인공지능 전략을 수립할 때 범하는 7가지 중대한 실수
Risk vs. Impact - Part II.
주) 이 글은 엘리먼트 AI의 CTO인 Jeremy Barnes가 쓴 2020년 5월 블로그 'Risk vs. Impact Part 2: The 7 Sins of Enterprise AI Strategies'의 번역본입니다. 원문은 여기서 보실 수 있습니다.
사업 환경의 변화 속도가 점점 빨라지고 예측하기 힘들어지는 오늘날, '혁신'은 사실상 모든 기업에게 있어서 생존과 성장을 위한 핵심 명제라고 할 수 있습니다. 특히 - 비록 인공지능 전략을 수립하는 문제에서 막혀있는 기업도 많지만 - 많은 기업들이 인공지능 기술을 기반으로 한 기업의 혁신에 많은 기대를 걸고 있는 것 같습니다. 인공지능 기술을 제대로 도입하려면 전통적인 사업 구조로부터 만들어지고 유지되어 온 조직 간의 경계를 무너뜨리고자 하는 시도가 필요하기 때문에, 인공지능 기반의 전략 자체가 기업 내외부에 존재하는 - 또는 새로 등장할 수 있는 - 리스크에 대한 이해와 관리에 대한 새로운 생각의 전환이 필요합니다.
이전 글에서, 현재 시장에서 볼 수 있는 인공지능 기술 도입 과정의 4가지 페르소나에 대해 말씀드렸습니다:
AI Follower : 전통적인 소프트웨어 (예: 이메일 클라이언트)와 같은 방식으로 인공지능 기술을 도입, 활용
AI Consumer : 인공지능 솔루션 벤더의 포인트 솔루션만을 구매하여 리스크를 전가
AI Innovator : 인공지능을 기업 운영의 전반을 혁신하는 도구로 인식, 조직과 문화의 변화를 꾀하고 전략적인 차별화를 추구
AI Exploiter : 인공지능이 이미 사업 모델의 구성 요소로 자리 잡았으나, 비교적 정적인 방식의 혁신 추진
또, 이 4가지 페르소나 중 어디에 해당하는지와 상관없이, CEO와 최고 경영진은 자사의 인공지능 기반 혁신, 그를 위한 조직과 문화의 변화를 '탈바꿈'하기 위한 시간과 노력이 어느 정도 필요한지 고민하고 준비하는 작업이 필요하다는 점도 이야기했습니다.
이 글에서는, 최고 경영진과 리더십의 관점에서 - 특히 거버넌스의 관점에서 - 인공지능 기술의 도입을 계획하고 진행하는 데 있어서 걸림돌이 되는, "기업 인공지능 전략에 있어서의 7가지 실수"에 대해서 말씀드리고자 합니다. 7가지 실수들 중 어떤 것은 무언가를 '빼놓고 하지 않는 것'에 관련된 것이기도 하지만, 대부분의 경우는 큰 고민 없이 내리거나 스스로 정당화하기 쉬운, 또는 인공지능의 도입에서 흔히 맞닥뜨리는 'Trade-off'에 대한 검토와 선택의 어려움을 피하고자 하는데서 기인하는 '잘못된 선택'에 관련된 것입니다.
우리와 함께 논의하는 수많은 기업의 이사회, CEO, CFO, CIO 및 최고경영진들도 이런 유사한 실수를 범하시는 것을 자주 보게 되는데요, 앞으로 인공지능을 도입하고자 하는 더 많은 기업에서는 이 글을 참고하셔서 같은 실수 없이 성공적인 Enterprise AI Journey를 진행하시기 바라는 마음에서 글을 씁니다.
인공지능 전략을 수립할 때 범하는 7가지 중대한 실수
1. 적절한 '인공지능 전략'을 준비하지 않는다
아마도 이 첫 번째 실수가 가장 중요한 것일지도 모르는데요. CEO와 최고 경영진이 '인공지능은 다른 무엇보다 중요한 과제'라고 언급은 하지만, 이 중요한 과제를 추진하는데 필요한 책임과 권한을 적절한 조직 - 많은 경우 Innovation Lab 또는 AI Lab 등의 이름으로 만들어지는 - 에 부여하고 힘을 실어주는 노력에는 소홀한 경우라고 하겠습니다.
보통 이런 Innovation Lab 조직은 비싼 연봉을 받는 전문가들의 집합소가 되어, 소위 말하는 '돈 먹는' 팀으로 기업의 홍보나 기술 인력을 끌어드리는 역할을 하게 되기는 하지만 여기서 실제 기업의 제품이나 서비스, 또 사업의 혁신을 만들어내기는 힘든 경우가 많습니다.
