비즈니스 기회
X, Y, Z, 베이비붐 세대의 통합이 AI 성공의 비밀
벤처비트/미드저니
현대의 조직은 비즈니스 운영과 제품 경쟁력을 개선하기 위해 생성형 AI를 효과적으로 활용해야 할 필요성을 잘 알고 있습니다. 포레스터(Forrester)의 연구에 따르면 기업의 85%가 AI를 실험하고 있으며, KPMG U.S.의 연구에 따르면 경영진의 65%가 AI가 "향후 3년에서 5년 내에 조직에 미치는 영향이 높거나 매우 높을 것"이라고 믿고 있으며, 이는 다른 어떤 신기술보다 훨씬 뛰어납니다.
여느 신기술과 마찬가지로 Gen AI의 채택 및 구현은 의심할 여지 없이 도전 과제가 될 것입니다. 많은 조직이 이미 빠듯한 예산, 과부하된 팀, 더 적은 자원과 씨름하고 있습니다. 따라서 기업은 Gen AI 온보딩과 관련하여 특히 전략적이어야 합니다.
Gen AI의 성공에 대한 한 가지 중요한(그러나 종종 간과되는) 측면은 이러한 프로젝트의 기술 뒤에 있는 사람들과 그들 사이에 존재하는 역학입니다. 기술에서 최대한의 가치를 창출하기 위해 조직은 AI 네이티브 인재의 도메인별 지식과 IT 베테랑의 실용적인 실무 경험을 결합하는 팀을 구성해야 합니다. 본질적으로 이러한 팀은 서로 다른 세대, 서로 다른 기술 세트, 다양한 비즈니스 이해 수준에 걸쳐 있는 경우가 많습니다.
AI 전문가와 비즈니스 기술자가 효과적으로 협력하도록 하는 것이 가장 중요하며, 이는 기업의 차세대 AI 이니셔티브의 성공 또는 단점을 결정합니다. 아래에서는 이러한 역할이 기술과 관련하여 어떻게 영향을 미치는지, 그리고 긍정적인 비즈니스 결과를 이끌어 내기 위해 가장 잘 협업할 수 있는 방법이 무엇인지 살펴보겠습니다.
Gen AI 성공을 위한 IT 베테랑과 AI 네이티브 인재의 역할
평균적으로 조직 기술의 31%가 레거시(Legacy : 유산) 시스템으로 구성되어 있습니다. 비즈니스가 오래 지속되고 성공적이며 복잡할수록 적어도 10년 전에 처음 도입된 기술의 발자국이 클 가능성이 높습니다.
Gen AI를 포함한 모든 신기술의 비즈니스 약속을 실현하는 것은 기존 투자에서 최대한의 가치를 먼저 수확할 수 있는 조직의 능력에 달려 있습니다. 이를 위해서는 비즈니스에 대한 높은 수준의 상황 지식이 필요합니다. IT 베테랑만이 가질 수 있는 것입니다. 레거시 시스템 관리에 대한 경험과 비즈니스에 대한 깊은 이해는 Gen AI를 제품 및 워크플로에 내장할 수 있는 최적의 환경을 조성하는 동시에 회사의 미래 추진력을 유지합니다.
데이터 사이언스 졸업생과 AI 네이티브 인재도 중요한 기술을 제공합니다. 즉, AI 도구를 사용하는 능력과 이러한 도구를 영향력 있게 만드는 데 필요한 데이터 엔지니어링 기술입니다. 그들은 자연어 처리(NLP), 이상 탐지, 예측 분석 또는 기타 애플리케이션 등 AI 기술을 조직의 데이터에 적용하는 방법에 대한 심층적인 이해를 가지고 있습니다. 아마도 가장 중요한 것은 이러한 도구에 어떤 데이터를 적용해야 하는지 이해하고 해당 도구에 사용할 수 있도록 데이터를 변환할 수 있는 기술적 노하우를 가지고 있다는 것입니다.
조직이 새로운 AI 인재를 기존 엔터프라이즈 전문가와 통합할 때 겪을 수 있는 몇 가지 과제가 있습니다. 아래에서는 이러한 잠재적인 장애물과 이를 완화하는 방법을 살펴보겠습니다.
Gen AI를 위한 공간 마련
조직이 이러한 새로운 팀을 만들 때 직면할 것으로 예상할 수 있는 주요 과제는 리소스 부족입니다. IT 팀은 이미 기존 시스템을 최적의 성능으로 유지해야 하는 업무에 과부하가 걸렸으며, gen AI를 위한 공간을 마련하기 위해 전체 기술 환경을 재구상하도록 요청하는 것은 어려운 일입니다.
