단지 AI를 사용하는 것 만으로는 무의미, AI에서 이익을 창출하기 위해서는 '조직이 배우는 것'이 필수라는 조사 결과

 

현대의 많은 기업들이 비즈니스에 AI를 사용하고 있습니다만, AI에 의한 경제적 이익을 얻고 있는 기업은 10%에 불과하다는 조사 결과를 MIT Sloan Management Review가 발표하고 있습니다. AI를 사용하여 이익을 창출하는 기업은 어디가 다른지, 세계의 비즈니스 리더들에게 실시한 조사 결과에서 몇 가지 포인트가 판명되었습니다.

Expanding AI 's Impact With Organizational Learning

Expanding AI’s Impact With Organizational Learning

 

보스턴 대학의 Sam Ransbotham 씨 등 조사팀이 세계 기업의 리더 3000명에 대하여 조사를 실시하고, 동시에 기업 임원 및 연구원의 인터뷰를 실시한 결과, 인공지능으로 상당한 경제적 이익을 얻고 있는 기업은 AI를 도입한 기업의 10%에 불과한 것으로 밝혀졌습니다.

조사 대상 기업의 57%는 자사에서 AI를 시험으로 운용하고 있으며, 59%가 AI 전략이 있고, 70%는 AI가 비즈니스 가치를 창출하는 방법을 이해하고 있다고 답했습니다. 이러한 수치는 지난 4년 동안 성장하고 있지만, 그럼에도 불구하고 AI로 큰 경제 이익을 얻고 있는 기업은 10개에 1개뿐이라는 것이 이번 조사 결과에서 주목되는 곳입니다.

 

연구진은 조사 결과를 분석함으로써 기업이 AI에 경제적 이익을 창출하기 위해 필요한 것이 무엇인지를 분명히 했습니다. 단적으로 말하면, AI가 제시하는 경제적 이익이 증가 방법을 배우는 조직은 경제적 이익을 내기 쉬워진다는 것.

"AI에서 배우는 조직"의 특징은 아래의 3가지.

· 인간과 기계 사이의 체계적이고 지속적인 학습을 촉진하고 있다.
· 인간과 기계가 상호 작용하는 여러 방법을 개발하고 있다.
· 배우기 위해 변화하고 변화한 것을 배우고 있다

경영자의 답변을 분석한 연구진은 "AI에 경제적 이익을 실현하기 위해서는 데이터・인프라・인재의 삼박자로 기본 이상은 갖춰야 하며 사업에 AI를 도입하는 것 만으로는 충분하지 않다"라고 말하고 있으며, "AI에 대한 투자로부터 얻을 수 있는 수익은 즉시 결산에 나타나는 것 이상의 것"이라고 말하고 있습니다.

 

AI에 의해 얻어지는 이익은 Goal이 아니라 학습입니다. 조사에서 나타난 것은 AI에 의해 경제적 이익을 얻고 있는 기업은 의도적으로 'AI를 사용한 학습자'가 되고자 하는 것이었습니다.

예를 들어 독일의 자동차 메이커인 포르셰는 특정 지역의 생산을 결정하는 AI를 이용하고 있습니다. 시장은 항상 수요가 변화하고 지역마다 규정이 다르므로 제조사는 항상 요구를 이해하고 지속적으로 예측하고, 생산을 조정해야 합니다. 따라서 포르셰의 CIO인 Mattias Ulbrich 씨는 "AI에 따라 각 시장에 제공하는 수백만의 옵션 중에서 최적의 구성을 지속적으로 학습하고 있습니다"라고 말합니다.

그러나 변화하는 요구를 감지하는 것만으로는 충분하지 않고, 많은 경우 속도가 중요합니다. 중국 검색엔진 운영 업체인 Baidu는 AI를 초기의 전략적 필수 사항으로 하고 있으며, Baidu Research의 Yanjun Ma 씨는 "이것은 우리의 효율성 · 속도 · 정확성에 직접적인 영향을 미쳤습니다"라고 말하고 있습니다.

하지만 AI 학습을 계속하는 것은 쉽지 않습니다. 연구원은 학문의 답변에서 AI에서 경제적 이익을 얻는 것에 영향을 미치는 활동을 다음의 7가지로 분류했습니다. 이 7가지 모두를 수행하여 큰 경제적 이익을 얻을 수 있는 확률이 73% 증가한다는 것입니다.

◆ AI를 찾고 구축한다
1. 인프라 : 데이터, 테크놀로지, 알고리즘에 투자한다
2. 인재 : AI 스킬을 발전시킨다
3. 전략 : 비즈니스 전략에 AI를 통합시킨다

 

◆ AI 확대
4. 생산과 소비를 조절하기 : AI의 해법을 효율적으로 적용한다
5. 자동화 이상의 것 : AI를 사용 사례에 적용시켜 나간다

 

◆ AI와 함께 조직적인 학습
6. 지식 : AI와 인간의 지식을 공유한다
7. 역할 화 : 인간과 AI의 상호작용을 구축한다

7 가지 활동을 하나씩 실행해 나가는 것이 어떻게 확률이 올라가는지 다음 그림에서 알 수 있다.

