홈페이지 바로 가기
Introduction
2022년 11월 이후 급격히 발전한 Generative AI 분야는 아직 초기 단계이며, 기업들은 이러한 변화에 적응하고 장기적인 관점에서 활용 방안을 모색해야 한다.
본 보고서는 Generative AI를 적극적으로 도입하고 확장하는 2,000여 명의 기업 리더들의 관점을 담아, Generative AI의 잠재력과 현실적인 과제를 제시한다.
기업들은 Generative AI에서 가치 창출을 우선시하고 있지만, 문화적 변화, 인력 관리, 신뢰 문제 등 해결해야 할 과제들이 존재한다.
본 보고서는 Deloitte의 두 번째 분기별 글로벌 설문 조사 결과를 바탕으로, 심층 인터뷰를 통해 얻은 인사이트를 더했다.
기업들은 Generative AI에서 가치 창출을 우선시하고 있으며, 실험 단계를 넘어 본격적인 확장을 통해 실질적인 가치를 창출해야 한다는 인식이 확산되고 있다.
Generative AI 확장의 주요 과제로는 전략, 프로세스, 인력, 데이터, 기술 등 다양한 측면의 문제와 함께 신뢰 구축 및 인력 변화 관리가 있다.
Value creation
기업들은 Generative AI에서 실질적인 가치 창출을 요구하며, 일부 기업은 이미 가시적인 성과를 달성하고 있다. Generative AI 전문성이 높은 기업일수록 이를 적극적으로 확장하며, 다른 기업들에 비해 더 많은 이점을 달성하고 있다. Generative AI를 통한 비용 절감 효과는 주로 혁신(45%) 및 운영 개선(43%)에 재투자될 것으로 예상된다.
많은 기업들이 Generative AI 프로젝트에 명확한 가치 목표 설정과 측정 가능한 결과를 요구하고 있으며, ROI 뿐만 아니라 혁신, 전략적 포지셔닝, 경쟁 우위 확보 등 다양한 측면에서 평가되어야 한다. Generative AI는 아직 초기 단계이기 때문에 정확한 ROI 예측이 어렵고, 이에 ROI 목표 없이 도입하는 기업도 많다.
도입을 통해 가장 많이 기대하는 이점은 효율성 및 생산성 향상(56%)이다. 전문성이 높은 기업일수록 제품 및 서비스 개선, 혁신 및 성장 촉진에서 더 큰 이점을 달성하고, 여러 부서에 걸쳐 더 빠르고 광범위하게 도입하고 있다. 신뢰를 향상시키기 위한 프로세스를 통해 데이터 품질, 출력 신뢰성 및 조직적 공감과 같은 측면을 개선하고 있으며, 특히 전문성이 높은 기업에서는 이러한 집중도가 59%~73%로 높다.
Generative AI 도입으로 인한 중단(disruptions)은 개인 작업자의 생산성 향상 및 운영 개선에 더 집중될 가능성이 높으며, 이러한 기업들도 Generative AI로부터 큰 혜택을 받을 수 있다. 또한, 다른 산업의 중단 경험을 통해 배우고 활용할 수 있는 기회를 가진다.
Scaling up
Generative AI 확장은 비즈니스에 큰 영향을 미치고 사용자 기반을 확대하여 가치 창출을 가속화하지만, 많은 기업들이 시범 단계를 넘어 본격적인 배포 단계로 나아가는 데 어려움을 겪고 있다. 이는 전략, 프로세스, 인력, 데이터, 기술 등 다양한 요소를 아우르는 복잡한 과정으로, 기존 디지털 전환 이니셔티브보다 더 중요해졌다.
설문 조사에 따르면, 응답 기업의 거의 절반(46%)이 전체 직원 중 소수(20% 이하)만 승인된 Generative AI 도구에 접근할 수 있다고 답했다. Generative AI 전문성이 높은 기업일수록 도구 접근성이 높았지만, 여전히 절반에 미치지 못했다. 접근성 제한의 주요 이유는 데이터 유출, 지적 재산권 침해, 개인정보 보호 문제 등이다.
인터넷 접근 권한이 있는 직원들은 공개적으로 사용 가능한 Generative AI 도구를 사용할 수 있어 통제 불가능한 보안 위험으로 이어질 수 있다. 기업들은 지속 가능한 프로세스 및 정책을 수립하고 관련 위험을 효과적으로 관리해야 한다.
