포레스터, 생성형 AI 성공의 주요 장애물 발견

2023년은 생성적 AI가 주류로 자리 잡은 중요한 해로, 이는 주로 ChatGPT의 성공 덕분입니다. 2024년을 맞이하면서, 기업들은 생성적 AI를 업무 흐름에 통합해 그 잠재력을 최대한 활용하고자 합니다. 그러나 최근 Forrester Consulting의 북미 기업 AI 결정권자 220명을 대상으로 한 조사에서는 생성적 AI의 위험에 대한 우려와 널리 채택되는 데 장애가 되는 요소들이 여전히 존재한다는 사실이 드러났습니다.

주요 장애 요인 해결하기

조사에서는 생성적 AI를 운영화하는 데 있어 일반적인 도전 과제로 환각 현상과 같은 문제들이 지적되었습니다. 이러한 문제로 인해 많은 조직들이 탐색 또는 실험 단계에 머물고 있으며, 계획된 사용 사례를 위한 기초 모델을 구현하는 데 어려움을 겪고 있습니다.

생성적 AI의 변혁적 잠재력 인식하기

이러한 도전 과제에도 불구하고, 다양한 산업에서 조직들은 생성적 AI의 변혁적 능력을 인식하고 있습니다. Dataiku를 대신해 실시된 Forrester 조사에 따르면, 응답자의 83%가 생성적 AI를 탐색 중이거나 실험하고 있다고 응답했습니다. 특히, 60% 이상이 이를 비즈니스 전략에 있어 매우 중요하다고 보며, 향후 1년 동안 데이터 및 AI 프로젝트에 최대 10%의 투자를 확대할 계획입니다.

비즈니스 리더들은 생성적 AI를 위한 여러 응용 프로그램을 이미 식별했다고 밝혔습니다:

- 고객 경험 향상 (64%)

- 제품 개발 (59%)

- 자가 서비스 데이터 분석 (58%)

- 지식 관리 (56%)

이 조사는 생성적 AI의 다양한 응용 프로그램에 대한 열망이 커지고 있음을 반영하며, 응답자들은 향후 2년 내에 개선된 서비스 제공 및 운영 효율성을 기대하고 있습니다.

여전히 남은 구현의 어려움

낙관적인 전망에도 불구하고, 효과적인 생성적 AI 채택을 위한 주요 장애물은 여전히 존재합니다. 주요 도전 과제로는 데이터 보호 및 프라이버시 법규 위반 가능성(31%)과 생성적 AI의 복잡성을 관리하기 위한 기술 및 거버넌스 개선 필요성(31%)이 있습니다. 또한, 50% 이상의 리더들은 출력 품질을 저해할 수 있는 편향 및 환각의 위험을 강조했습니다.

특히 이러한 위험은 생성적 AI를 위한 인프라 부족에 의해 더욱 악화되고 있습니다. 조사에서 응답자의 35%가 데이터 소비, 저장 및 공유에서의 어려움을 주요 장벽으로 지적했으며, 기존 시스템과의 통합 어려움(35%)과 컴퓨팅 한계(27%)도 보고되었습니다.

그 외에도 거버넌스 메커니즘(35%), AI 해석 가능성 및 설명 가능성(25%), 기술 격차(31%) 및 모델 확장성도 추가적인 장애 요소로 지적되었습니다.

도전 과제를 위한 제안된 해결책

이러한 구현의 어려움을 극복하기 위해, 조직들은 가속화된 개발, 원활한 통합 및 견고한 거버넌스 프레임워크를 제공하는 AI 플랫폼을 활용하는 협업 접근 방식을 채택해야 합니다.

맥킨지에 따르면, 생성적 AI는 전 세계 기업의 연간 이익에 2.6조 달러에서 4.4조 달러를 추가할 수 있는 잠재력이 있으며, 가장 큰 영향은 은행, 고급 기술 및 생명과학 분야에서 기대됩니다.

Most people like

Find AI tools in YBX

Related Articles
Refresh Articles