성공을 위한 AI 확장: 지속적인 영향력을 위한 4가지 기술 지원 요소

[힘힘]

성공을 위한 AI 확장: 지속적인 영향력을 위한 4가지 기술 지원 요소

조직은 AI를 확장하면서 복잡한 데이터 세트, 구식 모델, 보안 문제 등으로 어려움을 겪고 있습니다. 네 가지 기술 지원 요소는 비용을 절감하는 동시에 효율성을 높이는 데 도움이 될 수 있습니다.

2023년 9월 27일작성자: Gerry Aue, Pepe Cafferata , Roman Drapeko, Margaux Penwarden, Vaibhav Sinha

AI는 산업에 혁명을 일으키고 조직의 운영 방식을 재정의하는 변혁적인 힘으로 부상했습니다. 한 조직의 평균 AI 역량 수가 지난 5년 동안 두 배로 늘어 났습니다 . AI와 머신러닝(ML)의 급속한 성장은 혁신을 주도하고 효율성을 높이며 비즈니스를 위한 새로운 수익원을 창출할 수 있는 엄청난 잠재력을 입증합니다. 조직의 리더들은 후속 AI 사용 사례나 애플리케이션을 통해 시장 출시 속도를 높이고 비용을 절감할 수 있을 것으로 기대하는 경우가 많습니다.

그러나 많은 조직에서는 AI 노력을 확장하면서 이러한 추진력을 유지하는 데 어려움을 겪고 있습니다. 그들은 납품 일정이 길어지는 심각한 문제에 직면하는 경우가 많습니다. 많은 조직이 성공적으로 실험을 수행하고 개념 증명 모델을 생성할 수 있지만 프로덕션 준비 모델로 전환하는 데 어려움을 겪고 있습니다. 조직이 ML 모델을 성공적으로 구축하고 실행하더라도 모델의 성능은 결국 저하되거나 기본 데이터 또는 비즈니스 요구 사항의 변경으로 인해 쓸모 없게 될 위험이 있습니다. AI 확장은 조직이 보안, 규제 및 윤리 준수에 대한 높은 표준을 유지하도록 보장하는 것 외에도 생산성 저하와 같은 자체적인 위험을 초래합니다. AI 프로젝트가 확장됨에 따라 데이터 팀은 복잡성 증가로 인해 생산성을 유지하는 데 어려움을 겪을 수도 있습니다.

우리는 연구를 통해 조직이 AI를 성공적으로 확장하기 위해 사용해야 하는 4가지 기술 지원 요소를 식별했습니다. 즉, 기능 저장소와 같은 데이터 제품 통합, 코드 자산 사용, 표준 및 프로토콜 구현, MLOps(기계 학습 작업)의 기술 기능 활용입니다. 다양한 수준의 데이터 및 AI 성숙도를 갖춘 여러 조직이 성공적인 구현을 통해 입증했듯이 이 네 가지 지원 요소는 AI와 관련된 일반적인 과제를 해결할 수 있습니다.

데이터 제품: 특성 저장소의 힘

기능 저장소와 같은 데이터 제품은 출시 시간을 단축하고 AI 및 기계 학습 사용 사례에 신뢰를 더합니다.

새로운 ML 모델을 개발할 때 데이터 팀은 데이터 품질, 개발 가용성, 모델 유지 관리 및 모니터링과 관련된 문제에 자주 직면합니다. 데이터에는 모델 개발 속도와 모델 성능 품질에 영향을 미치는 오류, 누락된 값, 편향 또는 이상값이 포함될 수 있습니다. 또한 비효율적인 데이터 거버넌스로 인해 다양한 소스의 데이터에 액세스하고 통합하기 어려울 수 있습니다. 이러한 과제는 궁극적으로 조직의 개발 및 유지 관리 비용을 증가시키고 데이터에서 의미 있고 실행 가능한 통찰력을 생성하는 능력에 영향을 미칩니다.

조직은 포괄적인 범위의 데이터 제품을 제공함으로써 이러한 과제를 극복할 수 있습니다 . 특히 피처스토어는 AI 촉진제로 등장했다. 기능(ML 모델이 고려하는 신호)을 저장, 관리 및 공유하기 위한 중앙 집중식 마켓플레이스인 기능 저장소는 기능 엔지니어링 프로세스를 최적화하고 다양한 프로젝트에서 일관성을 만듭니다. 데이터 과학자가 기능을 협업하고 재사용할 수 있는 통합 플랫폼을 제공함으로써 기능 저장소는 노력의 중복을 제거하고 ML 모델의 개발 및 배포를 가속화하는 데 도움이 됩니다.

