The Root Causes of Failure for Artificial Intelligence Projects and How They Can Succeed
이미지 출처: 구글 Imazen3
인공지능(AI) 기술의 잠재력에 대한 기대가 높아지고 있지만, 실제 AI 프로젝트의 성공률은 그리 높지 않다. 랜드연구소(RAND Corporation)가 최근 발표한 보고서에 따르면 AI 프로젝트의 실패율은 80%에 달하는 것으로 나타났다. 이는 일반적인 IT 프로젝트 실패율의 2배에 해당하는 수치다.
랜드연구소 연구진은 AI 프로젝트의 실패 원인을 파악하고 성공 전략을 도출하기 위해 산업계와 학계의 AI 전문가 65명을 대상으로 인터뷰를 진행했다. 그 결과 AI 프로젝트 성공을 위한 5가지 핵심 전략을 제시했다.
프로젝트의 목적과 맥락에 대한 이해 강화
AI 프로젝트 실패의 가장 큰 원인은 기술팀과 경영진 사이의 소통 부족인 것으로 나타났다. 경영진은 기술팀에 AI를 통해 해결하고자 하는 문제와 최적화해야 할 지표를 명확히 전달해야 한다. 동시에 기술팀은 개발한 AI 모델이 비즈니스 맥락에서 어떻게 활용될지 이해해야 한다.
한 인터뷰 참가자는 “경영진이 제품 가격 책정을 위한 AI 알고리즘이 필요하다고 말하지만, 실제로 그들이 원하는 것은 판매량을 최대화하는 가격이 아니라 이익률을 극대화하는 가격일 수 있다”고 지적했다. 이처럼 비즈니스 맥락에 대한 이해 없이는 잘못된 가정 하에 AI 모델을 개발할 위험이 있다.
장기적 관점에서 지속 가능한 문제 선택
AI 프로젝트는 상당한 시간과 인내가 필요하다. 데이터 탐색과 AI 모델 학습에 많은 시간이 소요되기 때문이다. 따라서 조직은 최소 1년 이상 특정 문제 해결에 전념할 수 있는 장기 프로젝트를 선택해야 한다.
보고서는 “1년 이상의 장기 투자가 필요 없는 AI 프로젝트라면 애초에 시작할 가치가 없을 것”이라고 강조했다. 단기적 성과에 집착해 우선순위를 자주 바꾸면 AI 프로젝트가 가시적인 성과를 내기도 전에 중단되는 경우가 많다.
기술보다 문제 해결에 초점
성공적인 프로젝트 팀은 최신 AI 기술 자체보다는 해결해야 할 비즈니스 문제에 집중한다. 최신 AI 기술을 맹목적으로 쫓는 것은 실패의 지름길이 될 수 있다. 대신 조직의 리더와 기술자들이 협력해 AI 기술에 적합하면서도 실제 사용자에게 도움이 되는 프로젝트를 선정해야 한다.
한 인터뷰 참가자는 “아무리 인상적인 신기술이라도 결국 AI는 목적을 달성하기 위한 도구일 뿐”이라고 강조했다.
인프라 투자 확대
데이터 관련 문제는 AI 프로젝트 실패의 주요 원인 중 하나다. 데이터를 안정적으로 정제, 수집, 모니터링할 수 있는 인프라를 구축하면 데이터 품질을 크게 개선하고 AI 프로젝트의 성공 가능성을 높일 수 있다. 또한 AI 모델을 자동으로 배포할 수 있는 인프라에 투자하면 더 빠르고 안정적으로 실제 사용자에게 혜택을 제공할 수 있다.
많은 기업들이 이러한 인프라 투자의 가치를 인식하지 못하고 있다. 대신 기술과 비즈니스 환경이 너무 빠르게 변한다는 이유로 한 AI 프로젝트에서 다른 프로젝트로 급히 전환하는 경우가 많다. 하지만 보고서는 “인프라 투자를 미루면 결국 AI 프로젝트 완료에 더 오랜 시간이 걸리고 실패 확률도 높아진다”고 지적했다.
AI의 한계 인식
AI에 대한 과도한 기대와 과대 광고에도 불구하고, AI 기술에는 여전히 극복하기 어려운 기술적 한계가 존재한다. 리더들은 AI를 모든 문제를 해결할 수 있는 마법 지팡이처럼 여겨서는 안 된다. 대신 기술 전문가들과 협력해 AI 역량에 적합하면서도 조직에 의미 있는 가치를 제공할 수 있는 프로젝트를 선별해야 한다.
한 인터뷰 참가자는 “AI 알고리즘은 e커머스나 광고 분야에서는 매우 효과적이지만, 일부 컴퓨터 비전 응용 분야에서는 막대한 투자에도 불구하고 여전히 한계가 있다”고 설명했다.
이 외에도 보고서는 AI 인재 확보의 어려움을 지적했다. 최근 데이터 사이언스 석사 과정과 부트캠프 등을 통해 AI 인재 공급이 늘어났지만, 여전히 양질의 인재를 찾기는 쉽지 않다는 것이다. 많은 교육 과정이 AI 모델 개발에만 초점을 맞추고 있어 데이터 정제나 AI 모델 배포 같은 실무 능력이 부족한 경우가 많다.
또한 보고서는 학계의 AI 연구 현황도 함께 분석했다. 학계에서는 연구 성과에 대한 압박으로 인해 장기적이고 혁신적인 연구보다는 단기간에 논문을 발표할 수 있는 연구에 치중하는 경향이 있는 것으로 나타났다. 이를 개선하기 위해 보고서는 정부 기관과의 데이터 공유 파트너십 확대, 실무자를 위한 데이터 사이언스 박사 과정 신설 등을 제안했다.
랜드연구소의 이번 보고서는 AI 기술의 무분별한 도입보다는 조직의 역량과 환경에 맞는 전략적 접근이 필요함을 강조하고 있다. AI 프로젝트를 시작하려는 기업과 기관들은 이 다섯 가지 전략을 참고해 성공 가능성을 높일 수 있을 것으로 보인다.
랜드연구소의 보고서는 링크에서 확인할 수 있다.
본 기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성되었습니다.
관련 콘텐츠 더보기
