GCC 국가의 AI 상태 및 채택 문제를 극복하는 방법 2023년 5월 30일| 기사

[힘힘]

GCC 국가의 AI 상태 및 채택 문제를 극복하는 방법

2023년 5월 30일| 기사

연구에 따르면 AI 활용도는 여전히 낮으며 이 지역의 기업들이 AI의 잠재적으로 높은 보상을 포착하는 것을 지연시키는 장애물을 극복할 수 있는 방법을 지적합니다.

다운로드

기사(12페이지)

McKinsey 연구에 따르면 인공 지능(AI)은 중동의 GCC(Gulf Cooperation Council) 국가에서 최대 1,500억 달러의 실질적인 가치를 제공할 수 있는 잠재력을 가지고 있습니다.1GCC 국가 총 GDP의 9% 이상에 해당하지만, 생성 AI와 같은 AI 기술이 발전하는 속도를 보면 이 수치를 빠르게 뛰어넘을 수 있음을 알 수 있습니다.2

사이드바

저자 소개

이 지역의 조직이 AI의 가치를 포착하기 위해 이미 어떻게 움직이고 있는지에 대한 예가 잘 알려져 있습니다. 두바이에 본사를 두고 전 지역에서 사업을 운영하는 Careem은 AI를 사용하여 음식 배달, 결제 및 운송 플랫폼에서 35,000명의 사기 사용자를 차단했다고 말합니다.삼Dubai Electricity and Water Authority에서 배포한 AI 기반 가상 도우미는 2017년 출시 이후 약 680만 건의 쿼리에 응답했습니다.4그리고 사우디 아라비아의 Aramco에 있는 4차 산업 혁명 센터는 데이터와 AI를 사용하여 상태를 모니터링하고 예방 조치를 취함으로써 2010년 이후 플레어 배출량을 50% 줄였다고 말합니다.5

공유하다

사이드바

우리의 방법론

그러나 그러한 예는 지역 전체에 걸쳐 AI가 광범위하고 빠르게 채택되었음을 나타내는 것입니까, 아니면 채택이 느리기 때문에 정확하게 눈에 띄는 것입니까? 상황을 더 잘 파악하기 위해 우리는 GCC Board Directors Institute와 협력하여 6개 GCC 국가의 5개 주요 부문에서 119명의 고위 경영진 및 이사회 이사를 대상으로 온라인 설문 조사와 21명의 응답자와 21명의 인터뷰를 실시했습니다. ”).

우리는 그 결과가 GCC의 보다 광범위한 상태를 나타내는 것이라고 믿습니다.

언뜻 보기에 상황은 비교적 고무적이다. 응답자의 62%는 AI가 조직에서 적어도 하나의 비즈니스 기능에 사용되고 있다고 답했으며, 이는 이전 글로벌 연구(도표 1)에서 밝혀진 바와 같이 대략 북미와 동등한 수준입니다.6그러나 그 수치는 아직 개발되지 않은 중요한 가치를 가리고 있습니다.

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.

이 기사에서는 설문 조사에 참여한 회사가 현재 AI를 배포하기 위해 노력을 집중하고 있는 부분을 식별하고 그 초점에 대한 몇 가지 이유를 나타냅니다. 또한 미개발 가치가 있는 곳과 그 규모를 지적하고 GCC 회사가 포착을 지연시킬 수 있는 장애물을 극복할 수 있는 방법을 제안합니다.

플레이 상태

걸프협력회의(GCC) 국가에서는 다양한 분야에서 다양한 속도로 AI를 채택하고 있습니다. 설문 조사에 따르면 소매 회사가 가장 큰 진전을 이루었습니다. 해당 부문 응답자의 75%가 자신의 회사가 적어도 하나의 비즈니스 기능에서 AI를 채택했다고 말했습니다. 금융 서비스 및 자본 프로젝트 및 인프라(CP&I) 부문의 응답자들은 자신의 회사가 동일한 척도에서 더 적은 진전을 보였다고 말했습니다(표 2).

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.

