생성형 AI는 생산성 향상에서 나아가 혁신과 재창조를 촉진하여 완전히 새로운 방식의 가치 창출로 이어질 수 있습니다. 기업이 생성형 AI를 집중할 분야를 파악하는 방법으로 플라이휠(Flywheel) 접근법을 소개합니다.
생성형 AI 가치 실현 플라이휠
- 플라이휠은 처음 회전하는 데 노력이 필요하지만, 회전이 시작되면 추진력이 더해지고 가속에 필요한 노력이 줄어들며 지식, 경험, 역량의 형태로 에너지를 보존하고 전달
- 시간이 지남에 따라 모멘텀이 쌓이면서 가치를 창출하고 획득하는 데 드는 비용은 오히려 감소
- 비즈니스 리더는 플라이휠의 힘을 활용하여 생산성을 높이고 조직을 혁신적으로 재창조할 수 있어야 함
- 비즈니스 의사 결정 시 사회에 미치는 영향까지 고려하는 Responsible AI 접근법을 적용
플라이휠 접근 방법 적용 단계
가설 수립
- 조직의 목적, 오퍼레이션, 생태계, 경쟁 및 규제 환경과 같은 정보를 바탕으로 가설 수립
- 미래 가치를 평가하고 초기 생성형 AI 전략을 개발할 때 장기적인 안목 필요
유스 케이스 정의
- 가설에 기초하여 최대의 효익을 창출할 수 있는 유스 케이스 식별
- 재무적 예측 뿐만 아니라 발생할 수 있는 혼란과 도입 용이성 고려
패턴 결정
- 정확성을 높이는 플러그인을 추가하여 보다 영향력 있는 모델 개발
- 모든 패턴이 동일한 수준의 잠재력을 가지고 있는 것은 아니므로, 패턴 식별을 통해 가치를 제공하기 위해 어디에 노력을 집중할지 결정
파운데이션 모델 선정
- 적절한 생성형 AI 기반 모델(Foundation Model)과 지원 기술, 클라우드 플랫폼, 서비스 제공업체 등 선택
- 파운데이션 모델 내에서 검색 증강 생성(RAG)을 활용하거나, 필요 시 모델을 파인 튜닝(Fine-tuning)
솔루션 개발
- 구체적인 솔루션을 제공하기 위해 파운데이션 툴에 무엇을 추가할지 파악
- 최소한의 노력으로 최대의 효익을 제공할 수 있는 솔루션을 파악하기 위해서 패턴을 통해 다양한 가능성을 열어 접근
비용 및 탄소 배출 영향 분석
- 비용을 고려할 때 재정적 비용 뿐만 아니라 환경적 비용, 평판 비용까지 넓은 의미에서 고려
- 생성형 AI를 사용하려면 많은 에너지를 필요로 하지만 더 큰 효율성 향상을 통해 탄소 배출 저감 기대
배포 및 학습
- 테스트와 학습을 통해 성공을 측정하고, 개선점을 파악하고, 조직의 다른 부분에 솔루션을 적용하기 전, 위험과 거버넌스를 재평가
확장과 적응
- 평가, 개발, 테스트를 통해 구축한 상당한 지식과 경험을 활용하여 생성형 AI를 더 광범위한 용도로 변경
- 유사한 생성형 AI 기반 예측 분석 도구와 솔루션을 결합하여 이전에는 수년간 개발해야 했던 규모의 기능을 제공 가능