AI 프로젝트, 60% 실패 예상…성공을 위한 5가지 방법

대부분의 AI 프로젝트가 중단되는 이유 - 데이터 관리 성공을 위한 5가지 방법 거틀러 연구소(Gartner)에 따르면 63%의 기업들이 AI를 위한 적절한 데이터 관리 방법을 확신하지 못하고 있다. 이 준비 부족은 큰 영향을 미치며, 2026년까지 60%의 기업이 AI 프로젝트를 포기할 것으로 예상된다. 새로운 도구에 노출시키기 항공산업에서 AI는 새로운 것이 아니다. 마스터스(Masters)의 조직은 이미 여러 해 동안 AI와 기계 학습을 사용해 비행기의 탑승률을 예측하는 등 다양한 분야에서 활용해왔다. 그는 "AI를 통한 통계 분석의 발전은 점진적이었지만, 점점 더 빠르게 진행되고 있다"고 말했다. 2022년 11월에 출시된 ChatGPT는 AI 챗봇에 대한 접근성을 크게 향상시켰다. 마스터스는 "조직 내에서 분석팀에 속하지 않은 사람들도 이 기술의 잠재력을 인식하기 시작했다"고 설명했다. "그들은 AI가 어떻게 데이터를 재해석하고 설명할 수 있는지, 비즈니스의 다른 부분에 어떤 분석 도구를 제공할 수 있는지를 고민하기 시작했다." 마스터스와 그의 팀은 전문가들이 이러한 도구를 활용해 생산성과 운영 효과를 높이는 방법을 검토하고 있다. "우리는 다양한 도구를 통해 인사이트를 공유할 수 있다. 예를 들어, 데이터 플랫폼에 있는 챗봇을 사용해 정보를 제공할 수 있다"고 말했다. 주요 비즈니스 질문에 답하기 사람들이 AI를 최대한 활용하도록 격려하는 것은 한 부분일 뿐이다. 더 큰 문제는 사람들이 올바른 도구를 효율적으로 사용하도록 하는 것이다. 마스터스는 "동적 가격 설정 도구나 예측 유지 보수, 연료 예측 같은 분야에서는 수익률을 계산하기 쉽다. 이런 목표는 쉽게 추구할 수 있었다"고 말했다. 그러나 의사결정 프로세스 개선과 같은 다른 분야에서는 ROI가 명확하지 않다. 이에 대해 그의 팀은 Databricks 데이터 플랫폼을 중심으로 신속하게 대응하는 방법을 고려하고 있다. "우리는 플랫폼을 통해 다양한 설문 조사 결과와 고객 의견을 결합할 수 있게 되었다. 예를 들어, 항공사가 받는 모든 설문 결과를 분석하고, 이를 다른 데이터와 통합할 수 있다"고 말했다. "플랫폼 덕분에 크고 작은 질문들을 신속히 해결할 수 있다." 일관된 접근 방식 마련 AI에 대한 압력은 다양한 방향에서 발생한다. 기술 공급업체들은 최신 AI 기반 시스템과 서비스를 적극적으로 홍보한다. 이로 인해 많은 소음이 발생하는데, 마스터스의 조직은 AI 도구 제안을 평가하는 프로세스를 마련했다. "우리는 이미 플랫폼에 해당 기술이 도입될 예정이라는 사실을 알려주며, 불필요한 AI 모듈을 피할 수 있다"고 말했다. 매주 아키텍처, 비즈니스 분석가, 중앙 제품 관리 사무소 등의 전문가들이 기술 제안을 논의한다. "이것이 기술의 전문적인 평가를 위한 첫 번째 문이다"라고 그는 설명했다. "그 다음에는 저와 기술, 디지털, 데이터 부문의 부사장들이 도구를 더 고위에서 평가한다." 필요하다면 다른 고위 경영자들도 이 논의에 참여할 수 있다. "예를 들어, 고객 여정 및 엔지니어링 부사장은 이 기술이 우리 비즈니스 전략의 일부를 어떻게 실현하는지 살펴볼 수 있다"고 말했다. "이렇게 연결된 접근 방식은 적절한 자원을 프로젝트에 배정하는 데 도움이 된다." 플랫폼 활용하기 항공사는 전통적으로 고객 데이터와 운영 데이터를 별도의 시스템에 보관한다. 이로 인해 교차 비즈니스 이니셔티브를 실행하기 어렵다. 버진은 기업 정보를 통합하는 접근 방식을 만들기 위해 Databricks의 Unity Catalog를 활용했다. 마스터스는 "우리는 플랫폼 상에서 다양한 시뮬레이션과 예측 모델을 실행할 수 있어 효율적이고 민첩하게 움직일 수 있다"고 말했다. 운영상의 혼란이 발생하면, "해당 공항에서 얼마나 많은 환승객이 있는지, 이들에게 어떻게 도움을 줄 수 있는지, 환승 비행 시간이 충분할지 등을 물어볼 수 있다"고 그는 설명했다. "우리 팀은 매일매일 모든 비행에 대해 세부적인 정보를 확인할 수 있으며, 필요한 차원에서 이를 종합할 수 있다. 이는 우리에게 혁명적이다." 호기심을 지속적으로 키우기 마스터스가 이 데이터와 AI 탐색에서 얻은 가장 중요한 교훈은 디지털 리더들이 기술을 다루는 데 너무 많은 시간을 보내지 말고, 조직이 무엇을 하는지 이해하는 데 더 집중해야 한다는 것이다. "데이터 팀은 플랫폼과 도구에만 갇혀 있곤 한다. 그러나 이제 특정 도구의 세부 사항이나 더 나은 데이터베이스를 만드는 것이 그렇게 중요하지 않다"고 말했다. "오늘날 데이터는 플랫폼에 자동으로 나타나며, 연결이 더욱 쉬워졌다. 이로 인해 기술은 데이터 리더들의 일상적인 우선순위에서 멀어졌다. 대신, 조직에 대한 호기심을 갖고 무엇을 할 것인지 고민하는 것이 중요하다. 이는 조용한 소음을 없애고, 진짜 중요한 것을 찾는 데 도움이 된다. 우리는 이 우선순위를 팀에게 전달하여 호기심을 유발할 수 있는 시간을 보낼 수 있다." 업계 전문가들의 평가는 이러한 접근 방식이 AI 프로젝트의 성공률을 높일 수 있는 중요한 요인이라고 본다. 기업들이 데이터 관리와 AI 도구의 효율적인 활용을 위해 일관성 있는 전략을 수립하고, 조직 내의 다양한 역량을 활용하여 혁신을 추구하는 것이 필요하다. Databricks와 같은 통합 데이터 플랫폼은 이러한 과정에서 핵심적인 역할을 하며, 기업들이 더 빠르고 정확하게 정보를 처리하고 결정을 내릴 수 있도록 돕는다.