AI(인공지능)은 어떻게 산업이 미래를 바꾸는가?

AI 추진에서 CEO의 역할
이 보고서는 현재 AI 기술을 구현한 조직에게서 배울
점을 찾아내고, 그들이 다른 조직과 어떤 차이가
있는지 살펴볼 것입니다. 우선 한 가지 차이점은
다음과 같습니다. AI의 추진에는 상부의 의지가 핵심인
것으로 보입니다. 우리는 AI를 광범위하게 구현한
조직은 그렇지 않은 조직보다 AI 활용케이스 파악에
고위 경영진이 관여할 가능성이 훨씬 높다는 사실을
발견했습니다. 또한 이들 조직에서는 CEO와 이사회가
새로운 전략 기술 도입에 주도적인 역할을 할 가능성이
높습니다.
리더십은 행동하는 동시에 모범을 보여야 합니다.
보험 및 자산 관리회사 Sun Life의 토론토 본사 사장
겸 CEO인 Dean Connor는 회사의 리더들이 아키텍처와
기술에 관해 의견을 나눌 수 있어야 한다는 기대치를
설정했고, 연례 임원 회의의 반나절은 데이터 분석 훈련
캠프에 할애했습니다

“AI는 장기적인 철학이 필요합니다… AI 구현으로 성공을 꿈꾸는 조직이라면
장기적인 안목을 가져야 하고, AI 구현으로 상당한 경쟁 우위를 점할 수 있다는
것과 장기적인 투자가 필요하다는 것을 이해해야 합니다. 그 밖의 모든 것은
무용지물입니다.”

“이는 ‘CEO가 API 전략과 같은 주제를 논의한다면, 직원도 역시 그 주제에 대해 생각해 봐야 한다’는 메시지를 줍니다.” Sun Life의 선임

200828_ 인공지능은 어떻게 산업의미래를 바꾸는가.PDF

0.97MB

부사장 겸 선임 고객 경험 책임자인 Eric Monteiro는 말합니다.
Accenture의 북미 최고 데이터 과학자인 Peter Guerra는 리더들에게 AI를 단지 빠른 투자 회수가 가능한 최신 인기 기술로만 여겨서는
안 된다고 경고합니다. 대신, 리더들은 비즈니스의 방향과 AI가 문제 해결에 어떻게 도움이 될지를 고민해봐야 합니다. “AI는 당신이 하는
모든 일의 토대가 되는, 당신이 하는 모든 것을 주도하는 무언가가 되어야 합니다.”라고 Guerra는 말합니다. “‘나는 AI를 구현할 거야’에
집중할 게 아니라, ‘나는 공급망을 개선할 것이고, 그러기 위해 AI를 활용할 거야’에 초점을 맞추는 겁니다.”
또한 AI는 CEO들이 늘 경험하는, 단기적 성과에 대한 압박과는 공존하기 힘든 장기적 사고방식을 필요로 한다고 Constellation Research의
수석 애널리스트이자 설립자 겸 회장인 Ray Wang은 말합니다. “AI는 장기적 철학이 필요합니다. 여정의 끝에 가서야 기하급수적인 보상이
이루어지는 장기적인 투자를 해야 함을 이해해야 한다는 의미입니다. 리더들은 종종 이를 이해하지 못하기 때문에, 회사의 장기 건전성보다는
주당 순수익만 보고 단기적 결정만을 계속해서 내리죠.”라고 그는 말합니다. “AI는 장기적인 철학이 필요합니다… AI 구현으로 성공을 꿈꾸는
조직이라면 장기적인 안목을 가져야 하고, AI 구현으로 상당한 경쟁 우위를 점할 수 있다는 것과 장기적인 투자가 필요하다는 것을 이해해야
합니다. 그 밖의 모든 것은 무용지물입니다.”
상향식 AI 이니셔티브 지원
AI로 성공하려면 경영진의 의사결정만으로는 부족합니다. Guerra는 AI를 채택해서 장기적으로 긍정적인 영향을 미치기 위한 가장 좋은
시나리오는 리더십 지원과 실무진의 열정이 균형을 이루는 것이라고 조언합니다.
“제가 본 가장 좋은 예는 풀뿌리처럼 올라오는 상향식 노력과 이에 힘을 실어주는 하향식 추진력의 결합이었습니다.” Guerra는 말합니다.
“하향식으로만 추진 되었거나…상향식 노력만 기울인 경우에는 AI가 성공할 수 없었죠. 그럴 경우 아무도 우선순위를 설정하지 않음으로써
심각한 혼돈을 초래합니다.”
American Fidelity Assurance Company의 금융 서비스
및 보험 분야의 연구개발 담당 부사장인 Shane Jason
Mock은 자신의 회사에서도 하향식과 상향식 접근 방식을
결합하려는 노력이 진행되고 있다고 말합니다. 성공적인
프로젝트 중 하나는 더 빠르고 효과적인 서비스를 제공하기
위해 고객 이메일을 해석하고 전달하는 데 머신 러닝과 로봇
프로세스 자동화를 이용한 것입니다.
American Fidelity Assurance Company의 R&D 및
혁신 팀은 경영진과 정기적으로 만나서 AI 및 머신 러닝이
해결할 수 있는 비즈니스 니즈를 논의합니다. 이것이 양방향
소통입니다. 때로는 경영진이 문제를 제기하면 Mock의

그룹이 해결 방안을 제안하고, 어떤 경우에는 R&D 팀이 새로운 AI나 머신 러닝 활용 사례에 관한 

아이디어를 임원진에게 제시하기도 할것이라고 Mock은 설명합니다.
미 공군 본부의 AI 공동 의장인 Michael J. Kanaan 대위에 따르면, 미 공군은 조직 전반에 걸쳐 누구나 AI의 힘을 활용할 수 있는 환경을
조성하려 애쓰고 있는데, 이는 AI 기술력에 대한 접근을 민주화하고자 하는 문화적 시도입니다. 