피처 스토어는 새로운 사용 사례로 지속적으로 풍부해지기 때문에 팀은 이러한 추가 기능을 즉각적인 사용 사례와 향후 사용 사례에 활용할 수 있습니다. 예를 들어 이탈 모델을 작업하는 데이터 과학자는 고객 특성을 생성하여 특성 저장소에 추가합니다. 나중에 위험 모델을 구축하는 다른 팀은 동일한 기능을 새로운 결과물의 기반으로 사용할 수 있습니다. 특성 저장소가 없으면 데이터 과학자는 이러한 특성을 처음부터 구축하는 데 시간을 소비해야 합니다. 대신 각각의 새로운 사용 사례는 이전에 구축된 기능을 재사용하고 용도를 ​​변경하여 개발 시간을 단축하고 보다 일관된 출력을 생성할 수 있습니다.

Feature Store는 개별 사용 사례의 개발을 가속화할 뿐만 아니라 기능의 버전 제어를 유지하고 데이터 계보를 추적하는 데 도움을 주어 AI/ML 파이프라인의 전반적인 품질과 거버넌스를 크게 향상시킵니다. 간소화된 기능 관리와 개선된 거버넌스가 결합되어 더욱 정확하고 효과적이며 신뢰할 수 있는 ML 모델이 탄생합니다. 또한 특성 저장소는 조직 전체에서 AI/ML 프로젝트의 확장을 촉진할 수 있습니다. 피처 스토어에 포함된 누적된 지식과 전문 지식을 활용하여 기업은 새로운 ML 모델을 신속하게 개발 및 배포하여 빠르게 변화하는 경쟁 환경에서 혁신을 촉진하고 성장을 촉진할 수 있습니다.

코드 자산: AI/ML 프로젝트의 구성 요소

재사용 가능한 코드 자산으로 AI 인프라를 구축하면 장기적인 지속 가능성으로 이어질 수 있습니다.

조직에서는 이제 막 데이터 및 ML 엔지니어링의 복잡성과 중요성을 인식하기 시작했으며 유사한 모범 사례를 채택하여 이러한 영역을 소프트웨어 엔지니어링의 확장으로 취급하기 시작했습니다. 데이터 프로젝트에서 소프트웨어 엔지니어링 모범 사례를 사용하지 않는 조직은 코드 기반을 유지 관리하는 데 더 높은 비용이 발생할 수 있습니다. 또한 조직은 포괄적으로 테스트되지 않은 코드를 기반으로 비즈니스 결정을 내릴 위험이 있습니다.

재사용 가능한 패키지 및 모듈과 같은 코드 자산을 사용하는 것은 소프트웨어 엔지니어링의 필수적인 모범 사례이며, 조직은 AI/ML 프로젝트를 개발할 때 이를 구현하는 것을 고려해야 합니다. 코드 패키지와 모듈을 사용하여 소프트웨어를 설계하는 것은 조립식 구성 요소를 사용하여 건물을 짓는 것과 유사합니다. 사전 제작된 코드 요소는 데이터 팀이 개발 프로세스를 가속화하고, 비용을 절감하고, 일관되고 유지 관리 가능하며 유연한 소프트웨어 구조를 지원하는 데 도움이 되어 AI/ML 이니셔티브의 장기적인 성공과 지속 가능성을 가져올 수 있습니다.

재사용 가능한 코드 패키지는 중복을 줄여 데이터 팀이 코딩의 세세한 부분 대신 협업, 혁신 및 전략적 작업에 집중할 수 있도록 해줍니다. 이러한 모듈식 접근 방식은 리소스를 보다 효율적으로 할당할 수 있기 때문에 AI/ML 프로젝트가 더 간결해짐을 의미합니다. 또한 조직이 프로젝트를 더 쉽게 수정, 확장 또는 용도 변경할 수 있습니다. 그런 다음 진화하는 시장 상황, 고객 요구 또는 규제 요구 사항에 대응하여 AI/ML 프로젝트를 지속적으로 개선할 수 있습니다. 예를 들어, 브라질의 한 대형 은행은 MLOps 및 데이터 운영(DataOps)의 모범 사례를 채택하여 ML 사용 사례가 영향을 미치는 시간을 20주에서 14주로 단축했습니다.

