‘ROI를 구체화하기’··· 생성형 AI의 성공적 구현을 돕는 모범 사례 5가지

현재 AI의 혼돈 속에서 효과적인 생성형 AI 전략의 가치를 실현하고 전략적 투자와 혁신 문화를 조성하고자 한다면 다음 5가지 모범 사례를 검토해 볼 만하다.
 

생성형 AI 구현이 그렇게 어려운 이유는 무엇일까? AI가 파괴적인 기술이라는 점이 변화의 규모와 빈도 모두에서 체감되고 있다. 벤더, 애플리케이션, 사용례는 많고 시간은 없지만, 비즈니스 전략과 프로세스, 제품 및 서비스에 이르는 모든 것에 AI가 스며들고 있다.

기술로서 생성형 AI의 특징은 현재 주류로 채택되고 있음에도 여전히 과대 광고 주기의 정점에 있다는 것이다. 그렇기 때문에 많은 기업이 사용례에 대해 기대와 관심을 보이더라도 ROI를 실현하는 데는 어려움을 겪는다.

따라서 생성형 AI에 대한 노력과 투자의 ROI를 극대화하려면 즉흥적인 실험에서 벗어나 보다 목적이 있는 전략과 체계적인 접근 방식이 필요하다.

생성형 AI의 비즈니스 이점을 최대한 활용하기 위한 모범 사례 5가지를 소개한다.

총체적인 생성형 AI 전략 수립
생성형 AI 전략을 정의하는 데는 AI, 자동화, 데이터 관리에 대한 보다 광범위한 접근 방식이 요구된다. 결국 최신 데이터 전략을 펼치기 위해서는 기업의 지능형 자동화 목표와 트랜잭션, 분석, 의사 결정을 지원하는 수많은 애플리케이션을 바탕으로 전체 IT 스택을 다루고 역량을 강화해야 한다.

최근 출시된 트랜잭션, 분석 및 AI 워크로드용 지능형 플랫폼 EDB 포스트그레스 AI만 봐도 알 수 있듯, 성공적인 AI 구현은 80%가 품질 및 위생(hygiene)과 같은 데이터 측면에 의존한다. 이 때문에 여러 워크로드 간에 더 많은 사일로 해소가 이뤄질 것으로 예상할 수 있다.

따라서 전략에는 조직의 생성형 AI에 대한 전략적 주제와 여러 비즈니스 목표를 어떻게 지원할 것인지에 대한 내용이 포함돼야 한다. 비즈니스 모델, 프로세스, 제품 및 서비스와 관련된 전략적 주제를 정의하라. 이런 테마 중 어떤 것이 성장 의제, 내부 효율성 및 비용 절감을 지원하는가? 비즈니스를 위해 달성하고자 하는 성과 측면에서, 제품 및 서비스별로 고유한 가치 제안과 전략적 목표를 어떻게 차별화할 것인지 정의해야 한다.

사용례 파악 및 우선순위 지정
조직 전체에서 생성형 AI의 사용례는 수십 가지가 있을 수 있다. 최종 사용자로부터 유기적으로 파악되는 경우도 많지만 마스터 목록을 작성하는 것도 중요하다. 사용례를 파악할 때 회사 인트라넷에 AI 협업 영역을 설정하고 실무자들이 작업 중인 내용과 그 결과를 공유하도록 초대하는 방법이 있다. 이렇게 하면 조직 전체의 활동을 파악하는 데 도움이 되고 지식 공유와 조정을 장려할 수 있다. 활발하게 평가되는 사용례와 참여자 수에 놀랄 수도 있다.

또한 진행 중인 활동의 마스터 목록을 고객 여정 맵 또는 기업 프로세스의 프로세스 맵에 매핑해 적용 범위의 차이와 중복을 찾고, 공백 영역에서 추가적인 기회를 파악해 우선순위를 정할 수 있다.

사용례 구현이 잘 진행되고 있더라도, 최종 사용자가 브레인스토밍을 통해 사용례의 우선순위를 정하도록 지원하기 위해 혁신 워크숍을 열 수도 있다. 빠른 성공 사례(비즈니스 영향력이 높고 구현하기 쉬운)와 필요한 것(비즈니스 영향력은 높지만 시간, 비용, 리스크, 복잡성으로 구현하기 어려운)를 모두 찾은 뒤 구현 로드맵에 따라 추가하는 것이 좋다.