서로 다른 요인이 서로 다른 부문에서 채택 속도를 주도할 가능성이 있습니다. 예를 들어, 많은 에너지 및 소재 회사는 국제적으로 경쟁이 치열한 시장에서 운영되고 AI가 제공하는 기회를 포착하여 생산, 유통 및 유지 관리의 효율성을 높이고자 하기 때문에 AI에 대한 초기 투자자였습니다. 한 인터뷰 대상자는 "이 분야의 많은 기업들이 글로벌 무대에서 경쟁하기 위해 AI를 빠르게 채택하고 있음을 알게 될 것입니다."라고 말했습니다.

가장 인기 있는 인사이트

1. 모든 CEO가 생성 AI에 대해 알아야 할 사항
2. 2023년 조직 현황: 조직을 변화시키는 10가지 변화
3. 2023년 뷰티 시장: 특별 패션 현황 보고서
4. 나이는 숫자에 불과하다: 건강한 노화에 대한 노인의 시각
5. AI 기반 마케팅 및 영업은 제너레이티브 AI를 통해 새로운 차원에 도달합니다.

설문 조사 참가자 중 가장 빠르게 AI를 채택한 소매 회사는 소비자 통찰력을 얻고 가격 책정 및 판촉 정보를 제공하기 위해 오랫동안 채굴한 방대한 양의 데이터를 보유하고 있습니다. 인터뷰 대상자들은 소매업체가 현재 동일한 데이터를 사용하여 AI 배포를 시작하고 있다고 제안합니다. 반면에 중동 건설 산업의 많은 회사는 아직 AI 모델을 교육하는 데 필요한 데이터를 수집할 수 없거나 보유한 것을 결합하는 데 필요한 기능이 없습니다.

크기도 문제다. 건설 산업은 주로 하청업체와 소규모 회사로 구성되어 있으며, 이들 중 다수는 AI에 필요한 데이터를 수집하는 데 사물 인터넷(IoT) 기술을 사용하지 않습니다. 업계 전문가에 따르면 이로 인해 데이터를 효과적으로 캡처하기 어려울 뿐만 아니라 AI의 초기 비용을 감당할 수 없게 만듭니다. 금융 서비스 분야의 소기업도 비슷한 문제에 직면해 있습니다. 몇몇 응답자는 AI를 회사가 아직 수행할 의향이 없는 값비싼 투자로 보고 있다고 말했습니다.

금융 서비스 분야에서 인터뷰 대상자들은 규제 장애물도 있다고 말합니다. 일부 국가에서는 규제 기관이 특정 데이터를 퍼블릭 클라우드에 해외에 저장하는 것을 허용하지 않습니다. 그리고 응답자들은 위험 관련 AI 모델의 잠재적 가치를 보고 있지만 금융 규제 당국이 아직 해당 위험 프레임워크를 수립하지 않아 AI 배포에 대한 규제 승인을 얻기가 어렵다고 말했습니다.

그러나 이 연구는 또한 현재 AI를 배치하고 있는 기업들이 AI가 제공할 수 있는 것의 표면을 거의 긁지 못했다는 것을 시사합니다. 우선 업계 전문가에 따르면 고급 기계 학습 분석 및 AI 모델을 사용하는 회사는 거의 없습니다. 예를 들어 에너지 및 재료 부문의 회사는 일반적으로 제어 프로세스에 선형 회귀 기반 분석 기술을 사용합니다. 한 업계 전문가는 현재 소수의 다운스트림 정제소만이 머신 러닝 모델을 사용하여 엔드 투 엔드 프로세스를 최적화하여 배럴당 최대 1달러의 절감 효과를 실현하고 있다고 말합니다. 또한 많은 비즈니스 운영에서 AI가 사용되고 있지 않습니다(자료 3). 설문 조사에서 가장 많이 적용되는 영역은 마케팅 및 영업이지만 응답자의 1/3만이 이 기능에 AI를 사용한다고 보고했습니다. 그 수치는 다른 기능에서 빠르게 낮아집니다.

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.