표준 및 프로토콜: AI 확장을 위한 길 닦기

건물 건설과 마찬가지로, 잘 정의된 표준 및 프로토콜 세트는 조직 내에서 데이터와 AI를 확장하는 동시에 안전성, 일관성 및 효율성을 보장합니다.

AI 혁신의 속도와 수요를 고려할 때 조직은 AI를 효과적으로 확장하기 위해 표준과 프로토콜을 수용해야 합니다. 표준 및 프로토콜의 강력한 프레임워크를 설정하면 데이터 팀에 ML 모델을 구축, 평가 및 배포하는 방법에 대한 지침이 제공됩니다. 이 프레임워크를 사용함으로써 데이터 팀은 AI 사용 사례를 개발하는 동안 표준화된 접근 방식을 따르고 업계에 필요한 가드레일을 준수합니다(예: 편견을 유발할 수 있는 기능을 사용하지 않음).

AI를 확장할 때 조직은 엔지니어링 표준, 데이터 및 ML 수명 주기 모범 사례 , 규정, 규정 준수 및 윤리라는 표준 및 프로토콜의 세 가지 주목할만한 측면을 구현하여 성공을 거둘 수 있습니다 .

표준 소프트웨어 엔지니어링 기술

조직은 표준 소프트웨어 엔지니어링 기술을 채택하여 AI 투자 가치를 극대화할 수 있습니다. CI/CD(지속적 통합/지속적 배포) 및 자동화된 테스트 프레임워크를 통해 조직은 AI의 구축, 테스트 및 배포를 자동화할 수 있습니다. 이러한 기술을 사용하면 모든 ML 모델은 조직에서 설정한 표준 배포 패턴을 따르며 더 광범위한 IT 인프라에 효과적으로 통합됩니다. 또한 이러한 신기술을 통해 협업 문화와 책임 공유 문화를 조성하면 출시 시간을 단축하고 오류를 최소화하며 AI 애플리케이션의 전반적인 품질을 향상시킬 수 있습니다. 예를 들어, 아시아의 한 주요 은행은 AI를 확장하기 위한 새로운 프로토콜과 이를 시행하는 도구를 구현하여 ML 사용 사례의 영향을 미치는 시간을 줄이는 데 도움이 되었습니다.18개월부터 5개월 미만까지 .

데이터 및 ML 모범 사례

조직 내에서 AI 애플리케이션을 성공적으로 확장하려면 데이터 및 ML 모범 사례를 강조하는 것이 가장 중요합니다. 명확하게 정의된 일련의 프로토콜을 구현함으로써 조직은 분석 프로세스를 간소화할 수 있습니다. 이러한 프로토콜은 일반적으로 조직이 새로운 프로젝트에 접근하고, 데이터를 수집하고, ML 기능을 엔지니어링하고, 모델을 구축 및 테스트하는 방법을 정의합니다. 모델을 배포한 후에는 성능을 면밀히 모니터링하고 유지 관리를 수행하는 것이 최상의 성능을 달성하는 데 필수적입니다.

이러한 모범 사례는 활동 순서, 중요한 결과물, 데이터 과학자, 엔지니어, 비즈니스 전문가 등 다양한 이해관계자의 역할을 설명하는 포괄적인 가이드로 성문화되어야 합니다. 이러한 모범 사례를 채택하는 조직은 AI를 보다 효율적으로 확장하고 부서 간 협업 문화를 조성할 수 있습니다.

윤리적 및 법적 영향

마지막으로, ML 모델이 정교해지고 사회적 범위가 확대됨에 따라 법적, 윤리적 규범 내에서 작동하는 것이 중요해졌습니다. 처음부터 명확한 규칙과 지침이 없으면 ML 모델은 개발되면서 수정하기가 점점 더 어려워지고 시간 집약적이 되어 확장성이 제한됩니다. 적용 가능한 규칙, 규정 준수 요구 사항 및 윤리적 고려 사항을 잘 이해하면 조직이 법률 및 사회적 기대의 한계 내에서 운영되는 데 도움이 됩니다. AI 개발 프로세스의 일부로 규정 준수 및 윤리적 모범 사례를 수용하는 조직은 ML 모델이 출시 전에 성문화된 규정 준수 지침을 준수하도록 요구하여 위험을 완화할 수 있습니다. 이러한 관행의 신뢰성은 조직이 이해관계자와의 신뢰를 구축하는 데도 도움이 됩니다.AI 노력의 수명을 늘립니다.

