2022년 AI의 상태 — 그리고 5년 간의 검토 2022년 12월 6일| 조사

[힘힘]

2022년 AI의 상태 — 그리고 5년 간의 검토

2022년 12월 6일| 조사

채택률은 2017년 이후 두 배 이상 증가했지만 AI를 사용하는 조직의 비율은1지난 몇 년 동안 50~60% 사이에서 정체되었습니다. AI로부터 가장 높은 재정적 수익을 거두는 일련의 기업들이 계속해서 경쟁사보다 앞서 나가고 있습니다. 결과는 이러한 리더들이 AI에 더 많은 투자를 하고, 규모와 더 빠른 AI 개발을 가능하게 하는 것으로 알려진 점점 더 발전된 관행에 참여하고, AI 인재를 위한 빡빡한 시장에서 더 나은 성과를 거두고 있음을 보여줍니다. 인재에 관해서는 처음으로 AI 고용 및 기술 향상을 면밀히 살펴보았습니다. 데이터는 AI 팀의 다양성을 개선할 수 있는 상당한 여지가 있음을 보여 주며, 다른 연구와 마찬가지로 다양한 팀은 뛰어난 성과와 관련이 있습니다.목차

1. 5년 검토: AI 채택, 영향 및 지출
2. 격차를 염두에 두십시오: 앞서가는 AI 리더
3. AI 인재 이야기: 새로운 인기 역할, 계속되는 다양성 문제
4. 연구에 대해

1. 5년 검토: AI 채택, 영향 및 지출

이로써 우리는 비즈니스에서 AI의 역할에 대해 전 세계적으로 5년 연속 연구를 수행했으며 이 기간 동안 변화를 목격했습니다.

첫째, AI 채택이 두 배 이상 증가했습니다.12017년에는 응답자의 20%가 적어도 하나의 비즈니스 영역에서 AI를 채택했다고 보고했지만, 현재는 그 수치가 50%이지만 2019년에는 58%로 최고치를 기록했습니다.

우리는 장애가 있는 개인이 우리 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주십시오.

한편, 자연어 생성 및 컴퓨터 비전과 같이 조직에서 사용하는 AI 기능의 평균 수도 2018년 1.9개에서 2022년 3.8개로 두 배가 되었습니다. 이러한 기능 중 로봇 프로세스 자동화 및 컴퓨터 비전은 가장 일반적으로 남아 있습니다 . 자연어 텍스트 이해는 2018년 팩의 중간에서 컴퓨터 비전 바로 뒤의 목록 맨 앞까지 발전했습니다.

우리는 장애가 있는 개인이 우리 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주십시오.

그러나 상위 사용 사례는 상대적으로 안정적으로 유지되었습니다. 서비스 운영 최적화는 지난 4년 동안 매년 1위를 차지했습니다.

우리는 장애가 있는 개인이 우리 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주십시오.

둘째, AI에 대한 투자 수준이 채택 증가와 함께 증가했습니다. 예를 들어, 5년 전에는 AI를 사용하는 조직의 응답자 중 40%가 디지털 예산의 5% 이상을 AI에 사용했다고 보고했지만 지금은 응답자의 절반 이상이 AI에 투자했다고 보고했습니다. 앞으로 응답자의 63%는 향후 3년 동안 조직의 투자가 증가할 것으로 예상한다고 말했습니다.

우리는 장애가 있는 개인이 우리 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주십시오.

셋째, 기업이 AI에서 가치를 보는 특정 영역이 진화했습니다. 2018년에는 제조와 위험이 가장 많은 응답자가 AI 사용의 가치를 보고 있다고 보고한 두 가지 기능이었습니다. 오늘날 보고된 가장 큰 수익 효과는 마케팅 및 영업, 제품 및 서비스 개발, 전략 및 기업 재무에서 발견되며 응답자는 공급망 관리 에서 AI의 가장 큰 비용 이점을 보고했습니다 . AI에서 실현된 최종 가치는 강력하고 대체로 일관성이 있습니다. 응답자의 약 4분의 1은 2021년에 조직의 EBIT 중 최소 5%가 AI에 기인한다고 올해 보고했습니다.

