AI가 기술 격차를 해소하려면 더 많은 기술이 필요합니다.
AI는 잠재적으로 인재의 참여와 참여를 유지하는 강력한 도구입니다. 하지만 일이 일어나려면 재능이 필요합니다.
인공 지능과 관련 높은 수준의 자동화 및 분석 형태는 기업이 끊임없이 지속되는 인재 격차를 해소하는 데 도움이 되는 선택 도구가 되었습니다. 그러나 문제는 기업이 기술 부족을 해결하는 데 필요한 AI 및 자동화를 식별, 구축 및 배포하는 데 필요한 기술을 찾는 데 어려움을 겪고 있다는 것입니다.
AI는 잠재적으로 인재의 참여와 참여를 유지하는 강력한 도구입니다. 예를 들어, Legion의 Kshitij Dayal 수석 부사장은 AI 기반 인력 관리 및 수요 예측, 더 나은 인력 관리를 통한 민첩성 일정 조정과 같은 AI 기반 기능을 지적합니다. 중요한 것은 직원이 원하는 것과 필요 사항에 대한 지식을 높여 긍정적인 작업 환경을 조성하는 것입니다. AI로 작업을 자동화하거나 인간 노동력을 늘리면 전반적으로 생산성이 향상됩니다. 심각한 기술 부족 문제는 더 잘 해결되고 근로자와 관리자는 더 높은 수준의 작업에 집중할 수 있습니다.
모두 좋습니다. AI 기반 기능을 통합하려면 이를 위한 기술이 필요하며 이는 가장 큰 과제 중 하나입니다. Rackspace Technology가 IT 리더 1,420명을 대상으로 실시한 최신 설문조사가 이를 뒷받침합니다. 많은 경우 AI/ML은 이전에 인간이 수행했던 작업을 대체하며, 응답자의 62%는 AI/ML 구현으로 인해 조직 내 인원 수가 감소했다고 말했습니다. 또한 69%는 AI가 새로운 인재를 고용하고 모집하는 능력을 향상시키는 데 도움이 된다고 답했습니다.
이에 대해 경영진은 가장 큰 장벽은 더 많은 AI 및 머신러닝 기능과 데이터를 효과적으로 관리하는 데 필요한 인재의 필요성이라고 말합니다.
가장 자주 직면하는 문제 또는 장애물은 숙련된 인재 부족으로 67%가 꼽았고, 알고리즘 또는 모델 실패(61%), 구현 비용(57%)이 그 뒤를 이었습니다.
설문 조사 보고서 작성자는 "AI와 기계 학습은 똑똑하지만 스스로 구현할 준비가 되어 있지 않습니다"라고 지적합니다. "기술과 데이터를 활용해 결과를 최적화할 수 있는 숙련된 인력을 찾는 것은 어렵습니다."
이러한 문제를 해결하기 위해 응답자의 82%는 지난 12개월 동안 AI 및 머신러닝 기술을 갖춘 직원을 채용하기 위해 노력했다고 밝혔으며, 86%는 지난 12개월 동안 AI 및 머신러닝 인력을 늘렸습니다.
AI 및 머신러닝 채택에 대한 과제:
- 숙련된 인재 부족: 67%
- 알고리즘/모델 실패: 61%
- 구현 비용: 57%
- 이를 지원할 기술 인프라 부족: 54%
- 내부 기술 부족/필요한 역할 채용의 어려움: 51%
- 기술 인프라 문제: 49%
설문 조사에서 주목할 만한 또 다른 점은 AI 결과에 대한 높은 수준의 신뢰이며, 이러한 신뢰를 보장하기 위해 취한 조치에 대해 만족하고 있다는 것입니다. 데이터에 대한 우려와 내부 저항에도 불구하고 IT 의사 결정자 응답자 사이에서는 AI 프로젝트의 결과에 대한 신뢰가 여전히 높으며, 73%는 AI가 제공하는 답변을 신뢰한다고 답했습니다. 72%는 AI 사용으로 인한 부정적인 결과를 피하기 위해 충분한 견제와 균형이 이루어지고 있다고 답했으며, 응답자의 80%는 AI/ML 답변에 추가적인 인간 해석이 필요하지 않다고 생각했습니다.
경영진의 4분의 3에 가까운 73%는 AI와 머신러닝 기술이 제공하는 분석을 항상 신뢰한다고 답했습니다. 그들은 AI가 공정하고 편견이 없음을 보장하는 프로세스가 마련되어 있다고 말합니다. 이를 위해 72%는 AI 사용으로 인한 부정적인 결과를 피하기 위해 충분한 견제와 균형이 이루어지고 있다고 답했습니다. 또한 77%는 조직의 "적절한 사람들"이 AI 및 머신러닝 결정을 내린다고 답했으며, 71%는 AI 오용을 방지하기 위한 충분한 거버넌스가 마련되어 있다고 답했습니다.
응답자의 조직 내에서 구현되고 있는 기술로는 가상 클라우드 네트워크(57%), 사물 인터넷(51%), AI 및 기계 학습(46%), 블록체인(36%), 로봇공학(34%), 5G 등이 있습니다. (31%).
설문조사 작성자는 "응답자들은 AI 머신러닝 기술의 사용을 이해하고 개선할 수 있는 내부 리소스가 부족하다고 일관되게 언급했습니다."라고 말했습니다. "현재 교육 프로세스와 내부 역량을 평가하여 외부에서 채용해야 할지 아니면 이미 보유하고 있는 리소스를 사용해야 할지 결정하세요. 사내에서 더 강력한 AI 및 머신러닝 역량을 키우려면 컨퍼런스나 회의에 회사의 참석률을 늘리는 것을 고려해야 합니다. 이벤트를 제공하고 팀에 온라인 교육을 제공합니다."