기업 AI 도입 전 체크해야 할 4가지 점

AI를 비즈니스에 도입하기 전에 반드시 알아야 할 4가지 AI의 발전은 멈추지 않고 있으며, Gartner 분석가는 앞으로 2년 내에 모든 비즈니스 의사결정의 절반 이상이 AI 에이전트에 의해 완전히 자동화되거나 최소한 부분적으로 지원될 것이라고 예측했습니다. 최근 샌프란시스코에서 열린 Snowflake Summit 2025 미디어 라운드테이블 이벤트에서 AI를 탐구한 네 명의 비즈니스 리더가 그들의 경험과 배운 교훈을 공유했습니다. 다음은 그들이 전한 내용입니다. 클라우드 전략을 정확히 세우세요 아스트라제네카의 최고 기업 아키텍처 책임자인 웨인 필린-매슈는 회사가 여러 분야에서 AI 구현을 선도하고 있다고 설명했습니다. 이 제약사는 재현성 있는 과학적 방법론과 신약 개발에 초점을 맞춘 AI 연구 보조를 개발하여 과학 연구원들의 생산성을 향상시키고 있습니다. 또한 스탠퍼드 대학교와 같은 선도적인 학술 기관들과 협력하여 AI 실험을 수행하고 있습니다. "우리는 전통적인 과학자들이 연구할 때 지원할 수 있는 에이전트 팀을 어떻게 구성할 수 있을지 고민하고 있습니다"라고 필린-매슈는 말했습니다. 아스트라제네카는 상업적 영역에서도 AI 활용을 탐구하고 있습니다. 126개 시장에서 운영되는 회사는 다양한 위치에 콘텐츠를 제공하는 복잡한 도전에 직면해 있습니다. "우리는 AI 기술을 활용하여 마케팅 자료와 신약 개발 정보의 자동 생성을 실현했습니다"라고 그는 덧붙였습니다. 이러한 실험은 AI의 이점을 분명히 보여주었지만, 강건한 데이터 기반의 중요성을 동시에 드러냈습니다. 필린-매슈는 AI를 통해 문제를 해결하려면 강력한 클라우드 인프라가 필요하다고 강조했습니다. "우리는 이 여정을 진행하면서 AI의 이점이 명확해지는 많은 사례를 발견했습니다. 그러나 중요한 점은 기본 요소를 잊지 않는 것입니다. AI 먼저가 아니라 클라우드 먼저가 되어야 합니다." 데이터 거버넌스에 집중하세요 Truist의 도매 은행 최고 데이터 책임자인 아미트 패텔은 AI 사용 사례를 도입하면서 두 가지 중요한 교훈을 얻었다고 말했습니다. 첫 번째는 기본 데이터 기반의 중요성이었습니다. "우리 은행은 '데이터 출처는 어디인가요? 옳은가요? 관리되고 있나요? 라인지는 무엇인가요? 메타데이터는 어떻게 되나요? 데이터 품질 검사는 어떤가요?'라는 점들을 외부 규제 당국에 증명해야 합니다"라고 그는 말했습니다. "저는 LLM(대형 언어 모델)을 무분별하게 사용할 수 없으며, 내부 소스에 무작위로 연결할 수도 없습니다. 이는 규제된 출처여야 하며, 권한 부여된 공급 지점이어야 합니다." 패텔은 이 과정에서 CDO(최고 데이터 책임자)들이 직면하는 일반적인 문제점인 데이터의 질서를 확립하는 것에 대해 깨달았습니다. "이 과정을 거치면서 제가 원하는만큼 신뢰할 수 있는 출처가 많이 없다는 것을 발견했습니다. 이를 위해 먼저 기반을 마련해야 하며, 그 위에 건설할 수 있습니다." 패텔은 두 번째로, AI를 가정에서 사용하는 사람들이 기업 환경에서 LLM을 쉽게 도입할 것이라고 생각하는 경향이 있다는 점을 배웠다고 말했습니다. "그것은 단순하지 않습니다. 모델이 접근할 수 있는 범위를 정의하고, 메타데이터를 통해 모델의 해석을 안내해야 합니다. 이 과정은 시간이 걸립니다." 그는 팀이 AI 도입 시간에 대한 직원들의 오해를 해결하기 위해 기대 설정 운동을 수행했다고 말했습니다. "사용 사례를 활성화하면서 사람들은 AI 도입이 클릭 몇 번으로 이루어지지 않는다는 것을 이해하기 시작했습니다. 기술을 실행하는 것이 예전보다 빠르긴 하지만, 여전히 어려움이 있으며, AI를 작업에 활용하기 전에 거버넌스와 구조를 설정하는 데 시간과 고민이 필요합니다." 