이러한 노동력 부족으로 인해 AI 팀을 격리하고 싶은 유혹이 있을 수 있지만, 그렇게 되면 조직은 기술을 핵심 애플리케이션 스택에 통합하는 데 어려움을 겪을 위험이 있습니다. 기업은 박사 학위를 취득한 사람들을 비즈니스와 단절된 구석진 사무실에 격리시킴으로써 Gen AI로 의미 있는 진전을 이룰 것으로 기대할 수 없으며, 이러한 팀들이 함께 일하는 것이 중요합니다.
조직은 이러한 변화에 직면하여 기대치를 조정해야 할 수 있습니다. IT가 기존 우선 순위를 유지하면서 동시에 새로운 팀 구성원과 함께 일하는 방법을 배우고 방정식의 비즈니스 측면에 대해 교육하기를 기대하는 것은 비합리적입니다. 기업은 gen AI 이니셔티브를 위한 내부 역량을 창출하기 위해 이전 투자를 줄이고 통합하는 것과 관련하여 몇 가지 어려운 결정을 내려야 할 것입니다.
문제를 명확하게 파악하기
새로운 기술을 도입할 때는 문제 영역에 대해 매우 명확하게 파악하는 것이 중요합니다. 팀은 해결하려는 문제, 달성하고자 하는 결과, 해당 결과를 실현하기 위해 필요한 수단에 대해 완전히 동의해야 합니다. 또한 이러한 지렛대 사이의 장애물이 무엇인지, 그리고 이를 극복하기 위해 무엇이 필요한지에 대해 조정해야 합니다.
팀이 동일한 페이지에 있도록 하는 효과적인 방법은 목표 결과를 지원 수단 및 장애물과 명확하게 연결하는 결과 맵을 만들어 결과물에 대한 리소스 조정과 기대치를 명확하게 하는 것입니다. 위의 요소를 다루는 것 외에도 결과 맵은 측정 가능한 메트릭을 통해 팀이 비즈니스 영향에 대해 책임을 지도록 하기 위해 각 측면을 측정하는 방법도 다루어야 합니다.
가능한 솔루션에 대해 추측하는 대신 문제 영역을 자세히 살펴봄으로써 기업은 사후 잠재적인 실패와 과도한 재작업을 피할 수 있습니다. 이는 약 10년 전 빅 데이터 붐 동안 관찰된 투자 낭비에 비유할 수 있습니다. 기업이 빅 데이터 및 분석 도구를 엔터프라이즈 데이터에 적용하기만 하면 데이터가 기회를 알려줄 것이라는 개념이 있었습니다. 불행히도 이는 잘못된 생각으로 드러났지만, 이러한 새로운 기술을 적용하기 전에 문제 영역을 깊이 이해하는 데 시간과 주의를 기울인 기업은 전례 없는 가치를 창출할 수 있었으며 이는 gen AI의 경우에도 마찬가지입니다.
이해도 향상
데이터 과학 기술을 습득하고 조직 내에서 Gen AI 이니셔티브를 보다 효과적으로 추진하기 위해 교육을 계속하는 IT 전문가가 증가하는 추세입니다.
오늘날의 데이터 과학 대학원 프로그램은 새로운 대학 졸업생, 중견 전문가 및 고위 경영진의 요구 사항을 동시에 충족하도록 설계되었습니다. 또한 직장에서 IT 베테랑과 AI 네이티브 인재 간의 이해와 협업이 향상되는 추가적인 이점을 제공합니다.
UC 버클리의 정보대학원을 갓 졸업한 필자의 동료들은 대다수가 중견 전문직 종사자였고, 소수는 고위 경영진이었으며, 나머지는 학부를 갓 졸업한 사람들이었습니다. 세대 AI의 성공을 위한 필수 요건은 아니지만, 이러한 프로그램은 기존 IT 전문가가 조직 내에서 세대 AI를 구동할 기술 데이터 과학 개념에 대해 자세히 알아볼 수 있는 훌륭한 기회를 제공합니다.
이전의 모든 기술과 마찬가지로 Gen AI는 새로운 기회와 도전을 동시에 창출하고 있습니다. 베테랑 IT 전문가와 새로운 AI 인재 사이에 존재하는 세대 및 지식 격차를 해소하려면 의도적인 전략이 필요합니다. 위의 조언을 고려함으로써 기업은 성공을 위한 기반을 마련하고 조직 내에서 gen AI 혁신의 물결을 주도할 수 있습니다.
이상의 기사는 2024년 7월 27일 VentureBeat에 게재된 “Unifying gen X, Y, Z and boomers: The overlooked secret to AI success”제목의 기사 내용을 편집하여 작성하였습니다.
* 원문정보 출처 : Unifying gen X, Y, Z and boomers: The overlooked secret to AI success | VentureBeat