생성형 AI 도입, 왜 더디게 진행될까? 기업이 주목해야 할 AI 성공 전략

최근 IT 관리자들과 기업 경영진 사이에서 생성형 인공지능(GenAI)은 가장 뜨거운 화두입니다. 하지만 많은 기업들이 AI 기술과 자동화 역량을 완전히 수용하는 데 주저하고 있는 것이 현실입니다. AI의 환각 현상, 결과물의 오류, 조직 내 데이터 단절, 그리고 이를 관리할 숙련된 IT 인재 부족 등 여러 요인들이 기업 리더들의 신중한 태도를 야기하고 있습니다.

하지만 AI가 제공하는 효율성, 비용 절감, 생산성 향상 등의 이점을 간과할 수 없다는 점 또한 분명합니다. Ernst & Young(EY)의 글로벌 제휴 및 생태계 부문 부회장인 Julie Teigland와의 인터뷰를 통해, 왜 GenAI가 기대만큼 빠르게 확산되지 못하고 있는지, 그리고 기업들이 AI의 잠재력을 최대한 활용할 수 있는 방법은 무엇인지 살펴보겠습니다.

AI 도입을 가로막는 세 가지 장벽

Julie Teigland는 AI가 광범위하게 수용되지 못하는 이유로 세 가지 주요 장벽을 지적합니다. 첫째, **기술력 부족**입니다. AI를 효과적으로 구축하고 활용할 수 있는 숙련된 인력이 부족하다는 것입니다. 둘째, **데이터 문제**입니다. 기업 전체적으로 데이터가 정돈되어 있지 않고, 이를 활용할 도구가 부족한 상황입니다. 셋째, **인프라 비용**입니다. AI 도입에는 상당한 자본 투자가 필요한데, 불확실한 경제 상황 속에서 기업들이 투자를 주저하게 되는 요인으로 작용합니다.

데이터 과학자의 중요성, 여전히 높다

AI 관련 인력 수요에 대해 Teigland는 데이터 과학자와 데이터 분석가의 중요성이 여전히 높다고 강조합니다. 데이터는 AI 활용의 기반이며, 데이터 구조를 구축하는 데 필요한 데이터 과학자의 역할은 매우 중요합니다. AI 과학 분야의 일자리 기회가 크게 증가했지만, 데이터 과학 분야의 기술 격차는 여전히 심각한 상황입니다. 기업들은 이러한 기술 격차를 해소하기 위해 파트너십을 통해 역량을 보완하려는 움직임을 보이고 있습니다.

AI 생태계 구축, 협력의 중요성

기업들은 긱 워커 활용, 하이퍼스케일러와의 협력, 공동 프로젝트 수행 등 다양한 방식으로 다른 기업들과 파트너십을 맺고 AI 생태계를 구축하려 노력하고 있습니다. 하지만 이러한 협력이 성공의 보편적인 열쇠라고 단정하기는 어렵습니다. 장기적인 계획을 가지고 AI를 조직 전체에 통합하려면 데이터 전략, 인프라 구축, 숙련된 인력 확보라는 세 가지 요소가 필수적입니다.

소프트웨어 엔지니어링 직무 변화, 코드 품질 검증 중요

AI가 소프트웨어 엔지니어링 직무에 미치는 영향에 대해 Teigland는 표준적인 기본 코드 작업은 줄어들겠지만, AI가 생성한 코드를 검토하고 수정하는 작업은 여전히 필요하다고 말합니다. AI 도구는 코딩 효율성을 높여주지만, 완벽한 코드를 생성하는 것은 아니기 때문에 개발자들의 역할은 여전히 중요합니다.

AI 도입, ROI 확보 가능할까?

AI 도입에 따른 ROI 확보 가능성에 대해 Teigland는 생산성 향상 측면에서 긍정적인 신호가 보인다고 말합니다. AI 도구를 활용하여 직원들이 창의적인 업무에 집중하고, 기본적인 작업 속도를 높이며, 품질을 개선할 수 있습니다. 하지만 이러한 생산성 향상이 AI 도입에 필요한 투자 비용을 정당화할 수 있는 수준인지, 그리고 전체적인 비즈니스 모델에 어떤 변화를 가져올지는 더 지켜봐야 할 것입니다.

