인공지능과 ROI에 대한 진실: 인공지능이 정말로 달성될 수 있을까?

이제 조직은 그 어느 때보다 인공지능(AI)과 머신러닝(ML)의 잠재력을 신뢰하고 이에 투자하고 있습니다.

2022년 IBM 글로벌 인공 지능 채택 지수에 따르면 기업의 35%가 현재 운영에 AI를 사용하고 있다고 보고했으며, 추가로 42%는 AI를 탐색하고 있다고 밝혔습니다. 한편, McKinsey 조사에 따르면 응답자의 56%가 2020년 50%에서 2021년에 적어도 하나의 기능에 AI를 채택했다고 답했습니다.

하지만 AI에 투자하면 비즈니스 수익에 직접적인 영향을 미치는 실제 ROI를 얻을 수 있을까요?

지난 5월 뉴욕에서 열린 Rev3 컨퍼런스 참석자들을 대상으로 실시한 Domino Data Lab의 최근 REVElate 설문조사에 따르면 영향을 받은 많은 방문자들은 이렇게 생각하는 것 같습니다. 그래서. 실제로 거의 절반이 데이터 과학에서 두 자릿수 성장을 기대합니다. 응답자의 거의 5분의 4(79%)는 데이터 과학, 기계 학습 및 인공 지능이 회사의 전반적인 미래 성장에 매우 중요할 것이라고 답했으며, 36%는 이를 가장 중요한 요소로 꼽았습니다.

물론 인공지능을 구현하는 것은 쉽지 않습니다. 다른 설문조사 데이터는 강한 자신감의 또 다른 측면을 보여줍니다. 예를 들어, 인공 지능 엔지니어링 회사인 CognitiveScale의 최근 설문 조사 데이터에 따르면 경영진은 데이터 품질과 배포가 디지털 혁신을 주도하는 성공적인 애플리케이션 개발에 중요한 성공 요인이라는 것을 알고 있지만 76% 이상의 경영진이 12년 내에 이를 달성하는 방법을 확신하지 못하는 것으로 나타났습니다. -18 몇 달 안에 목표를 달성하세요. 또한 경영진의 32%는 AI 시스템을 생산에 투입하는 데 예상보다 오랜 시간이 걸린다고 답했습니다.

Artificial Intelligence Must Be Accountable

Cognitive Scale의 CEO인 Bob Picciano는 인공지능의 ROI가 가능하지만 비즈니스 목표에 따라 정확하게 설명되고 개인화되어야 한다고 언론에 말했습니다.

"비즈니스 목표가 과거 데이터를 사용하여 장기적인 예측을 하고 예측 정확도를 높이는 것이라면 AI가 해야 할 역할이 있습니다. 하지만 AI는 책임감 있게 비즈니스 효율성을 이끌어야 합니다. 즉, ML 모델 A의 정확도입니다. 98% 비율로는 충분하지 않습니다. ”

대신 ROI는 예를 들어 AI 기반 기능을 통해 콜 센터 효율성을 향상하여 평균 통화 처리 시간을 단축하는 것일 수 있습니다.

"이 ROI는 최고 경영진이 말하는 것입니다."라고 그는 설명합니다. "그들은 모델이 정확한지, 견고한지 또는 표류하는지에 대해 이야기하지 않습니다."

Cognitive Scale의 공동 창립자이자 최고 운영 책임자인 Shay Sabhikhi는 응답자의 76%가 인공 지능에 대한 투자를 확대하는 것이 어렵다고 덧붙였습니다. 지능. 이것에 놀라지 않습니다. "우리가 기업 고객으로부터 듣고 있는 내용이 바로 이것이다"라고 그는 말했습니다. 그는 문제 중 하나가 데이터 과학 팀과 자신이 개발한 모델로 무엇을 해야 할지 모르는 다른 조직 사이의 마찰이라고 설명했습니다.

그는 이렇게 말했습니다. "이러한 모델은 최고의 알고리즘과 정밀한 재현율을 가질 수 있지만 말 그대로 개발팀에 맡겨지고 서둘러 애플리케이션을 구성해야 하기 때문에 보류됩니다."

그러나 현 시점에서는 AI는 더 이상 일련의 과학적 실험이 아니기 때문에 조직은 AI에 대한 투자에 대해 책임을 져야 한다고 Picciano는 말했습니다. “우리는 이를 실험실에서 생활로 전환한다고 부릅니다.”라고 그는 말했습니다. "최고 데이터 분석 책임자 회의에 참석했는데 모두 '어떻게 확장하나요? AI를 어떻게 산업화하나요?'라고 물었습니다.

ROI가 AI에 적합한 측정항목인가요?

그러나 모두가 ROI가 아니라는 점에 동의합니다. AI가 조직의 가치를 창출하는지 여부를 측정하는 가장 좋은 방법입니다. EY의 글로벌 최고 기술 책임자인 Nicola Morini Bianzino는 AI와 비즈니스를 "사용 사례"로 측정한 다음 ROI로 측정하는 것이 AI를 다루는 방법이라고 말했습니다.