우리는 장애가 있는 개인이 우리 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주십시오.

마지막으로, 일관성 있게 남아 있는 한 가지는 조직이 디지털 신뢰를 강화하기 위해 참여하는 위험 완화 수준입니다 . AI 사용이 증가했지만, 이 데이터를 처음 캡처하기 시작한 2019년부터 지금까지 AI 관련 위험의 보고된 완화는 크게 증가하지 않았습니다.

우리는 장애가 있는 개인이 우리 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주십시오.

2. 격차를 염두에 두십시오: AI 리더가 앞장서고 있습니다.

우리는 장애가 있는 개인이 우리 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주십시오.

지난 5년 동안 우리는 AI의 리더(우리는 그들을 AI 고성과자라고 칭함)를 추적하고 그들이 무엇을 다르게 하는지 조사했습니다. 우리는 다른 사람들이 따라잡고 있다는 증거보다 이러한 리더들이 경쟁 우위를 확장하고 있다는 징후를 더 많이 봅니다.

첫째, 리더 그룹의 규모가 확장되지 않았습니다. 지난 3년 동안 우리는 AI 고성과 기업을 응답자들이 AI 채택으로 인한 수익의 가장 큰 영향, 즉 AI 사용으로 인한 EBIT의 20% 이상을 보고 있다고 말하는 조직으로 정의했습니다. 해당 그룹에 속하는 응답자의 비율은 약 8%로 꾸준히 유지되었습니다. 연구 결과에 따르면 이 그룹은 AI가 비용을 절감한다고 보고하지만 AI가 비용을 절감하기보다는 수익을 창출한다고 보고할 가능성이 더 높기 때문에 주로 AI가 매출 증대를 통해 우수한 결과를 달성하고 있음을 나타냅니다.

다음으로, 성과가 높은 기업은 다른 기업보다 AI 전략을 비즈니스 결과에 연결하는 것과 같이 가치를 창출하는 핵심 관행을 따를 가능성이 더 높습니다  (도표 1).2또한 중요한 것은 대규모 AI 개발 및 배치를 가능하게 하는 "프론티어" 관행 , 또는 일각에서 " AI의 산업화 "라고 부르는 일에 더 자주 참여하고 있다는 것입니다 . 예를 들어 리더는 새로운 AI 애플리케이션을 신속하게 수용할 수 있을 만큼 충분히 모듈화된 데이터 아키텍처를 보유할 가능성이 높습니다 . 또한 대부분의 데이터 관련 프로세스를 자동화하여 AI 개발의 효율성을 개선하고 AI 알고리즘에 더 많은 고품질 데이터를 제공하여 개발할 수 있는 애플리케이션의 수를 확장할 수 있습니다 . 그리고 AI 고성과자는 새로운 로우코드 또는 노코드 프로그램을 사용하여 AI 애플리케이션을 만드는 데 비기술 직원을 참여시킬 가능성이 다른 조직보다 1.6배 더 높습니다., 기업이 AI 애플리케이션 생성 속도를 높일 수 있습니다. 지난 1년 동안 성과가 높은 조직은 표준화된 도구 세트를 사용하여 프로덕션 준비가 된 데이터 파이프라인을 생성하고 AI 관련 데이터 사이언스를 위한 종단 간 플랫폼을 사용하는 것과 같은 특정 고급 확장 관행을 따를 가능성이 다른 조직보다 훨씬 더 높아졌습니다. , 데이터 엔지니어링 및 애플리케이션 개발을 사내에서 개발했습니다.

전시회 1

우리는 장애가 있는 개인이 우리 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주십시오.