그러나, 아시다시피 기업이 인공지능을 성공적으로 도입한다는 것과 Innovation Lab과 같은 형태의 조직을 보유하고 활용하는 것 자체가 꼭 (+)의 상관관계가 있는 것은 아닙니다. 정말 Innovation Lab을 제대로 활용하기 위한 시간과 자원의 투자가 이루어지느냐가 중요하고, 보통 이 '제대로 된 시간과 자원 투자가 이루어지는지' 확인할 수 있는 한 지표는 '이 조직과 CEO가 얼마나 자주 만나느냐' 하는 것일 것입니다. 만약 Innovation Lab - 또는 그에 준하는 조직 - 의 리더가 이 질문에 "매월 최소한 두 번"이라고 답한다면, 이 조직이 현재 혁신을 위한 환경적 조건은 꽤나 괜찮은 상황이라고 할 수 있습니다.
크게 보았을 때, CEO가 주도하는 것이 아니라면 '인공지능 전략'이라고 하기는 힘듭니다 - '인공지능으로 하고 싶은 꿈' 정도라고 할 수는 있을지 몰라도요. 기업이 인공지능을 통해서 실제 임팩트를 만들어내고 싶다면, 조직의 하부로 이 전략을 만들고 추진하는 작업을 내려보내고 맡겨놓기만 해서는 안 됩니다. 결국은 인공지능 프로젝트에 참여하는 사람들이 거의 실제 임팩트를 거의 느끼지 못하는 채로 프로젝트를 반복하다가 지쳐버리고, 떠나게 되는 경우가 대다수라고 할 것입니다.
핵심은, CEO와 최고 경영진이 인공지능 전략을 주도적으로 이끌어야 하고, 그렇지 않다면 기껏해야 이전 글에서 말씀드린 'AI Consumer' 정도가 도달할 수 있는 최종적 모습이라는 점을 받아들여야 합니다.
2. 미지의 위험에 대한 준비에 소홀하다
이 경우는 기업에서 '인공지능의 잠재력을 이해하고 믿는다'라고 하면서도 인공지능을 본격적으로 활용하면서 나타날 수 있는 위험 요소를 파악해 내고 그에 대한 준비를 하는 과정에까지 이르기 위한 투자를 하지 않는 경우에 해당합니다. 다시 말해서, "지금 우리가 있는 전장에서 엄청난 포화와 연기에 둘러싸여 있기는 하지만, 아마 우리는 다치지 않고 안전할 거야"라고 하는 것과 유사합니다.
인공지능 기술에 사운을 걸고 전면적 혁신을 추구하는 기업이 아니라 할지라도, 인공지능을 기업에서 도입하는 과정에서 발생할 수 있는 여러 가지 시나리오를 준비하고 그에 대해 가설 - 모니터링, 시험, 그리고 시간이 지나면서 발전시켜 감으로써 기업의 인공지능 도입 경로를 안전하게 재설정할 수 있는 - 을 세우는 것은 매우 중요합니다. 이런 준비 과정을 통해서만이, 만약 도입 경로를 변경해야 하는 경우라 생긴다 하더라도 다시 원점부터 출발하지 않고 그때까지의 학습 (인공지능 모델의 학습뿐 아니라 조직 내의 학습 포함) 내용을 가지고 적응해 나갈 데이터, 하드웨어, 모델, 그리고 팀을 꾸려나갈 수 있습니다. 보다 장기적으로는, 이 작업을 진두지휘하고 실행할 '사람들' - 조직의 가장 중요한 자산인 - 을 확보하고 훈련시켜 나갈 수 있습니다.
누구에게나 인공지능을 잘못된 방식으로 도입하고 구현할 수 있는 가능성이 있습니다. 물론 인공지능과 관련하여 아무것도 하지 않을 위험도 있고요. CEO와 최고 경영진은 이 과정의 '탈바꿈을 위한 시간' - 즉 인공지능을 도입하는 것이 도저히 더 이상 미룰 수 없는 과업이 될 때까지 얼마나 시간이 있을 것인지, 그리고 그때 시작한다면 얼마나 준비와 진행에 노력과 자원이 들 것인지 - 에 대해 많은 고민을 해야 합니다 -
3. 조직 문화를 변화시키기 위한 기반을 마련하지 않는다
인공지능 기술을 도입, 구현하는 어찌 보면 조직 내에 새로운 과학기술을 심는 것과 비슷합니다. 아시다시피, '과학기술'은 '수많은 실험'을 전제로 발전하고, 이 '실험'을 통해 학습을 하려면 다시 '수많은 실패'를 거치게 됩니다. 따라서, '실험' 중심의 마인드와 '실패'를 용인하는 열린 태도가 조직 전체에 걸쳐 녹아들어 있어야 합니다.
