생성형 AI 가치를 대규모로 창출하기

생성형 AI 는 조직적 퍼즐을 제시합니다. 기업들은 직원들이 개인 생산성을 향상시키기 위해 범용 대규모 언어 모델(LLM)에 접근할 수 있도록 집합적으로 수십억 달러를 투자했지만, 대부분의 경우 기술의 보다 전략적인 애플리케이션을 개발하고 채택하는 데 어려움을 겪고 있습니다. 기업이 기능과 비즈니스 단위 전반에 걸쳐 확장되는 혁신적인 프로세스 개선을 위해 GenAI를 사용할 수 없다면, 의미 있는 투자 수익, 더 나아가 경쟁 우위는 달성하기 어려울 가능성이 높습니다.1

23개 대규모 조직의 87명 실무자와의 인터뷰에서 생성형 AI로 가치 창출을 확장하는 리더들은 세 가지 핵심 관행을 기르고 있음이 드러났습니다. 첫째, 특정 작업에 집중하는 대신 프로세스 전반에 걸쳐 사용 사례의 범위를 확장합니다. 둘째, 각 사용 사례를 지속적으로 개선해야 하는 진행 중인 작업으로 취급합니다. 셋째, 조직에 측정 가능한 가치를 가져오지 못하는 사용 사례를 신속히 식별하고 포기합니다.

그러나 대부분의 전통적인 기업은 이러한 세 가지 관행을 제도화할 구조를 갖추고 있지 않습니다. 많은 기업이 중복된 기능, 제한된 교차 기능 정보 흐름, 내부 자원 경쟁을 특징으로 하는 여러 손익 단위를 가진 다부문 조직으로 운영됩니다.2 이러한 구조는 프로세스와 단위 전반에 걸쳐 생성형 AI 사용 사례를 확장하는 것을 어렵게 만듭니다.

연구에서 우리는 이러한 과제를 극복하는 소수의 리더들이 많은 조직이 중앙 집중식 AI 기술 전문성을 각 단위에 연결하는 데 사용해 온 고전적인 허브-앤-스포크 모델을 넘어서고 있음을 발견했습니다. 그들은 우리가 AI 스파인 이라고 부르는 새로운 종류의 내부 자원을 개발하고 있습니다. 이는 LLM 사용 사례를 대규모로 구현, 진화 및 포기하기 위한 유연한 핵심 구조를 제공하여 생성형 AI 포트폴리오를 집중적이고 최신 상태로 유지합니다.