Economist Impact의 설문 조사에서는 실제로 29%의 전문가만이 자신의 회사의 AI 투자가 생산 준비가 되어 있다고 믿었습니다.
기술 리더들이 새로운 AI 작업 부하를 안전하고 비용 효율적으로 구축하고 확장할 수 있는 방법을 탐색하십시오.
생산 AI를 위한 주요 전략에는 통합 거버넌스를 우선시하고, 적절한 사용 사례를 선택하고, 데이터를 경쟁력 있는 가장자리로 사용하는 것이 포함됩니다.
AI를 채택하는 기업들이 얼마나 빠르게 움직이고 있는지를 보여주는 신호로, 70%가 시범 단계를 넘어 실제 세계에 새로운 사용 사례를 출시하려고 준비하고 있다는 것이 Economist Impact의 전 세계 설문 조사 결과입니다.
생산으로의 전환은 수백, 아마도 수천 명의 사용자가 기본 AI 시스템과 상호 작용하게 됨을 의미합니다. 이런 빠른 확장 과정에서 기업들은 신뢰성과 성능을 유지하는 데 어려움을 겪고 있습니다. 거대한 기본 데이터 세트에 대한 통합된 거버넌스를 보장하는 것은 여전히 중요한 장애물입니다. 사실, 실무자 중 단지 29%만이 자신의 회사의 AI 투자가 생산 준비가 되었다고 믿었습니다.
최근 웹세미나에서 Databricks의 CIO인 Naveen Zutshi와 Economist Impact의 편집국장인 Tamzin Booth는 기술 리더들이 새로운 AI 작업 부하를 안전하고 비용 효율적으로 구축하고 확장할 수 있는 방법을 설명했습니다.
소프트웨어 개발 프로젝트로 취급하십시오: 설문 조사에 따르면 응답자 중 단지 22%만이 기존 IT 인프라가 새로운 AI 작업 부하를 지원할 수 있는 능력에 대해 확신을 가지고 있었습니다. IT 리더들은 엔지니어를 지원할 수 있는 적절한 기본 플랫폼에 투자해야 합니다. 기업들은 데이터를 한 곳에 통합하고, 단일 거버넌스 카탈로그를 채택한 다음, 개발자들이 이러한 자산 위에 직접 구축할 수 있는 도구를 제공하고, 결과적으로 생성되는 작업 부하를 모니터링해야 합니다.
거버넌스와 보안을 장려하십시오: 응답자의 33%에 따르면, 회사의 모든 데이터에 대해 통합된 거버넌스를 수립하는 것은 기업 AI 작업 부하를 배포하고 확장하는 주요 장애물입니다. 그러나 데이터가 한 곳에 집중되면, IT 리더들은 모든 기업 자산에 걸쳐 통합 거버넌스 카탈로그 를 배포할 수 있어, 사용자들이 정보를 더욱 자신 있게 구축할 수 있습니다. 기업들은 또한 엔지니어들이 안전하고 보안된 방식으로 창의력을 발휘할 수 있도록 가드레일을 설치해야 합니다. 기술자들은 어쨌든 새로운 AI 도구를 사용할 것입니다. IT 리더들이 안전하고 거버넌스된 방식으로 이루어지고 있는지 확인하는 것이 중요합니다.
사용자 인터페이스에 집중하십시오: 직원들이 작업 흐름을 변경하는 것은 쉽지 않습니다. 기존 프로 세스에 AI를 통합하는 올바른 방법을 선택하는 것이 중요합니다. Databricks에서 우리는 필드 직원에게 자동화된 데이터 지능을 제공하기 위해 내부 AI 에이전트 를 구축할 때, 최적의 방법을 찾기 전에 많은 실패가 있었습니다. 결국 우리는 이미 직원들이 사용하고 있는 기존 프로그램에 통합했습니다. 이제 사용자가 아무 것도 하지 않아도 지능을 자연스럽게 제공합니다.
적절한 AI 사용 사례 선택: 조직들은 일반적으로 팀이 프로젝트의 결과와 신뢰성에 확신을 가질 수 있도록 내부 사용 사례로 AI 여정을 시작합니다. 기술을 위한 기술을 추구하지 마십시오 - 이것은 가치와 영향력에 연결되어야 합니다. IT 리더들은 비즈니스 해커톤과 같은 기술을 전파하고 확장하기 위해 사용자와 긴밀하게 협력하는 방법을 찾아야 합니다.
당신의 경쟁력을 찾으십시오: AI에서의 성공은 모두 데이터로 돌아갑니다. 한 개의 거대한 모델 대신, 기업들은 최종 성능을 향상시키기 위해 여러 모델을 활용하는 AI 에이전트 시스템을 구축하고 있습니다. 이제 진정한 경쟁 우위는 기업이 독점적인 자산을 얼마나 잘 활용하여 이러한 시스템을 맞춤화하고 독특한 제품을 개발할 수 있는지에 달려 있습니다. 사실, 전 세계 조직의 66%는 GenAI를 독점 데이터와 통합하는 잠재력을 인식하고 있다고 말했습니다. 그리고 FactSet 과 Replit 같은 기업들은 이미 자신들의 데이터를 사용하여 에이전트 시스템을 기반으로 AI 제품을 구축하여 수익을 창출하고 있습니다.
진행 상황에 대한 인내심을 가지십시오: 주요 변혁 기간 동안 연간 변화는 느릴 수 있습니다. 하지만 진전은 상당했습니다. 기업들이 인터넷을 운영에 통합하는 데 10년 이상이 걸렸습니다. 일부 CIO들은 AI 수익을 얻기 위해 3년을 기다리지 않을 것으로 예상하고 있습니다. 하지만 고품질 모델의 수가 증가하고, 컴퓨팅 및 추론 비용이 계속해서 하락함에 따라, AI 에이전트 시스템 의 급속한 증가가 변화의 속도를 크게 가속화할 것입니다.
이러한 단계를 밟음으로써 CIO들은 조직이 생산성과 효율성을 향상시키는 데 AI를 사용하도록 돕는 동시에, 실제 상품인 비즈니스 혁신과 수익 창출을 해제합니다.
이러한 모범 사례에 대해 더 깊이 파고들기 위해, 웹세미나를 시청하십시오: 기업용 AI 해제. 또는 전체 보고서와 그 결과를 여기에서 읽어보십시오.
