AI 예산: 네트워크 준비 상태를 확인하기 전에 승인하지 마세요.

인공지능은 실험 단계를 빠르게 벗어나 기업 경영진의 최우선 과제로 떠올랐습니다. 하지만 영국 기업 지도자들은 차기 인공지능 예산을 승인하기 전에 근본적인 질문을 던져야 합니다. 과연 그들의 네트워크는 인공지능이 실험 단계를 넘어섰을 때 대규모로 이를 지원할 수 있을까요?

최근 영국 연구에 따르면 조직의 55%가 향후 12개월 동안 인공지능(AI) 또는 머신러닝(ML) 투자를 우선시할 것이며, 거의 6분의 1에 해당하는 조직은 뒤처질 것을 우려하여 가치 평가가 미흡한 상황에서도 막대한 투자를 하고 있다고 밝혔습니다.

이러한 압박은 이해할 만하지만, 여기서 투자 수익률(ROI)에 대한 논의는 매우 편협한 시각으로 흘러갑니다.

인공지능의 가치는 도입 직후에 항상 명확하게 드러나는 것은 아닙니다. 자동화와 생산성 향상을 통해 얻는 이점도 있지만, 장기적인 역량 구축을 통해 나타나는 이점도 있습니다. 예를 들어, 회복력 강화, 면역력 증진, 신속한 의사 결정, 그리고 새로운 업무 방식 등이 있습니다.

문제는 이사회가 AI를 혁신의 도구로 보고 자금을 지원했다가 단기적인 소프트웨어 프로젝트로 치부하는 데 있습니다. 영국에서는 AI 도입이 기대 이상이었다고 응답한 기업이 15%에 불과한데, 이는 AI가 성공하기 위한 조건 에 대한 심도 있는 논의가 필요함을 시사합니다.

인공지능은 어디에서 한계를 드러내는가?

AI 성능이 저하될 때, 흔히 모델, 데이터 또는 사용 사례를 개발한 팀에 관심이 쏠립니다. 이러한 요소들은 중요하지만, 문제의 전체적인 원인을 설명하는 경우는 드뭅니다.

인공지능은 데이터, 네트워크, 보안 모델, 거버넌스 및 주변 기술력 등 작동 환경에 따라 그 효과가 달라집니다. 이러한 조건이 미흡하면 아무리 유망한 활용 사례라도 실제 운영 환경에서 지속 가능하고 가치 있는 성과를 내기 어려울 수 있습니다.

제한된 환경, 즉 깨끗한 데이터, 통제된 사용자, 그리고 명확한 가치 창출 경로가 있는 경우에는 개념 증명이 매우 매력적으로 보일 수 있습니다. 하지만 프로젝트 자체가 인공지능을 고려하여 설계되지 않은 여러 사무실, 클라우드, 시스템 및 데이터베이스에서 운영되어야 할 때 어려움이 시작됩니다.

여기서 연결성은 투자 수익률(ROI) 계산의 중요한 요소가 됩니다. 데이터 전송 속도가 너무 느리거나, 시스템 간 워크플로가 중단되거나, 위치별로 응답 시간이 달라지거나, 팀에서 성능 저하 지점을 파악할 수 없는 경우, 기업은 지연, 재작업, 신뢰 상실로 인한 비용을 부담하게 됩니다.

영국 기업 중 인공지능(AI) 애플리케이션이 기대에 미치지 못한 기업 24%가 열악한 네트워크 또는 연결 성능을 원인으로 꼽았습니다. 이 수치는 야심찬 AI 프로젝트가 필요한 인프라가 구축되지 않았을 때 얼마나 쉽게 비용만 낭비하는 시범 사업 으로 전락할 수 있는지를 보여준다는 점에서 중요합니다.

네트워크는 투자 수익률 계산에 필수적인 요소가 되었습니다.

