데이터 분석, AI개발이 성공하기 위한 조건
데이터 분석 또는 AI개발 프로젝트가 시작되고 실제 사업에 연계되는 경우가 몇 퍼센트나 될까?
보통 10%도 되지 않는다.
우리가 잘 알고 있는 유수의 글로벌 기업들도 처음 도입할 때는 별반 다르지 않았다.
다수의 시행착오와 값비싼 수업료를 내고 각자 나름의 노하우를 쌓는 과정은 AI가 기업 문화로 자리잡는데 필수 조건이다.
AI가 성공하기 위한 조건들은 무었일까?
관련 전문가들이 말하는 AI가 성공하기 위한 조건은 아래와 같다.
1. 기대치 관리
AI에 대한 환상을 깨야 한다. AI는 마법이 아니다.
지금 가지고 있는 데이터를 다 넣고 돌린다고 원하는 결과가 '띠용'하고 나오지 않는다.
그리고 AI를 위한 비용, 즉 기술, 데이터, 사람, 그리고 프로세스(시간)이 필요하다.
현실적인 기대치와 적절한 비용에 대한 관리가 필요하다.
2. 관련 부서간의 밀접한 파트너십
프로젝트 관련 조직은(현업 / IT / 데이터분석(AI개발)) 한 배를 탄 동료라는 의식이 있어야한다.
관련 조직은 데이터분석(AI개발) 과제 KPI를 공유하고 함께 평가받는 조직적 연계가 필요하다.
3. 데이터 품질 제고
흔히들 말하는 'Garbage in, garbage out'.
쓰레기가 들어가면 쓰레기가 나온다.
데이터 품질이 떨어지면 구글 할어버지가 와도 답이 없다.
당장 양질의 데이터가 없다면 데이터 품질 관리 전략이 먼저다.
4. 가치 있는 프로젝트 추진
추진할만한 가치가 없는 과제를 수행하면 성공해도 성공한게 아닌게 된다.
의미 있는 과제, 사업적 가치가 큰 과제를 먼저 수행해야 한다.
당연한 듯 들리지만 의외로 '그냥 한번 해보자'라는 식으로 하는 경우가 상당히 많다.
그리고 그런 경우 거의 대부분 실패하고, 그런 실패는 'AI는 우리랑 안맞네' 또는 'AI 별거 없네'라는 인식을 갖게한다.
5. 명확한 성공 기준
가급적 데이터분석(AI개발) 과제 수행 결과를 평가 하기 위한 성공 기준을 먼저 정의해야 한다.
성공 기준이 없으면 올바른 방향성을 잡고 추진력을 내기가 어렵다.
그리고 과제 결과에 대해 평가할 때가 되면 성공 여부를 판단하기 애매해지는 경우가 종종 있다.
데이터 기반의 기업 의사결정은 기술보다는 문화에 가깝다.
Small Try, Small Fail, Small Success
작은 도전, 작은 실패, 작은 성공이 쌓여 경험과 노하우가 되고,
그 경험과 노하우가 데이터 기반 기업 의사결정 문화의 기반이 된다.
중요한 건 실패를 실패가 아닌 시행착오로 받아들이고 지속적으로 도전하는 것이다.