AI 도입 효과가 빠르게 나타나는 분야

AI 도입 효과가 빠르게 나타나는 분야는 특정 사례에 대한 활용 가능성이 높고 ROI를 쉽게 계산할 수 있는 분야입니다. 예를 들어, 헬스케어 분야에서는 의사들이 문서 작업, 환자 예약 시스템, 워크플로우 관리 도구, 공급망 분석 등에 AI를 활용하여 생산성 향상을 기대할 수 있습니다. 또한, R&D 및 제약 분야에서도 생산성 향상이 나타나고 있으며, AI를 통해 신약 개발 및 연구 프로세스를 혁신할 수 있을 것으로 기대됩니다.

AI, 혁신적인 도구…클라우드, 인터넷과 비교불가

AI의 영향력을 인터넷, 클라우드, 스마트폰과 비교했을 때, Teigland는 AI가 이들과는 차원이 다른 혁신적인 도구라고 평가합니다. AI는 우리가 생각하는 방식을 혁신하고, 전문 서비스 분야에도 큰 변화를 가져올 것입니다. 헨리 포드가 조립 라인을 통해 자동차 생산 방식을 혁신한 것처럼, AI는 기업들이 업무 방식을 재고하도록 만들 것입니다.

AI는 양자 컴퓨팅과 결합될 때 더욱 강력한 시너지를 발휘할 수 있습니다. 양자 컴퓨팅은 자연 세계의 해답을 활용하여 기존 컴퓨팅 능력으로는 불가능했던 정밀한 분석과 예측을 가능하게 합니다. 이러한 결합은 의학, 신소재 개발, 기후 변화 대응 등 다양한 분야에서 획기적인 발전을 가져올 것입니다.

Teigland는 AI를 '인공 지능'이 아닌 '증강 지능'이라고 부르는 것이 더 적절하다고 제안합니다. AI는 인간을 대체하는 것이 아니라, 인간의 능력을 향상시키고 더 똑똑하고 빠르게 만들 수 있는 도구라는 것입니다.

양자 컴퓨팅, 미래 AI의 핵심 동력

양자 컴퓨팅은 자연 세계에서 얻은 해답을 활용하여 기존 컴퓨팅 능력으로는 상상할 수 없는 수준의 정밀한 분석과 예측을 가능하게 합니다. AI와 양자 컴퓨팅의 결합은 시뮬레이션, 분석, 예측 능력을 획기적으로 향상시켜 우리가 사는 세상을 이해하는 데 필요한 강력한 도구를 제공합니다.

현재 양자 컴퓨팅 기술은 아직 초기 단계에 있지만, 이미 일부 기업들은 양자 컴퓨터를 활용하여 연구 개발을 진행하고 있습니다. 양자 컴퓨팅 기술은 아직 18개월 정도의 시간이 더 필요하지만, 미래 AI의 핵심 동력이 될 것이라는 기대감이 높습니다.

양자 컴퓨팅은 회계 법인이나 일반 기업에는 큰 영향을 미치지 않겠지만, R&D, 제약, 생명 공학, 화학, 지속 가능성, 기후 변화 등 다양한 분야에서 혁신적인 변화를 가져올 것입니다. 양자 컴퓨팅은 우리가 직면한 어려운 문제들을 해결하고, 새로운 가능성을 열어줄 것입니다.

맺음말

Julie Teigland의 인터뷰를 통해 우리는 AI 도입에 대한 기업들의 고민과 과제를 엿볼 수 있었습니다. AI는 분명 혁신적인 잠재력을 지닌 기술이지만, 기술력 부족, 데이터 문제, 인프라 비용 등의 장벽을 극복해야 합니다. 기업들은 장기적인 계획을 가지고 데이터 전략, 인프라 구축, 숙련된 인력 확보에 투자해야 하며, AI 생태계 구축을 위한 파트너십 또한 고려해야 합니다. 궁극적으로 AI는 인간의 능력을 증강시키고 생산성을 향상시키는 도구로서, 기업의 경쟁력을 강화하는 데 기여할 것입니다.