직장에서 AI를 사용하는 것에 대한 기술 리더들의 가장 큰 걱정은 다음과 같습니다.

기술 경영진의 70%가 내년에 자연어 처리를 사용하는 도구를 도입했거나 도입할 계획입니다. 하지만 그렇다고 그들이 그러한 도구에 대해 걱정하지 않는다는 의미는 아닙니다.

생성적 AI는 인상적인 생산성 도구일 수 있지만 IT와 비즈니스 사용자 모두 직장 생활과 비즈니스 프로세스도 복잡하게 한다는 점을 주의해야 합니다. 이는 새로운 IEEE 연구의 저자들이 "AI를 사용하는 것은 보이는 것만큼 쉽지 않다"고 경고한 것입니다.

지난 9월 350명의 글로벌 기술 경영진을 대상으로 실시한 설문 조사 결과에 따르면 거의 모든 기업이 AI의 잠재력을 활용하기를 원하지만 그 과정에서 교육과 조직적 준비가 필요하다는 사실이 밝혀졌습니다.

어떤 장애물에도 불구하고 AI를 향한 대규모 움직임이 일어나고 있습니다. 70%는 내년에 자연어 처리를 사용하는 도구를 도입했거나 도입할 계획이라고 밝혔으며 이는 전년도 조사의 67%에서 증가한 수치입니다. 내년 AI의 주요 사용 사례로는 실시간 사이버 보안, 공급망 효율성 향상, 소프트웨어 개발 지원 및 가속화, 고객 서비스 자동화, 구직자 심사 속도 향상 등이 있습니다.

하지만 AI로의 전환은 하루아침에 이루어지지는 않습니다. “기존 작업에 AI를 통합하는 것은 스위치를 켜는 것만큼 간단하지 않습니다.”라고 연구 저자는 지적합니다. 클라우드 컴퓨팅부터 IoT 장치까지 "종종 엇갈린 성공을 거두었"던 이전의 소위 구현하기 쉬운 기술을 생각해 보십시오. 오히려 디지털 혁신 이니셔티브는 "놀라울 정도로 높은 실패율을 가지고 있습니다. 즉, 기대에 미치지 못하거나, 비용을 초과하거나, 기한을 넘기거나 어떤 경우에는 포기되는 것을 의미합니다."

이는 AI의 그리 화려하지 않은 미래이기도 합니다. 오히려 "AI와 같은 첨단 기술을 도입하는 것이 더 어려울 수 있습니다"라고 연구원들은 말합니다.

경영진 10명 중 6명에 가까운(59%)은 조직에서 AI를 사용할 때 가장 큰 우려 사항으로 "AI에 대한 과도한 의존과 잠재적인 부정확성"을 언급하면서 중요한 결정과 프로세스에서 AI에 너무 의존하게 되는 것을 두려워했습니다.

50%가 꼽은 다음으로 큰 우려 사항은 지식 공유 및 직원 교육의 어려움입니다. 경영진은 "신입 직원을 교육하기 위해 현재 전문가의 제도적 지식"을 활용하는 회사의 능력에 대해 걱정하고 있다고 말했습니다.

절반에 가까운 47%는 AI를 기존 워크플로우에 통합하는 어려움이 내년에 생성 AI를 사용할 때 가장 큰 우려 사항 중 하나라고 답했습니다.

IEEE 보고서 작성자는 훈련 데이터의 품질이 AI 사용이 가속화됨에 따라 발생하는 또 다른 문제라고 밝혔습니다. "AI 시스템은 데이터를 사용하여 훈련해야 합니다. 하지만 데이터 세트는 편향되거나 부정확할 수 있는 사람들에 의해 만들어지는 경우가 많습니다. 결과적으로 AI 시스템은 편향을 영속시킬 수 있습니다." IEEE 평생 연구원인 Paul Nikolich에 따르면 훈련 데이터를 검증하는 것은 "출처를 확인할 수 없고 훈련 데이터의 양이 엄청나기 때문에" 어렵습니다.

생성적 AI는 적절한 전문 지식을 갖춘 사람이 거의 없는 비교적 새로운 기술입니다. 경영진은 AI 관련 역할 후보자에게 찾고 있는 최고의 기술을 나열해 달라는 요청을 받았습니다. 다양한 기술력이 순위에 올랐지만, 다양한 소프트 스킬도 상위권에 랭크됐다.

보고서에서 인용된 IEEE 선임 회원인 Yu Yuan은 "신속한 엔지니어링, 창의적 사고, AI 결과물을 검증하는 능력 등 이 세 가지 기술은 생성 AI의 도움으로 의미 있는 결과를 생성하는 데 필요한 것입니다."라고 말했습니다.

아이러니하게도 AI를 구축하려면 더 많은 AI가 필요합니다. IEEE 선임 회원인 Carmelo José Albanez Bastos Filho는 "기술의 가장 큰 병목 현상 중 하나는 코딩을 위한 인적 자원의 가용성입니다."라고 말합니다. "많은 경우 부가가치가 높은 지적 작업이 있지만 소프트웨어 개발 활동 중 상당수는 상대적으로 단순하므로 곧 자동화되어야 합니다."