"Generative AI는 빠르고 간편하게 무언가를 만들어낼 수 있다는 점에서 놀랍지만, 동시에 두렵기도 합니다. 진짜 어려운 것은 확장성입니다. 완전히 새로운 게임이죠. 중앙 집집하지 않고서는 확장이 어렵습니다." - 기술 산업 데이터 과학 및 AI 담당 이사.
Building Trust
Generative AI의 대규모 도입 및 배포의 가장 큰 장벽은 신뢰 부족이다. 출력의 품질 및 신뢰성, 그리고 Generative AI가 직원을 대체하지 않고 업무를 더 쉽게 만들어줄 것이라는 믿음이 중요하다.
'환각(hallucination)' 현상 등 출력 결과에 대한 신뢰 문제는 개선된 학습과 가드레일로 해결해야 한다. 작동 방식의 불투명성과 설명 가능성 부족도 신뢰 구축의 걸림돌이지만, 이는 커스터마이징된 LLM을 통해 해결할 수 있다. Generative AI 전문성이 높은 기업들은 데이터 품질, 출력 신뢰성, 조직적 공감 등 다양한 측면에서 신뢰 구축의 중요성을 인식하고 노력하고 있다.
Next: Looking ahead
단기적으로 기업들은 Generative AI를 개인 생산성 및 부서 효율성 향상의 도구로 사용한다. 장기적으로는 Generative AI를 통해 차별화된 가치를 창출하고 전사적인 혁신을 이끄는 기업들이 성공할 것이다. Generative AI 확장에 성공하려면 전략, 프로세스, 인력, 데이터, 기술을 동시에 발전시켜야 하며, 수평적 및 수직적 확장을 추진해야 한다. 전담 조직 설립, 데이터 현대화, 인재 육성, 기술 및 인프라 구축에 투자하는 것이 중요하다. 재무적 이익이 명확해지기 전에도 적극적으로 도입하고 확장해야 한다. 포괄적인 가치 실현 접근 방식이 필요하며, 모든 가치를 측정하고 전달해야 한다. Generative AI 전문 인력 확보 경쟁이 치열해지면서 기업들은 신규 인력 확보와 기존 인력 교육을 강화해야 한다. 새로운 기술적 역량과 인간 중심적 역량이 중요하며, 새로운 역할, 업무 프로세스, 조직 문화를 구축해야 한다. 신뢰 구축이 필수적이며, 투명한 정보 공유, AI 교육, 도구 접근성 확대, 데이터 관리 시스템 구축 등을 통해 신뢰를 높여야 한다. 리더는 명확한 전략을 제시하고, 도구 활용을 장려하며, 직원 의견에 귀 기울여 지지를 확보해야 한다.
Evolving the workforce
Generative AI 도입은 인력 문제에 큰 영향을 미치며, 기업들은 이를 위해 전문 인력을 확보하고 양성해야 한다. 설문 조사에 따르면, 응답 기업의 75%가 향후 2년 안에 인재 전략을 변경할 것으로 예상하며, Generative AI 전문성이 높은 기업일수록 더 빠르게 인재 전략을 변화시키고 있다.
주요 변화는 업무 프로세스 재설계(48%)와 기술 향상 또는 재교육(47%)에 집중된다. 또한, AI fluency 개발(47%)과 경력 경로 재설계(38%)에 집중하는 경향이 있다. 초기에는 AI 교육과 fluency 향상이 중요하며, 장기적으로는 기술 향상, 재교육, 업무 프로세스 및 경력 경로 재설계가 필수적이다. Generative AI 도입으로 인해 데이터 분석, 프롬프트 엔지니어링 등 기술적 능력과 비판적 사고, 창의력 등 인간 중심적 기술의 가치가 중요해진다. 설문 조사 결과, 향후 12개월 동안 Generative AI 전략 실행으로 인해 직원 수가 증가할 것으로 예상하는 기업(39%)이 감소할 것으로 예상하는 기업(22%)보다 많았다.
Generative AI 도입이 고용에 미치는 장기적인 영향은 불확실하지만, 일부 역할과 기술은 다른 역할 및 기술보다 더 큰 영향을 받을 가능성이 높다. 기업들은 이러한 변화에 맞춰 인재 및 HR 전략을 조정하는 초기 단계에 있다.