특히 중요한 포인트로 AI와 인간이 상호 학습한다는 것입니다만, 이것은 구체적으로 말하면 "인간은 AI에서 배우고 AI는 인간의 피드백에서 배우는 것으로, 인간이 자율적으로 학습하도록 AI를 디자인한다'는 전략에 해당합니다.

인간 경영자는 비즈니스에 최상의 결과를 만들어내는 방법을 생각하지만, 때로는 AI는 의외의 방향에서 대안을 제안합니다. 예를 들어, 배차 서비스 Lyft는 제법 빠른 단계에서 엔지니어가 "운전기사 공급"과 "고객의 수요"를 일치시킴으로써 수익을 극대화시키는 알고리즘을 설계했습니다. 그러나 Lyft의 AI는 수요와 공급을 일치시키는 것이 아니라, 유저가 앱을 연 후 실제로 승차를 요청한 비율인 '전환율'을 최적화하는 것이 수익의 증가를 가져올 것으로 예측하였고, 실제로 구현한 결과, 이전보다 더 많은 수익을 창출한 것으로 입증되었습니다. 이때, 중요한 포인트는 AI의 해결책을 인간의 사고로 테스트하는 것이었기에, "AI의 계산과 인간의 지식"의 조합에 의해 사업 전체에 큰 영향을 미칠 수 있었다고 할 수 있습니다.

그리고 조사로부터, 기업에서 이루어지고 있는 인간과 AI의 연계는

- AI가 결정하고 구현

- AI가 결정하고 인간이 구현

- AI가 권장하고 인간이 결정

- AI가 발견하고 인간이 그 지식을 결단에 사용

- 인간이 만들어낸 것을 AI가 평가

 

이렇게 다섯 가지 형태가 있다고 합니다. 가장 많았던 것은 세 번째의 'AI가 권장하고 인간이 결정'하는 방식.

또한, 평소 복수의 연계 방법을 조직 내에서 실시해온 기업은 경제적 이익을 얻기 쉬워집니다.

 

그리고 여러 연계 방법을 취할 뿐만 아니라 필요에 따라 방법을 바꿀 수 있다는 것이 중요합니다. 신종 코로나 바이러스 감염(COVID-19)으로 사회가 갑자기 크게 변화하고 온라인 숍에서 사람들의 행동을 분석하기 위해 지금까지와는 다른 알고리즘의 필요성이 증가했습니다. 월마트의 기계학습 부문 대표인 Prakhar Mehrotra 씨에 따르면, 판데믹으로 인해 새롭게 도입된 알고리즘은 원래 인간의 손을 많이 필요로 하는 것이었지만 데이터를 축적해 나가는 것으로 AI 시스템이 학습하고 적절한 추천이 가능하게 된 것입니다.

적절하게 설계된 시스템도 상황이 변화하면 요구사항도 변합니다. 따라서 경영자는 상황에 따른 변화를 생각해야 합니다. AI를 사용한 조직적 학습은 5개의 연계방법을 가능한 한 많이 사용하는 것, 적절한 연계 방법을 상황에 따라 사용할 것, 연계 방법을 신속하게 전환할 것. 이렇게 세 가지가 중요하다고 연구진은 말했습니다.

그러나 비록 인간과 AI 간의 상호작용이 있더라도 결국 AI의 제안에 따른 변화를 거부한다면 이익은 발생할 수 없습니다.

AI를 이용한 학습은 불쾌한 변화를 동반합니다. Mehrotra 씨는 "알고리즘 조직도 및 머천다이징의 정의, 공급망의 기능에 대해 알지 못한다"라고 말했습니다. AI가 조직 규범과 역할, 각 직원에게 요구되는 행동, 경영자의 대응 등을 완전히 무시한다는 점을 지적했습니다. 따라서 최선의 결과를 만들어내는 것을 알고 있어도, 실제로 기업의 프로세스를 변경하는 것은 매우 어렵다고 설명하고 있습니다. 하지만 AI가 가져오는 불편함을 인식하고 그것을 극복해 AI를 조작하는 방법을 조직 전체에서 배워야 한다고 Mehrotra 씨는 말했습니다.

AI의 제안을 바탕으로 비즈니스 프로세스를 변화시키는 것은 어려움이 따릅니다. 그러나 이번 조사에서는 "비즈니스 프로세스에 전혀 변화를 주지 않은"기업이 경제적 이익을 얻을 수 있는 확률은 4% 이지만, "큰 변화를 비즈니스 프로세스에 추가하고 있는"기업은 그 확률이 ​​5배인 20%까지 증가한다는 결과를 얻을 수 있으며, 위험을 인식하면서도 AI에 의한 개혁을 실행한 기업은 더 큰 수익을 얻을 가능성이 높은 것으로 나타나고 있습니다.