AI가 마침내 주류로 안착했다. 여러 업종에서 성공적인 개념 증명이 출현했으며, AI를 생산 현장 성공적으로 배치한 사례도 다수 등장했다. 일부 조직들은 기업 전반에 걸쳐 AI/ML 프로젝트를 적용해 파이프라인으로 완성하기도 했다.
이런 전반적인 성숙으로 인해 기업들이 AI의 전략적 가치를 보는 방식과 그 이점이 실현되기를 바라는 분야가 달라지고 있다. 현재 산업 전문가들이 진단하는 10가지 AI 기업 전략 트렌드를 살펴본다.
비즈니스 현장에 접근하는 AI
인공지능 초기에 프로젝트는 데이터 사이언티스트들만이 주도했었다. 데이터와 알고리즘이 있었고, 새로운 도구를 비즈니스 문제에 적용하는 수단을 이들이 선택했다. 때로는 성공하기도 했다. 지금 그 역학이 뒤집어지고 있다.
비즈니스 리더들은 몇몇 성공적인 프로젝트를 통해 배웠으며 AI가 어떤 도움이 될 수 있는지에 대해 좀더 자세히 깨달아가고 있다. 그 결과, 일선의 사업부들이 점차 AI 도입을 주도하고 있다.
맥킨지(McKinsey&Co.)의 퀀텀블랙(QuantumBlack) 글로벌 책임자 알렉스 싱글라는 “AI를 잘 하는 기업들은 현업 부분이 주도하고 있다”라고 말했다.
예를 들어, 허니웰(Honeywell)은 내부 운영에 AI를 사용하고 있으며 이를 고객용 제품과 서비스에 적용하고 있다고 해당 기업의 CDTO 쉐일라 조단은 “우리 또한 현업 부문과 긴밀한 관계를 맺고 있다. 우리는 가치 지향적이며, 고객을 위한 가치가 최우선적이다”라고 말했다.
기업 전 분야에 스며드는 AI
2년 전 조단이 허니웰에 입사했을 때, 첫 번째 대형 프로젝트는 데이터 웨어하우스 전략을 구현하여 모든 트랜잭션 데이터를 수집하는 것이었다.
그녀는 “이제 모든 부서, 모든 사업부에 디지털 의제가 있다”라고 말했다. 예를 들어, 허니웰은 모든 계약을 디지털화 했다. 그녀는 10만 건 이상의 디지털 계약를 통해 해당 기업이 거의 모든 기능 영역을 위한 AI 솔루션을 구축하는 데 도움이 되는 풍부한 데이터를 확보할 수 있었다고 밝혔다.
이제 AI를 통해 허니웰의 모든 계약은 이제 인플레이션 또는 가격 문제의 영향을 받는 영역에 대해 자동으로 검토될 수 있다. 조단은 “인간이 10만 건의 계약을 검토하는 것은 불가능하다”라고 말했다.
마찬가지로 완전한 재고 데이터를 통해 허니웰은 이제 폐기할 재고와 재사용할 수 있는 재고를 파악하여 원자재를 더욱 효율적으로 관리하는 것에 대한 스마트한 결정을 내릴 수 있게 됐다. 그녀는 “모든 부서에서 AI가 등장하고 있다. 재무, 법률, 엔지니어링, 공급망, IT 등이 포함된다”라고 말했다.
AI로 자동화 강화
허니웰이 공격적인 자동화 프로그램을 추진한 지 3년이 되었다. 회사는 이제 반복적인 작업에 대해 모두 자동화를 검토한다. 조단은 “올 해 아마 100건의 프로젝트가 있을 것이다. 우리는 전반에 걸쳐 이런 작업을 자동화하고 있다”라고 말했다.
그리고 허니웰은 이런 자동화를 더욱 스마트하게 하기 위해 노력하고 있다고 그녀가 덧붙였다. 그녀는 “우리는 더 많은 자동화된 봇에 AI를 적용할 것이다. 자동화된 봇이 더 스마트해지는 것이 중요하다”라고 말했다.
기본적인 규칙 기반 자동화를 시작한 또 다른 기업은 부즈 앨런 해밀턴(Booz Allen Hamilton, BAH)이다. 현재 이 기업은 AI와 머신러닝을 자동화에 통합하여 더욱 광범위한 작업에 적용할 수 있도록 진행하고 있다고 BA(Booz Allen)의 AI 활동 부사장 저스틴 네로다가 말했다.
그는 “사람들은 가장 단순한 자동화부터 시작한다. 그리고 스스로에게 ‘또 자동화할 수 있는 것이 있을까?’라고 묻는다. 그리고 AI와 ML이 필요하다는 사실을 깨닫는다”라고 말했다.
그는 “AI 기반 자동화는 기업들이 인력 부족 또는 많은 양의 작업을 처리하는 데 도움이 될 수 있다. 또는 작업의 절반을 자동화한 후 사람들이 어려운 부분을 처리할 수 있다”라고 말했다.
