긍정적인 변화의 힘으로서 AI의 잠재력은 엄청납니다. 이제 기업에서 AI의 힘을 활용할지 여부는 더 이상 선택의 문제가 아니라 방법의 문제입니다.
주니퍼는 최근에 라스베이거스에 40명 이상의 CTO, CIO, AI 전문가, 글로벌 사고 리더를 초대하여 이틀에 걸쳐 이 질문의 핵심을 파악했습니다. 통찰력과 배움, 그리고 흥미로운 대화로 가득 찼던 이번 서밋은 저의 모든 기대를 뛰어넘었습니다. 저는 항상 AI에 대해 낙관적인 입장이었으며, 이번 행사를 통해 이러한 믿음은 그 어느 때보다 강해졌습니다.
이번 서밋의 주요 목표는 조직이 어떻게 AI의 기회를 가장 잘 포착할 수 있을지 밝히는 것이었습니다. 이 eBook에 설명된 대로 AI를 성공적으로 활용하려면 조직이 다음 네 가지 핵심 목표를 고려해야 한다는 결론에 도달했습니다.
1. 명확한 AI 목표와 의도의 정의
AI를 통해 무엇을 할 것인가? 달성하고자 하는 목표는 무엇인가? 성공을 어떻게 측정할 것인가?
모든 구현의 첫 번째 단계는 AI를 활용하여 달성하고자 하는 목표를 정의하는 것입니다. 서밋에서 소개된 실제 사용 사례는 다음과 같습니다.
- 고객 서비스 상호작용을 기록하고 분석하여 고객 만족도 및 운영 효율성 개선
- 직원 참여 자료를 기반으로 작업 항목을 생성하여 생산성 및 직원 복지 향상
- 기업 검색을 최적화하여 보다 빠르고 정확한 정보 검색 제공
- 코드 번역, 자동화 및 품질 보증 수행을 통해 소프트웨어 개발 프로세스 효율화
- 네트워크 사고 및 사이버 사기를 탐지하여 사이버 보안 조치 강화
흥미롭게도 통계에 따르면 82%의 조직이 AI 도입에 대한 상당한 압박감을 느끼고 있지만, 실제로 준비가 되었다고 느끼는 조직은 36%에 불과했습니다.
AI 이니셔티브의 성공을 측정하는 데 있어서 참석자들은 이것이 어려울 수 있다는 점에 동의했습니다. 정량적 지표는 AI 도구가 반복 가능한 프로세스에 널리 내장되어 일관되게 사용되지 않으면 설정하기 어려운 경우가 많습니다. 정성적 결과는 해석에 따라 달라질 수 있으며, 매우 주관적일 수 있습니다. 조사 대상 기업 중 절반은 AI 이니셔티브를 전혀 측정하지 않고 있었고, 18%는 정성적 지표에 의존하고 있었으며, 32%는 사용자의 주관적인 피드백을 사용하여 AI가 생산성에 미치는 영향을 측정하고 있었습니다. AI 도입이 증가함에 따라 보다 표준화되고 정량적인 측정 방법이 등장할 것이며, ROI와 조직에 미치는 영향을 명확하게 정의하기 위해서는 반드시 이러한 방식이 적용되어야 합니다.
2. 효과적인 AI 거버넌스 확립
조직은 이를 실현하기 위해 어떻게 부서 간에 협업하고 속도와 위험의 균형을 맞출 수 있을까요?
우선순위가 높은 AI 이니셔티브를 너무 빠르게 추진하면 단편적인 도입, 여러 팀이 동일하거나 유사한 제품을 구매하거나 비공개 데이터가 공개 모델에 노출되는 등의 혼란이 발생할 수 있습니다. 거버넌스 프레임워크는 조직이 안전하고 책임감 있게 AI를 사용할 수 있도록 보호 조치를 마련해 줍니다. 여기에는 AI가 적용되는 경우와 그 방법, 사용되는 데이터와 그 데이터를 보호하는 방법, 그리고 효과적인 거버넌스를 보장할 책임이 있는 사람(주로 CIO 팀, 제품, 법무 및 기타 팀의 조합)이 명시됩니다.