MLOps 기술 기능: 실험부터 실시간 운영까지

머신러닝 모델에 대해 잘 정의된 운영 전략은 데이터 기반 의사결정에 대한 신뢰를 조성합니다.

조직은 ML 모델을 실험에서 프로덕션으로 효율적으로 전환하고 이러한 모델이 배포된 후 지속적인 유지 관리 및 생산성을 촉진하는 기술을 도입하여 ML 투자를 최대한 활용할 수 있습니다. MLOps가 작동하는 곳입니다.

MLOps는 주요 작업을 자동화하고, 팀 간 협업을 촉진하며, 강력한 배포 파이프라인과 모니터링 메커니즘을 제공함으로써 배포 전에 ML 모델이 강력하고 효율적이라는 것을 보장하는 기술과 모범 사례를 의미합니다. 이러한 원활한 제공은 ML 모델의 품질과 안정성을 보장하여 데이터 기반 의사 결정 프로세스에 대한 신뢰를 조성합니다. 또한 ML 모델이 활성화되면 성능 문제의 위험을 최소화하여 기업이 ML 모델이 실제 영향을 미치는 데 필요한 시간과 리소스를 줄이는 데 도움이 됩니다.

또한 MLOps는 성능 저하 또는 드리프트로 인해 ML 모델이 더 이상 사용되지 않거나 사용되지 않게 되는 것을 방지합니다. ML 모델이 배포되면 지속적으로 모니터링하고 개선해야 합니다. MLOps 기술은 생산 중인 모델을 모니터링하고 성능이 저하되기 시작할 때 유지 관리 팀에 조치를 취할 수 있는 도구 키트를 제공합니다. 이를 통해 조직은 비용이 많이 드는 오류를 방지하고 데이터 및 비즈니스 요구 사항이 발전함에 따라 ML 모델의 관련성을 유지할 수 있습니다. 예를 들어 유럽, 중동, 아프리카(EMEA)의 연구 결과에 따르면 최고의 성과를 내는 보험 회사는 AI/ML 제품을 확장하고 지속적인 유지 관리를 위해 MLOps 및 자동화 우선 접근 방식과 같은 첨단 기술에 대한 지속적인 투자를 우선시하는 것으로 나타났습니다. 진화하는 AI 환경에 보조를 맞추세요.

MLOps 솔루션을 채택함으로써 조직은 현재와 미래에도 민첩성과 경쟁력을 유지하고 혁신의 최전선에 서도록 비즈니스를 설정할 수 있습니다.

---

조직이 AI/ML 여정의 어느 단계에 있든 데이터 제품, 코드 자산, 표준 및 프로토콜, MLOps 기술 기능에 투자하여 기능을 효과적으로 확장할 수 있습니다. 이러한 지원 요소를 수용하면 개발 및 배포 프로세스가 간소화될 뿐만 아니라 변화하는 시장 역학에 직면하여 지속적인 개선과 적응성을 촉진할 수 있습니다. 궁극적으로 이러한 지원 요소에 우선순위를 두는 기업은 AI의 힘을 활용하고 경쟁 우위를 유지하며 점점 더 데이터 중심이 되는 세상에서 성공을 이끌 수 있는 더 나은 위치에 있게 될 것입니다.

Gerry Aue 는 McKinsey 과테말라 시티 사무소의 파트너이고 Pepe Cafferata 는 상파울루 사무소의 수석 파트너이며 Roman Drapeko 는 런던 사무소의 뛰어난 데이터 엔지니어입니다. Margaux Penwarden 은 수석 데이터 과학자이고 Vaibhav Sinha 는 수석입니다. 데이터 엔지니어.

기술로 돌아가기: 앞으로

데이터 프로젝트에서 더 많은 가치 실현

데이터 프로젝트에 필요한 것이 무엇인지에 대한 보다 광범위한 보기는 조직이 데이터 프로젝트에서 더 많은 가치를 얻는 데 도움이 될 수 있습니다.

