AI와 ML은 데이터 경영진의 엄청난 관심과 막대한 투자를 불러일으켰다. 한 추정에 따르면 AI가 세계 경제에 기여하는 금액은 2030년까지 15조 7천억 달러에 달할 것으로 예측된다. 이는 중국과 인도의 현재 경제 생산량을 합친 것보다 더 많은 규모다.

그러나 잠재력과 실현 사이에는 매우 실질적인 틈이 있다. 많은 데이터 경영진은 AI를 통해 의미 있는 ROI를 창출하는 것이 여전히 어려운 과정이며 장애물이 많다는 것을 알고 있다. 2018년에 가트너는, 2022년까지 AI 프로젝트의 85%가 데이터, 알고리듬 또는 이를 관리하는 팀의 편견으로 인해 잘못된 결과를 제공할 것이라고 예측한 바 있다.

이제 막 AI를 도입하려는 조직의 경우, 성공적인 얼리 어댑터의 경험에서 귀중한 통찰력을 얻을 수 있다. 이를 위해 최근 ML 리더(데이터 경영진과 운영 모델 책임자)를 대상으로 성공 비법을 심층 연구했다.

약속과 성취의 파노라마

연구 결과에 따르면 AI 프로젝트의 실패율이 높다는 인식과 달리, 많은 AI ‘퍼스트 무버’가 초기 투자에서 실질적인 이득을 보고 있는 것으로 나타났다.

AI 팀 리더의 92%는 AI 이니셔티브가 의미 있는 가치를 제공하고 있다고 답했다. 이는 고객 상호 작용에서 강화된 개인화와 사기 탐지 프로토콜, 세련된 영업 및 마케팅 청사진과 실시간 의사 결정 프로세스에 이르기까지 다양하다.

초기에 성공을 거둔 응답자 중 61%는 AI 투자를 두 배로 늘릴 계획인 것으로 나타났다. 그러나 이는 AI와 ML 리소스에 대한 경쟁을 부추길 가능성도 있다.

ML 성공을 향한 가파른 오르막길

이러한 개척자들의 성공은 어려움 없이 이루어지지 않았다.

ML의 세계에서 전문성은 필수다. 설문조사에서 밝혀진 중요한 사실은 조직의 71%가 강력한 팀을 보유하고 있으며, 일부 조직은 100명 이상의 머신러닝 전문가를 보유하고 있다는 것이다. 그러나 현실적인 과제가 두 가지 있다.

첫째는 엘리트 인재를 모으는 것뿐만 아니라 유지하고 성장시켜야 한다는 것이다.

둘째는 기업이 맞춤형 솔루션을 구현하는 방법이다. 많은 조직들이 앞서 나가기 위해 미묘한 요구 사항에 맞는 맞춤형 ML 프레임워크를 제작했다. 이러한 맞춤형 접근 방식은 함정이 없는 것이 아니다. 응답자의 51%는 도구 통합에 필요한 노동 집약적인 노력을 중요한 과제로 꼽았다. 거의 동일한 비율의 응답자가 ML 프로세스에 필수적인 도구의 양과 다양성과 관련된 문제를 지적했다.

더 밝은 머신러닝 미래를 위한 전략

머신러닝은 매우 매력적이지만 그 잠재력을 최대한 활용하려면 전략적 예측과 세심한 계획이 필요하다. 얼리 어답터들은 어려움에 부닥쳤지만 유사한 계획을 시작하는 사람들에게 엄청난 도움이 될 수 있는 통찰력을 제공한다. 노련하고 전문 지식이 풍부한 공급 업체와의 협력은 조직이 추구하는 지침을 제공하는 게임 체인저가 될 수 있다.

또한 기업들은 전문적인 ML 생산 플랫폼에 투자할 지, 아니면 상용 플랫폼의 기능과 통합되어야 하는 내부 프레임워크를 만들 것인지에 대한 의사 결정의 기로에 서 있다.

끊임없이 진화하는 AI와 ML의 세계에서 성공을 향한 길은 복잡하고 도전으로 가득 차 있다. 그러나 먼저 길을 닦은 데이터 경영진과 AI 리더들의 경험과 통찰력을 바탕으로 한 기민한 전략을 통해 성공할 수 있다. 본질적으로 AI와 ML 구현의 길은 지속적인 학습과 사전 대응, 전략적 투자에 관한 것이며, 그 성과는 비할 데 없이 훌륭할 것이다.

필자 니나 주멜 박사(Nina Zumel)는 왈라루 데이터 과학 실무 담당 부사장으로, 20년 이상 분석, 머신 러닝, 데이터 과학을 실습하고 교육했다. 그녀는 SRI의 과학자였으며 소규모 팔로알토 스타트업의 초기 온라인 가격 책정 시스템을 설계했고 비상 관리 교육과 지능형 검색을 위한 애플리케이션 작업에 참여했다. 왈라루에서 AdWords 수익 기여, 고객 거래 모델, 제품 추천 시스템 및 대출 위험 모델링과 관련된 업무를 주도하거나 참여해 왔다.

(*이 칼럼은 GTT KOREA의 편집 방향과 다를 수 있습니다.)