AI를 자연스럽게 적용
대규모 AI 적용에는 중요한 변화 관리 구성요소가 있다고 맥킨지의 싱글라가 말했다. 사람들이 사용할 방식에 대한 이해가 필요하며, 사람들이 개발하고 있는 기술뿐 아니라 기술 인력과 주제 사안 및 비즈니스 전문가의 조합을 통해 이루어진다고 그가 말했다.
그는 “보험 사정인들에게 AI의 3가지 적용 방법을 선택하라고 한다면 그렇게 할 가능성은 0이다. 하지만 워크플로에 자동으로 기초할수록 성공의 가능성이 높아진다. 누군가의 행동을 바꿀 필요가 적어질수록 도입률이 높아질 가능성이 높다”라고 말했다.
총체적으로 전환되는 AI 전략
기업들이 초기 개념 증명에 성공한 후 기술을 운영화하고 인재, 전문지식, 모범 준칙를 구축하기 위해 AI 전문가 조직을 구성하는 경우가 많다. 하지만 기업이 임계 질량 수준에 도달하게 되면 이런 전문가 조직 중 일부를 해체하고 AI를 구성하여 전문가들을 가장 필요한 곳으로 직접 이동시키는 것이 합리적이다.
맥킨지의 싱글라는 “덜 성숙한 기업들의 경우 인재를 보유하고 기관 전반에 걸쳐 학습하는 전문가 조직을 확보하는 데 가치가 있다. 이것이 없다면 기업들은 일반적으로 확장 능력이 없다. 재능이 있는 사람들은 사고방식이 비슷한 사람들과 함께 하고 싶어한다. 그리고 경험이 부족한 사람들은 전문가 조직에 속할 때 이점을 누린다. 거기에서 성장하거나 학습할 수 있기 때문이다”라고 말했다.
이들을 너무 조기에 분산시키면 영향이 희석되고 기업이 여러 비즈니스 부문에서 성공적인 프로젝트를 반복하고 재현할 수 있는 능력이 감소한다.
그는 “하지만 일정 수준의 성숙도와 규모에 도달하면 장기적으로 기술 전문가가 심층적인 AI 전문지식과 영역 전문지식을 확보할 때 진정한 이점이 있다. 하지만 규모가 있을 때만 가능하다”라고 말했다.
비즈니스 문제는 분산되어 있다고 인사이트(Insight)의 엔지니어 아몰 아즈가온카가 말했다.
그는 “비즈니스 문제가 한 곳에 있는 것은 아니기 때문에 AI 배치가 중앙에 집중될 것이라고 기대할 수 없다. 그들도 분산되어야 한다. 하지만 비즈니스 영향과 연계된 중앙 집중 AI 전략이 있어야 한다”라고 말했다.
다른 많은 기업들과 마찬가지로 BAH는 핵심 AI 그룹부터 시작했다. BAH의 AI 활동 부사장 저스틴 네로다는 “지난해 우리는 이것을 추진했다. 우리는 AI 전문가를 확보한 기업을 통해 하위 셀을 보유하고 있다. 하지만 이를 확산시키기 전에 임계 질량에 도달해야 한다. 그렇지 않으면 다 허물어질 것이다”라고 말했다.
그는 “우리 조직과 우리가 협력하는 고객들 내부에서 이런 것을 목격했다”라고 덧붙였다.
AI로 인한 비즈니스 프로세스 전환
기업들이 처음으로 AI를 사용하기 시작하는 시점에는 AI가 차별화를 꾀할 수 있는 비즈니스 프로세스를 찾는 경우가 많다. 젠팩트(Genpact)의 CDO 산자이 스리바스타바는 “이 프로세스를 여러 조각으로 나누고 각 조각을 디지털화 하며 AI를 적용하여 효율화를 꾀한다. 하지만 결국에는 프로세스 자체가 그대로인 경우가 대부분이다. 프로세스 자체는 바뀌지 않는 것이다”라고 말했다.
AI는 비즈니스 프로세스를 근본적으로 바꿀 수 있는 가능성이 있다고 그가 말했다. 예를 들어, 젠팩트는 고객들을 위해 많은 양의 계정 처리 작업을 수행한다.
그는 “송장에 AI를 적용하면 어떤 송장에 이의가 제기될지 알 수 있다. 우리는 포트폴리오의 어떤 부분에 위험이 가장 높은지 파악할 수 있다”라고 말했다.
AI를 통한 예측력 덕분에 프로세스 전체를 재구성할 수 있다고 그가 말했다. “AI를 적용하면 E2E(End to End) 가치사슬에 관해 생각하고 완전히 재구성할 수 있다.”
현실화되는 ML옵스(MLOps)
2021년 말에 공개된 맥킨지 보고서에 따르면 AI를 통해 수익이 극대화되는 기업들이 차별화되는 요소는 ML옵스 활용이다.
이것이 AI와 관련해 새롭게 출현하는 대형 트렌드라고 물리치료 기술 기업 오그멘트 테라피(Augment Therapy)의 클라우드 및 신기술 활동 책임자 카르멘 폰타나가 말했다. 폰타나는 센트릭 컨설팅(Centric Consulting)의 클라우드 및 신기술 활동 책임자였다.
