더 넓은 기업이 인공 지능을 편안하게 사용할 수 있도록 하는 7가지 방법

문제는 모든 AI 프로젝트에서 사람을 최우선으로 하는 것입니다. AI 실무자는 사람 중심적이면서도 AI 중심적인 문화를 구축하기 위한 권장 사항을 제공합니다.

데이터 엔지니어에서 개발자에 이르기까지 인공 지능의 설계, 구축 및 배포를 담당하는 사람들이 알고 있듯이 AI는 인간의 지식, 기술 및 효율성을 증폭시키는 강력한 메커니즘입니다. 하지만 AI 지지자들은 어떻게 AI를 활용하여 빈사 상태이거나 유독한 기업 문화를 바로잡을 수 있을까요? 이는 아마도 AI 롤아웃에서 가장 골치 아픈 문제일 것입니다.

어시스트 리빙 센터(Assisted Living Center)의 설립자인 스테판 볼드윈(Stephan Baldwin)은 "인공지능 혁명의 최전선에 있는 기업가와 전문가들은 이것이 기술만으로는 해결할 수 없는 장애물"이라는 것을 인식하고 있으며, "인공지능은 회사의 문화나 고객 기반의 신뢰 부족과 같이 이미 근본적인 문제가 있는 문제를 해결할 수 없다"고 말합니다. "이는 회사의 일상적인 내부 및 외부 작업을 형성하는 원칙에 의해 촉진됩니다."  

볼드윈은 "인공 지능 모델은 과거 데이터를 기반으로 행동하기 때문에 인간이 정보를 수집할 때 가지고 있는 편향에 빠지기 쉽다"고 지적합니다. 때때로 자동화된 프로세스는 자신이 관리하는 사람들을 고려하지 않습니다."

따라서 문제는 모든 AI 프로젝트에서 사람을 최우선으로 하는 것입니다. AI 실무자들은 사람 중심적이면서도 AI 중심적인 문화를 구축하기 위해 다음과 같은 권장 사항을 제시합니다. 

AI에 대한 소유권과 책임을 IT 부서 너머로 확장합니다. AI는 모든 당사자가 참여하는 전사적 이니셔티브가 되어야 합니다. PROS의 수석 AI 전략가인 마이클 우(Michael Wu) 박사는 "AI의 성공적이고 생산적인 배포는 단순한 데이터 과학을 훨씬 뛰어넘는 부서 간 노력입니다"라고 말합니다.  "확장된 팀은 보안 및 데이터 거버넌스를 위한 IT 및 클라우드 운영을 포함하는 기술적 측면부터 범위를 가져야 합니다. 비즈니스 측면에서는 변화 관리, 교육 훈련, 채택, 모범 사례와 관련이 있습니다."

AI는 단순한 코드일 뿐이라는 점을 인식합니다. 그것은 인간을 능가할 수 있는 신비한 어둠의 예술이 아니다. "AI는 더 이상 마법이 아니며, 기업들은 이제 이것을 이해하는 것 같다"고 굽스숩의 공동 창립자이자 CEO인 비루드 셰스(Beerud Sheth)는 말한다. "AI는 인간을 대체하려는 것이 아니라 기계가 가질 수 있는 자동화와 지능의 힘을 가진 보다 인간적인 대화를 가능하게 한다."

AI가 가장 영향력 있는 영역을 목표로 삼습니다. AI를 홍보하고 출시하는 데 가장 좋은 부분은 산업마다 크게 다르다고 Wu는 지적합니다.그는 "그러나 공통된 주제는 조직이 정상적인 비즈니스 운영의 부산물로서 깨끗하고 풍부한 데이터의 신뢰할 수 있는 소스를 가져야 한다는 것"이라며 "예를 들어, 대규모 지원 센터를 보유한 회사는 종종 발생 및 해결 방법에 대한 양호한 운영 기록을 유지합니다. 영업 조직의 거래 데이터는 우수한 회계 관행에 필요하기 때문에 상당히 정리된 경향이 있습니다. 이 데이터는 학습하면서 AI/ML에 계속 연료를 공급할 것입니다. 반면, 마케팅 조직도 많은 데이터를 보유하고 있지만 노이즈가 더 많고 프로덕션 AI 및 ML에 사용하기 전에 정리가 필요한 경우가 많습니다."

Sheth는 고객 조직의 고객 지원, 제품 발견 및 직원 대면 부서에서 가장 많은 활동을 보고 있습니다. 그는 "언어 구문 분석과 기계 학습에 대한 상당한 발전으로 지원 문의에 대한 처리 시간을 단축할 수 있게 되었습니다"라고 말합니다. "AI 기반 예측 및 컨텍스트 관리를 사용하면 채팅과 같은 간단한 인터페이스를 통해 정확한 검색 메커니즘을 노출할 수 있습니다. 머신 러닝 기반 인지 엔진을 사용하면 쿼리 해결 및 정책 관련 지원 문제 해결을 MS Teams 및 프로그레시브 웹 앱과 같은 보안 채널에 정확하고 쉽게 배포할 수 있습니다."  

