미래에 힘 실어주기: Cognizant와 함께 자동화와 생성형 AI 활용하기

Cognizant의 자동화 실무 자문 책임자 Mariesa Coughanour와의 최근 인터뷰를 통해 자동화와 AI(인공 지능)의 세계에 관한 귀중한 인사이트를 얻을 수 있었습니다. 스타트업 및 GE와 같은 글로벌 대기업에서 근무한 경력이 있는 Mariesa가 풍부한 경험을 공유합니다. 이 인터뷰에서는 성공적인 시작 전략에 중점을 두며, 자동화와 AI 구현에 따른 어려움과 전략을 살펴봅니다.

시간이 없으신가요? 다음은 Mariesa가 자동화와 생성형 AI를 활용하려는 기업에게 제시하는 5가지 주요 시사점입니다.

위험이 낮은 영역부터 시작하기: 민감도나 위험이 낮은 영역에 자동화와 생성형 AI를 구현하는 것으로 시작합니다. 이러한 단계적인 접근 방법을 사용하는 조직은 필수 기능을 잠재적인 학습 곡선 문제에 노출하지 않으면서 학습하고 자신감을 얻고 추진력을 높일 수 있습니다.
데이터 품질 우선시하기: 자동화와 생성형 AI를 통합할 때 데이터 문제를 해결하고 데이터 품질을 우선시합니다. 데이터가 대부분의 조직에게 어려운 문제임을 인식하고 적절한 데이터를 소싱하고 데이터 신뢰성을 확보하는 전략을 고려합니다. 이렇게 하면 핵심 데이터 센터의 품질을 향상하는 동시에 성과를 개선할 수 있습니다.
기술 수용의 중요성 인식하기: 자동화와 AI로 인해 업무 방식이 발전할 것이며 이러한 변화가 일자리 소멸을 의미하지만은 않는다는 점을 이해합니다. 기업은 직원들의 숙련도 향상 및 기술 인식을 장려해야 합니다. 미래의 노동 시장은 인간과 디지털 노동자가 함께 일하는 형태일 가능성이 높습니다.
보안 및 개인정보 보호: 자동화 및 AI 기술을 통합할 때는 정보 보안과 데이터 프라이버시에 지속적인 초점을 두어야 합니다. 민감한 데이터를 보호하기 위해 강력한 관리 및 안전 조치를 구현합니다.
다양한 기술 역량: 조직 내 다양한 역할을 장려합니다. 모든 직원들이 개발자일 필요는 없습니다. 그 대신 조직은 광범위한 기술을 지닌 개인과 함께 전문가를 중요시 여기며 목표 달성을 위해 다양한 도구를 활용할 수 있는 다재다능한 노동력을 창출해야 합니다.

생성형 AI의 강력한 기능 활용하기

Cognizant는 고객이 생성형 AI를 도입하는 데 어떻게 도움을 주나요?

Mariesa: Cognizant에는 이 부분을 전담하는 여러 팀과 태스크포스가 있어, 이를 최우선으로 처리합니다. 저희는 실행 가능한 성과와 가치를 창출하기 위해 생성형 AI를 활용하는 데 주로 중점을 둡니다. 인사이트를 확보하는 것은 중요하지만 실질적인 효과는 그러한 인사이트를 비즈니스 운영 간소화와 혁신적인 경험으로 변환할 때 나타납니다. 이런 것이 Cognizant의 핵심 중점 분야이며, 이를 통해 우리 팀은 성과를 창출하고 해당 조직에서 행동을 유도할 수 있습니다.

기업은 어느 영역에서 생성형 AI를 살펴보나요?

Mariesa: 기업은 보통 효율성을 높이기 위해 백 오피스 업무 등의 영역부터 살핍니다. 하지만 생성형 AI는 대중에 대한 접근성이 더 높아지고 있습니다. 예를 들면 개인 컴퓨터에서 다양한 업무에 유용하게 널리 사용되고 있습니다. 생성형 AI는 이런 접근성 덕분에 프론트 오피스 운영, 영업 및 마케팅 등 기존에 자동화하기 어려웠던 영역에 도입되고 있습니다. 예를 들어 마케터는 생성형 AI를 사용하여 관심을 사로잡는 메시지를 작성하고 콘텐츠를 다듬습니다. 커뮤니케이션 및 컨택센터 팀은 감성 분석을 활용합니다. 실질적으로 생성형 AI는 모든 조직의 역할 및 부서에 적용할 수 있습니다.