목적이 있는 실험
생성형 AI가 과대 광고 주기의 정점에 있는 지금은 최종 목표에 대한 일관된 초점 없이 땜질식 작업이 이뤄지고 있을 가능성이 놓다. 몇 가지 작은 수정 사항을 통해 파일럿과 실험을 장려하고 최종 사용자가 혁신가이자 테스터가 될 수 있도록 권한을 부여하는 식으로 에너지를 활용할 수 있다.

혁신 문화를 조성하고자 할 경우 작은 수정 사항에는 지침, 지원, 격려도 포함돼야 한다. 예를 들어 최종 사용자가 AI 음성 텍스트 변환을 위해 새로운 도구를 사용하려 할 때 두세 가지 도구를 사용해 보고 결과를 비교하도록 권장할 수 있다. 조직에 적합한 선택지를 찾을 수 있도록 현재 선호하는 도구 외에도 기업 표준, 예산 고려 사항, 선호하는 벤더에 대한 세부 정보를 공유할 수도 있다.

조직의 가드레일 공유
실험과 파일럿을 장려해 혁신 문화를 조성할 때 조직의 가드레일을 공유함으로써 최종 사용자가 AI 도전 과제를 헤쳐나가도록 도울 수 있다. 

‘새로운 기술 리스크에 어려운 질문을 던지는 4가지 방법’ 기사에서 언급했듯이, 조직 차원의 기본적인 가드레일은 자체적인 기업 사용 정책을 만들고 다양한 업계 협약에 적절히 동참하는 것을 의미한다. AI 및 기타 분야의 경우 기업 사용 정책은 사용자에게 잠재적인 위험 영역을 교육해 위험을 관리하는 동시에 혁신을 장려하는 데 유용하다.

각 업계마다 AI 리스크 영역의 우선순위가 다르겠지만, 건축, 엔지니어링, 건설 업계에서는 데이터 프라이버시 및 기밀 유지가 주요 관심사인 것으로 나타났다. 따라서 사용자에게 퍼블릭과 프라이빗 GPT의 장단점을 교육하고, 언제 둘 중 하나 또는 둘 다를 사용해야 하는지를 가르치는 것이 유용하다. 이는 일부 벤더 선택에도 영향을 미칠 수 있다. 예를 들어, 사용자 커뮤니티의 데이터를 사용해 모델을 학습시키는 경우 오랜 역사를 가진 벤더의 기본 제공 AI는 잘못된 선택일 수 있다.

논의 초기 단계부터 ROI 고려
생성형 AI는 IT팀 외부의 많은 직원이 평가하고 사용하는 기술 중 하나이기 때문에 비즈니스에 성공적으로 구현하려면 직원들이 필요한 도구를 갖추도록 지원해야 한다.

핵심은 기술 사용에 대한 지원 비즈니스 사례와 ROI 계산 방법을 제공하는 것이다. 이 점에서 생성형 AI도 다른 기술과 다르지 않다. 고객 대면 제품 및 서비스에 대한 가치 제안과 경쟁 차별화, 내부 프로세스의 시간 및 비용 절감 측면에서 효율성을 살펴볼 필요가 있다. 간단한 ROI 계산 스프레드시트로 시작하면 직원들이 이전과 이후의 상황을 살피고 생성형 AI가 어떻게 운영을 간소화하는 데 도움이 되는지 파악할 수 있다.

전반적으로 환경의 변화 속도가 빠르기 때문에 적응형 생성형 AI 전략을 수립하고, 필요에 따라 정기적으로 업데이트하며 구현 전반에 걸쳐 지속적인 학습과 개선을 추구하는 태도가 중요하다. 초기에 빠른 성과를 거두고 ROI를 입증하기 위한 단계를 밟아나가되, 향후 조직을 차별화하는 데 도움이 될 필수 요소와 보다 전략적인 이니셔티브에도 집중해야 한다.

* Nicholas D. Evans는 디자인 및 전문 서비스 기업 WGI의 최고 혁신 책임자다. ciokr@idg.co.kr