그녀는 “이제 목표는 머신러닝을 생산에 적용하는 것이다. 2~3년 전에는 이 분야가 급성장했으며 사람들은 이것이 반드시 필요하다고 생각했다. 하지만 실제로는 많이 적용되지 않았다”라고 말했다. 하지만 이제는 조직이 AI 모델을 훈련하고 배치하며 모니터링하는 방법을 더욱 엄격히 할 수 있는 기성 도구와 방법론이 있다고 폰타나는 진단했다.
AI 파이프라인을 배치하는 기업들
BAH는 최근 고객들과 약 150개의 AI 프로젝트를 수행하고 있다고 BA의 네로다가 말했다. 하지만 지난 1년 동안 해당 기업은 이런 일회성 모델에서 벗어나기 시작했다. 그는 “지난 1년 반 동안 우리는 모듈식 기능과 E2E(End to End) 파이프라인에 투자했다”라고 말했다.
성공적인 AI를 위해서는 단순한 실용 모델 이상이 필요하다. 시간이 지남에 따라 데이터가 바뀌고 모델이 지속적으로 다듬어지면서 모델을 유지하기 위해 필요한 전체적인 프로세스가 있다는 설명이다.
그는 “가장 큰 문제점은 모든 도구를 연계시키는 방법이다. 우리는 이를 표준화하고 프로젝트 전반에 걸쳐 사용할 재사용 가능한 것들을 구축하기 위해 노력하고 있다”라고 말했다.
AI에 대한 신뢰 구축
직원 및 임원들이 AI에 익숙해지면서 인간의 직감에 반하는 AI 결정을 수용하는 현상이 나타나고 있다.
블루 욘더(Blue Yonder)의 전략 자문가 겸 설립자 마이클 페인트는 최근 팬데믹 관련 공급망 문제로 분투하고 있는 영국의 대형 식품 소매기업과 협력했다. 해당 기업이 수동 프로세스를 사용하여 공급망을 관리할 때는 빈 선반이 많았다고 그가 말했다. 게다가 업무를 위한 지식과 능력 및 의지가 있는 사람들이 부족했다.
자동화된 AI 기반 시스템은 비용 절감과 성과 향상을 제공할 수 있다. 하지만 팬데믹이 닥쳤을 때 사람들은 자동 시스템을 차단하고 싶어했다. 그는 “놀랍게도 자동 시스템이 인간보다 훨씬 빠르게 적응할 수 있다는 사실이 드러났다”라고 말했다.
그래서 시스템을 차단하는 대신에 해당 기업은 이를 확대하여 매장뿐 아니라 유통센터도 포함시켰다. 그 결과, 빈 선반과 식품 폐기물이 감소했다. 또한 매장 관리자는 하루 2시간씩 주문을 조정하던 것을 멈추고 고객 만족도 증가에 더 많은 시간을 할애할 수 있었다.
또한 AI에 대한 신뢰를 구축하는 다른 방법이 있다고 페인드가 말했다. 그는 “어떤 사람들은 비판적이며 몇 년 동안의 경험을 바탕으로 AI가 사람만큼 결정을 잘 내릴 수 있다고 생각하지 않는다”라고 말했다. 설명가능성을 더하면 이런 우려를 완화하는 데 도움이 될 수 있다. 설명 가능한 AI란 시스템이 인간 사용자에게 결정에 고려한 요소를 설명할 수 있는 것이다.
새롭게 등장하는 비즈니스 모델 가능성
일부 영역에서 AI는 이전에 없었던 기회를 생성하고 있다. 예를 들어, 자율주행 자동차는 사회를 바꾸고 완전히 새로운 종류의 기업을 만들 수 있는 가능성이 있다. 하지만 AI 기반 비즈니스 전환은 더 작은 규모로도 이루어질 수 있다.
예를 들어, 은행이 소규모 대출을 제공하지 못하는 이유 중 하나는 인간의 검토 작업 비용이다. 조사 및 처리 비용은 은행이 얻을 수 있는 어떤 이자 수익보다 높다. 하지만 AI를 사용해 평가하고 처리하는 경우 소규모 대출을 통해 은행은 과도한 이자를 청구하지 않고 완전히 새로운 고객 그룹에 서비스를 제공할 수 있다.
사파이어 벤처스(Sapphire Ventures)의 사장 겸 파트너 자이 다스는 “이런 사용 사례는 아직 확산되지 않았다. 이를 통해 비즈니스 방식이 근본적으로 바뀌며, 기업들은 이를 신속하게 바꾸지 않는다”라고 말했다.
AI와 ML이 기업 내의 모든 지식 노동자가 사용하는 도구가 되면 이 물결이 바뀌기 시작할 전망이다. 그는 “아직 그런 수준에 도달하지 못했다. 모두가 업무 처리를 위해 AI&ML을 사용할 때가지 5년 정도 더 걸릴 것이다”라고 말했다. dl-ciokorea@foundryco.com
