의 알고리즘은 데이터로부터 학습해 나가기 때문에, 편견을 보정해, 모든 분야/계층을 공정한 형태로 대표할 수 있도록, 보다 의미 있는 데이터의 수집과 입력에 의식적으로 임해 야 한다」고 조언했다.

Simion씨는, 대부분의 경우 「AI 모델을 실제 환경에 대규모로 전개했을 때에 사용하는, 실시간으로 결과를 감시할 수 있는 자동화 툴이 준비되어 있다」라고 말하며, 「AI 모델이 정해진 경계치나 한계치를 넘는 결과를 냈을 경우, 사람의 개입이 필요하다. 왜냐하면, 기대했던 대로 업무 효율 향상을 보증하기 위함인 동시에, AI의 편견이나 신뢰성에 관한 문제를 검출해 수정할 수 있도록 보증하기 위한 것이기 때문에」라고 했다.

Agarwal 씨는 사람과 관련된 계통을 그룹으로 묶어두는 것이 중요하다며 알고리즘과 함께 인간의 의사결정을 개재시킴으로써 다양한 응답을 이해하고 내재된 오류와 편견을 밝히는 데 도움이 될 수 있다고 했다. 인간의 판단은 공정한 의사결정으로 이어지는 보다 깊은 인식과 문맥의 이해 그리고 높은 조사능력을 갖게 한다. 그러나, 편견 제거는 계속적인 약속으로 생각해야 한다고 덧붙였다.

Bhagavatheeswaran 씨에 따르면, 기업은 AI 이니셔티브에 의해 나타난 업무 성과를 리뷰할 뿐만 아니라, 필요에 따라 특정 활용 사례의 결과를 설명하는 책임을 가진 통치 위원회를 설치하여 이점을 적극 알릴 필요가 있다고 제안한다.

IT부문의 리더나 스텝에 대한 AI의 편견을 줄이기 위한 훈련 제공이나 의식향상 교육도 지금까지 이상으로 필요하다. Aggarwal씨는 「이는 스텝의 퍼포먼스를 평가하는 방법이나, 인센티브를 조정해 가는 방법과도 관련하고 있다」라고 말했다. 정확한 AI시스템 실현이 중요한 데이터 사이언티스트의 목표라면, 매우 정도 높은 시스템 실현이 가능하겠지만, 반드시 책임 능력을 가지는 것은 아니다. 마찬가지로 모든 스텝에게 AI의 편견이 생길 만한 곳과 그 검출 방법을 훈련해 놓고 문제를 검출하고 인식할 수 있는 팀에게 보상을 주는 것도 중요하다고 했다.

출처 : zdnet​