AI는 기술과 사용 방식 모두에서 변화의 시기에 있습니다. 점점 더 많은 기업이 테스트 랩에서 AI 파일럿 프로젝트를 가져와 대규모로 배포하고 있으며 일부 기업은 큰 이점을 누리고 있습니다. AI의 불확실성에도 불구하고 AI의 잠재력을 무시하면 기업이 예전 방식으로 비즈니스를 수행하고 파산할 위험이 있습니다.
그러나 많은 기업의 경우 AI에서 가치를 도출하는 것을 예측하기 어려울 수 있습니다. 모델이 조정되지 않았을 수도 있고, 훈련 데이터 세트가 충분히 크지 않을 수도 있으며, 고객이 편견, 윤리 및 투명성 등에 대해 의구심을 가질 수도 있습니다. AI 프로그램을 프로덕션으로 전환할 준비가 되기 전이나 그 결과가 적절하게 검토되기 전에 AI 전략을 추진하면 회사에 비용이 들거나 더 나쁘게는 비즈니스에 해를 끼칠 수 있습니다.
그러면 AI 프로젝트가 회사를 변화시키거나 파괴할지 어떻게 알 수 있나요? 직접적인 ROI 수치가 없으면 기업은 이를 결정하기 위한 창의적인 방법을 찾아야 합니다. IT 리더와 업계 관계자가 AI의 가치를 측정하는 방법은 다음과 같습니다.
모든 이니셔티브나 기술의 비즈니스 가치를 측정하는 것이 항상 선형 계산은 아니며 특히 성숙도와 비즈니스 잠재력을 고려할 때 AI도 예외는 아닙니다. 데이터 마이닝, 비용 절감 및 교육, 새로운 용도에 대한 투자 및 홍보 능력 등 경험적으로 입증되고 예측된 변수는 수용 가능한 ROI에 대한 결정에 영향을 주지만 신흥 기술이든 성숙한 기술이든 관계없이 해당 기술에 일정 수준의 신뢰를 제공합니다. , 그것들은 모두 중요합니다.
NASA 제트 추진 연구소의 CTO 겸 혁신 책임자인 Chris Mattmann은 일부 AI 사례 애플리케이션이 이미 매우 성숙했다고 말했습니다. 비즈니스 프로세스 자동화를 예로 들어 보겠습니다.
그는 "모든 회사에는 지루한 일이 있고 우리도 그렇습니다. 그래서 우리는 티켓 처리, 검색, 데이터 마이닝, AI를 사용하여 계약 및 하청 계약을 보는 등 많은 일을 자동화합니다."
JPL은 Commercialized를 사용했습니다. 이를 수행하는 기술에는 DataRobot과 Google Cloud가 포함된다고 Mattmann은 말했습니다. 특정 기술에 투자할 가치가 있는지 판단하기 위해 기업은 해당 기술이 비용, 시간, 자원을 절약할 수 있는지 여부를 고려합니다. "이미 성숙해졌으니 증명할 수 있어야 합니다."
중간 성숙도에 있는 기술의 경우 JPL은 해당 기술이 새로운 기능을 구현할 수 있는 능력이 있는지, 그리고 비용은 얼마나 되는지 살펴봅니다. 그는 "예를 들어 화성에 가면 장거리 통신을 위한 얇은 파이프가 있습니다. 그리고 오늘날에는 화성에서 지구로 하루에 약 200장의 사진을 보낼 수 있을 만큼 충분한 대역폭이 있습니다.
우리가 보낸 멋진 화성 탐사선들"이라고 말했습니다. 거기에는 완두콩 크기의 두뇌가 있고 그들은 iPhone 1 프로세서를 실행하고 있습니다. 우리는 방사선에 의해 강화된 것들을 우주에 남겨두고 있을 뿐이고, 성능이 좋은 칩은 더 이상 작동하지 않는다는 것을 알고 있습니다.
그러나 Ingenuity 헬리콥터는 원래 기술 시연용으로 의도된 것이지 임무의 중심이 아니며 AI 칩인 Qualcomm Snapdragon 프로세서로 구동됩니다. 더 새로운 칩을 갖고 더 많은 AI를 수행하세요.”
여기서 AI는 현재 불가능한 새로운 사용 사례를 가능하게 합니다. 예를 들어, 로버는 하루에 200개의 이미지를 보내는 대신 AI를 사용하여 이미지를 분석하고 백만 개의 텍스트 설명을 지구에 보낼 수 있습니다. 예를 들어 특정 방향에 마른 호수 바닥이 있으면 더 나은 결과를 얻을 수 있습니다. Stage보다 텍스트를 통해 더 많은 가시성을 확보할 수 있습니다.
마지막으로 최첨단 실험 AI 기술의 성공 여부는 새로운 과학이 가능하고 새로운 논문이 작성 및 출판될 수 있는지 여부에 따라 측정됩니다.