이번 행사에서 특히 공감했던 점 중 하나는 기술적인 문제들은 결국 해결되겠지만, 이 여정을 진행하는 동안 적절한 보호 조치를 마련하고 이에 대해 조직 내에서 공감대를 형성하고 일치점을 찾는 것이 엄청나게 중요하다는 사실이었습니다.
AI 구축을 확장하는 효과적인 접근 방식 중 하나로 제안된 것은 한 팀에서 파일럿 프로젝트로 시작하는 것이었습니다. 제품이 성공적으로 입증되면 조직 전체에서 유사한 사용 사례를 파악하여 솔루션을 다른 영역으로 확장할 수 있습니다. 이 방법은 위험을 관리하고 AI의 도입을 통제하고 측정하는 데 도움이 됩니다.
3. 지능형 AI 데이터 전략 구현
데이터를 수집하고, 보호하고, 정리하여 AI에 적용하기 위한 계획은 무엇입니까?
AI 모델에는 잘 정리되어 있고 쉽게 접근할 수 있는 대량의 고품질 데이터가 필요합니다. 현재 많은 조직에서는 데이터가 서로 다른 부서와 플랫폼에 흩어져 있는 것이 현실이며, 이는 결국 데이터 사일로를 초래하게 됩니다. 이러한 사일로로 인해 필요한 데이터를 통합하고 접근하는 것이 어려우며, 일관되지 않거나 불완전하거나 부정확한 데이터는 AI 모델에 편향을 초래할 수 있습니다. 다양한 시스템에서 규정 준수와 개인정보 보호를 보장하는 것도 성공에 필수적입니다.
이러한 과제들을 선제적으로 해결하려면 데이터의 수집, 저장, 보호, 포맷, 구성 및 레이블 지정 방식을 결정하는 강력한 데이터 아키텍처를 구축하는 것이 중요합니다. 이러한 아키텍처는 또한 데이터의 변환 및 배포 방식과 인간 사용자 및 AI 모델 모두에 의해 소비되는 방식도 관리해야 합니다.
4. AI 보안 및 정책 통합
여러분의 조직은 AI가 조직(및 사용자와 데이터)을 위험에 노출시키지 않도록 보호하는 보안 프로토콜을 갖추고 있나요?
보안 문제를 선제적으로 해결하면 AI의 이점을 활용하는 동시에 잠재적 위협을 최소화할 수 있습니다. 여기에는 무단 액세스 및 데이터 손상을 방지하고, 포괄적인 거버넌스 정책을 구현하며, AI 공급업체와의 투명성을 보장하고, 부적절한 대응을 방지하기 위해 AI 활동을 모니터링하는 것이 포함됩니다.
규정 준수 및 데이터 보안에 심각한 위험을 초래하는 또 다른 문제로는 직원과 공급업체가 무단으로 AI 도구를 사용하는, 이른바 “섀도우 IT”가 있습니다. 이러한 리스크를 완화하기 위해 조직은 직원들에게 정기적으로 교육을 실시하고, 승인된 AI 도구에 대한 훈련을 제공하며, 네트워크 활동을 모니터링해야 합니다.
Protect AI의 CISO인 Diana Kelley가 이 주제에 대해 청중에게 제공한 조언이 정말 인상 깊었습니다. Diana는 이렇게 말했습니다. “저라면 직원들에게 허용되는 이용 방침(acceptable use policy, AUP)부터 시작하겠습니다. 개발을 위한 정책을 수립하고 새로운 AI를 도입할 때 고려해야 할 사항에 대해 CIO 및 팀원들과 논의해야 합니다.”
NIST RMF(Risk Management Framework), OWASP, MITRE ATT&CK 프레임워크와 같은 효과적인 거버넌스 프레임워크는 조직에서 AI 관련 위험을 관리하고 AI 기술의 안전하고 책임감 있는 사용을 보장하는 데 도움이 될 수 있습니다.
이제는 AI의 기회를 포착할 때
이 네 가지 핵심 영역을 해결함으로써 조직은 AI의 복잡성을 헤쳐나가고 현재와 미래의 기회를 포착하는 데 성공할 수 있습니다.
준비되셨나요? 지금 바로 AI 시대의 복잡성을 헤쳐 나가고 기회를 포착하는 방법 eBook을 다운로드하여 이 주제에 대해 자세히 알아보세요.