45만 명의 인력을 고용한 글로벌 기업에서 사업 전반에 AI를 적용한다는 것은 항공 작전, 첩보, 감시, 정찰, 사이버 작전과 같은 군사 임무뿐 아니라, 창고 관리, 유통망, 인력 개발 같은일반 업무에서도 AI 활용 방법을 찾는다는 것을 의미합니다.
Kanaan이 목표라고 설명한 “모든 사람이 AI 기술로 조직의 임무를 수행하게끔 하는 것”에는 새로운 다기능 구조를 만들겠다는 리더십의의지가 필요합니다. 미 공군은 26개의 지원 및 임무 작전에서 인력을 동원해 그 목표를 이루어 냈습니다. “우리는 각각의 작전을 대표하는사람을 모두 한 방에 모아서 그들이 해당 사안에 대해 의견을 내고 자신이 가장 잘 아는 분야를 대표할 수 있게 했습니다.” Kanaan은 말합니다.

AI는 데이터 중심 리더십을 원한다
우리가 면담한 업계 전문가 및 AI 실무자에 따르면, 비즈니스 이점을 얻기 위해 AI를 활용하려면 데이터를 주요 자산으로 관리하려는경영진의 의지가 필요합니다.
“데이터를 기업 자산으로 여긴다는 것은 데이터가 어디에 있으며, 기업의 사명 또는 목표를 이루기 위해 그 데이터를 어떻게 사용해야 할지아는 전담 직원이 있다는 의미입니다.” Intel의 아메리카 담당 수석 데이터 과학자 Melvin Greer는 이야기합니다.
AI와 머신 러닝을 업무에 활용한 경험이 Sun Life가 데이터를 다루는 방식에 엄청난 변화를 가져왔다고 Monteiro는 전합니다.
“덕분에 모든 애플리케이션에서 데이터의 중요성에 대한 인식이 높아졌습니다.” 어떤 사업부 팀이 새로운 애플리케이션을 개발한다면, 이제그 팀원들은 향후에 Sun Life의 다른 팀이 동일한 데이터를 사용할 수도 있다는 점을 고려합니다. 따라서 다음 사람을 위해 데이터를 검증하고그 정의도 명확히 해야 함을 압니다. “이제 그들은 애플리케이션 설계나 변경 과정에서도 데이터 생성의 품질을 걱정합니다. 

전에는 그러지않았거든요.” Monteiro는 덧붙입니다.
데이터를 자산으로 취급하고 그것에 자원을 집중하는 것은 기업 리더들의 사고에 나타난 획기적인 변화일 수도 있다고 북유럽과 아시아국가에 서비스를 제공하는 오슬로 소재 통신 회사 Telenor Group의 분석 및 AI 담당 부사장인 Astrid Undheim은 말합니다. “AI로 성공을거두는 데 있어 정말로 큰 장벽이 있다면, 그건 경영진이 진정으로 이해하지 못할 수도 있지만, 그럼에도 반드시 해결해야만 하는, 양질의데이터를 대량으로 확보하는 일입니다. AI와 예측 모델 구현에는 종종 이전과는 완전히 다른 일련의 데이터가 필요합니다.” 라고 Undheim은 말합니다.

“그건 엄청난 과제죠.” Astrid Undheim은 덧붙입니다. “문제는 우리가 시스템에 가지고 있는 데이터와 어떻게 하면 AI를 활용해서 그것의가치를 창출할 수 있는가가 아닙니다. 우리가 생각해봐야 하는 건 어떻게 우리의 절차를 바꿀까 입니다. 어떻게 하면 업무 방식을 바꾸고, 가장중요한 비즈니스 문제를 해결해줄 모델을 구축하는 데 필요한 데이터를 수집할 수있을까요? 그저 AI 전문가를 고용한다고 해서 마술처럼 순식간에 일이 해결되는것은 아닙니다. 대개는 AI 전문가에게 실제 업무를 맡기기 전에, 나 스스로가 먼저
어떤 데이터를 수집하고 있었는지 거슬러 올라가 봐야 합니다.”
Seacoast Bank는 머신 러닝 도입 여정의 초기 단계에서 데이터 작업의 중요성을
인식했지만, 우선 비즈니스 목표부터 분명히 했습니다. 즉, 고객에게 더 나은
서비스를 제공하는데 도움이 될 정보를 얻는 것이었죠.
“‘전략적으로 우리 회사의 목표는 무엇인가? 어떤 문제를 해결하고 싶은가?’
등의 질문으로 이끌어 가는 것이 중요했습니다. ‘데이터 수집부터 시작하자’
라고 말하는 건 최선이 아닐 수 있습니다. 하지만 ‘우리의 목표는 무엇인가?’로
시작하면, 목표를 이행하기 위한 적절한 데이터를 얻을 수 있습니다. 우리의
경우에도, 그제서야 머신 러닝을 포함한 모든 것을 개발할 수 있었습니다.”
Seacoast의 선임 부사장 겸 비즈니스 분석 책임자 Rob Stillwell은 말합니다.

“‘전략적으로 우리 회사의
목표는 무엇인가? 어떤
문제를 해결하고 싶은가?’
등의 질문으로 이끌어 가는
것이 중요했습니다. ‘데이터
수집부터 시작하자’ 라고
말하는 건 최선이 아닐 수
있습니다.”
ROB STILLWELL, SEACOAST BANK