비즈니스 기회
AI에 베팅하고 계신가요?
AI 붐은 계획대로 진행되지 않을 것입니다. 조직은 AI 투자를 안정적인 수익원으로 전환하기 위해 고군분투하고 있습니다. 기업들은 생성형 AI를 기대했던 것보다 배포하기가 더 어렵다는 것을 깨닫고 있습니다. AI 스타트업은 과대평가되고 소비자들은 흥미를 잃고 있습니다. 맥킨지(McKinsey)조차도 AI가 25조 6천억 달러의 경제적 이익을 가져올 것으로 예측한 후, 이제 기업들이 기술의 완전한 가치를 실현하기 위해서는 "조직적 수술"이 필요하다는 것을 인정하고 있습니다.
하지만 리더는 서둘러 조직을 재건하기 전에 기본으로 돌아가야 한다. 다른 모든 것과 마찬가지로 AI를 통해 가치를 창출하는 것은 충족하려는 수요를 이해하고 작업에 적합한 도구를 사용하고 있는지 확인하는 제품-시장 적합성에서 시작됩니다.
물건을 못 박는다면 망치가 좋습니다. 팬케이크를 요리할 때 망치는 쓸모없고 지저분하며 파괴적입니다. 그러나 오늘날의 AI 환경에서는 모든 것이 망치질을 당하고 있습니다. CES 2024에서 참석자들은 AI 칫솔, AI 개 목걸이, AI 신발 및 AI 새 모이통을 보며 감탄했습니다. 이제 컴퓨터의 마우스에도 AI 버튼이 있습니다. 비즈니스 세계에서 경영진의 97%는 Gen AI가 비즈니스에 가치를 더할 것으로 기대한다고 말했으며, 4분의 3은 고객 상호 작용을 챗봇에 맡기고 있습니다.
생각할 수 있는 모든 문제에 AI를 적용하려는 성급한 노력은 미미하게 유용한 많은 제품과 완전히 파괴적인 제품으로 이어집니다. 예를 들어, 정부의 한 챗봇은 뉴욕의 사업주들에게 괴롭힘에 대해 불평하는 직원들을 해고하라고 잘못 지시했습니다. 한편 터보택스(Turbotax)와 HR 블록(HR Block)은 절반 정도의 빈도로 나쁜 조언을 제공하는 봇을 사용했습니다.
문제는 AI 도구가 충분히 강력하지 않거나 조직이 도전할 준비가 되어 있지 않다는 것이 아닙니다. 팬케이크를 요리하기 위해 망치를 사용한다는 것입니다. AI에서 진정한 가치를 얻으려면 해결하려는 문제에 에너지를 다시 집중하는 것부터 시작해야 합니다.
퍼비의 오류
과거의 기술 트렌드와 달리, AI는 제품-시장 적합성을 확립하기 위한 기업의 기존 프로세스를 단축시키는 경향이 있습니다. ChatGPT와 같은 도구를 사용하면 그것이 얼마나 인간적으로 보이는지에 안심하고 우리의 요구 사항을 인간과 같은 이해를 한다고 가정하기 쉽습니다.
이것은 우리가 Furby 오류라고 부를 수 있는 것과 유사합니다. 2000년대 초반에 수다쟁이 장난감이 시장에 나왔을 때, 일부 정보 당국을 포함한 많은 사람들은 퍼비 부부가 사용자들로부터 배우고 있다고 생각했습니다. 사실, 장난감은 단지 미리 프로그래밍된 행동 변화를 실행하고 있었을 뿐입니다. Furbys를 의인화하려는 우리의 본능은 그들의 정교함을 과대평가하도록 이끌었습니다.
마찬가지로 직관과 상상력을 AI 모델에 잘못 돌리기 쉬우며, AI 도구가 우리를 이해하는 것처럼 느껴질 때 우리의 목표와 요구 사항을 명확하게 표현하는 어려운 작업을 건너뛰기 쉽습니다. 컴퓨터 과학자들은 수십 년 동안 "정렬 문제"로 알려진 이 문제와 씨름해 왔습니다: AI 모델이 더 정교해질수록 충분한 정밀도로 명령을 내리기가 더 어려워지고 그렇게 하지 못할 경우 발생할 수 있는 잠재적 결과가 커집니다.
AI 종말의 위험은 차치하고라도, 정렬 문제로 인해 AI 애플리케이션에서 제품-시장 적합성을 확립하는 것이 더욱 중요해졌습니다. 우리는 세부 사항을 모호하게 만들고 모델이 스스로 알아낼 것이라고 가정하려는 유혹을 물리쳐야 합니다: 처음부터 우리의 요구 사항을 명확히 하고 이러한 요구 사항을 중심으로 설계 및 엔지니어링 프로세스를 엄격하게 구성해야만 실제 가치를 제공하는 AI 도구를 만들 수 있습니다.