홈페이지 바로 가기
홈페이지 바로 가기
Introduction
2022년 11월 이후 급격히 발전한 Generative AI 분야는 아직 초기 단계이며, 기업들은 이러한 변화에 적응하고 장기적인 관점에서 활용 방안을 모색해야 한다.
본 보고서는 Generative AI를 적극적으로 도입하고 확장하는 2,000여 명의 기업 리더들의 관점을 담아, Generative AI의 잠재력과 현실적인 과제를 제시한다.
기업들은 Generative AI에서 가치 창출을 우선시하고 있지만, 문화적 변화, 인력 관리, 신뢰 문제 등 해결해야 할 과제들이 존재한다.
본 보고서는 Deloitte의 두 번째 분기별 글로벌 설문 조사 결과를 바탕으로, 심층 인터뷰를 통해 얻은 인사이트를 더했다.
기업들은 Generative AI에서 가치 창출을 우선시하고 있으며, 실험 단계를 넘어 본격적인 확장을 통해 실질적인 가치를 창출해야 한다는 인식이 확산되고 있다.
Generative AI 확장의 주요 과제로는 전략, 프로세스, 인력, 데이터, 기술 등 다양한 측면의 문제와 함께 신뢰 구축 및 인력 변화 관리가 있다.
Value creation
기업들은 Generative AI에서 실질적인 가치 창출을 요구하며, 일부 기업은 이미 가시적인 성과를 달성하고 있다. Generative AI 전문성이 높은 기업일수록 이를 적극적으로 확장하며, 다른 기업들에 비해 더 많은 이점을 달성하고 있다. Generative AI를 통한 비용 절감 효과는 주로 혁신(45%) 및 운영 개선(43%)에 재투자될 것으로 예상된다.
많은 기업들이 Generative AI 프로젝트에 명확한 가치 목표 설정과 측정 가능한 결과를 요구하고 있으며, ROI 뿐만 아니라 혁신, 전략적 포지셔닝, 경쟁 우위 확보 등 다양한 측면에서 평가되어야 한다. Generative AI는 아직 초기 단계이기 때문에 정확한 ROI 예측이 어렵고, 이에 ROI 목표 없이 도입하는 기업도 많다.
도입을 통해 가장 많이 기대하는 이점은 효율성 및 생산성 향상(56%)이다. 전문성이 높은 기업일수록 제품 및 서비스 개선, 혁신 및 성장 촉진에서 더 큰 이점을 달성하고, 여러 부서에 걸쳐 더 빠르고 광범위하게 도입하고 있다. 신뢰를 향상시키기 위한 프로세스를 통해 데이터 품질, 출력 신뢰성 및 조직적 공감과 같은 측면을 개선하고 있으며, 특히 전문성이 높은 기업에서는 이러한 집중도가 59%~73%로 높다.
Generative AI 도입으로 인한 중단(disruptions)은 개인 작업자의 생산성 향상 및 운영 개선에 더 집중될 가능성이 높으며, 이러한 기업들도 Generative AI로부터 큰 혜택을 받을 수 있다. 또한, 다른 산업의 중단 경험을 통해 배우고 활용할 수 있는 기회를 가진다.
Scaling up
Generative AI 확장은 비즈니스에 큰 영향을 미치고 사용자 기반을 확대하여 가치 창출을 가속화하지만, 많은 기업들이 시범 단계를 넘어 본격적인 배포 단계로 나아가는 데 어려움을 겪고 있다. 이는 전략, 프로세스, 인력, 데이터, 기술 등 다양한 요소를 아우르는 복잡한 과정으로, 기존 디지털 전환 이니셔티브보다 더 중요해졌다.
설문 조사에 따르면, 응답 기업의 거의 절반(46%)이 전체 직원 중 소수(20% 이하)만 승인된 Generative AI 도구에 접근할 수 있다고 답했다. Generative AI 전문성이 높은 기업일수록 도구 접근성이 높았지만, 여전히 절반에 미치지 못했다. 접근성 제한의 주요 이유는 데이터 유출, 지적 재산권 침해, 개인정보 보호 문제 등이다.
인터넷 접근 권한이 있는 직원들은 공개적으로 사용 가능한 Generative AI 도구를 사용할 수 있어 통제 불가능한 보안 위험으로 이어질 수 있다. 기업들은 지속 가능한 프로세스 및 정책을 수립하고 관련 위험을 효과적으로 관리해야 한다.