오랫동안 네트워크는 백엔드 인프라로 취급되어 왔습니다. 업무량이 이메일, 파일 공유 또는 SaaS 서비스에 대한 표준 액세스 정도로 제한적일 때는 이러한 접근 방식이 정당화되기 쉬웠습니다. 그러나 인공지능이 실시간 운영, 고객 워크플로, 사기 탐지, 예측 또는 현장 지원 서비스에 통합되면서 이러한 접근 방식을 옹호하기는 훨씬 더 어려워졌습니다.

인공지능은 새로운 운영 요구사항을 만들어냅니다. 기업은 데이터를 안전하게 이동하고, 워크로드를 지능적으로 관리하며, 비즈니스 연속성을 유지하고, 비용이 어디에서 발생하는지 파악해야 합니다. 이러한 가시성이 없으면 투자 수익률은 사후 대응에 그치게 되고, 민첩성이 부족하면 AI 기반 프로세스는 취약해지며, 안전한 연결성이 확보되지 않으면 새로운 사용 사례는 새로운 취약점을 야기합니다. 따라서 AI 도입 초기 단계부터 인프라에 대한 논의를 시작해야 합니다.

향후 전망에 대해 영국 기업의 54%는 AI 기반 환경에서 성공하기 위해 더욱 유연하고 확장 가능한 네트워크가 필요하다고 답했으며, 57%는 가동 시간을 극대화하기 위해 더 큰 유연성과 안정성이 필요하다고 답했습니다.

이러한 수치는 기술적 희망 목록으로 해석되어서는 안 되며, 오히려 인공지능이 기업들이 디지털 성과를 둘러싼 환경을 재편하도록 강요하고 있다는 지표로 이해해야 합니다. AI가 의사 결정, 고객 및 프로세스를 지원해야 한다면 핵심 네트워크는 성장 전략의 필수적인 부분이 되며, 이는 기업 전반에 걸친 AI 도입의 현실이 뒷받침하는 사실입니다.

차기 AI 투자 유치 라운드를 앞두고 제기되는 네 가지 질문

이사회는 차기 AI 예산을 승인하기 전에 다음과 같은 질문을 던져야 합니다. 데이터는 어디로 전송될 것인가? 누가 데이터 이동을 확인할 수 있는가? 시범 운영 단계 이후에도 네트워크가 AI를 지원할 수 있는가? 그리고 오류가 발생할 경우 어떻게 대처해야 하는가?

이러한 질문들은 이사회로 하여금 애플리케이션 계층을 넘어 조직이 투자한 자금을 확장하는 데 필요한 조건을 갖추고 있는지 검토하도록 합니다. 또한 최고정보책임자(CIO)에게 인프라, 기술, 거버넌스, 보안, 데이터 트래픽 및 비용 관리와 같은 기본적인 운영 현실에 기반하여 야심찬 목표를 설정할 수 있는 기준을 제공합니다.

AI 투자수익률(ROI) 계산에서 가장 어려운 점은 일부 가치는 시간이 지나야 실현된다는 것입니다. 어떤 이사회도 인터넷의 가치를 첫해 성과만으로 판단하지 않듯이, AI 역시 같은 맥락에서 접근해야 합니다. 단기적인 성과 측정은 중요하지만, 장기적인 가치 창출을 가능하게 하는 역량 구축에 충분한 투자를 하지 않는 것을 정당화할 수는 없습니다.

차세대 AI 투자는 단순히 열정만으로는 이루어질 수 없습니다. 차세대 모델을 선택하고, 차세대 플랫폼에 자금을 지원하고, 차세대 시범 프로젝트를 발표하기 전에 영국 이사회는 근본적인 네트워크를 재고해야 합니다.

놓치는 것에 대한 두려움(FOMO) 때문에 AI에 투자하는 것은 기업을 성장시키지 못할 것입니다. 지속 가능한 가치는 처음부터 AI를 위한 올바른 환경을 구축하는 데서 비롯됩니다.