또, 현재의 조직/부서 간 경계를 넘어서 직원들이 협업을 원활하게 할 수 없다면 인공지능 과제의 성공 가능성과 임팩트에 제한이 있을 수밖에 없습니다. 인공지능 기술은 현재 대부분의 기업 운영 체계에서 흔히 드러나는 조직의 경계를 지키는 한도 내에서 구현하는 기술이 아닙니다. 인공지능 모델을 훈련시키기 위한 데이터, 개발하기 위한 도구들, 모델의 배포와 운영 등 모든 관점에서 그러합니다. 조직 전체에, 때로는 우리의 몸과 마음에 익숙해져 있는 조직 간의 경계를 깨고 협업을 원활히 할 수 있도록 하는 문화적 준비가 되어 있지 않다면, 이 기술의 효익은 거기서 유발될 수 있는 위험 대비 그리 높지 않을 가능성이 큽니다.
대부분의 기업이 인공지능 기술을 검토하면서 '임팩트는 크지만 위험은 적은' 해결책을 찾을 것입니다. 누구나 그런 행운을 바라겠죠. 문제는, 초기의 작은 성공이 오히려 새로운, 그리고 위험을 수반하는 더욱 큰 임팩트를 추구하기보다 조직이 작은 성공을 기준으로 기술의 도입을 최적화하고자 하는 방향으로 이끌 수 있다는 것입니다. 이런 새로운 활동, 즉 위험을 감수하는 활동과 노력이 전혀 없어진다면, 인공지능 기술을 도입하는 초기에 계획했던 팀의 역량 확보, 문화의 배양 등은 어느새 공허한 것이 되어버리기 십상입니다.
물론, 조직에서 점점 증가하는 위험을 받아들이면서 그에 따른 임팩트를 거두고자 한다는 것은 말처럼 쉬운 것은 아니지만, '실험'의 마인드셋이 있는 조직으로 지속적으로 문화적인 변화를 해 나가는 과정에서 이런 시도를 할 수 있을 것입니다.
4. 현재의 문제를 해결하는 '솔루션'에 중점을 둔다
아마도 이 네 번째 실수가 가장 흔하게 나타나는 실수가 아닐까 합니다. 인공지능 기술의 도입을 검토할 때, 해결하고자 하는 매우 구체적이고 특정한 '문제'를 확인하고 이해하는 것이 중요한데, 이는 인공지능 기술이 범용적인 관점에서 여러 개의 문제들에 대한 공통된 하나의 해결책이 되기는 쉽지 않기 때문입니다. '자 이제 AI로 뭔가 해 보자'라고 하는 의사결정을 했고, 어떤 한 업체로부터 인공지능 솔루션을 구매하고 다른 업체로부터 데이터 레이크 제품을 구매했다고 해 봅시다. 이것으로 많은 인공지능 과제가 한꺼번에 해결되리라 생각하기 쉽지만, 이런 '솔루션 중심의 접근 방법'에 있어서 문제는 이렇게 구매한 많은 도구들을 구현하고 함께 작동하도록 하는 것이 또 만만치 않은 노력이 필요한 작업이라는 것입니다. 심지어는 이렇게 해서는 비즈니스적인 가치와 임팩트를 만들어내리라는 보장도 없습니다.
우리 기업의 인공지능 기술 투자 방향을 담고 있는 '인공지능 전략'이 항상 모든 활동들을 가이드하는 것이 중요하고, 단순히 현재의 문제를 큰 고민 없이 빠르게 해결하는 솔루션을 도입하는 것이 우선순위가 아니라는 점을 CEO, 최고 경영진과 함께 계속해서 확인해야 합니다. 올해, 내년이 아니라 중장기적인 미래 시나리오와 전략을 그려보고 그를 위한 인공지능 투자 전략을 세운다면, 현재 준비해야 하는 작업과 도구들이 어떤 것들인지에 대한 그림도 전혀 달라집니다.
5. 위험을 받아들이지 않으면서 열매만 탐한다
'세 번째 실수' 항목에서 언급한 바 있는데, 어떤 기업이든 인공지능 기술을 도입하는 과정에서 가능한 한 위험 요소를 경험하지 않기를 바라는 것은 너무도 당연하다고 하겠습니다. 때로는 인공지능 모델이 원하는 대로 - 예상치 못한 이상 현상을 만들어내지 않도록 - 작동하지 않을 수 있는 모든 리스크를 서비스/솔루션 공급사에게 전가할 수 있다고 생각합니다. 또는, 인공지능 기술이 아닌, 이전의 기술을 기반으로 설계된 융통성 없는 경직된 리스크 관리 모델에 인공지능 기술과 관련된 리스크를 끼워 맞추려고 하기도 합니다.