성과가 높은 기업은 다른 조직이 아직 다루지 않은 개인 정보 보호, 형평성 및 공정성과 같은 잠재적인 AI 관련 위험을 관리하는 데 유리할 수도 있습니다. 전반적으로 우리가 4년 전에 이에 대해 질문하기 시작한 이후로 AI 관련 위험의 인식 및 완화를 보고하는 조직에는 거의 변화가 없었지만, AI 고성과 기업의 응답자는 다른 기업보다 자신이 알려진 관행 에 관여한다고 보고할 가능성이 더 높습니다. 위험 완화에 도움이 됩니다 . 여기에는 AI 및 데이터 거버넌스 보장 , 프로세스 및 프로토콜 표준화 , 데이터 품질 관리와 같은 프로세스 자동화가 포함됩니다.수동 작업을 통해 도입된 오류를 제거하고 모델의 유효성을 테스트하고 시간이 지남에 따라 잠재적인 문제를 모니터링합니다.

공유하다

사이드바

AI 사용 및 지속 가능성 노력

투자는 격차 확대에 기여할 수 있는 또 다른 영역입니다. AI 고성과 기업은 계속해서 AI 노력에 다른 조직을 능가할 준비가 되어 있습니다. 선두 기업의 응답자들은 미래에 투자를 늘릴 것이라고 다른 사람들과 마찬가지로 말할 가능성이 높지만 현재 다른 사람들보다 더 많이 지출하고 있습니다. AI 고성과 기업의 응답자들은 조직이 디지털 기술 예산의 최소 20%를 AI 관련 기술에 지출한다고 말할 가능성이 동료보다 거의 8배 더 높습니다. 그리고 이러한 디지털 예산은 기업 지출에서 훨씬 더 많은 부분을 차지합니다.

마지막으로, 이 모든 것이 AI 우수 인재를 유치하는 데 도움이 될 수 있습니다. 이러한 조직이 AI 데이터 과학자 및 데이터 엔지니어와 같은 역할을 채용하는 데 어려움이 덜하다는 징후가 있습니다. AI 고성과 기업이 아닌 조직의 응답자는 AI 고성과 기업의 응답자보다 이러한 역할을 수행하는 것이 훨씬 더 자주 "매우 어려웠다"고 말합니다.

결론: 높은 성과를 내는 기업은 이미 지속적인 AI 성공, 새로운 AI 개발의 효율성 향상, 결과적으로 인재에게 더 매력적인 환경을 제공할 수 있는 좋은 위치에 있습니다. 리더 그룹 외부의 조직에 희소식은 성공을 위한 모범 사례에 대한 명확한 청사진이 있다는 것입니다.

우리는 장애가 있는 개인이 우리 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주십시오.

3. AI 인재 이야기: 새로운 인기 역할, 계속되는 다양성 문제

AI 인재 사진에 대한 우리의 첫 번째 세부 검토는 AI의 성숙을 알리고, 조직이 인재 소싱 및 기술 향상을 위해 사용하는 가장 일반적인 전략을 표면화하고, AI의 다양성 문제를 조명하는 동시에 다양성과 성공 사이의 연결 고리를 다시 한 번 보여줍니다.

고용은 어려운 일이지만 성과가 높은 사람에게는 덜 어렵습니다.

모든 조직은 AI 인재, 특히 데이터 과학자를 고용하는 것이 여전히 어렵다고 보고합니다. AI 고성과자는 난이도가 약간 낮다고 보고하고 기계 학습 엔지니어와 같은 일부 역할을 다른 조직보다 더 자주 고용했습니다.

소프트웨어 엔지니어는 설문 조사 응답 에서 데이터 엔지니어 및 AI 데이터 과학자보다 작년에 가장 자주 고용된 조직을 보여주는 AI 역할로 등장했습니다 . 이는 많은 조직이 AI를 실험하는 것에서 엔터프라이즈 애플리케이션에 AI를 적극적으로 포함하는 것으로 크게 전환했다는 또 다른 분명한 신호입니다.

우리는 장애가 있는 개인이 우리 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주십시오.