기본으로 돌아가기
AI 시스템은 제품 시장 적합성에 대한 자체 경로를 찾을 수 없기 때문에 리더이자 기술자로서 고객의 요구를 충족하는 것은 우리에게 달려 있습니다. 즉, Business 101 수업에서 익숙한 4가지 주요 단계와 AI 개발의 과제에 대한 구체적인 단계를 따라야 합니다.
1. 문제를 이해합니다
대부분의 기업은 핵심 문제가 AI의 부족이라는 전제에서 출발하기 때문에 이것이 잘못되는 부분입니다. 이는 "AI 추가"가 그 자체로 솔루션이라는 결론으로 이어지지만 최종 사용자의 실제 요구 사항은 무시합니다. AI를 참조하지 않고 문제를 명확하게 설명해야만 AI가 유용한 솔루션인지 또는 어떤 유형의 AI가 사용 사례에 적합한지 파악할 수 있습니다.
2. 제품 성공을 정의합니다
솔루션을 효과적으로 만드는 것이 무엇인지 발견하고 정의하는 것은 AI로 작업할 때 항상 장단점이 있기 때문에 매우 중요합니다. 예를 들어, 유창성 또는 정확성을 우선시할지 여부가 질문일 수 있습니다. 예를 들어, 보험 계리 도구를 만드는 보험 회사는 수학을 방해하는 유창한 챗봇을 원하지 않을 수 있으며, 브레인스토밍에 Gen AI를 사용하는 디자인 팀은 때때로 말도 안 되는 소리를 내뱉더라도 더 창의적인 도구를 선호할 수 있습니다.
3. 기술을 선택하십시오
목표가 무엇인지 이해한 후에는 엔지니어, 디자이너 및 기타 파트너와 협력하여 목표를 달성하는 방법을 모색하십시오. 세대 AI 모델에서 머신 러닝(ML) 프레임워크에 이르기까지 다양한 AI 도구를 고려하고 사용할 데이터, 관련 규정 및 평판 위험을 식별할 수 있습니다. 프로세스 초기에 이러한 질문을 해결하는 것이 중요합니다. 제품을 출시한 후에 문제를 해결하려고 시도하는 것보다 제약 조건을 염두에 두고 구축하는 것이 좋습니다.
4. 솔루션을 테스트합니다
지금, 그리고 지금에서야 제품 구축을 시작할 수 있습니다. 너무나 많은 기업들이 AI 도구가 어떻게 사용될지 제대로 이해하기도 전에 AI 도구를 만들어 이 단계로 돌진합니다. 어쩔 수 없이 그들은 해결해야 할 문제를 찾아 헤매고, 기술, 디자인, 법률 및 기타 문제를 더 일찍 고려했어야 하는 문제와 씨름하게 됩니다. 처음부터 제품-시장 적합성을 우선시하면 이러한 실수를 피할 수 있으며 실제 문제를 해결하고 실제 가치를 창출하기 위한 반복적인 진행 프로세스를 가능하게 합니다.
AI는 마법처럼 보이기 때문에 어떤 환경에서든 AI 애플리케이션을 배포하면 가치가 창출될 것이라고 가정하고 싶은 유혹이 있습니다. 이로 인해 조직은 화살을 쏘아 올리고 화살이 떨어지는 지점 주변에 과녁을 그려 "혁신"합니다. 이러한 화살 중 소수는 실제로 유용한 위치에 떨어질 수 있지만 대다수는 기업이나 최종 사용자 모두에게 거의 가치를 제공하지 않습니다.
AI의 엄청난 잠재력을 발휘하려면 먼저 과녁을 뽑은 다음 모든 노력을 기울여 과녁을 맞춰야 합니다. 일부 사용 사례의 경우 AI를 포함하지 않는 솔루션을 개발하는 것을 의미할 수 있습니다. 다른 경우에는 더 간단하거나, 더 작거나, 덜 섹시한 AI 배포를 사용하는 것을 의미할 수 있습니다.
하지만 어떤 종류의 AI 제품을 만들든 한 가지는 변하지 않습니다. 제품 시장 적합성을 확립하고 고객의 실제 요구와 요구를 충족하는 기술을 만드는 것이 가치를 창출하는 유일한 방법입니다. 이를 제대로 해내는 기업이 AI 시대의 승자로 떠오를 것입니다.
이상의 기사는 2024년 7월 21일 VentureBeat에 게재된 “Betting on AI? You must first consider product-market fit”제목의 기사 내용을 편집하여 작성하였습니다.
* 원문정보 출처 : Betting on AI? You must first consider product-market fit | VentureBeat