AI의 가치 활용에 대한 고성과 기업의 교훈

이전 McKinsey 분석에서는 전 세계적으로 적용되는 경우 다양한 산업에서 다양한 AI 사용 사례의 가치와 해당 가치가 비즈니스 활동에 따라 어떻게 분배되는지 평가했습니다.7

예를 들어, 소매 및 소비재에서 분석된 공급망 관리 및 제조 사용 사례는 전 세계 산업 판매의 각각 약 2.6% 및 1.8%에 해당하는 가치를 창출할 수 있는 잠재력이 있었습니다. 금융 서비스에서는 사기 적발 및 부채 관리와 같은 위험 사용 사례에 큰 기회가 있습니다. 표 4는 설문 조사에 참여한 회사의 현재 채택 수준과 관련하여 비즈니스 활동별로 특정 부문에서 기회의 크기를 나타냅니다.

소매 및 소비재에서 공급망 관리 및 제조 분야의 AI 사용 사례는 전 세계 산업 판매의 각각 2.6% 및 1.8%에 해당하는 가치를 창출할 수 있는 잠재력이 있었습니다.

예를 들어 설문 조사 응답자에 따르면 소매 부문에서는 공급망 관리 및 제조 사용 사례에 상당한 가치가 있지만 이러한 활동에 대한 채택률은 낮습니다. 금융 서비스나 에너지 및 재료의 마케팅 및 판매 위험도 마찬가지입니다.

전시 4

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.

AI 기술과 새로운 작업 방식을 도입하려면 높은 수준의 조직적 변화가 필요하기 때문에 이러한 잠재력을 포착하는 것은 결코 쉬운 일이 아닙니다. 그러나 지난 5년 동안 우리의 글로벌 작업과 연구는 AI에서 수익의 20% 이상을 창출하는 고성과 기업을 다른 기업과 차별화하는 것이 무엇인지를 분명히 했습니다.8

표 5에는 전략, 조직 및 인재, 데이터 및 기술, 채택 및 확장이라는 네 가지 영역에서 고성과 기업이 AI 역량을 구축하기 위해 취하는 조치가 나열되어 있습니다. 또한 GCC 설문 조사 응답자들이 동일한 영역에서 회사의 성과를 어떻게 보는지 보여줍니다. 예를 들어, 30%만이 자신의 회사가 명확하게 정의된 AI 전략을 가지고 있거나 회사에 적절한 인재가 있다고 말합니다. 데이터 및 기술 분야에서는 35%만이 자신의 회사가 AI를 지원하는 기술 인프라와 아키텍처를 보유하고 있다고 느끼는 반면 효과적인 변경 관리 프로그램이 마련되어 있다고 말하는 비율은 25%에 불과했습니다. 응답자의 약 50% 이상이 자신의 회사가 좋은 위치에 있다고 답한 경우는 전혀 없었습니다.

전시 5

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

물론 이러한 평균은 섹터 간의 중요한 차이를 숨깁니다. 설문 조사 그룹에서 응답자들은 에너지 및 소재 기업이 거의 모든 분야에서 앞서 있다고 밝혔습니다. AI 강화의 핵심인 클라우드 채택은 소매업에서 가장 높지만 여기에서도 회사의 AI 전략에 대한 인식이 낮아 통합된 전사적 전략보다는 AI 사용에 대한 단편적인 접근 방식을 암시합니다. 그러나 부문별 차이를 제외하고는 설문 조사에 참여한 모든 기업이 AI 채택을 가속화하고 그 잠재력을 실현할 여건을 조성하기 위해 해야 할 상당한 노력이 있다는 점을 알 수 있습니다.

가속 계획

우리는 설문 응답자에게 전략, 조직 및 인재, 데이터 및 기술, 채택 및 확장의 네 가지 영역 중 필요한 AI 역량을 구축하는 데 있어 회사에 가장 큰 문제가 되는 영역을 표시하도록 요청했습니다. 조직과 재능이 목록의 맨 위에 나왔습니다. 응답자의 37%는 이것이 가장 큰 관심사라고 말했고, 데이터 및 기술(26%), 채택 및 확장(21%), 전략(15%)이 그 뒤를 이었습니다.