출력의 품질을 고려하세요 Snowflake의 최고 데이터 및 분석 책임자인 아나히타 타프비지는 팀이 기술 회사의 AI 주도 제품 개발을 지원한다고 말했습니다. 그러나 그녀는 회사가 이러한 제품을 단순히 판매하는 것이 아니라, 이 기술들을 실험할 수 있는 기회를 얻는다고 강조했습니다. "데이터 회사의 CDO로서의 흥미로운 점은 우리의 많은 제품을 첫 번째 고객으로 사용할 수 있다는 것입니다"라고 그녀는 말했습니다. Summit에서 발표된 Snowflake Intelligence 기술은 비즈니스 사용자가 데이터 에이전트를 생성할 수 있도록 하는 기술입니다. 그녀의 팀은 제품 팀과 긴밀히 협력하여 내부 영업 조직을 위한 AI 주도 보조를 개발했습니다. AI 도구를 구현하면서 가장 중요한 고려 사항 중 하나는 품질입니다. 팀이 도구를 영업팀에 제공하면서 "95%의 품질이 충분한가?"라는 질문을 고민했다고 그녀는 전했습니다. 타프비지는 다른 비즈니스 리더들에게 이러한 도전 과제를 신중하게 생각해볼 것을 권장하며, 직원들이 AI 실험 결과를 신뢰할 수 있어야 한다고 강조했습니다. "품질에 대한 집중이 우리에게 중요한 이유입니다. 올바른 거버넌스 구조, 액세스 제어, 라인지, 메타데이터, 의미 모델 등도 매우 중요합니다. 우리는 이 모든 것을 혁신과 속도 사이의 긴장 상태에서 계속해서 고려하고 있습니다." 예상치 못한 혜택을 찾아보세요 금융 기술 전문 회사 TS Imagine의 최고 데이터 및 분석 책임자인 토마스 보덴스키는 회사가 2023년 10월부터 AI를 활용하여 직원의 업무 부담을 줄이고 있다고 말했습니다. 그러나 AI의 주요 목적이 수작업 프로세스를 자동화하는 것이라는 점 외에도, 비즈니스 리더들이 이 기술이 다른 혜택도 가져다준다는 사실을 인식해야 한다고 주장했습니다. "AI를 사용하는 것은 노력 감소뿐만 아니라 더 빠르고, 더 나게 일을 처리하고, 놀라운 커버리지 개선을 제공하는 것입니다"라고 그는 말했습니다. TS Imagine은 전문 벤더로부터 제품 변경에 관한 이메일을 받습니다. 매년 10만 건의 이메일을 처리해야 하는 이 작업은 전통적으로 2.5명의 전임 직원이 필요했습니다. "이 작업은 스트레스가 많습니다. 이메일에 포함된 정보를 놓치면 시스템이 중단되고, 수천 명의 트레이더가 거래를 할 수 없으며, 수천 명의 리스크 매니저가 노출을 평가할 수 없으므로 심각한 문제가 발생할 수 있습니다"라고 그는 설명했습니다. 이 문제를 피하기 위해 보덴스키는 Snowflake의 AI 모델을 사용하여 이 시간 소모적인 작업을 완료하고 있다고 말했습니다. "이제 우리는 결코 결과를 놓치지 않습니다. 이 2.5명의 전임 직원은 수작업 데이터 큐레이션이나 입력 대신 지식 작업을 수행할 수 있습니다." 또한 AI는 이전에는 약점이었던 토요일 고객 요청 처리를 관리할 수도 있습니다. "토요일에는 아무도 일하지 않았습니다. 이제 AI가 고객 문의에 응답하고 올바른 직원에게 티켓을 할당합니다"라고 그는 덧붙였습니다. 업계 인사이더 평가 및 회사 프로필: 위의 리더들은 AI 도입의 성공을 위해서는 클라우드 인프라, 데이터 거버넌스, 출력 품질, 그리고 예상치 못한 혜택을 고려해야 함을 강조했습니다. 아스트라제네카는 AI를 활용하여 신약 개발과 마케팅 자료 생성을 자동화하며, 클라우드 기반의 강건한 인프라가 필수적임을 확인했습니다. Truist는 AI 도입이 은행의 규제 요구사항을 충족시켜야 하는 복잡한 과정임을 인지하고, 데이터 품질 관리를 강화했습니다. Snowflake는 AI의 품질과 신뢰성을 유지하면서 혁신과 속도 사이의 균형을 찾기 위해 노력하고 있으며, TS Imagine은 AI가 업무 효율성을 크게 향상시키면서 예상치 못한 혜택도 제공한다고 지적했습니다. 이러한 경험들은 AI의 성공적인 도입과 활용을 위한 중요한 지침을 제공합니다.