인공지능 기술은 몇 가지 면에서 여전히 매우 미성숙한 영역이고, 모든 경우에 쉽게 적용할 수 있는 한 가지 방법이라는 것 (One-size-fits-all)은 없다고 보아야 합니다. 마찬가지로 인공지능 기술을 활용할 때 사용할 수 있는 도구들과 관련된 시장도 아직은 매우 가변적이고, 이런 도구들을 기반으로 작은 성공을 가능하게는 하지만 실패를 용인하지 않음으로써, 리스크는 줄일지언정 본래 인공지능 기술을 활용하고자 했던 근본적 이유인, '혁신'을 이루어내는 목적은 달성하기 힘들게 되고 맙니다.
성공만이 아니라 실패로부터도 배우면서 진화해 나갈 의지가 있는 기업들만이 궁극적으로 인공지능 기술을 효과적으로 사용하는 단계에 다다를 것입니다. 또한, 이런 자세가 있어야만 지속적으로 등장할 최고의 기술과 도구, 그리고 파트너들을 남들보다 앞서 검토하고 자사의 인공지능 전략에 연계, 통합할 수 있습니다. 인공지능 기술을 도입하는 데 있어서 오로지 '리스크를 최소화하는 데'만 초점을 맞춘다면, 결국은 경쟁사의 차별적, 전략적 인공지능 도입과 그에 따라 발생할 시장의 변화에 적응하지 못하는 상황에 처하게 될 수 있습니다 - 이런 리스크가, 인공지능 도입과 관련된 리스크 중 그 어떤 것보다 큰 리스크로서 사업의 존폐 자체를 결정하게 될지도 모릅니다.
'위험을 회피하려는' 문화가 강하고 산업의 변화를 선도적으로 이끌려는 의지가 약한 기업은 혁신의 기회를 놓치기 쉽습니다.
6. 과거의 경험에 의존한 재무 검토 및 의사결정
'기업의 바람직한 의사결정구조'를 이야기할 때 보통 '재무적 관점의 의사결정구조'를 의미하는 경우가 많습니다. 그러나, 인공지능의 도입에 있어서 자칫 전통적인 재무적 검토와 의사결정구조의 틀에 지나치게 맞추게 될 경우, 나중에 인공지능 관련된 투자가 유의미한 결과로써 조직에 남아서 축적되기 힘든 경우가 많습니다.
신기술에의 투자는 종종 그 결과가 불확실한 과제인 경우가 많습니다 - 효익이 매우 클 수도 있지만, 반대로 리스크도 큽니다. 투입 요소 대비 결과물이 어떻게 될 것인지에 대한 연결 관계가 인공지능 기술의 경우 기존의 타 기술들 대비 뚜렷하지 않거나 예상하기 어려울 수 있는데, 바로 이 때문에 기존 기술을 도입할 때 적용해 왔던 재무적 검토, 의사결정구조에 그대로 맞추기가 쉽지만은 않습니다.
아마도 가장 흔한 접근법은, 인공지능 기술을 일종의 '소프트웨어'적 요소로 취급하고 그에 따라 공급자 - 벤더 -를 찾는 방법일 것입니다. 그러나, 이런 접근방식으로는 'AI Consumer'의 페르소나에만 머물게 되기가 십상입니다. 이런 방법이 아니라, 인공지능 기술의 도입 및 데이터와 관련된 활동 전반에 걸쳐서 잠재적인 효익뿐 아니라 이런 도입의 시기를 늦추는 것에 따른 리스크를 함께 고려하여 의사 결정을 하는 것이 바람직합니다. 새로운 기술에의 투자는 항상 그 효익과 비용을 모델링하는 데 있어서 새로운 접근 방법을 필요로 합니다.
7. 데이터를 Commodity로 취급한다
마지막으로, 데이터를 Asset (자산)이 아닌 Commodity로 취급하게 되는 경우입니다. 모두 아시다시피, 인공지능 기술을 도입하는 데 있어서 데이터의 중요성은 간과할 수는 없는데, 데이터를 제대로 취급하지 못한다면 오히려 인공지능 기술의 도입이 역효과를 내고 잘못된 의사결정으로 이어질 수도 있습니다.
