회사에서 AI를 실제로 어디서 시작해야 할까?

AI 도입을 위한 올바른 시작 방법

대부분의 기업이 AI로 어려움을 겪는 이유는 기술 자체가 너무 어렵기 때문이 아닙니다. 그들은 잘못된 곳에서부터 시작하기 때문에 어려움을 겪습니다— 도구나 데모, 또는 "AI를 사용하라"는 명령으로 시작하는 대신, 기업이 매일 수행하는 실제 업무에서부터 시작해야 합니다.

그 결과는 익숙합니다: 몇 번의 열정적인 실험, 몇 개의 구독, 그리고 회사의 운영 방식에 실질적인 변화가 없는 것입니다. 도구는 작동하지만 채택은 성공하지 못합니다.

더 차분한 곳에서 시작할 수 있습니다.

업무부터 시작하기

어떤 AI 제품을 평가하기 전에, 팀에서 가장 자주 반복하는 작업을 적어보세요. 전략적 또는 분기별 결정이 아닌, 작은 빈도, 눈에 띄지 않는 일상적인 업무: 들어오는 요청 정렬, 비슷한 종류의 답변 초안 작성, 시스템 간 데이터 이동, 문서가 규칙에 맞는지 확인, 고객이 항상 묻는 질문에 답하기 등입니다.

이러한 업무에서 AI가 먼저 가치를 창출하는 이유는 이러한 업무가 빈번하게 발생하여 작은 개선이 누적되고, 구조화되었기 때문에 시스템이 신뢰할 수 있게 처리할 수 있기 때문입니다.

일반적인 챗봇은 이러한 업무를 거의 다루지 않습니다. 바로 이것이 일반적인 도구가 자주 실패하는 이유입니다. 가치는 프로세스에 있지 모델에 있는 것이 아닙니다.

세 가지 신호를 찾기

업무가 AI의 첫 번째 후보가 되려면 세 가지 신호 모두를 동시에 보여야 합니다.

• 반복적: 같은 형태의 업무가 매주 여러 번 발생합니다.
• 패턴이 있음: 사람이 이를 수행하는 방법을 대략적으로 기록할 수 있습니다.
• 실수가 회복 가능: 가끔 실수를 하더라도 시간만 소요될 뿐, 신뢰나 안전성에 영향을 미치지 않습니다.

세 가지가 모두 참인 곳에서 시작하세요. 고위험 결정은 나중에, 시스템을 신뢰하고 적절한 검토 절차가 마련된 후에 수행하세요.

인간을 과정에 의도적으로 포함시키기

초기 단계에서는 사람을 제거하는 것이 목표가 아닙니다. 반복적인 부분을 제거하여 판단에 집중할 수 있도록 하는 것이 목표입니다.

우리가 관찰한 가장 신뢰할 수 있는 패턴은 시스템이 초안을 작성하고, 정렬하고, 플래그를 지정하고, 준비하는 것입니다. 그리고 사람이 승인하거나 편집하거나 재검토합니다. 이 단일 설계 선택은 모델이 항상 정확하지 않아도 속도를 얻을 수 있게 해줍니다. 신뢰가 증가함에 따라 자동으로 실행되는 범위를 넓힙니다.

한 가지 것을 측정하기

도입이 조용히 실패하는 이유는 누구도 작업이 성공했는지 말할 수 없기 때문입니다. 어떤 변경도 하기 전에, 작업에 대한 정직한 숫자를 하나 선택하세요: 주당 소요 시간, 응답 시간, 오류율, 백로그 크기 등입니다. 적어두세요.

그런 다음 시스템이 배치된 후 같은 숫자를 측정합니다. 숫자가 변하지 않았다면 저렴하게 배웠습니다. 숫자가 변했다면, 이제 구체적인 결과를 바탕으로 다음 단계를 구축할 수 있습니다— 그리고 나머지 회사에도 정당성을 제시할 수 있습니다.

비즈니스에 맞게 구축하기

오프더쉽 도구는 모든 회사가 동일한 방식으로 운영된다고 가정합니다. 당신의 회사는 그렇지 않습니다. 워크플로, 데이터, 예외 사항, 사람들이 실제로 업무를 수행하는 방법— 이러한 맥락은 시스템이 들어맞아야 하는 곳이며, 일반적인 제품이 볼 수 없는 부분입니다.

이것은 적응의 무거운, 눈에 띄지 않는 작업입니다: AI를 실제 프로세스에 연결하고, 경계 사례를 처리하며, 신뢰할 수 있는 것을 배포하는 것— 화요 오후에 입력이 지저분할 때도 말이죠. 이는 지속적인 결과와 데모 사이의 차이를 만드는 작업이기도 합니다.

이 부분을 혼자서만 수행할 필요는 없지만, 올바른 곳에서 시작해야 합니다.

첫 번째 단계: 한 문장으로 요약하기

반복적이고 패턴이 있으며 가끔 실수를 해도 괜찮은 작업을 선택하고, 정직하게 측정하고, 시스템을 첫 번째 처리 단계에 배치한 후 사람에게 검토를 맡기며, 숫자가 변했는지 확인하세요. 이것이 진정한 시작이며, 더 큰 모든 것이 여기에 기반합니다.