AI 프로젝트를 제대로 수행하기 위해선 철저한 준비가 우선돼야 한다는 지적이 일고 있다
AI 프로젝트를 제대로 수행하기 위해선 철저한 준비가 우선돼야 한다는 지적이 일고 있다
인공지능(AI)이 비즈니스의 미래를 지배할 것이라고 합니다. 많은 기업이 AI 도입에 집중하고 있습니다. 하지만 AI 프로젝트를 수행한 기업들의 28%가 실패했다는 보고서도 있습니다. AI 프로젝트가 실패한 이유는 AI 전략이 충분하지 않기 때문일 것입니다. 준비를 철저하게 하고 목표가 명확해야 하며 강력한 프로젝트 관리 그룹이 필요한 건 당연합니다. 미국 애널리틱스 인사이트가 제시한 AI 프로젝트가 실패한 여섯 가지 원인을 살펴봅니다.

① 잘못된 알고리즘 전개
AI 알고리즘 전개 과정에서 여러 가지 사안들이 잘못될 수 있습니다. 프로그램 개발자는 일부 데이터를 제거하거나 삽입하려는 강력한 유혹에 빠지기 일쑤입니다. 이런 과정은 데이터를 엉망으로 만들고 잘못된 결론을 도출할 수 있습니다.
② 데이터 전략의 부실
AI 프로젝트를 꾸려가는 과정에서 가장 큰 문제로 부상하는 게 부실한 데이터 전략입니다. 프로젝트를 본격 운영하기 전에 신뢰할 수 있는 데이터 전략을 수립하는 것이 중요합니다. 보유한 데이터를 파악하고, 서로 다른 리소스의 데이터들을 통합하는 방법에 대한 전략을 수립해야 합니다. 아울러 필요한 데이터 양을 예측하며 데이터를 선택하고 수정하는 방법까지 계획에 넣어야 합니다. 이런 데이터 전략이 불충분하거나 데이터가 부족하면 결국 AI 프로젝트의 실패를 낳습니다.

충분한 투자 확보되지 않으면 우수한 프로젝트도 무용지물

③ 투자의 부족
AI 프로젝트를 개발하고 생산하는 데 막대한 비용이 들기 때문에 대다수 회사들은 필요한 소프트웨어에 투자하기를 꺼립니다. 데이터 전문가들이 처음부터 막히는 걸림돌이 될 수 있습니다. 모델을 만들더라도 이를 유지하고 자동화된 방법으로 생성된 모델을 유지 관리하고 검증하는 데 필요한 데이터 전문가들이 확보돼야 합니다. 투자가 확보되지 못하면 아무리 모델이 좋다고 하더라도 아무것도 할 수 없는 무용지물이 되고 맙니다.

④ 데이터 전문가의 역량 부족
비즈니스를 운영하려면 모든 일을 처리하고 관리할 수 있는 해당 분야의 전문가가 필요합니다. 데이터 분석에서 일하는 일부 사람들은 온라인 과정만 수강한 후 스스로 데이터 과학자로 부릅니다. 경험이 부족한 이들은 시작을 잘못하거나 작은 디자인에 몰입하거나 시간을 많이 소비해버립니다. 그렇다고 데이터 전문가들을 고용하기는 쉽지 않습니다. 숙련된 전문가를 만들기 위해선 통계와 수학, 프로그래밍기술 등이 모두 갖춰져야 합니다.

⑤ 규칙의 부적절성
AI의 가장 큰 장애물 중 하나는 다양한 모델이 아직 구축되지 않았다는 점입니다. 데이터 분석가들이 평균적으로 측정하는 모델의 정확성은 50~90% 이내입니다. 개발자들이 AI 모델을 만들더라도 엉뚱한 방향으로 전개되거나 배포되는 경우가 너무 많습니다. 모델을 구축하기 전에 효과적으로 다시 테스트하고 확인해야 합니다. 이 방법은 시간이 걸릴 수 있지만 패턴이 완성될 때까지는 모든 게 적절하다고 볼 수 없습니다.

⑥ 프로젝트가 너무 복잡
기업은 AI 프로젝트들이 시간과 자원 측면에서 상당히 비용이 많이 들어간다는 걸 알고 있습니다. AI의 가치는 궁극적으로 비즈니스를 재편하고 막대한 수익을 올릴 수 있는 데 있습니다. 일반적이고 보편적인 전략을 늘어놓으면 프로젝트가 자칫 산으로 갈 공산이 있습니다. 될성부른 나무에 집중 투자하는 선택과 집중 자세가 필요합니다. AI 프로젝트의 수를 줄이는 게 중요합니다.
오춘호 연구위원