"기존에 자동화 기회를 살피기 어려웠던 업무에 생성형 AI가 도입되고 있습니다. 생성형 AI는 조직 내 모든 역할, 모든 분야에 적용할 수 있습니다."

2023 Automation Now & Next 보고서에 따르면 응답자의 80%가 목표 달성에 있어 자동화 및 AI의 중요성을 강조했습니다. 같은 생각이신가요?

Mariesa: 그렇습니다. 이러한 기술을 둘러싼 관심이 엄청납니다. 제 부모님도 제 일을 설명하면 이해하기 어려워하시지만 생성형 AI에 대해서는 궁금해하십니다. 생성형 AI는 예시와 직접적인 소통을 통해 이해할 수 있는 확실한 이점을 제공하므로 더 이해하기 쉽습니다. 생성형 AI는 유저 친화적이고 실용적이기 때문에 빠르게 도입되고 있습니다. 하지만 조직은 이러한 기술을 배포하는 것이 복잡하며 의도적인 계획이 필요하다는 점을 이해할 필요가 있습니다.

조직이 생성형 AI를 도입한 후에는 정보 보안 및 데이터 문제 등 여러 가지 고려 사항이 발생합니다. 데이터 문제는 기업의 규모와 관계없이 흔히 있는 일입니다. 생성형 AI 구현은 데이터 격차와 신뢰 문제를 드러냄으로써 이런 문제를 악화시킬 수 있습니다. 따라서 조직은 이 기술을 최대한 활용하기 위해 데이터 품질 및 소싱을 해결해야 합니다.

또한 데이터 프라이버시와 보안에는 세심한 계획이 요구되므로 적절한 안전 조치를 마련해야 합니다. 기업 데이터와 외부 소스를 활용할 때 AI의 잠재력을 극대화하기 위해 고려해야 할 사항도 있습니다. 민감한 데이터 문제를 해결하는 동안 조직은 팀에 빠르고 효율적으로 권한을 부여하고 팀을 방해하지 않아야 합니다. 이때가 AI를 도입하기에 적절한 때입니다.

"기대감도 크지만 일부는 잘못 알고 있는 것도 있고 뒤처지고 싶지 않다는 마음도 큰 것 같습니다."

책임감 있는 AI 사용

데이터를 효과적으로 관리하면서 보안을 확보한 기업의 성공 사례를 조금 들려주실 수 있을까요?

Mariesa: 한 가지 방법은 덜 민감하고 위험이 적은 영역에 생성형 AI를 구현하는 것으로 시작하는 것입니다. 예를 들어 임상 시험 기록이나 재무제표와 같은 민감한 데이터를 다루는 업계는 새로운 기술을 구현할 때 더 많은 계획을 세우고 더 주의를 기울여야 합니다. 위험이 적은 곳부터 시작하는 조직은 매우 민감한 규제 대상 정보를 노출하지 않고도 기술을 통해 학습하고 자신감을 얻을 수 있습니다. 이런 단계적인 접근 방법은 도입을 장려하고 광범위한 구현을 촉진합니다.

또한 저희는 비즈니스 유저를 위한 유저 친화적인 인터페이스를 만들면서 자동화와 생성형 AI를 전략적으로 활용하여 고객들이 마스터 데이터 관리를 강화하도록 도움을 주고 있습니다. 이러한 인터페이스를 통해 유저는 데이터와 옵션을 검토하고 데이터 정확도를 확인하며 실무 지식과 보안 강화와 같은 필요한 조치를 제안할 수 있습니다.

급여 규정을 평가하는 데 이러한 방법론을 활용하는 인사팀을 예로 들 수 있습니다. 조직이 전 세계적으로 확장되고 새로운 비즈니스를 인수함에 따라, 사용하지 않는 규정을 삭제하는 것이 어려워졌습니다. 이 상황에서 이러한 접근 방법은 생성형 AI 구현을 통한 마스터 데이터 관리 프로세스를 간소화할 뿐만 아니라 데이터 품질 확보에 비즈니스 파트너의 관심을 적극적으로 유도합니다.

우리 모두는 AI를 윤리적이고 책임감 있게 사용해야 하지만 AI는 데이터 품질을 개선하고, 처리를 간소화하며, 궁극적으로 영향력이 더 큰 결과를 제공하므로 잠재적인 어려움이 있어도 이를 적용할 방법을 모색해야 합니다.

조직이 의사결정과 운영을 강화하기 위해 독점 데이터를 LLM에 효과적으로 통합할 수 있는 방법은 무엇인가요?