이를 염두에 두고 우리는 인터뷰 대상자들과 함께 GCC 기업들이 네 가지 영역에서 각각 직면하고 있는 몇 가지 정확한 문제와 이를 극복할 수 있는 방법을 탐구했습니다. 이 지역 기업의 AI 채택을 가속화하는 데 도움이 될 수 있는 몇 가지 조치가 나타났습니다(표 참조).

테이블. 걸프협력회의(Gulf Cooperation Council) 국가의 조직은 4가지 주요 영역의 과제를 해결함으로써 AI 채택을 가속화할 수 있습니다.

사업 영역도전솔루션

전략	AI 전략과 기업 전략의 연결	인지도 구축을 통해 고위 경영진의 승인 보장 비즈니스 주도 사용 사례 로드맵 개발 전략을 전달하고 경영진이 책임을 지도록 합니다.
조직과 인재	AI 인재 양성	매력적인 가치 제안 작성 역외 서비스 고려 역량 구축에 투자 학계와 협력
데이터 및 기술	고품질 데이터 파이프라인 및 최신 기술 스택 구축	데이터를 제품으로 관리하여 장단기 가치 제공 유연한 기술 아키텍처 구축
채택 및 확장	AI 채택을 공통 미션으로 만드는 것에 대한 저항 극복	분석을 사용자 친화적으로 만들기 IT 팀과 비즈니스 팀 간의 협업 구축 변경 관리 프로그램 시작

전략

AI에서 가장 많은 가치를 창출하는 기업은 AI를 기업 전략에 연결하는 전략을 가지고 있습니다. 즉, 비즈니스의 중요한 영역을 개선하기 위해 AI를 배치하는 것입니다. 이를 실현하기 위해 회사는 다음 단계를 수행할 수 있습니다.

인식을 구축하여 고위 경영진의 동의를 얻습니다. 아마도 강력한 AI 전략의 가장 중요한 기본 원동력은 고위 경영진의 강력한 의지일 것입니다. AI 예산이 없으면 AI 예산이 없을 수 있습니다. AI 배포에는 필연적으로 데이터, 기술 및 분석 인재에 대한 지출과 분석을 비즈니스 프로세스 워크플로우에 포함시키는 데 지출해야 함에도 불구하고 설문 응답자의 60%가 확인한 문제입니다. 우리의 글로벌 연구에서 성과가 높은 사람들은 AI에 대한 강력한 리더십 의지를 가질 가능성이 다른 사람들보다 거의 2배 더 높고 디지털 기술 예산의 20% 이상을 AI 관련 기술에 지출할 가능성이 8배 더 높습니다.

그러나 리더가 AI 모델과 잠재적 사용 사례, 그리고 궁극적으로 AI의 변혁적 힘을 이해하지 않는 한 리더십에 대한 약속이 나올 가능성은 낮습니다. 그러나 이것은 종종 사실이 아닙니다. 금융 서비스 부문의 한 인터뷰 대상자는 "고위 경영진은 AI가 비즈니스 운영에서 어떻게 사용될 수 있는지, 그리고 그것을 채택하기 위해 무엇을 해야 하는지에 대한 인식이 없습니다."라고 말합니다. "CP&I 부문의 AI는 시간 집약적이고 비용이 많이 들며 오류가 발생하기 쉬운 것으로 간주됩니다."

더 많은 인식을 촉진하는 한 가지 방법은 회사 이사회에 디지털 기술의 가치를 이해하는 전문가를 포함시키는 것입니다. 그렇지 않으면 이사회는 영향이 불분명한 영역에 대규모 투자를 꺼릴 수 있습니다. 한 인터뷰 대상자는 "이사회 구성원들은 당연하게도 미지의 영역으로 모험을 떠나기보다는 익숙한 비즈니스 문제를 처리하는 데 더 편안함을 느낍니다."라고 말했습니다.