가장 영향력 있는 기술을 조사하고 추진합니다. Wu는 "가격 최적화, 예측 유지 관리 및 대화형 AI 기술은 학습에 따라 교육하고 지속적으로 연료를 공급하는 데 필요한 데이터가 풍부한 경향이 있기 때문에 가장 영향력이 큽니다"라고 말합니다."또한 이러한 배포는 비즈니스 운영에 큰 변화를 필요로 하지 않습니다. 또한 이러한 솔루션을 제공하는 공급업체가 많기 때문에 이러한 기술이 창출할 수 있는 수익 영향에 비해 총 소유 비용이 상대적으로 낮습니다."Sheth는 다국어 NLP, 머신 러닝 및 예측 AI의 잠재력을 가장 많이 보고 있습니다.

투명성 향상을 통해 AI의 공정성을 보장합니다. 기업 전체에서 AI에 대한 수용과 지지를 얻으려면 결과가 가능한 한 공정하고 편견이 없어야 합니다. 볼드윈은 "투명성과 공정성은 직원과 고객 모두에게 AI가 어떻게 관리되고 있는지 알려줌으로써 신뢰를 생성하기 때문에 AI의 성공에 필수적입니다. 그리고 회사로서 가장 원하지 않는 것은 실수가 발생한 이유를 설명할 수 없는 것입니다. " 그러나 이러한 맥락에서 더 많은 일을 해야 한다고 Wu는 말합니다. "AI를 활용하기 시작한 많은 산업은 AI가 작동하도록 하고 제한된 데이터로 먼저 긍정적인 ROI를 달성하는 데 더 집중하고 있습니다. 이러한 산업에서 공정성은 일상적으로 기업 내러티브의 일부이기는 하지만 즉각적인 우선 순위는 아닙니다. 모두가 AI 윤리와 공정성을 우선시하는 것에 대해 이야기하지만, 모든 사람이 편견에 맞서 싸우기 위해 후속 조치를 취하는 것은 아닙니다."

IT 관리자와 직원들 사이에서 공정하고 실행 가능한 AI에 대한 인식과 교육을 장려하십시오. IT 리더와 직원도 AI 편향을 완화하기 위해 더 많은 교육과 인식을 받아야 한다고 Sheth는 촉구합니다. "AI는 우리가 제공하는 데이터만큼 우수합니다. 인간이 훈련 데이터에 대한 책임이 있기 때문에 AI 알고리즘이 인간의 편견으로 손상되거나 시간이 지남에 따라 감지된 다른 바람직하지 않은 패턴을 반영할 가능성이 높습니다. 우리는 더 좋고 공정한 결정을 내리는 데 도움이 될 수 있는 다양한 모델을 결정할 수 있지만, 이와 함께 비즈니스 리더는 이러한 문제를 인식하고 데이터와 관련된 편견을 제거하는 데 도움이 되는 올바른 결정을 내려야 합니다."   

조직의 모든 수준에서 공정하고 실행 가능한 AI에 대한 인식과 교육을 장려합니다.   AI는 기업의 노력일 수 있지만, IT 리더는 AI가 제대로 제공되도록 하는 데 앞장설 수 있습니다. Wu는 "IT 리더와 직원을 위한 교육 및 교육은 좋은 시작이지만 충분하지 않은 경우가 많습니다"라고 말합니다. "AI 편향을 완화하는 것은 데이터 보안과 마찬가지로 모든 사람의 임무가 되어야 합니다. 이는 기업의 기업 윤리와 유사하기 때문입니다." 

동시에 그는 "직원들은 종종 제2의 천성이 되기 전에 새로운 직업적 행동을 보이도록 동기를 부여하기 위해 약간의 인센티브가 필요합니다. 이러한 인센티브가 항상 금전적 관련이 있을 필요는 없습니다. 예를 들어, 엔터프라이즈 게임화를 사용하여 AI 편향 완화에 대한 인식과 관심을 높일 수 있습니다. 기업 내에서 AI 편향 문제에 대한 인식을 게임화하고, 이러한 편향을 식별하는 데 도움이 되는 긍정적인 행동을 유도하고, 잠재적인 솔루션을 크라우드소싱하는 데 활용할 수 있습니다." 

AI 결과에 대한 정기적인 검토도 성공을 위해 필수라고 Sheth는 말합니다. "사실, 이것은 AI 회사가 항상 인간을 참여시켜야 한다는 어렵게 배운 교훈 중 하나였습니다."그는 "무작위로 선택된 AI 결과를 정기적으로 검토하여 모든 계층이 무작위 샘플링에서 적절하게 표현되는지 확인하십시오. 최종 사용자가 최적화되지 않은 AI 결과에 대해 피드백을 제공할 시간과 의향이 항상 있는 것은 아닙니다. 모델의 성능을 적극적이고 정기적으로 평가합니다. 검토자의 피드백은 다음 모델 학습 라운드에 자동으로 피드백됩니다. 이렇게 하면 모델이 진부해지고 관련성이 없어지는 것을 방지할 수 있습니다."