Mariesa: 독점 데이터와 LLM을 활용할 때는 의도적인 계획이 무엇보다도 중요합니다. 추가적인 관리 조치를 구현하고 액세스 권한을 제한해야 합니다. 개발팀 내에서도 적절한 경우, 특히 생산 환경에 대한 개발과 액세스 권한에 관해서는 업무를 분리하는 것이 좋습니다. 자동화와 마찬가지로, 안전 조치를 적용해야 합니다. 고객은 이러한 통합을 고려하고 있지만 데이터의 민감도 때문에 신중한 입장입니다. 전적으로 실현 가능하지만 여기에는 다른 접근 방법이 필요하며 강력한 안전 장치가 마련되어야 합니다.

"자동화를 사용해도 사람들은 여러분이 독점 정보에 접근할 때 매우 조심스러워합니다. 할 수 없는 것은 아니지만 약간 다르게 생각할 필요가 있습니다. 그리고 적절한 안전 장치를 마련해야 합니다. 사람들이 그것이 가능하다고 느끼는 것뿐만 아니라 위험도 낮아져야 합니다."

향후 이런 기술에 일자리를 빼앗길 수 있다고 걱정하는 사람들이 있나요?

Mariesa: 놀랍게도 생성형 AI를 이해하고 나면 그렇게 두려워하지는 않습니다. 대신에 주로 보안을 걱정합니다. 리더들은 승인되지 않은 정보 공유의 가능성을 걱정합니다. 사람들은 이러한 기술을 수용하는 데 관심이 많은 것 같습니다. 자동화와 AI의 세계에서는 시간이 지남에 따라 업무 방식이 발전할 것임을 이해하는 것이 중요합니다. 현재 우리가 일하는 방식은 과거에 변화한 것처럼 앞으로 10년 후에는 달라질 것입니다. 역할은 영향을 받을 수 있지만 그게 일자리 소멸을 의미하지는 않습니다. 그보다는 우리가 일하는 방식의 변화를 의미합니다. 저는 향후 고용 및 진로에 기술 인식이 포함될 것이라고 확신합니다. 모든 사람들이 개발자가 될 필요는 없지만 기술이 자신이 맡은 역할에 어떤 영향을 미치는지 이해하는 것과 팀에 '디지털 노동자'를 채용하는 것이 보다 흔한 일이 될 것입니다. 이러한 변화에 대한 솔직함은 중요하지만 전반적으로 이런 상황에서 불안 요인은 중요하지 않습니다.

문제 해결자에게 힘 실어주기

자동화 프로그램을 확장하려는 기업이 주로 고려해야 할 다른 사항은 무엇이 있나요?

Mariesa: 생성형 AI나 자동화, 분석에 관계없이 개인이 자신이 맡은 역할 및 팀 안에서 문제를 해결할 수 있도록 힘을 실어주는 것이 특히 중요합니다. 제가 일을 시작한 GE에 있을 때를 돌이켜 보면 Lean이 지배적이었습니다. 모든 직원이 전문가일 필요는 없지만, 기본적인 지식을 갖추는 것이 중요했습니다. 모든 직원들이 개발자가 될 필요는 없습니다. 조직에는 영업과 인사를 비롯한 다양한 역할이 필요하기 때문입니다. 모든 직원들이 개발자가 되도록 장려하는 것은 이상적인 접근 방법이 아닐 수 있지만 모든 직원들은 기술을 활용하고 참여하는 방법을 이해해야 합니다. 우리에게는 광범위한 기술을 가진 이런 사람들과 함께 전문가가 필요합니다. 원하는 성과를 달성하기 위해서는 두루 적용되는 솔루션이 아닌 다용도 툴키트를 갖추는 것이 중요합니다.

전문 지식과 인사이트를 공유해 준 Mariesa에게 감사 인사를 전합니다. 도움을 주신 데 매우 감사드리며, 이러한 도움은 조직이 생성형 AI의 잠재력을 최대한 활용하는 여정에 중요한 길잡이가 되어 줄 것입니다.

생성형 AI의 잠재력을 수용하는 것은 혁신적인 문제 해결, 운영의 간소화, 고객 참여 강화로 이어질 수 있습니다. 조직은 주의를 기울이면서도, 이러한 기술 기반의 미래가 가진 가능성에 열린 마음을 가지고 여정을 나서야 합니다.

생성형 AI를 활용하고자 한다면 생성형 AI 기반 자동화를 구축하는 방법에 관한 가이드를 확인해 보세요. 조직의 성장과 효율성에 생성형 AI의 강력한 기능을 활용하는 첫걸음을 내딛어 보세요.