Mattmann은 "모델을 훈련하고 구축하는 데 비용이 듭니다. Google 및 Microsoft와 같은 회사는 대규모 훈련 데이터에 접근할 준비가 되어 있지만 JPL 데이터 세트는 얻기 어렵고 분석하고 라벨을 지정하려면 박사 수준의 전문가가 필요합니다. 에서 NASA, 새로운 AI 모델을 훈련하는 데 드는 비용은 상업 업계의 10~20배입니다.”
여기서 새로운 기술의 출현으로 NASA는 수동 라벨링을 덜 사용하여 AI 모델을 만들 수 있습니다.
AI 프로젝트의 비즈니스 영향을 직접 측정할 수 있는 방법이 없는 경우 기업은 관련 핵심 성과 지표(KPI)에서 데이터를 마이닝합니다. 이러한 프록시 변수는 고객 만족도, 출시 기간, 직원 유지 등 비즈니스 목표와 관련되는 경우가 많습니다.
Atlantic Health System이 전형적인 예입니다. 회사의 수석 부사장이자 CIO인 Sunil Dadlani는 회사의 환자가 모든 결정의 중심에 있다고 믿습니다. 따라서 여러 가지 방법으로 AI에 대한 투자 수익은 환자 치료의 개선을 관찰하여 측정됩니다. 이러한 환자 중심 지표에는 입원 기간 단축, 치료 시간 단축, 보험 적격성 확인 단축, 사전 보험 승인 단축 등이 포함된다고 그는 말했습니다.
또 다른 프로젝트에는 AI를 사용하여 방사선 전문의가 스캔 결과를 검토하도록 지원하는 것이 포함됩니다. KPI 중 하나는 방사선 전문의가 잠재적으로 비정상적인 결과에 대해 경고를 받는 빈도입니다. Dadlani는 "2022년 4월 현재 방사선 전문의의 99%가 AI를 사용하여 12,000개 이상의 연구 보고서를 분석했다고 보고했습니다. 이로 인해 의사가 잠재적으로 심각한 문제를 가능한 한 빨리 해결할 수 있도록 거의 600개의 경고가 발생했다고 덧붙였습니다."
Richard. 미국에서 5번째로 큰 회계 회사인 RSM의 경영 컨설팅, 비즈니스 및 기술 혁신 팀의 파트너인 Davis는 RSM에서 AI 투자가 밀접하게 연결된 두 가지 경로를 따른다고 믿습니다. 하나는 직원을 도울 수 있는 생산성 및 분석 도구입니다. 둘째, 고객은 동일하거나 유사한 도구를 사용합니다.
예를 들어, 클라이언트와 작업할 때 RSM은 여러 시스템(회계, 영업 및 마케팅, HR, 물류)에서 데이터를 가져와 모든 것을 단일 창에 통합하라는 요청을 받을 수 있습니다. 데이비스는 AI가 프로세스 속도를 높이는 데 도움이 될 수 있으며 AI를 사용하여 이러한 시스템을 통해 작업이 어떻게 흐르는지, 잠재적인 문제와 장애물이 있을 수 있는 위치를 식별할 수 있다고 말했습니다.
그렇다면 기업은 AI가 올바른 방향으로 가고 있는지 어떻게 알 수 있을까요?
Davis는 AI 계획이나 ROI에 대한 RSM의 투자에 대한 세부 정보 제공을 거부했지만 다음과 같이 말했습니다. "첫째, 도구 사용을 매우 명확하게 측정할 수 있습니다. 시간이 지남에 따라 우리가 바라는 것은 참여도를 효과적으로 전달하는 것입니다.”
그는 또한 참여가 증가하면 생산성이 향상되어야 한다고 말했습니다. 따라서 이전에는 작업을 완료하는 데 일주일이 걸렸다면 이제 목표는 하루로 단축하는 것이 될 수 있습니다.
AI의 성공을 측정하는 것도 주관적일 수 있습니다. MIT의 AI 연구 과학자이자 소매 업계의 데이터 과학자인 Eugenio Zuccarelli는 AI 프로젝트를 평가하는 것은 AI 자체를 개발하는 것만큼 예술이라고 말합니다.
Zuccarelli는 그럼에도 불구하고 AI가 비즈니스에 미치는 영향을 설명할 수 있는 것이 여전히 중요하다고 말했습니다. 그는 "KPI는 모델 자체를 중심으로 설정해서는 안 되고, 프로젝트의 궁극적인 목표가 되어야 하는 비즈니스와 사람을 중심으로 설정해야 한다"고 말했습니다. 그렇지 않으면 성공한 것처럼 보이지만 실제로는 효과적인 것으로 해석되지 않는 것을 선택하세요. 기술 지표가 회사에 미치는 영향이 너무 쉽습니다.
