AI 지원 문화를 육성하는 특성 알아보기
성공적인 AI 전략을 구축하려면 비즈니스 이슈뿐 아니라 문화적 이슈까지 고려해야 합니다. AI 지원 조직이 되려면 업무를 진행하는 방법, 직원이 서로 관계를 맺는 방식, 보유하고 있는 기술 및 행동의 기준이 되는 프로세스 및 원칙에 대해 기본적인 혁신이 필요합니다. 해당 혁신은 조직 문화권의 핵심으로 전파되며, 조직은 해당 혁신을 전체적인 방식으로 추진해야 합니다. 리더는 조직의 모든 사람이 AI를 수용하고 채택할 수 있도록 이러한 문화적 변화를 지원해야 합니다.
AI 지원 문화권을 구축하려면 다음이 필요합니다.
- 데이터 기반 조직 구현.
- 사람들이 AI 혁신에 참여할 수 있도록 역량을 강화하고 부서 간, 여러 분야의 협업을 가능하게 하는 포용적인 환경 조성.
- AI가 제시하는 어려운 질문을 해결하는 AI에 대한 책임감 있는 접근 방식 만들기.
물론 해당 혁신은 혁신에 필요한 변화에 적응하고 사용자들을 적극적으로 지원함으로써 변화를 이끄는 강력한 리더십이 있어야만 가능합니다. 아래에서는 AI 지원 문화권 구축에 필요한 변화에 대한 당사의 생각을 논의합니다.
데이터 기반
좋은 AI 시스템은 최상의 가장 완벽한 데이터를 보유하고 전체 데이터 자산에 대해 추론할 수 있어야 합니다. 즉, 무결성과 액세스 권한에 따라 달라집니다.
Access
데이터 소유권 또는 스토리지 문제 때문에, 대부분의 조직에서는 사일로 방식으로 데이터를 생성, 구성 및 사용합니다. 각 부서는 자체 프로세스에서 제공되는 데이터를 충분히 볼 수 있지만 해당 작업과 관련된 다른 정보는 부족할 수 있습니다.
예를 들어 판매 부서에는 다른 부서에서 관리하는 전자상거래 활동 및 지급 상태와 같은 데이터가 없으므로 고객을 완벽하게 파악하지 못할 수 있습니다. 이 경우 판매자는 이미 온라인 채널을 통해 구매한 보험 정책을 고객에게 판매하려는 실수를 할 수 있습니다.
조직 전체에서 데이터를 공유합니다. 각 부분보다 합한 전체가 더 유용한 데이터를 제공할 수 있습니다. 데이터의 각 부분은 더 이상 중요하지 않으며 데이터를 합하여 고객에 대한 통합된 보기를 얻을 수 있습니다. 통합 보기를 사용하여 더 나은 결정을 내리고 보다 효과적으로 작업하고 더 나은 사용자 환경을 제공할 수 있습니다. 데이터 자산이 유용하려면 온-프레미스, 클라우드 또는 에지에 관계없이 액세스할 수 있어야 합니다.
무결성
데이터의 품질도 중요한 요인입니다. 이 예제에서 고객 데이터에 부정확한 연락처 정보, 관련이 없는 데이터 또는 중복된 데이터와 같은 오류가 있으면 데이터가 통합되었다고 할 수 없으므로 판매자가 고객과 상호 작용할 때 심각한 실수를 저지를 수 있습니다.
데이터 품질은 고객을 위한 더 높은 환경 수준을 만드는 데 중요할 뿐만 아니라 성공적인 AI에도 매우 중요합니다. AI 모델은 관련 작업을 수행하고 학습할 수 있는 데이터만큼만 유용하고 완전합니다. 따라서 데이터를 최대한 완전하고 엄격하게 관리하는 방식으로 작업하는 것이 매우 중요합니다.
요약하면 데이터 기반이 된다는 것은 작업하고 관계를 맺는 방식, 궁극적으로는 협업하는 방식을 주도하는 데이터 공유 및 엄격함에 대한 사고방식을 습득하는 것을 의미합니다. 이를 통해 AI의 가치를 실현하고 AI로 인해 야기하는 난제를 보다 잘 처리할 수 있습니다.