기업이 관리하는 데이터셋이 더 정교하고, 정확하고, 그 안에 더 많은 정보가 포함되어 있을수록, 인공지능 기술을 더 잘 훈련시키고 결과적으로 유의미한 지식과 통찰을 뽑아낼 수 있습니다. 그렇지만, 데이터가 저장되어 있는 상태에서는, 종종 Liability (부채; 부담)가 되기가 쉽습니다. 기업이 보유한 데이터 중에 흔히 볼 수 있는 '개인 정보'가 기업 내외부의 악의적 시도에 의해 유출되거나 하는 경우를 생각해 보면 이해하기 쉬울 것입니다. 국가와 지역에 따라 다르지만, 어떤 경우는 이미 데이터의 유출이 일어날 때의 비용과 처벌이 데이터를 보유해서 활용함으로써 얻을 수 있는 이득을 상회하도록 규제하는 경우도 있습니다.
기업이 자사의 경쟁력을 제고하기 위해 인공지능 모델을 개발하고 운영하는데 필요한 데이터는, 생각만큼 쉽게 확보할 수 있거나 여기저기에 널려 있는 데이터가 아닐 가능성이 큽니다. 즉 Commoditize 되어 있을 가능성이 낮습니다. 물론 기업 내 외부에 많은 데이터가 매일같이 생성되고 있는 것은 사실이지만, 당신의 기업에서 구축하려고 하는 유즈 케이스나 목적에 합치하지 않는 경우가 많을 것입니다. 현실적으로는, 기업에서 확보 가능한 데이터가 마침 인공지능 유즈 케이스를 실험하고 구현하는데 딱 맞는 필요한 데이터일 확률은 극히 낮고, 따라서 많은 경우 명확한 목표가 없이 데이터를 집중화하거나 데이터 레이크를 구축하는 프로젝트를 하는 것보다는 구현하고자 하는 유즈 케이스를 놓고 그에 필요한 데이터를 확보해 나가는 노력이 더 합리적인 방향이라고 하겠습니다.
이렇게 시작할 수 있습니다
자, 여기 이제 당신의 기업에서 인공지능 기술 도입을 시작할 때 진행해야 하는 몇 가지 작업들이 있습니다.
먼저, CEO 및 최고경영진이 함께 '인공지능 기반의 변화에 필요한 자원과 시간'에 대한 논의를 진행해야 합니다. 구체적으로 당신의 기업이 속한 산업에서 AI Innovator라는 것이 어떤 이미지이고, 구체적으로 어떤 프로그램들을 진행해야 하며, 도달에 어느 정도의 시간을 목표로 잡고 진행해야 할지 등에 대한 상세한 계획이 만들어져야 합니다.
두 번째로, 인공지능 기술을 중심으로 한 변화를 기획하되, 기술의 변화를 잘 모니터링할 수 있는 체계가 필요합니다. 인공지능 기술을 하루가 다르게 변모하고 있기 때문에, 이런 변화에 따라 기업의 인공지능 전략을 정기적으로 검토하고 유연하게 변경할 수 있어야 합니다. 그래야만 변화에 수반되는 위협이나 도전과제, 기회 등을 적시에 파악하여 대응할 수 있습니다.
세 번째로, 인공지능 기술 기반의 변화를 진행하는 과정에서의 리스크뿐 아니라, 이 작업을 진행하지 않았을 때의 리스크 모두에 대한 균형 있는 검토가 필요합니다. 중요한 것은, 인공지능 기술의 도입과 관련된 많은 리스크가 - 과거의 다른 리스크처럼 - 단순히 절대적인 감축의 대상이라기보다는 Trade-off (상호 균형과 충돌의 관계)에 있다는 것을 이해하고, 그에 맞는 대처 방안을 찾아내야 한다는 것입니다.
마지막으로, 중장기적 관점에서 인공지능 기술의 도입과 관련된 활동들의 ROI를 디자인해야 합니다. 전체 산업에 걸쳐서 인공지능 기술을 적극적으로 활용하는 기업들이 어떻게 ROI를 산출하고 측정하는지를 살펴보고, 그에 맞추어 기업의 현 상태를 진단, 목표를 지속적으로 관리해야 합니다. 이 목표에 따라 기업의 인공지능 역량을 균형 있게 강화하는 과정을 밟아나가야 하는데, 여기서 AI Maturity Framework의 가이드라인이 도움이 될 수 있을 것입니다. 이 프레임워크를 통해서 어떻게 궁극적으로 인공지능 기술을 기반으로 한 변화의 동력을 조직 내에 심을 수 있는지에 대한 청사진에 대한 아이디어를 얻을 수 있습니다.
만약, 당신의 조직이 현재 AI Maturity 관점에서 어디에 와 있는지 간단하게 살펴보고 싶으시다면, 저희가 준비한 간단한 설문 조사에 참여해 보시기 바랍니다.
