새로운 연구에 따르면 대다수(80%)의 AI 기반 프로젝트가 실패하며, 이는 비AI 기술 제안의 일반적인 실패율의 두 배에 해당함.
랜드 연구소의 연구에 따르면, 84%의 비즈니스 리더가 이 기술이 그들의 조직에 상당한 영향을 미칠 것이라고 보고했음에도 불구하고, 오직 14%의 조직만이 AI를 도입할 준비가 되어 있다고 느꼈음.
프로젝트 실패의 주요 원인은 이해관계자와 기술 직원 간의 의도와 목적에 대한 이해 부족과 소통 부족으로 확인됨. 이는 관리자들이 팀이 필요한 시간과 자원을 허용하지 않는 경우가 많음을 의미함 - 리더와 기술 팀이 동일한 목표를 갖는 것이 중요함.
마그파이 증후군
AI 모델을 충분히 훈련시키기 위한 필요한 데이터가 부족한 것도 새로운 프로젝트의 또 다른 문제였음 - 데이터 거버넌스 및 모델 배포를 지원하기 위한 인프라에 대한 투자 부족으로 인해 AI 프로젝트가 더 오래 걸리고 효과적이지 않았음.
이는 레노버의 이전 연구와 일치하며, 모델을 훈련시키기 위해 필요한 컴퓨팅 파워와 데이터 자원에 대한 우려를 드러냄.
새로운 프로젝트가 자주 직면하는 또 다른 어려움은 실제 사용자 문제를 해결하는 데 집중하기보다는 최신의 반짝이는 기술을 활용하려는 과도한 열망이었음. 새로운 기술을 실험하는 것은 개발을 촉진하는 데 도움이 되지만, 너무 자주 이러한 기술이 최선의 적합이 아닐 때 사용됨.
연구자들은 성공적인 프로젝트가 최신 AI 발전을 쫓는 데 방해받지 않고 해결해야 할 문제에 집중한다고 설명함.
마지막으로, 아마도 놀랍지 않게도, 보고서는 AI 자체의 능력을 과대평가하는 경향이 발견되었음. 2013년 이후 투자액이 18배 증가했지만, 모든 작업을 자동화하는 만능 해결책은 아니며, 이 기술은 여전히 상당한 한계를 가지고 있음. 모델의 능력을 이해하는 것이 성공의 핵심임.
다양한 산업에서 AI를 사용해야 한다는 막대한 압박 속에서, 기업들은 AI가 다른 투자와 마찬가지로 이해되지 않거나 제대로 관리되지 않으면 심각한 위험을 동반한다는 점을 명심해야 함.