안타깝게도 기술 인재 부족 현상이 완화될 기미가 보이지 않아 일부 기업에서는 이러한 변화를 늦추겠다고 위협하고 있습니다. 응답자의 대다수는 지난 1년 동안 각 AI 관련 역할을 채용하는 데 어려움을 겪었다고 보고했으며, 대부분은 과거보다 이 인재를 확보하는 것이 더 쉽지 않았거나 더 어려웠다고 말합니다. AI 데이터 과학자는 특히 부족하며 응답자의 가장 큰 비율이 데이터 과학자를 우리가 요청한 역할 중에서 채우기 어려운 역할로 평가했습니다.

We strive to provide individuals with disabilities equal access to our website. If you would like information about this content we will be happy to work with you. Please email us at: McKinsey_Website_Accessibility@mckinsey.com

앞서 언급했듯이 AI 고성과자는 다른 조직보다 채용 시간이 약간 더 쉽다는 몇 가지 징후를 볼 수 있지만 여전히 어려움을 더 자주 보고합니다. 설문 조사 결과에서 더욱 분명한 것은 AI 산업화 및 비즈니스 가치 최적화를 위한 채용에 중점을 두고 있다는 것입니다. 예를 들어 기계 학습(ML) 엔지니어를 고용했을 가능성이 2배 이상 높습니다.작년에는 성능 및 확장성을 위해 데이터 과학자가 구축한 ML 모델을 최적화하고 데이터 수집에서 예측 생성에 이르는 ML 파이프라인을 자동화하는 데 중점을 둔 역할을 수행했습니다. 또한 고성과 기업의 응답자들은 AI 애플리케이션 개발 및 채택을 감독하기 위해 AI 제품 관리자를 고용했다고 말할 가능성이 다른 사람들보다 거의 2배 더 높았고, AI 애플리케이션이 제공하는 두 가지 역할인 분석 번역가를 고용했을 가능성이 3배 이상 높았습니다. 사업 가치.

우리는 장애가 있는 개인이 우리 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주십시오.

기술 재교육 및 기술 향상은 고용에 대한 일반적인 대안입니다.

AI 인재 소싱과 관련하여 모든 응답자들이 가장 많이 사용하는 전략은 기존 직원의 기술을 재교육하는 것입니다. 거의 절반이 그렇게 하고 있습니다. 일류 대학과 지역 리더와 같이 일류가 아닌 기술 회사에서 채용하는 것도 일반적인 전략입니다. 그러나 성과가 높은 기업의 전략을 살펴보면 가능한 한 많은 채용 채널을 활용하는 것이 조직에 가장 도움이 될 수 있음을 시사합니다(도표 2). 이 회사들은 다양한 소스에서 AI 관련 인재를 모집하기 위해 다른 회사보다 더 많은 노력을 기울이고 있습니다. 연구 결과에 따르면 상위 수준의 기술 대학 및 기술 회사에서 채용할 가능성이 더 높지만 다른 대학, 훈련 아카데미, 다양성 중심 프로그램 또는 전문 조직에서 인재를 확보할 가능성도 더 높습니다.

전시회 2

우리는 장애가 있는 개인이 우리 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주십시오.

응답에 따르면 AI 고성과자 및 기타 조직 모두 AI에 대해 기술 및 비기술 직원의 기술을 향상시키고 있으며, AI 고성과자 및 기타 조직 응답자의 거의 절반이 더 많은 AI 인재를 확보하기 위한 방법으로 기술을 재교육하고 있다고 말했습니다. 그러나 성과가 높은 기업은 직원의 AI 관련 역량을 키우기 위해 다른 조직보다 더 많은 조치를 취하고 있습니다.

성과가 높은 기업의 응답자들은 다른 응답자들보다 자신의 조직이 기술 직원의 AI 기술을 개발하기 위한 역량 구축 프로그램을 가지고 있다고 말할 가능성이 거의 3배 더 높습니다. 그들이 사용하는 가장 일반적인 접근 방식은 체험 학습 , 자기 주도 온라인 과정 및 인증 프로그램인 반면 다른 조직에서는 자기 주도 온라인 과정에 가장 많이 의존합니다.

