지난 몇 년 동안 인공지능(AI) 기술이 급속도로 발전하면서 기업들이 이를 도입하는 움직임이 본격화되었습니다. 국내에서도 지난해부터 AI 활용이 활발해지며 AI 스타트업들의 분위기가 크게 변화했습니다. 이제 기업들은 AI를 신기술로만 여기는 것이 아니라 실제 비즈니스에 어떻게 적용할 수 있을지 더 깊이 이해하고자 하고 있습니다.
그러나 최근 미국의 대표적인 싱크탱크인 랜드 연구소(RAND Corporation)가 발표한 보고서에 따르면, AI 프로젝트의 80% 이상이 실패로 끝난다고 합니다. 이는 다른 IT 프로젝트의 실패율에 비해 두 배나 높은 수치입니다. 이로 인해 이미 수십억 달러의 자본이 날아갔다고 지적하며, AI 프로젝트 실패의 근본 원인과 성공 방법을 분석했습니다.
보고서에 따르면, AI 프로젝트 실패의 가장 큰 원인은 기술 자체보다는 사람에 있었습니다. AI 기술의 활용 가능성에 대한 오해와 주요 이해관계자들 간의 목표 불일치가 대표적입니다. 기업이나 기관의 관계자들이 AI를 사용해 해결할 문제가 무엇인지 명확하게 이해하거나 전달하지 못하는 경우가 많습니다. 이는 SF 영화 등에서 생긴 AI에 대한 선입견에서 비롯된 것으로, AI가 만능이라는 잘못된 인식에서 기인합니다.
이러한 문제는 국내 AI 스타트업도 자주 겪고 있는 현실입니다. AI를 성공적으로 도입하기 위해서는 관련 분야 전문가 수준의 이해가 필요하며, 기술을 정확히 어디에 적용하고 어떤 결과를 유도할지 명확하게 파악해야 한다는 것입니다.
또 다른 중요한 문제로는 '반짝이는 물건 신드롬(Shiny Object Syndrome)'이 있습니다. 이는 AI 개발자들이 최신 기술에만 집중하다 보니, 프로젝트의 성격이나 결과와 무관하게 최신 AI 기술을 도입하려는 경향을 가리킵니다. 하지만 기업 프로젝트는 실험실이 아니라는 점에서 이러한 접근은 실패로 이어질 수 있습니다.
데이터의 중요성은 이제 거론할 필요도 없습니다. AI 프로젝트의 성패는 데이터의 질과 양에 크게 좌우됩니다. 또한 프로젝트를 수행할 인프라가 갖춰지지 않은 경우도 실패의 주요 원인으로 꼽혔습니다.
마지막으로, AI가 해결하기에 지나치게 어려운 문제에 기술을 적용하려는 시도도 실패의 요인으로 작용했습니다. 이는 처음 지적된 커뮤니케이션 부족과 이해 부족과도 밀접하게 연결됩니다.
결국, AI 프로젝트 실패의 대부분 원인은 '사람의 문제'로 귀결됩니다. 랜드 연구소의 보고서는 이러한 문제를 해결하기 위해 *AI 기술에 대한 정확한 이해 *산출하려는 결과물에 대한 명확한 목표 설정 *보유 데이터와 인프라에 대한 철저한 파악 *현실적인 솔루션 도입 등이 필요하다고 지적합니다. 또한 AI 프로젝트는 완료하는 데 시간과 인내심이 필요하며, 최소 1년 동안 특정 문제 해결에 집중할 준비가 되어 있어야 한다고 강조합니다. 기업의 리더는 기술보다는 문제 해결에 집중해야 하며, 무엇보다 성급하지 않도록 해야 한다고 조언하고 있습니다.
최근 국내에서도 정부 주도로 제조업 등에 AI를 도입하려는 움직임이 활발해지고 있습니다. 한국이 AI 원천 기술에서는 세계 최고 수준에 도달하기는 어렵지만, 유스케이스에서는 선두주자가 될 가능성이 충분합니다. 이러한 기회를 잘 살리기 위해서는 기술보다 사람에 집중하는 접근이 필요합니다.
가. AI 프로젝트 성공을 위해 이해관계자 간의 목표 일치를 어떻게 효과적으로 이끌어낼 수 있는가
1. 명확한 목표 설정과 공유: 프로젝트 시작 단계에서 모든 이해관계자와 함께 명확하고 구체적인 목표를 설정하는 것이 중요합니다. 이를 위해 워크숍, 회의, 또는 설문조사 등을 통해 각자의 기대와 우선순위를 명확히 하고, 이를 조정하여 통일된 목표를 도출합니다.
2. 소통 채널의 활성화: 이해관계자 간의 원활한 소통을 위해 정기적인 회의, 업데이트, 그리고 피드백 루프를 마련하여 의견을 주고받을 수 있는 환경을 조성해야 합니다. 이는 모든 팀원이 같은 방향으로 나아가고 있는지를 지속적으로 확인하는 데 필수적입니다.