2023년 9월 14일데일 맥도날드(Dale MacDonald), 마가리타 Młodziejewska, 아지즈 셰이크(Aziz Shaikh), 헤닝 솔러 (Henning Soller)

데이터에서 전체 가치를 포착하는 것은 올바른 사용 사례를 식별하는 것부터 시작된다는 전통적인 통념이 있습니다. 기업의 데이터 자산에서 실질적인 가치를 창출하려면 적절한 사용 사례 선택과 비즈니스 측면의 올바른 소유권 수준이 필수적이라는 점에는 의심의 여지가 없습니다. 그러나 순전히 개별 사용 사례에 기반한 접근 방식은 올바른 기술 지원 요소를 구축하는 것의 중요성을 간과하는 경우가 많습니다. 많은 데이터 프로젝트는 긴급한 요구 사항을 충족하기 위해 범위를 정하고 구현하지만, 대규모 통합 및 운영에 중요한 기능이나 설계 요소를 포함(또는 고려를 지연)하는 경우가 많습니다. 결과적으로 이러한 작업 방식은 초기 사용 사례가 구현된 후 조직적, 재정적 비용을 추가하는 경우가 많습니다.

“A를 하면 B의 이점을 얻을 수 있습니다”는 대부분의 상황에서 논리적 접근 방식이지만 데이터 프로젝트에서는 그렇지 않습니다. 실제로 체계적이거나 큰 그림에 중점을 두는 것이 아닌 이러한 모듈식 초점은 기회를 놓치고 지속적인 비용을 초래하는 경우가 많습니다.

대조적으로, 데이터 프로젝트에 대한 보다 광범위한 투자의 이점은 상당할 수 있습니다. 우리의 경험에 따르면 데이터 가치 사슬 전반에 걸쳐 투자를 올바르게 구현하면 사용 사례의 실행 시간을 3~6개월 단축하고 총 데이터 소유 비용을 10~20% 줄일 수 있습니다.

이 게시물에서는 데이터에서 가치를 실현하는 데 필요한 기술 지원 요소에 중점을 둡니다(데이터에서 대규모로 가치를 포착하는 데 필요한 비즈니스 지원 요소에 대해 자세히 알아보려면 " 데이터의 전체 가치를 활용하는 방법? 제품처럼 관리 " 를 참조하세요). ). 우리는 조직이 데이터에서 추출한 가치를 향상시키고, 일반적인 반패턴 (종종 비효과적이고 비생산적일 수 있는 반복되는 문제에 대한 대응)을 식별하고, 데이터 노력을 확장하기 전에 고려해야 할 몇 가지 후회 없는 조치를 간략하게 설명할 수 있는 일반적인 방법을 논의합니다.

특정 사용 사례에 집중하다 놓친 기회

데이터 프로젝트의 전체 가치는 시스템 내 기능 및 시스템의 다른 데이터와의 결합과의 시너지 효과에서 더 많이 나오는 경향이 있으며 특정 결과물에서는 덜 나오는 경향이 있습니다. 고객 프로필을 개발하기 위해 데이터를 사용하려는 소매업체를 생각해 보십시오. 이러한 통찰력을 외부 조직에 판매해야 할까요, 아니면 자체적으로 추가 판매를 촉진하는 데 사용해야 할까요? 데이터가 제품으로 판매되는 경우 데이터 프로젝트의 가치는 선형적이지만 더 많은 매출을 창출하기 위해 소매업체의 전체 데이터 시스템과 함께 데이터를 사용하는 경우 그 가치는 기하급수적으로 커질 수 있습니다. 내부적으로 데이터를 사용하면 경쟁사의 손에 들어갈 수 없게 됩니다.

관련 사용 사례를 고려하지 않으면 기회를 놓칠 수 있습니다. 예를 들어, 우리는 은행이 실제 비즈니스 사용 사례를 고려하지 않고 대상 아키텍처와 데이터 환경을 개발하는 것을 보았습니다. 결과적으로 비즈니스 측면에 가장 도움이 되었을 고급 분석 및 위험 사용 사례에 플랫폼을 사용할 수 없었습니다.