BMW 및 Tesla와 같은 회사에서 데이터 과학 역할을 맡았던 Zuccarelli도 단독으로 진행 상황을 측정하지 말라고 경고했습니다. 예를 들어, AI 프로젝트가 다른 이유로 이미 개선되고 있는 것을 개선하는 것을 목표로 하는 경우 AI로 인해 실제로 개선이 어느 정도 발생했는지 확인하기 위해 통제 그룹이 필요합니다.
금융 서비스 업계에서 다년간의 경험을 갖고 있는 Vladislav Shapiro는 AI 프로젝트의 또 다른 중요한 KPI가 허위 경보를 줄이거나 과도한 권한을 자동으로 제거하는 것일 수 있다고 말했습니다. Shapiro는 IT 보안 및 ID 거버넌스 관리를 전문으로 하는 컨설팅 그룹인 Costidity의 창립자입니다.
그는 최근 AI 기반 보안 배포에서 오탐률이 3배로 줄었고 이전의 수동 프로세스 중 상당수가 자동화되었다고 말했습니다.
"회사의 고위 경영진에게 이 수치를 보여주면 그들은 위의 모든 조치가 침해 위험을 줄이고 책임과 거버넌스를 강화한다는 것을 이해하게 됩니다."라고 그는 말했습니다.
글로벌 전문 서비스 기업 Genpact의 최고 디지털 전략가인 Sanjay Srivastava는 자동화로 인한 비용 절감이 AI의 경제적 이점을 보여주는 가장 간단하고 명확한 방법이라고 말했습니다. 그러나 AI는 새로운 수익원을 촉진하고 기업의 비즈니스 모델에 혁명을 일으킬 수도 있습니다.
예를 들어, 한 항공기 엔진 제조업체는 AI의 도움으로 고장을 더 잘 예측하고 물류를 개선하여 엔진 서비스 제공을 시작할 수 있다는 사실을 발견했습니다. 그는 "최종 소비자 입장에서는 엔진 자체를 구매하는 것보다 비행 마일리지를 구매하는 것이 낫다"며 "이는 AI 기술이 뒷받침되기 때문에 기업의 운영 방식을 바꾸는 새로운 비즈니스 모델이다. 동시에 비즈니스에 미치는 영향도 분명합니다.”
그래서 그 기간 동안 AI에 대한 투자를 정당화하기 위해 이 특정 제조업체는 이러한 장기 목표가 필요하지만 이를 다른 방식으로 측정할 수 있는 단기 프로젝트로 변환합니다.
또 "10년 안에 업계를 바꾸겠다고 하기보다는 1년차에는 어떤 부품을 비축해야 할지 살펴보려고 한다. 주행거리를 바꾸지 않았다. 업계에서는 표준을 충족하려면 적절한 부품의 양이 필요하다고 말하고 있습니다. 이것은 창고 시스템을 최적화하고 재고에 대한 투자를 줄이기 위한 1년 간의 프로젝트입니다.”
공급망 최적화 외에도 기타 짧은 작업이 있습니다. 기간 진행 측정에는 고객 만족이 포함됩니다.
그는 "비행기가 부품을 기다리며 5일 동안 뭄바이에 갇히면 고객은 기분이 나빠질 것입니다."라고 말했습니다.
일부 AI 프로젝트가 단기적으로는 손실에 영향을 미칠 수 있지만 장기적으로는 여전히 중요하고 변화를 가져올 수 있다는 현실도 있습니다. 예를 들어, 고객 서비스를 제공하기 위해 로봇을 사용하는 회사는 단조로운 작업을 해결할 수 있습니다. Gartner 분석가인 Whit Andrews는 "그러나 챗봇에도 단점이 있을 수 있습니다. 일부 사람들은 상향 판매에 능숙하고 사람들과 상호 작용하기를 원하기 때문에 기업은 챗봇을 사용하고 싶어하지 않을 수 있습니다." . "언젠가는 자신의 회사가 배송이 엉망인 경우 고객이 전화를 걸어 정확히 무엇이 잘못되었는지 물어본 다음 문제를 해결하기 위해 직접 대화하는 회사인지 스스로에게 물어봐야 합니다. 매월 발표하세요.”
회사가 측정 가능한 ROI를 기반으로 AI 기반 혁신에 전념하고 고객 중심 비전을 갖고 있다면 수익 지표에 대한 직접적인 영향을 간과할 수 있습니다. 잠재적으로 더 의미 있는 다른 지표에 집중하세요.
Andrews는 다음과 같이 말했습니다. “더 자동화된 회사는 시장 점유율을 높이기 때문에 더 성공할 수 있습니다. 하지만 더 관련성이 높은 시간에 도달할 수 있도록 데이터를 개발할 수 있습니다. 그리고 논리적 사고를 통해 고객이 더 행복해지고 직원이 더 성공할 수 있으니 이를 실현해 봅시다.”
출처: www.cio.com
위 내용은 인공 지능의 비즈니스 영향 평가의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!