비즈니스 주도 사용 사례 로드맵을 개발합니다. 여러 인터뷰 대상자들은 조직이 통합된 장기 비전 없이 AI 사용 사례를 시험하면서 AI 채택에 대한 단편적인 접근 방식을 가지고 있다고 말했습니다. AI 전환 1년차와 2년차에 개발될 사용 사례와 순서를 명확하게 설명하는 로드맵이 도움이 될 것입니다. 단기적으로는 가장 큰 영향을 미칠 사용 사례에 우선순위를 두어야 합니다. 목표는 AI의 가치를 신속하게 입증하고 열정을 구축하는 것입니다. 비즈니스 영향을 염두에 두고 사용 사례를 식별하고 우선 순위를 지정할 때 비즈니스 팀이 IT 팀과 긴밀히 협력하는 것도 중요합니다. 그리고 각 사용 사례에 대해 이상적으로는 비즈니스에서 한 사람이 비즈니스와의 관련성을 보장하기 위해 개발 및 배포를 담당해야 합니다.

전략을 전달하고 경영진이 책임을 지도록 합니다. 일단 결심한 고위 리더는 사람들이 위험에 처한 가치를 이해하고 AI 기술 및 사용 사례에 익숙해지도록 하고 고위 및 중간 관리자가 AI 전략 실행에 대한 책임을 지도록 함으로써 전략이 전체 조직에 적용되도록 해야 합니다.

조직과 인재

잘 짜여진 AI 전략의 힘은 그것을 구현하는 사람들에게 달려 있습니다. 이것이 올바른 기술을 가진 사람들을 유치하기 위해 기업들 사이에 경쟁이 치열한 이유이며, 우리의 글로벌 연구에서 우수한 성과를 내는 사람들이 자신의 기술. 그들은 잘 정의된 내부 교육 프로그램을 가지고 있을 가능성이 다른 사람들보다 3배 더 높습니다.

높은 수요는 기술 인재뿐만 아니라 데이터 과학자 및 AI 엔지니어에 대한 것입니다. AI 사용 사례의 구현은 데이터 엔지니어, 데이터 설계자, 데이터 시각화 전문가 및 분석에서 생성된 인사이트가 영향력으로 변환되도록 돕는 사람들을 포함하는 교차 기능 팀에 따라 달라집니다. 여기에는 AI 애플리케이션 개발 및 채택을 감독하는 제품 관리자와 비즈니스 리더와 기술 전문가 사이에 다리를 형성하는 분석 번역가가 포함됩니다.

인터뷰 대상자 중 몇몇은 이러한 역할을 수행하는 것이 가장 큰 인재 과제라고 말합니다. 한 지역 은행의 한 직원은 자신의 회사가 그 중요성을 늦게 깨달았고 그 결과 AI 사용 사례를 채택하는 비즈니스 팀 사이에서 그들이 부적절하다고 느끼며 저항에 부딪혔다고 말했습니다.

다른 인터뷰 대상자들은 경쟁이 치열한 글로벌 시장에서 인재를 유치하는 것이 AI의 성숙도가 상대적으로 부족한 GCC 기업에게 더 어려울 수 있음을 인식하고 있습니다. 그들은 매력적인 보상 패키지를 제공할 수 있을지 모르지만 기술이 지속적으로 발전하는 분야에서 인재는 보상뿐만 아니라 성장 및 학습의 기회에 매력을 느낍니다. 이는 인재가 종종 실리콘과 같은 기술 클러스터에 끌리는 이유를 설명합니다. 작업자에게 최신 아이디어와 개발을 제공하는 밸리.

이러한 문제를 극복하고 설문 조사 응답자의 70%가 현재 회사에 적절한 AI 인재 조합이 없다고 답한 것을 기억하려면 GCC 기업은 강력한 인재 유치 및 유지 전략이 필요할 것입니다. 다음 조치는 하나를 구축하는 데 도움이 될 수 있습니다.

