이러한 예측이 사실일 수 있지만, 오늘날의 기업들은 파일럿과 실험에서 기업 전체 AI 배포로 졸업하려고 할 때 큰 장애물에 부딪히고 있습니다. 예를 들어, 미국 기업의 5.4%만이 2024년에 제품이나 서비스를 생산하기 위해 AI를 사용했습니다.
코드 생성 및 고객 서비스와 같은 AI 사용에 대한 초기 시도에서 회사 전체 통합으로 이동하는 것은 인프라, 데이터 거버넌스 및 공급업체 생태계의 전략적 및 조직적 전환에 달려 있습니다. 또한 조직은 AI 성과의 발전과 투자 수익률 측정 방법에 대한 불확실성을 고려해야 합니다.
그러나 조직이 앞으로 몇 년 동안 비즈니스 전반에 AI를 확장하고자 한다면 지금이 행동할 때입니다. 이 보고서는 엔터프라이즈 AI 도입의 현재 상태를 살펴보고 AI 전략을 수립하기 위한 플레이북을 제공하여 비즈니스 리더가 야망과 실행 사이의 틈을 메우는 데 도움을 줍니다. 주요 결과는 다음과 같습니다.
AI에 대한 야심은 엄청나지만, 파일럿 수준 이상으로 확장된 사례는 거의 없습니다. 설문 조사에 참여한 회사의 95%가 이미 AI를 사용하고 있으며 99%가 미래에 사용할 것으로 예상합니다. 하지만 파일럿 프로젝트를 넘어선 조직은 거의 없습니다. 76%가 1~3가지 사용 사례에만 AI를 배포했습니다. 하지만 절반의 회사가 2년 이내에 모든 비즈니스 기능에 AI를 완전히 배포할 것으로 예상하기 때문에 올해는 전사적 AI의 기반을 구축하는 데 중요한 해입니다.
AI 준비 지출이 상당히 증가할 것으로 예상됩니다. 전반적으로 2022년과 2023년의 AI 지출은 대부분 회사에서 적거나 변동이 없었으며, 4명 중 1명만이 지출을 4분의 1 이상 늘렸습니다. 이는 2024년에 바뀔 것으로 예상되며, 10명 중 9명의 응답자가 데이터 준비(플랫폼 현대화, 클라우드 마이그레이션, 데이터 품질 포함)와 전략, 문화적 변화, 비즈니스 모델과 같은 인접 영역에 AI 지출을 늘릴 것으로 예상합니다. 10명 중 4명은 지출을 10~24% 늘릴 것으로 예상하고, 3분의 1은 지출을 25~49% 늘릴 것으로 예상합니다.
데이터 유동성은 AI 배포에 가장 중요한 속성 중 하나입니다. 다양한 소스의 데이터에 원활하게 액세스하고, 결합하고, 분석할 수 있는 기능을 통해 회사는 관련 정보를 추출하여 특정 비즈니스 시나리오에 효과적으로 적용할 수 있습니다. 또한 데이터가 이미 정리되어 해당 작업에 맞게 조정되어 있으므로 방대한 데이터 저장소를 걸러낼 필요도 없습니다.
데이터 품질은 AI 배포에 있어서 가장 큰 제약 요소입니다. 응답자의 절반은 배포에서 가장 제한적인 데이터 문제로 데이터 품질을 꼽았습니다. 이는 특히 더 많은 데이터와 레거시 IT 인프라에 대한 상당한 투자를 하는 대기업의 경우 더욱 그렇습니다. 매출이 100억 달러를 넘는 기업은 데이터 품질과 데이터 인프라를 모두 제한 요소로 꼽을 가능성이 가장 높으며, 이는 대규모 데이터 저장소를 관리하는 조직이 문제를 훨씬 더 어렵게 여긴다는 것을 시사합니다.
기업들은 AI에 서둘러 뛰어들지 않는다. 거의 모든 조직(98%)이 AI를 안전하고 보안적으로 제공한다면 AI를 가장 먼저 사용하는 것을 포기할 의향이 있다고 말합니다. 거버넌스, 보안 및 개인 정보 보호는 AI 배포 속도에 가장 큰 걸림돌로, 응답자의 45%(대기업 응답자의 65%)가 언급했습니다.
이 콘텐츠는 MIT Technology Review의 맞춤형 콘텐츠 부서인 Insights에서 제작했습니다. MIT Technology Review의 편집진이 작성한 것이 아닙니다.