수동 작업을 줄이기 위한 자동화와 모델 및 데이터 재사용을 허용하는 지원 요소가 부족하여 기회를 놓칠 수도 있습니다. 이러한 고려 사항과 구성 요소는 올바르게 작동하기 어렵기 때문에 표준 평가 프로세스에서 우선 순위가 지정되지 않는 경우가 많습니다. 그럼에도 불구하고 이는 효과적인 데이터 생태계에 매우 중요합니다. 결과를 고려하십시오. 확장 가능한 인프라의 우선순위를 정하지 못하면 변화하는 요구 사항을 충족하는 조직의 능력이 제한되고 결국 프로젝트를 리팩터링해야 합니다. 유지 관리 가능성을 미리 해결하지 못하면 피할 수 있는 재작업과 지속적인 유지 관리가 발생하여 조직에 새로운 가치를 창출하지 못하는 경향이 있습니다. 데이터 품질 및 표준화 작업의 자동화를 간과하면 비용이 많이 드는 수동 오류가 발생할 위험이 있습니다. 마지막으로,

즉, 이러한 기본 구성 요소의 우선 순위를 지정하지 못하면 데이터 프로젝트에서 추출할 수 있는 가치가 제한되고, 가치 추출이 느려지며, 시간이 지남에 따라 이러한 구성 요소를 교체하고 업그레이드하는 것이 더 어렵고 비용이 많이 듭니다. 결과 시스템은 개별 프로젝트 목표를 달성할 수 있지만 적어도 통합을 염두에 두고 설계된 데이터 시스템에 비해 장기적인 가치를 창출할 가능성은 낮습니다.

지속적인 비용

기회를 놓치는 것 외에도 더 큰 데이터 생태계가 아닌 개별 사용 사례에 초점을 맞추면 지속적인 비용과 상당한 기술 부채가 발생하는 경우가 많습니다 . 피할 수 있는 지속적인 비용으로 인해 손실되는 가치의 양은 대부분의 조직에서 불투명합니다. 생태계 관점에서 볼 때 피할 수 있는 워크로드는 데이터 프로젝트에 대한 사용 사례 중심 접근 방식의 부산물입니다.

가장 눈에 띄는 비용은 중복된 공유 가능한 리소스 또는 동일한 유형의 작업을 수행하는 여러 시스템과 관련됩니다. 여기에는 동일한 데이터를 저장하는 여러 데이터베이스, 자동화할 수 있는 수동 테스트 반복, 재사용할 수 없는 이전 사용 사례 모델의 데이터 리모델링 등이 있을 수 있습니다. 이러한 종류의 피할 수 있는 작업은 플랫폼별 방식으로 모든 프로젝트의 동일한 문제를 해결하거나 여러 팀이 동일한 문제를 개별적으로 해결하도록 하는 것으로 생각할 수 있습니다.

지속적인 조정 및 유지 비용은 훨씬 더 클 수 있습니다. 데이터 프로젝트가 설계의 일부로 더 큰 생태계에 통합되어 구현되지 않는 경우, 다운스트림 작업을 위한 중요한 정보에 액세스하기 위해 출력의 기능을 분해하고 디코딩해야 하는 경우가 많습니다. 이러한 작업은 복잡하고 취약한 경우가 많기 때문에 범위 확장과 기술 부채가 흔히 발생합니다. 반대로 기술 부채는 종종 업스트림의 리팩토링 및 개선 노력에 대한 논쟁이 됩니다.

지속적인 비용 발생 외에도 이러한 문제는 인재를 묶고 기술 투자의 ROI를 감소시킵니다. 여러 시스템의 일상적인 유지 관리에 불가피하게 전념하는 조직 역량은 향후 요구 사항을 예측하고 충족하는 데 사용할 수 없으며 이로 인해 실패가 발생할 수 있습니다. 실제로 우리의 경험에 따르면 조직의 데이터 인력 중 8%가 가치를 추가하지 않는 작업에 전념하는 것이 일반적이며 이는 일반적으로 광범위한 조직 수준 데이터 전략을 연기한 결과입니다.

조직이 시장 수요를 충족하지 못하면 악순환이 발생하여 데이터 프로젝트의 가치가 미달되고 때로는 손실을 초래할 수도 있습니다. 이러한 과제는 중요하지만 후회 없는 움직임과 미래지향적인 방향으로의 전환은 조직이 보다 견고한 기반을 마련하는 데 도움이 될 수 있습니다.

솔루션으로서의 통합 및 활성화 기술

데이터 프로젝트에 대한 전체적인 접근 방식에는 데이터 흐름(전시물) 전반에 걸쳐 활성화 기술이 포함되고 필요합니다.

전시하다

이전

01—02

다음

우리는 장애가 있는 개인에게도 웹사이트에 대한 동등한 접근권을 제공하기 위해 노력하고 있습니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주세요.

우리의 경험에 따르면 이를 가능하게 하는 요소는 후회 없는 움직임과 차세대 사용 사례에 대한 요구 사항입니다.