매력적인 가치 제안을 만드십시오. 최고의 AI 작업자는 높은 수준의 자율성을 가지고 가장 흥미로운 문제에 대해 작업하기를 원하며 가장 가치 있는 자산인 기술을 개발하는 데 도움이 되는 경력 경로를 원합니다. 따라서 GCC 회사는 고용에 대해 완전한 접근 방식을 취해야 할 수 있습니다. 한 인터뷰 대상자는 자신의 회사가 이전 역할을 조정하려고 시도하기보다 글로벌 벤치마크에 따라 분석 전문가를 위한 새롭고 잘 정의된 역할과 경력 경로를 범위 지정하고 목적 중심 제안을 개발한 이후로 인재를 더 성공적으로 유치했다고 말합니다.9"우리는 사람들이 도전적이고 흥미로워하는 인재를 위한 역할과 기회를 만들어야 한다는 것을 깨달았습니다."라고 그는 말합니다.

해외 서비스를 고려하십시오. 일부 GCC 회사는 해외 서비스를 사용하여 AI 리소스를 강화하여 AI 전략을 시작하고 최첨단 사용 사례를 개발하도록 돕습니다. 한 응답자는 "우리는 기업이 인도와 같은 곳에서 사용할 수 있는 인재 풀을 활용하여 탁월한 성과를 거두는 것을 보았습니다."라고 말했습니다.

역량 구축에 투자하십시오. 역외 서비스는 유용하지만 현재 인력의 숙련도를 높이는 프로그램을 대체할 수 없습니다. 이는 AI 기술 및 사용 사례(AI 우선 사고방식)의 중요성에 대한 일반적인 인식을 구축하고 중요한 분석 역할을 수행하는 수단입니다. 비즈니스에 가깝고 우선 순위를 이해하는 사람들은 종종 절실히 필요한 AI 번역가 및 제품 관리자가 되기 위해 기술 교육을 받을 수 있습니다. 은행 부문의 한 응답자는 자신의 회사가 이러한 방식으로 관리자를 교육하는 인상적인 결과를 보았다고 말했습니다.

학계와 협력하십시오. 일부 인터뷰 대상자들은 GCC 기업들이 종종 대규모 국제 기술 기업에 합류하는 것을 목표로 하는 지역 대학 및 연구 기관의 학생들을 유치할 기회를 놓치고 있다고 말합니다. 연구 자금을 지원하거나 특정 프로젝트에 협력하여 이러한 기관과 더 나은 관계를 발전시키면 GCC 기업이 수행하는 작업과 문화에 대한 학생들의 인식을 높일 수 있습니다.

데이터 및 기술

신뢰할 수 있고 쉽게 액세스할 수 있는 데이터를 보유한 조직은 솔루션을 빠르고 정확하게 제공할 수 있습니다. 우리의 글로벌 연구에서 성과가 높은 기업은 데이터를 AI 모델에 신속하게 통합할 수 있는 가능성이 다른 기업보다 거의 4배 더 높습니다. 그러나 인터뷰 대상자들은 고품질 데이터를 구축하는 것이 끝없는 도전처럼 보일 수 있다고 말합니다. 한 사람은 이를 데이터 함정, 즉 데이터 제품을 올바르게 가져오려는 끊임없는 노력으로 인해 가치 생성이 영원히 지연된다고 설명합니다. 또한 성과가 높은 기업은 데이터를 효율적으로 사용할 수 있는 최신 기술을 보유하고 있을 가능성이 높습니다. 그러나 너무 자주 기업의 분리된 기술 이니셔티브는 구축, 관리 및 유지 관리에 비용이 많이 드는 맞춤형 기술 아키텍처의 얽힘과 노력의 중복을 초래합니다. 그렇다면 별로 놀라운 일이 아닙니다. 설문 응답자의 50%는 회사에 명확한 데이터 전략이 없다고 답했고 65%는 강력한 AI 결과를 가능하게 하는 기술 인프라와 아키텍처가 없다고 답했습니다. 다음을 포함하여 문제를 개선하는 데 도움이 되는 다양한 기회가 있습니다.