성과가 높은 기업은 다른 조직보다 자기주도적 온라인 과정에 대한 액세스를 제공하는 것 이상으로 비기술직 직원의 AI 기술을 향상시킬 가능성이 훨씬 더 높습니다. 성과가 높은 기업의 응답자는 비기술 인력에게 피어 투 피어 학습 및 인증 프로그램을 제공한다고 보고할 가능성이 다른 응답자보다 거의 두 배 더 높습니다.

AI 팀의 다양성 증가는 진행 중인 작업입니다.

또한 조직의 AI 중심 팀 내 다양성 수준을 조사했으며 대부분의 조직에서 상당한 개선의 여지가 있음을 확인했습니다. 응답자가 속한 조직의 이러한 팀에서 여성으로 정체화하는 직원의 평균 비율은 27%에 불과합니다(표 3). AI 솔루션을 개발하는 소수 인종 또는 소수 민족의 평균 비율을 보면 그 비율은 비슷합니다(단지 25%). 게다가 응답자의 29%는 조직에 AI 솔루션을 위해 일하는 소수 직원이 없다고 답했습니다.

전시 3

우리는 장애가 있는 개인이 우리 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주십시오.

일부 회사는 AI 인재의 다양성을 개선하기 위해 노력하고 있지만 인종적 다양성보다 성별 다양성을 개선하기 위해 더 많은 노력을 기울이고 있습니다. 응답자의 46%는 다양성 중심의 전문 협회와 협력하여 후보자를 모집하는 등의 단계를 통해 AI 솔루션을 개발하는 팀 내에서 성별 다양성을 높이기 위한 적극적인 프로그램을 조직에서 가지고 있다고 말했습니다. 1/3은 자신의 조직이 인종 및 민족적 다양성을 증가시키는 프로그램을 가지고 있다고 말했습니다. 또한 AI 솔루션에 종사하는 여성 또는 소수 민족이 있는 조직에는 종종 이러한 직원의 경험을 해결하기 위한 프로그램이 있습니다.

이전 McKinsey 연구 와 마찬가지로 이 연구는 다양성과 성과 사이의 상관관계를 보여줍니다. AI 개발 직원 중 최소 25%가 여성이라고 응답한 조직은 다른 조직보다 AI 고성과자일 가능성이 3.2배 더 높습니다. AI 개발 직원의 4분의 1 이상이 소수 인종이거나 소수 민족인 직원은 AI 고성과자일 가능성이 2배 이상 높습니다.

우리는 장애가 있는 개인이 우리 웹사이트에 동등하게 접근할 수 있도록 노력합니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주십시오.

연구에 대해

온라인 설문조사는 2022년 5월 3일부터 5월 27일까지 그리고 2022년 8월 15일부터 8월 17일까지 현장에서 진행되었으며, 지역, 산업, 회사 규모, 기능별 전문 분야 및 재임 기간을 모두 대표하는 1,492명의 참가자로부터 응답을 받았습니다. 응답자 중 744명은 자신의 조직이 적어도 하나의 기능에서 AI를 채택했다고 말했으며 조직의 AI 사용에 대한 질문을 받았습니다. 응답률의 차이를 조정하기 위해 각 응답자의 국가가 세계 GDP에 기여하는 정도에 따라 데이터에 가중치가 부여됩니다.

저자 소개

설문 조사 내용 및 분석 은 McKinsey Global Institute의 파트너이자 McKinsey Bay Area 사무소의 파트너인 Michael Chui 가 개발했습니다 . Bryce Hall , 워싱턴 DC 사무실의 협력 파트너; Helen Mayhew , 시드니 사무소 파트너; 그리고 McKinsey의 AI인 QuantumBlack의 글로벌 리더인 시카고 사무소의 수석 파트너인 Alex Singla 와 런던 사무소의 수석 파트너인 Alex Sukharevsky가 있습니다.

저자는 이 작업에 기여한 Sanath Angalakudati, Medha Bankhwal, David DeLallo, Heather Hanselman, Vishan Patel 및 Wilbur Wang에게 감사를 표합니다.