“나에게 AI는 관련 ROI 분석에서 사용 사례를 분리하지 않고도 기업 내 거의 모든 곳에 배포할 수 있는 기술 집합입니다.”라고 그는 말했습니다.

대신 조직은 어디에서나 AI를 사용해야 한다고 그는 설명합니다. "거의 클라우드 컴퓨팅과 같습니다. 2~3년 전에 고객이 'ROI는 무엇입니까? 클라우드로 전환하는 비즈니스 사례는 무엇입니까? 이제 팬데믹 이후 그 대화는 무엇입니까?'라고 묻는 많은 대화를 나눴습니다.

게다가 Bianzino는 AI와 ROI를 논의하는 것은 "AI를 사용한다"는 것이 무엇을 의미하는지에 달려 있다고 지적합니다.

“자율주행 기능을 적용하려고 한다고 가정해 보겠습니다. 즉, 컴퓨터 비전은 인공지능의 한 분야입니다.”라고 그는 말했습니다. “이것이 비즈니스 사례인가요? 아니요, 인공지능 없이는 자율주행이 불가능하기 때문이죠.” 방대한 양의 데이터를 수집하고 고객에게 조언을 제공하는 EY와 같은 회사도 마찬가지입니다. 이는 AI와 불가분의 관계입니다. 그는 "이것은 프로세스와 분리할 수 없는 것입니다. 본질적인 것입니다."라고 말했습니다.

또한 정의에 따르면 AI는 처음에는 생산적이거나 효율적이지 않습니다. 데이터 획득, 모델 교육, 모델 발전, 모델 확장에는 모두 시간이 걸립니다. "언젠가는 인공 지능이 끝났고 그 가치가 100% 존재한다고 말할 수는 없습니다. 아니요. 시간이 지남에 따라 개선되는 지속적인 기능입니다."라고 그는 말했습니다.

Bianzino는 인공지능이 어느 정도 비즈니스 비용의 일부가 되고 있다고 말했습니다. “데이터 분석과 관련된 산업에 종사한다면 AI 기능이 없을 수 없습니다.”라고 그는 설명합니다. "이러한 모델의 비즈니스 사례를 분리할 수 있습니까? 어렵고 필요하지 않다고 생각합니다. 나에게 그것은 거의 비즈니스를 운영하는 데 필요한 인프라 비용입니다."

AI의 ROI는 측정하기 어렵습니다

Kjell Carlsson 엔터프라이즈 MLops 제공업체인 Domino Data Lab의 데이터 과학 전략 및 옹호 책임자인 는 궁극적으로 기업이 원하는 것은 ROI가 비즈니스에 미치는 영향, 즉 ROI가 얼마나 기여하는지를 측정하는 것이라고 말합니다. 그러나 한 가지 문제는 이것이 모델 개발에 들어간 작업과 완전히 단절될 수 있다는 것입니다.

"따라서 클릭률을 1%포인트 높이는 패턴을 만들면 비즈니스에 수백만 달러의 이익이 추가됩니다."라고 그는 말했습니다. "그러나 훌륭한 예측 유지 관리 모델도 만들 수 있습니다. "이 경우 금전적 가치는 조직에 완전히 다른 영향을 미칠 수 있습니다."라고 그는 덧붙였습니다. 수리가 필요한 기계 중 하나가 더 어려운 문제가 될 수도 있습니다.

일반적으로 조직에서는 AI 생산을 추적하기 위해 '균형 성과표'가 정말 필요합니다. "생산에 아무것도 투입하지 않는다면 문제가 있다는 신호일 수 있기 때문입니다."라고 그는 말했습니다. "반면에 너무 많은 것을 프로덕션에 투입하면 문제가 발생할 수도 있습니다."

예를 들어, 데이터 과학 팀이 배포하는 모델이 많을수록 관리하고 유지해야 하는 모델도 더 많아집니다. "그래서 작년에 너무 많은 모델을 배포했기 때문에 실제로 다른 고가치 모델을 구입할 여유가 없었습니다."라고 그는 설명했습니다.

그러나 AI ROI 측정의 또 다른 문제는 많은 데이터 과학 프로젝트의 경우 결과가 생산에 들어가는 모델이 아니라는 것입니다. 그는 "작년 거래에 대한 정량적 손익 분석을 하려면 아마도 이에 대한 엄격한 통계 조사가 필요할 것"이라고 말했다. "그러나 모델이 생산에 들어가지 않으면 AI를 활용하여 그 과정에서 얻는 통찰력을 얻을 수 있습니다."

데이터 과학 활동은 추적되어야 합니다

그래도 데이터 과학 활동을 추적하지 않으면 조직은 역할을 측정할 수 없습니다. 인공지능의. Carlsson은 “현재 문제 중 하나는 실제로 데이터를 수집하고 분석하는 데이터 과학 활동이 거의 없다는 것입니다. "사람들에게 물어보면 모델이 얼마나 잘 수행되는지, 얼마나 많은 프로젝트를 진행하고 있는지, 데이터 과학자가 지난 주에 얼마나 많은 CodeCommit을 완료했는지 전혀 모른다고 말할 것입니다."