3. 이해관계자의 참여 유도: 프로젝트의 모든 단계에서 이해관계자가 적극적으로 참여할 수 있도록 장려합니다. 이를 통해 서로의 역할과 책임을 명확히 하고, 각자의 기대를 반영하는 동시에 실질적인 기여를 촉진할 수 있습니다.
4. 공통 언어와 용어의 사용: AI 프로젝트에서 특히 기술적인 용어가 많기 때문에, 이해관계자들이 공통으로 이해할 수 있는 용어와 표현을 사용하는 것이 중요합니다. 이를 통해 오해를 줄이고, 협업을 원활하게 할 수 있습니다.
나. ‘반짝이는 물건 신드롬’에 빠지지 않고 실용적인 AI 기술을 선택하려면 어떤 전략은
1. 비즈니스 목표 중심 접근: 기술 선택 시 AI 기술 자체에 대한 매력보다는 비즈니스 목표와 요구사항에 맞는 기술을 선택하는 것이 중요합니다. 즉, 프로젝트가 해결하고자 하는 문제나 도전 과제에 AI 기술이 적합한지를 먼저 평가해야 합니다.
2. 실질적인 성과 기준 설정: AI 기술을 도입하기 전에 명확하고 실질적인 성과 기준을 설정합니다. 이러한 기준은 비즈니스 성과, 비용 절감, 고객 만족도 증가 등 실제적인 목표와 연관되어야 합니다. 이를 통해 기술이 목표를 달성하는 데 얼마나 효과적인지를 객관적으로 평가할 수 있습니다.
3. 실험과 파일럿 프로그램 운영: AI 기술 도입 전에 작은 규모로 파일럿 프로그램을 운영하여 기술의 적합성을 검증하고, 실제 환경에서의 성과를 측정합니다. 파일럿 결과에 따라 기술을 최적화하거나 대안을 찾는 것이 좋습니다.
4. 기술 전문가와의 협력: AI 기술 선택 과정에서 외부 AI 전문가나 컨설턴트와 협력하여 최신 기술의 트렌드와 적용 가능성을 평가받는 것도 좋은 전략입니다. 이를 통해 ‘반짝이는 물건 신드롬’을 방지하고 실질적인 기술을 선택할 수 있습니다.
다. 정부와 기업이 협력하여 AI 유스케이스에서 선두주자가 되기 위한 구체적인 방안은 무엇인가
1. 산학협력 및 기술 공유: 정부는 AI 연구개발(R&D) 투자와 더불어 산학 협력을 강화하여 기업과 연구기관이 기술을 공유하고 공동 연구 프로젝트를 진행할 수 있는 환경을 마련해야 합니다. 이를 통해 기업들이 최신 기술을 접하고, 연구기관의 혁신을 빠르게 상용화할 수 있습니다.
2. 공공 데이터 개방과 데이터 인프라 구축: AI의 발전에 중요한 데이터 접근성을 강화하기 위해 정부는 공공 데이터를 개방하고, 기업들이 이를 활용할 수 있도록 정책적 지원을 해야 합니다. 또한, 데이터 거버넌스와 데이터 보안에 대한 명확한 가이드라인을 제공하여 데이터 사용의 투명성과 신뢰성을 확보해야 합니다.
3. AI 테스트베드와 규제 샌드박스 제공: 정부는 AI 기술의 실험과 검증을 위한 테스트베드를 제공하고, AI 관련 규제 샌드박스를 통해 혁신적인 AI 기술이 제한 없이 실험되고 빠르게 상용화될 수 있도록 해야 합니다. 이는 기업들이 안전하고 규제에 저촉되지 않는 환경에서 AI 기술을 실험하고 검증할 수 있게 합니다.
4. AI 인재 양성과 교육 프로그램 지원: AI 유스케이스에서 선두주자가 되기 위해서는 우수한 인재가 필요합니다. 정부는 AI 교육 프로그램을 지원하고, AI 관련 직무 교육 및 훈련 프로그램을 제공하여 기업들이 필요한 인재를 확보할 수 있도록 해야 합니다. 또한, AI 인재의 유입을 촉진하기 위해 비자 및 취업 정책을 개선하는 것도 필요합니다.
5. 공공 AI 프로젝트 추진: 정부는 공공 분야에서 AI 프로젝트를 적극적으로 추진하여 AI 기술의 실질적인 유스케이스를 선보이고, 이를 통해 다른 산업에서도 AI 도입의 필요성을 인식시키는 역할을 할 수 있습니다. 이러한 공공 AI 프로젝트는 초기 AI 기술의 활용을 촉진하고, 대중의 AI에 대한 이해도를 높이는 데 기여할 수 있습니다.
