생성형 AI는 혁신적인 기술로 많은 기업의 주목을 받고 있다. 그러나 기대와 현실 사이의 차이로 인해 많은 기업들이 이 기술의 잠재력을 충분히 활용하지 못하고 있다. 컨설팅 회사 Bain & Company의 최근 조사에 따르면, 생성형AI가 기업의 기대에 미치지 못한 이유는 다음과 같다. 특히, 2023년 대비 빠르게 증가하는 이유들도 고민해 봐야한다.
충분한 성능으로 필요한 작업을 수행하지 못함 (43%)
많은 기업들이 생성형AI 도입 시 높은 성능을 기대했다. 그러나 실제로는 충분한 성능을 발휘하지 못해 필요한 작업을 제대로 수행하지 못하는 경우가 많다. 이는 생성형 AI의 초기 단계 기술로 인해 발생할 수 있는 문제이며, 기대치가 과도하게 설정된 결과일 수 있다.
출력 품질이 나쁨 (42%)
생성형 AI가 생성하는 출력물의 품질이 낮다는 것도 주요 문제이다. 기업들은 고품질의 콘텐츠를 기대하지만, 실제로는 품질이 떨어지는 결과물을 받게 되는 경우가 많다. 이는 AI의 학습 데이터의 질과 양, 그리고 모델의 성능따라 좌우된다.
도구 활용 방법에 대한 이해 부족 (38%) – 2023년 대비 10% 증가
생성형 AI 도구를 효과적으로 활용하는 방법에 대한 이해 부족도 큰 장애물로 작용하고 있다. 많은 기업들이 이 기술을 도입하고도 이를 제대로 활용하는 방법을 몰라 기대하는 성과를 내지 못하고 있다. 이는 기술 교육과 훈련의 부족에서 기인한다. 이 문제는 최근 10% 증가한 것으로 나타나, 기업들이 AI 도입 후 제대로 활용하지 못하는 경우가 급증하고 있음을 보여준다.
벤더/도구의 품질 및 기능이 낮음 (29%) – 2023년 대비 16% 증가
생성형 AI 도구와 벤더의 품질 및 기능이 낮다는 점도 문제로 지적되고 있다. 기업들은 높은 품질의 도구와 신뢰할 수 있는 벤더를 기대하지만, 실제로는 그렇지 못한 경우가 많다. 이는 도구의 성숙도와 벤더의 지원 능력에 대한 불만으로 이어진다. 특히 이 문제는 2023년 대비 16% 증가한 것으로 나타나, 도구와 벤더의 신뢰성과 기능성에 대한 불만이 급증하고 있음을 보여준다.
데이터 호환성 문제 (28%)
생성형 AI가 사용하는 데이터가 기업의 기존 데이터와 호환되지 않는 경우도 자주 발생한다. 이는 AI의 성능 저하로 이어져, 기대한 결과를 얻지 못하게 된다. 데이터의 형식, 품질, 그리고 접근성 문제 등이 여기에 해당된다.
프로세스 재설계의 어려움 (18%)
생성형 AI를 도입하면서 기존의 업무 프로세스를 재설계하는 과정이 매우 번거롭다는 점도 중요한 문제로 지적되었다. 이는 조직 내에서의 변화 관리와 관련된 문제로, 많은 시간과 자원이 소요된다.
경쟁 압력 및 외부 요인 (18%)
외부의 경쟁 압력과 기타 외부 요인들도 생성형 AI 도입에 부정적인 영향을 미칠 수 있다. 이는 시장의 변화, 경쟁사의 대응, 경제적 환경 등 여러 외부 요인들로 인해 기업이 기대한 성과를 내지 못하게 된다.
내부 압력 및 프로젝트 중요성 (14%)
조직 내부의 압력과 프로젝트의 중요성 및 가시성도 생성형 AI 도입에 영향을 미친다. 특히 프로젝트가 중요하지 않거나 충분한 지원을 받지 못하면, AI 도입의 성공 가능성은 낮아진다.
경영진의 헌신 부족 (11%)
마지막으로, 경영진의 헌신 부족도 중요한 문제이다. 경영진이 생성형 AI 도입에 충분한 관심과 지원을 하지 않으면, 프로젝트는 성공하기 어렵다. 이는 조직의 모든 수준에서 AI 도입에 대한 강력한 지원이 필요함을 .
생성형 AI는 큰 잠재력을 가진 기술이지만, 이를 성공적으로 도입하기 위해서는 여러 도전과제를 극복해야 한다. 특히 도구 활용 방법에 대한 이해 부족과 벤더/도구의 품질 및 기능 저하가 2023년 대비 크게 증가한 문제로 나타났다. 기업들은 성능과 품질 문제를 해결하고, 도구 활용 방법에 대한 이해를 높이며, 벤더와의 협력을 강화해야 한다. 또한, 데이터 호환성 문제를 해결하고, 프로세스 재설계를 원활히 진행하며, 경영진의 강력한 지원이 있어야 한다.
관련참고기사:기업은 왜 생성형AI 도입이 생각했던것 만큼 기대에 미치지 못하다고 생각하고 있나?