"Generative AI는 빠르고 간편하게 무언가를 만들어낼 수 있다는 점에서 놀랍지만, 동시에 두렵기도 합니다. 진짜 어려운 것은 확장성입니다. 완전히 새로운 게임이죠. 중앙 집집하지 않고서는 확장이 어렵습니다." - 기술 산업 데이터 과학 및 AI 담당 이사.
Building Trust
Generative AI의 대규모 도입 및 배포의 가장 큰 장벽은 신뢰 부족이다. 출력의 품질 및 신뢰성, 그리고 Generative AI가 직원을 대체하지 않고 업무를 더 쉽게 만들어줄 것이라는 믿음이 중요하다.
'환각(hallucination)' 현상 등 출력 결과에 대한 신뢰 문제는 개선된 학습과 가드레일로 해결해야 한다. 작동 방식의 불투명성과 설명 가능성 부족도 신뢰 구축의 걸림돌이지만, 이는 커스터마이징된 LLM을 통해 해결할 수 있다. Generative AI 전문성이 높은 기업들은 데이터 품질, 출력 신뢰성, 조직적 공감 등 다양한 측면에서 신뢰 구축의 중요성을 인식하고 노력하고 있다.
Next: Looking ahead
단기적으로 기업들은 Generative AI를 개인 생산성 및 부서 효율성 향상의 도구로 사용한다. 장기적으로는 Generative AI를 통해 차별화된 가치를 창출하고 전사적인 혁신을 이끄는 기업들이 성공할 것이다. Generative AI 확장에 성공하려면 전략, 프로세스, 인력, 데이터, 기술을 동시에 발전시켜야 하며, 수평적 및 수직적 확장을 추진해야 한다. 전담 조직 설립, 데이터 현대화, 인재 육성, 기술 및 인프라 구축에 투자하는 것이 중요하다. 재무적 이익이 명확해지기 전에도 적극적으로 도입하고 확장해야 한다. 포괄적인 가치 실현 접근 방식이 필요하며, 모든 가치를 측정하고 전달해야 한다. Generative AI 전문 인력 확보 경쟁이 치열해지면서 기업들은 신규 인력 확보와 기존 인력 교육을 강화해야 한다. 새로운 기술적 역량과 인간 중심적 역량이 중요하며, 새로운 역할, 업무 프로세스, 조직 문화를 구축해야 한다. 신뢰 구축이 필수적이며, 투명한 정보 공유, AI 교육, 도구 접근성 확대, 데이터 관리 시스템 구축 등을 통해 신뢰를 높여야 한다. 리더는 명확한 전략을 제시하고, 도구 활용을 장려하며, 직원 의견에 귀 기울여 지지를 확보해야 한다.
Evolving the workforce
Generative AI 도입은 인력 문제에 큰 영향을 미치며, 기업들은 이를 위해 전문 인력을 확보하고 양성해야 한다. 설문 조사에 따르면, 응답 기업의 75%가 향후 2년 안에 인재 전략을 변경할 것으로 예상하며, Generative AI 전문성이 높은 기업일수록 더 빠르게 인재 전략을 변화시키고 있다.
주요 변화는 업무 프로세스 재설계(48%)와 기술 향상 또는 재교육(47%)에 집중된다. 또한, AI fluency 개발(47%)과 경력 경로 재설계(38%)에 집중하는 경향이 있다. 초기에는 AI 교육과 fluency 향상이 중요하며, 장기적으로는 기술 향상, 재교육, 업무 프로세스 및 경력 경로 재설계가 필수적이다. Generative AI 도입으로 인해 데이터 분석, 프롬프트 엔지니어링 등 기술적 능력과 비판적 사고, 창의력 등 인간 중심적 기술의 가치가 중요해진다. 설문 조사 결과, 향후 12개월 동안 Generative AI 전략 실행으로 인해 직원 수가 증가할 것으로 예상하는 기업(39%)이 감소할 것으로 예상하는 기업(22%)보다 많았다.
Generative AI 도입이 고용에 미치는 장기적인 영향은 불확실하지만, 일부 역할과 기술은 다른 역할 및 기술보다 더 큰 영향을 받을 가능성이 높다. 기업들은 이러한 변화에 맞춰 인재 및 HR 전략을 조정하는 초기 단계에 있다.
홈페이지 바로 가기