참여 촉진 및 포괄
AI 지원 문화권을 육성한다는 것은 직원들이 AI 혁신에 참여하도록 촉진하는 것을 의미합니다. 조직은 이러한 목표를 달성하기 위해 다음과 같은 기회를 제공해야 합니다.
활성화: 사람들이 AI로 수행하는 작업을 개선하려면 공간, 리소스, 지침, 보안, 지원이 필요합니다.
학습 시간: 조직은 사람들이 지식과 기술을 습득하도록 도와야 합니다.
실험의 여지: 이 과정에서 새로운 아이디어와 지속적인 개선을 장려해야 합니다. 이 실험은 성공에 대한 축하와 인정뿐만 아니라 오류의 여지를 허용해야 합니다.
또한 조직의 경계를 넘나드는 부서 간 팀에서 일하려는 직원의 의지와 능력에 입각한 포용적인 환경을 만드는 것을 의미합니다.
또한 비즈니스를 가장 잘 이해하는 사람들을 혁신 프로세스의 핵심 요소로 만드는 것을 의미합니다. 격리된 상태로 작업하며 효과적인 AI 리소스가 되는 데 필요한 비즈니스 지식, 목적 또는 가치가 부족한 데이터 과학자들이 모델을 만드는 경우가 많습니다. 마찬가지로, 격리된 상태로 작업하는 비즈니스 직원에게는 데이터 과학 관점에서 수행할 수 있는 작업을 이해하는 기술적 지식이 부족합니다. 다분야 접근 방식이 중요합니다.
데이터 과학자와 비즈니스 요구에 가장 가까운 비즈니스 직원을 모두 포함하는 부서 간 팀을 구축하여 강력하고 효과적인 AI 솔루션을 만들 수 있습니다. 이에 대한 예로, 재무 팀에서 일하는 직원들이 아이디어를 내고 개발한 규정 준수 예측 분석 도구가 있습니다. 이 도구는 큰 성공을 거두었습니다. 그들은 비즈니스 요구에 가장 가까운 사람들의 인사이트로 만들어졌기 때문에 성공했습니다. 이 예는 포용적이고 조직 간 협업하는 접근 방식을 만드는 것이 얼마나 강력한지 보여 줍니다.
책임형
AI 지원 문화의 세 번째 핵심 요소는 AI에 대한 책임 있는 접근 방식을 촉진하는 것입니다. AI가 지속적으로 발전함에 따라, 생활을 획기적으로 변화시킬 수 있으므로 미래에 우리가 원하는 결과에 대해 복잡하면서 까다로운 질문이 야기될 수 있습니다.
Microsoft의 전략 미션 및 기술 담당 부사장이 말한 것처럼, AI가 무엇을 할 수 있는지가 중요한 것이 아니라 AI가 무엇을 해야 하는지가 중요한 경우가 많습니다. 조직은 다음과 같이 자문해야 합니다. 개인 및 사회에 긍정적인 영향을 줄 수 있게 AI 시스템을 설계, 빌드 및 사용하려면 어떻게 해야 하나요? AI 시스템이 모든 사용자를 공정하게 다루도록 하려면 어떻게 해야 하나요? 직원이 새 AI 시대에 가장 잘 대비하도록 하려면 어떻게 해야 하나요?
이러한 질문은 조직이 AI 원칙과 회사 전체에서 이를 보장하는 방법에 대해 생각하도록 요구합니다. 책임 있는 AI 관행을 보장하려면 AI 거버넌스 모델을 포함하는 구체적인 계획이 필요합니다. 이러한 방식으로 투명하고 설명 가능하며 윤리적인 AI를 제공할 수 있습니다. 책임 있는 AI 원칙 및 관행 수용 모듈에서는 책임 있는 AI가 비즈니스에 미치는 영향에 대해 더 자세히 설명합니다.
이제 조직이 AI를 수용할 수 있도록 하는 원칙을 이해했으므로 조직이 준비되었는지 여부와 어떻게 발전해야 하는지를 평가해 보겠습니다.