데이터를 제품으로 관리하여 단기 및 장기적 가치를 제공합니다. 우수한 데이터 제품은 액세스하기 쉽고 다양한 비즈니스 과제에 적용할 수 있는 제품입니다. 그러나 그러한 제품을 만드는 것은 종종 오랜 노력이 필요할 수 있습니다. 데이터 투자에서 더 빨리 가치를 거두기 위해 일부 회사는 소비자 제품 개발과 동일한 방식으로 데이터 제품을 개발합니다. 자동차 회사가 판매를 극대화하기 위해 다양한 사용자에게 맞춤화할 수 있는 표준 모델을 설계하는 것처럼 회사는 맞춤화할 수 있는 기본 데이터 제품을 설계할 수 있습니다. 기능이 추가되고 제품이 발전함에 따라 더 많은 가치를 위한 길을 닦는 동시에 오늘날 가치를 제공하는 데 도움이 될 수 있습니다.10여전히 조직의 전체 데이터에 대해 천편일률적인 접근 방식을 적용하기보다는 비즈니스 요구 사항에 의해 주도되는 우수한 데이터 거버넌스에 많은 것이 좌우될 것입니다. 실제로 이 지역의 일부 조직은 고품질 데이터 표준을 보장하기 위한 노력이 지금까지 AI 성공의 많은 부분을 뒷받침했다고 말합니다.11

유연하고 현대화된 기술 아키텍처를 구축합니다.많은 조직이 어려운 방법을 통해 배웠듯이 레거시 기술은 AI 중심 세계에서 목적에 거의 적합하지 않으며 이를 적용하는 데 많은 비용과 시간이 소요됩니다. 또한 AI 기술이 발전함에 따라 기술적 부채와 복잡성이 증가할 위험도 있습니다. 따라서 기업은 오늘날의 목적에 적합한 것 이상으로 생각해야 하며, 대신 모듈식 하이브리드 인프라를 고려해야 합니다. 즉, 사용 가능한 최상의 기술을 엔드투엔드 프로세스 내부에 쉽게 통합하고 전체 프로세스를 중단하지 않고 새로운 기술로 쉽게 교체할 수 있는 인프라입니다. 온 프레미스 및 클라우드 스토리지와 컴퓨팅 성능을 모두 포함하는 시스템입니다. 우리의 글로벌 연구에서 성과가 높은 기업은 새로운 AI 사용 사례를 신속하게 수용할 수 있는 모듈식 데이터 아키텍처를 보유할 가능성이 다른 기업보다 2.5배 더 높습니다.

우리의 글로벌 연구에서 성과가 높은 기업은 새로운 AI 사용 사례를 신속하게 수용할 수 있는 모듈식 데이터 아키텍처를 보유할 가능성이 다른 기업보다 2.5배 더 높습니다.

채택 및 확장

성과가 높은 기업이 기술을 일상적인 비즈니스 프로세스에 통합할 가능성이 거의 1.5배 더 높다는 사실은 성공을 의미합니다. “조직은 작은 성공을 과장합니다. 조직이 진정으로 AI를 채택하려면 디지털 우선, 데이터 중심 사고 방식으로의 근본적인 변화가 필요합니다. 그리고 UAE에 기반을 둔 소매 회사의 한 임원은 "지난 몇 년 동안 많은 파일럿을 수행했지만 실제로 AI를 채택한 적은 없다고 말하고 싶습니다."라고 말합니다.

인터뷰 대상자에 따르면 AI에 대한 야망이 높은 기업도 파일럿을 더 광범위한 비즈니스 운영에 포함시키는 데 있어 저항에 직면할 수 있습니다. 문제의 일부는 AI 모델이 작동하는 방식을 설명하기 어려울 수 있고 AI 모델이 가치를 제공할 것이라는 점을 받아들이기가 너무 어렵다는 것입니다. 또 다른 하나는 업무가 변경되거나 AI 배포에 필요한 기술이 없다는 직원들의 두려움입니다. 다음 조치는 저항을 극복하는 데 도움이 될 수 있으며 AI를 일상적인 작업에 채택하는 것을 협업 과제로 만듭니다.

