AI 프로젝트, 85%가 망한다는데…이유는?

가장 흔한 원인, '잘못된 리더십'

• 미국 싱크탱크 랜드연구소가 65명의 AI 전문가 인터뷰를 바탕으로 조사한 AI 프로젝트의 가장 흔한 실패 원인은 바로 '리더십'이었습니다. 경영진이 문제 정의에 실패해 실무진이 잘못된 지표나 영역에 집중하는 경우가 많았단 것입니다.
• 예컨대 비상경영에 돌입한 한 전자상거래 기업의 경영진은 비즈니스 혁신의 해결책으로 AI를 꼽았고, 'AI를 통한 판매량 급증'라는 결과가 나왔다고 선언했습니다. 하지만 해당 모델은 판매량에만 초점을 맞춘 탓에 영업이익, 객단가 등 KPI를 놓쳤습니다. 그러나 이를 깨달은 건 이미 수많은 비용을 투입하며 6개월을 보낸 뒤였다고 합니다.
• 결국 AI프로젝트도 다른 프로젝트와 마찬가지로, 정확한 문제 정의가 우선이란 것입니다. 랜드연구소는 "AI 프로젝트가 실패하는 가장 흔한 이유는 프로젝트의 의도와 목적에 대한 오해와 의사소통 부족"이라며 "리더는 기술·개발·실무 직원이 프로젝트 목적과 맥락을 명확히 이해하도록 해야 한다"고 설명했습니다.

데이터와 인프라 부족

• 다음으론 데이터 편향 문제가 있습니다. 일례로 일본 아동가정청은 AI로 아동복지사의 업무 강도를 낮추려 했으나 학습데이터가 부족하고 편향적인 탓에 오히려 아동복지사의 업무 스트레스가 더 커져버렸습니다. 이처럼 AI는 특히 정성적인 개입이 필요한 영역에 대해선 일반 프로젝트에서보다도 더욱 치밀한 데이터 확보, 정제, 보강 작업이 필요합니다.
• 데이터 만큼이나 중요한 게 인프라입니다. 뛰어난 AI 서비스를 개발해도 그걸 시장에 내놓지 못하는 경우도 많습니다. 가트너에 따르면, 처음 개발된 AI 모델이 실전에 투입되는 경우는 약 54% 수준에 불과합니다.
• 어렵게 완수한 프로젝트가 방치되는 건 조직에 큰 손실을 가져다 줍니다. 경영진은 AI가 가성비가 떨어진다고 여기고, 실무진은 프로젝트에 대한 기대를 안 하게 됩니다.

최신 기술에 집착

• 최신 기술을 도입하는 것 자체만 목표로 세우는 경우도 있습니다. 2017년 테슬라를 예로 들 수 있습니다. 당시 테슬라는 모델3 생산 공정을 로봇으로 자동화하는 걸 목표로 삼았습니다. 하지만 빠른 자동화에 몰두한 탓에 시스템 오류가 너무 잦아 오히려 생산 속도가 저하됐습니다. 결국 일론 머스크는 "자동화를 과신했다"며 기술을 최적화시키는 동안 일부 공정을 다시 인간으로 대체했습니다.
• 최신 기술 자체가 비효율적이진 않습니다. 하지만 프로젝트의 목적과는 무관하게 복잡성만 증가시키면 실패 확률이 높아집니다. 소규모 파일럿 테스트를 통해 AI 도입의 실효성을 검증하고, 단계적으로 확대하는 게 필요합니다.
• 이렇듯 AI가 늘 '만능'은 아닙니다. 성공적인 AI 프로젝트를 위해선 비즈니스 목표를 명확히 하고, 데이터 품질을 관리하며, 운영 환경을 고려하는 등 종합적인 접근이 필수입니다.

AI 앞세운 프로젝트, 85%가 망하더라 [AI오답노트]

편집자주실패를 살펴보는 것은 성공으로 가는 지름길입니다. ‘AI오답노트‘는 AI와 관련한 제품과 서비스, 기업, 인물의 실패 사례를 탐구합니다. 인공지능(AI)으로 뭔가를 새로 시작하려고 한다면, 일단 ‘실패’를 기

아시아경제사랑을 찾았습니다