AI의 문제: 중요한 것은 여러분이 아니라 데이터입니다

데이터는 한 번 타버리는 상품으로 취급되는 '새로운 석유'가 아닙니다.

기업들은 데이터 활동을 한데 모을 수 없기 때문에 수십억 달러를 낭비하고 있습니다. 인공 지능과 같은 데이터 기반 이니셔티브를 통해 가치를 달성하는 데 성공하려면 이러한 시스템에 공급되는 백엔드 데이터를 더 잘 조정하고 지원해야 합니다.

인포시스 지식 연구소(Infosys Knowledge Institute)가 2,500명의 임원을 대상으로 실시한 설문조사를 바탕으로 한 최신 연구의 요지는 사람들이 데이터 리소스를 조금만 더 잘 관리할 수 있다면 기업이 총 4,600억 달러 이상의 이익을 창출할 수 있다고 추정합니다. 

이는 데이터 관행을 개선하고, 고급 AI를 더 신뢰하고, AI를 비즈니스 운영과 더 긴밀하게 통합하는 것으로 구성됩니다. 비즈니스 가치는 여전히 파악하기 어렵습니다. 

이 설문조사는 효과적인 AI 구현을 가로막는 세 가지 장애물로 응집력 있는 중앙 집중식 데이터 전략의 부족, 취약한 데이터 검증, 적절한 인프라의 부족을 확인했습니다. 대부분의 기업은 일관된 데이터 관리 전략을 가지고 있지 않습니다. 

응답자들은 데이터를 중앙에서 관리하기를 원하지만, 현재 대부분의 응답자는 그렇게 하지 않습니다. 설문조사 결과 분석은 "중앙 집중식 데이터 관리가 더 나은 수익 및 매출 성장과 연결되어 있음을 보여줍니다. 응답자의 26%는 현재 중앙 집중식 접근 방식을 사용하고 있습니다. 49%는 내년까지 이 접근 방식을 채택하기를 원합니다.

"데이터는 새로운 석유가 아니다"라고 인포시스 연구소(Infosys Institute  )의 채드 와트(Chad Watt)와 제프 캐버노(Jeff Kavanaugh)는 강조한다. "기업은 더 이상 데이터를 많은 노력으로 추출되고 정제될 때만 가치가 있는 석유로 생각할 여유가 없습니다."

오늘날의 데이터는 화폐에 더 가깝습니다: "데이터는 유통될 때 가치를 얻습니다. 데이터를 가져오고 자체 데이터를 더 광범위하게 공유하는 기업은 더 나은 재무 성과를 달성하고 엔터프라이즈 규모에서 AI를 구상하는 데 더 큰 진전을 보이며, 이는 설문조사에 참여한 기업 4개 중 3개의 중요한 목표입니다"라고 와트와 캐버노는 말합니다.

통화의 성공 여부는 신뢰에 달려 있으며, 이는 데이터에도 적용됩니다. "고급 AI에는 신뢰가 필요합니다"라고 저자는 말합니다. "자신과 다른 사람의 데이터 관리를 신뢰하고 AI 모델을 신뢰하십시오. 인간이 데이터와 AI가 생산하는 것을 신뢰하고 사용하지 않는다면 깨끗한 데이터와 완벽하게 프로그래밍된 AI 모델도 아무 의미가 없습니다."  

조직 안팎에서 데이터를 공유하는 기업은 매출이 더 높고 AI를 더 잘 사용할 가능성이 더 높은 것으로 나타났습니다. "데이터를 실시간에 가깝게 새로 고치는 것도 수익 및 매출 증가와 관련이 있습니다." 

이 연구의 저자들이 제시한 또 다른 반(反)석유 비유는 데이터가 화석 연료라기보다는 원자력에 더 가깝다는 것이다. "데이터는 잠재력으로 가득 차 있고, 특별한 처리가 필요하며, 통제력을 잃으면 위험합니다. 21세기 데이터는 반감기가 깁니다. if를 언제 사용할지, 어디서 사용할지, 어떻게 제어할지는 어디에 두어야 하는지만큼이나 중요합니다."  

설문조사에 따르면 대부분의 기업은 AI를 처음 접하는 기업입니다. 기업 10곳 중 8곳 이상(81%)이 지난 4년 동안에만 첫 번째 진정한 AI 시스템을 구축했으며, 50%는 지난 2년 동안에만 진정한 AI 시스템을 구축했습니다. 또한 AI 모델의 63%는 기본 기능에서만 작동하며 인간에 의해 주도됩니다. 그들은 종종 데이터 검증, 데이터 관행 및 데이터 전략에 부족합니다. 실무자의 26%만이 데이터 및 AI 도구에 매우 만족합니다. "AI의 사이렌 소리에도 불구하고 무언가가 빠져 있는 것이 분명하다"고 설문조사 저자들은 말합니다.

설문조사 작성자들은 다음과 같은 세 가지 영역에 집중하는 경향이 있는 우수한 성과를 내는 기업을 식별했습니다.

• 데이터 관리를 데이터 공유로 전환합니다.  "데이터 공유 경제를 수용하는 기업은 데이터에서 더 큰 가치를 창출합니다"라고 Watt와 Kavanaugh는 말합니다."데이터는 통화처럼 취급되고 허브 앤 스포크(hub-and-spoke) 데이터 관리 모델을 통해 유통될 때 가치가 증가합니다. 짧은 대기 시간으로 데이터를 새로 고치는 회사는 더 많은 수익, 수익 및 주관적인 가치 측정을 창출합니다."
• 그들은 데이터 규정 준수에서 데이터 신뢰로 전환했습니다.  "AI에 대한 만족도가 높은 기업(현재 21%)은 일관되게 신뢰할 수 있고 윤리적이며 책임감 있는 데이터 관행을 유지하고 있습니다. 이러한 전제 조건은 데이터 검증 및 편향 문제를 해결하고, 신뢰를 구축하며, 실무자가 딥 러닝 및 기타 고급 알고리즘을 사용할 수 있도록 합니다."
• 그들은 모든 사람을 AI 프로세스에 참여시킵니다. "AI 팀을 데이터 사이언티스트 너머로 확장해야 합니다. 데이터 과학을 실제 요구 사항에 적용하는 비즈니스는 가치를 창출합니다. 비즈니스 리더는 데이터 사이언티스트만큼 중요합니다. 좋은 AI 팀은 일반적으로 여러 분야를 포함합니다. "데이터 검증은 AI 인프라, 컴퓨팅 리소스와 함께 앞으로 나아가는 데 가장 큰 과제입니다.