그 이유 중 하나는 데이터 때문입니다. 과학자들은 매우 관련성이 없는 도구를 사용해야 합니다. "이것이 조직의 데이터 과학자를 위한 단일 정보 소스인 저장소로서 Git의 인기가 높아지고 있는 이유 중 하나입니다."라고 그는 설명합니다. Domino Data Lab과 같은 MLops 도구는 이러한 다양한 도구를 지원하는 플랫폼을 제공합니다. 그는 이렇게 말했습니다: "조직이 이러한 보다 중앙 집중화된 플랫폼을 만들 수 있는 정도는... 중요합니다.

AI의 결과는 사람들이 가장 관심을 갖는 것입니다.

Wallaroo CEO이자 창립자인 Vid Jain은 Merrill Lynch에 있었습니다. 높은 지위에 있었습니다. - 거의 10년 동안 주파수 거래 사업을 하면서 그는 Merrill Lynch에서 자신의 역할은 기계 학습을 대규모로 배포하고 이를 긍정적인 ROI로 달성하는 것이라고 말했습니다.

진정한 과제는 데이터 과학을 개발하고 데이터를 정리하거나 구축하는 것이 아닙니다. 그는 지금까지 가장 큰 과제는 이러한 모델을 가져와 운용하고 비즈니스 가치를 제공하는 것이라고 말했습니다.

“ROI 달성은 엄청납니다.”라고 그는 말했습니다. AI 프로젝트의 90%는 그렇지 않습니다. ROI를 생성하지 않거나 투자 가치가 있을 만큼 충분한 ROI를 생성하지 않습니다. “그러나 그것은 모든 사람의 마음의 최전선에 있습니다. 대답은 같은 것이 아닙니다. ”

근본적인 문제는 많은 사람들이 머신러닝으로 작업하는 것이 표준 애플리케이션으로 작업하는 것과 크게 다르지 않다고 생각한다는 것입니다. 왜냐하면 인공지능은 정적이지 않기 때문입니다.

그는 덧붙였습니다. “데이터가 살아 있고 데이터가 변경되지만 아직 끝나지 않았기 때문에 농장을 가꾸는 것과 거의 같습니다. “추천 알고리즘을 구축했는데 사람들의 구매 행동이 시간에 맞춰 고정되는 것과는 다릅니다. 사람들은 구매 방식을 바꿨습니다. 갑자기 경쟁자가 승진을 하게 됩니다. 소비자는 귀하로부터 구매를 중단합니다. 그들은 경쟁자에게 눈을 돌렸습니다. 정기적으로 관리해야 합니다.

궁극적으로 각 조직은 AI 달성이라는 궁극적인 목표에 맞춰 조직 문화를 어떻게 조정할지 결정해야 합니다. “그러면 사람들에게 그러한 변화를 주도할 수 있는 권한을 부여하고 비즈니스 라인에 관심이 있는 사람들을 허용해야 합니다. AI로부터 어느 정도 가치를 얻을 것이라고 비판적으로 생각합니다. ”

그는 대부분의 기업이 아직 초기 단계에 있다고 덧붙였습니다. "대부분의 기업은 아직 그런 수준에 도달하지 못했다고 생각합니다. 하지만 지난 6~9개월 동안 사람들이 비즈니스 결과와 비즈니스 가치를 진지하게 받아들이기 시작한 변화를 확실히 보았습니다."

AI에 대한 ROI는 여전히 파악하기 어렵습니다

그러나 AI의 ROI를 측정하는 방법은 많은 조직에서 여전히 이해하기 어려운 문제로 남아 있습니다. Jain은 "일부 회사의 경우 모델을 생산에 투입할 수 없거나 할 수 있지만 눈이 멀거나 성공했지만 이제 확장을 원하는 등 근본적인 문제가 있습니다"라고 말했습니다. "그러나 ROI 측면에서 머신러닝은 관련 P&L이 없는 경우가 많습니다."

그는 AI 이니셔티브가 우수성 센터의 일부인 경우가 많으며 ROI는 사업부가 소유하지만 다른 경우에는 그렇지 않다고 설명했습니다. 측정하기 어렵다.

“문제는 AI가 비즈니스의 일부입니까? 아니면 유틸리티입니까? 디지털 네이티브라면 AI가 비즈니스를 운영하는 연료의 일부일 수 있다는 것입니다.”라고 그는 말했습니다. "하지만 기존 비즈니스가 있거나 전환 중인 대규모 조직에서는 ROI를 측정하는 방법이 해결해야 할 근본적인 문제입니다."

위 내용은 인공지능과 ROI에 대한 진실: 인공지능이 정말로 달성될 수 있을까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!