분석을 사용자 친화적으로 만드십시오. 저항을 극복하기 위해 기업은 API 지원 미들웨어와 같은 기술 도구와 직관적인 대시보드, 추천 엔진 및 모바일 앱과 같은 지원 도구의 올바른 조합이 필요합니다. 목표는 매장 관리자이든 임상 실험실 전문가이든 관계없이 의사 결정을 내리는 사람들에게 분석을 사용자 친화적이고 관련성 있게 만드는 것입니다.

IT 팀과 비즈니스 팀 간의 협업을 구축합니다. 논의한 바와 같이 비즈니스 팀은 IT와 협력하여 비즈니스에 영향을 미치도록 AI 사용 사례를 도입하기 위한 로드맵을 개발해야 합니다. 그러나 그러한 협력은 공동 사명감을 통해 채택을 촉진하는 데에도 도움이 될 것입니다. 성과가 좋은 회사는 AI 애플리케이션을 구축하고 개선하기 위해 비즈니스 팀과 기술 팀 간의 협업 프로세스를 가질 가능성이 다른 회사보다 두 배 더 높습니다.

변경 관리 프로그램을 시작하십시오. 기업은 AI 사용을 확장하는 데 변경 관리가 얼마나 중요한지 인식하지 못하는 경우가 많습니다. 설문 조사에서 응답자의 75%가 회사에 효과적인 AI 변경 관리 프로그램이 없다고 답했음을 상기하십시오. 대신 올바른 데이터 및 인재 확보와 같은 보다 즉각적인 문제에 집중합니다. 그러나 직원들이 일상 업무에서 AI를 사용하지 않는다면 파일럿에서 얻은 통찰력은 낭비됩니다. 반면에 성과가 높은 기업은 AI 채택을 회사 전체의 공유 미션으로 만들기 위해 변경 관리 프로그램을 구현할 가능성이 1.5배 더 높습니다.12

강력한 변경 관리 프로그램에는 모든 사람에게 AI의 중요성을 전달하고, 기술 구축 기회를 제공하고, 역할 모델이 새로운 작업 방식을 시연하도록 보장하는 커뮤니케이션 계획이 포함되어야 합니다. 설문 조사에 포함된 한 UAE 기반 회사는 고위 경영진이 후원하는 변경 관리 프로그램을 보유하고 있으며, AI 사용 사례 및 가치 잠재력에 대한 인식을 높이고, 달성한 영향을 홍보하고, 조직 전체에서 AI 채택에 대한 보상을 제공합니다.

---

AI는 걸프협력회의(GCC)의 기업 운영 방식을 변화시켜 기업과 기업이 운영하는 경제를 위한 가치를 창출할 수 있는 힘을 가지고 있습니다. 그럼에도 불구하고 설문 조사에 따르면 많은 기업이 이 기술을 더디게 수용하고 있습니다.

이 기사에서 권장하는 단계는 채택을 지연시킬 수 있는 연구에서 표면화된 문제를 해결하는 것을 목표로 하므로 이를 변경하는 데 도움이 될 수 있습니다. AI 위험 관리와 같은 다른 문제에도 주의가 필요합니다.13그리고 기업만이 경제에서 AI 채택을 높일 수 있는 유일한 조직은 아닙니다. 정부도 해야 할 역할이 있다.14그러나 GCC 기업이 아직 개발하지 않은 가치가 얼마나 되는지에 대한 인식은 그들이 단호하고 지체 없이 행동하도록 격려해야 합니다. AI 채택은 종종 느리고 어려운 과정일 수 있지만 상은 가치가 있을 수 있습니다.

저자 소개

Vinay Chandran 은 McKinsey 두바이 사무소의 파트너이며 Ankit Fadia 는 준 파트너, Tom Isherwood 는 수석 파트너, Karan Soni 는 컨설턴트입니다. Nikhil Shah 는 리야드 사무실의 컨설턴트입니다.

저자는 이 기사에 기여한 Saadi Azeem, Ankit Bisht, David DeLallo, Jigar Patel, Erdem Senol, Hans-Martin Stockmeier 및 Nitasha Walia에게 감사드립니다. 그들은 또한 GCC Board Directors Institute의 Jane Valls와 Neelam Bhatia에게 감사를 표합니다.