후회 없는 행보

AI 기반 데이터 품질 최적화, 설계별 규정 준수, 마스터 데이터 관리를 위한 플랫폼은 모두 데이터 프로젝트에서 가치를 추출하기 위한 기반입니다.

• AI를 통한 차세대 데이터 품질 최적화는 데이터 품질 향상에 도움이 됩니다. 솔루션은 주요 데이터 품질 측면에서 데이터 세트를 평가하고 오류 수정을 자동으로 권장합니다. 사용자는 권장되는 데이터 수정 사항을 선택적으로 적용하거나 편집할 수 있습니다.
• 보안 , 데이터 거버넌스 , 개인 정보 보호 에 대한 규정 준수를 통해 적절한 투명성을 보장하기 위해 보안 제어, 협업 도구 및 포렌식 도구를 설정합니다. 우리의 경험에 따르면 더 많은 회사가 "설계에 따른" 접근 방식과 코드형 정책을 지향하고 있습니다. 이 접근 방식에서는 모든 규칙과 규정이 실제 규칙으로 코딩되므로 명확한 가드레일 내에서 구현될 수 있습니다.
• 마스터 데이터, 고객 관계 및 참조 데이터를 관리하기 위한 플랫폼은 글로벌하고 안전하며 확장 가능하고 탄력적인 아키텍처의 기반을 제공하고 우선순위 사용 사례에 따라 정보를 제공하는 마스터 데이터 모델을 지원할 수 있습니다.
• 서비스 지향 조직과 플랫폼은 조직이 특정 비용과 위험을 감수하지 않고도 결과를 촉진함으로써 사용자에게 가치를 제공하는 데 도움이 될 수 있습니다. 이 플랫폼은 셀프 서비스를 지원하고 데이터와 관련 자동화, 소비 모델 및 성능 지표에 대한 명확한 소유권을 정의해야 합니다.

차세대 사용 사례 요구 사항

후회 없는 움직임에는 기본 요소 외에도 차세대 사용 사례에 필요한 조력자가 포함되어 있습니다.

• 통합 데이터 풀, 단일 리포지토리 또는 메시를 사용하면 전체 조직에서 데이터에 더 쉽게 액세스할 수 있습니다. 조직은 데이터 레이크 , 레이크하우스, 데이터 메시 또는 데이터 패브릭 등 요구 사항에 가장 적합한 데이터 플랫폼 솔루션을 선택해야 합니다 .
• 제3자 데이터 제공업체와의 표준화된 통합을 통해 제3자 제공업체의 데이터를 소모성 서비스로 쉽게 액세스할 수 있습니다. 기업은 추가적인 공개 또는 공급업체 데이터를 통합하여 분석을 강화할 수 있습니다.
• 대시보드와 데이터 민주화를 통해 중앙 데이터 포털을 통해 데이터를 쉽게 찾고 액세스할 수 있습니다. 또한 이 접근 방식을 통해 사용자는 새로운 데이터를 쉽게 보고 이를 기존 데이터 자산에 통합할 수 있습니다.
• MLOps 도구 체인 및 자동화는 데이터 작업 및 기계 학습 작업을 위한 완전 자동화 파이프라인을 생성할 수 있습니다 .

---

데이터의 전체 가치를 포착하려면 조직은 노력을 고립된 사용 사례로 제한하기보다는 전체 가치 사슬에 투자해야 합니다. 후회 없는 움직임은 효과적인 데이터 변환과 지속 가능한 프로그램을 위한 토대를 마련할 수 있습니다.

Dale MacDonald 는 McKinsey 시애틀 사무소의 수석 엔지니어이고, Margarita Młodziejewska 는 취리히 사무소의 컨설턴트이며, Aziz Shaikh 는 뉴욕 사무소의 파트너이며, Henning Soller 는 프랑크푸르트 사무소의 파트너입니다.

기술로 돌아가기: 앞으로

변화를 향한 2단 접근 방식: Bernd Jung과의 인터뷰

AXA 및 ITERGO의 전 집행위원인 Bernd Jung이 2단계 아키텍처를 통한 디지털 혁신 구현의 이점과 과제에 대해 논의합니다.

2023년 8월 10일헤닝 솔러 ( Henning Soller)

다국적 보험회사 AXA와 기술 및 서비스 제공업체 ITERGO에서 임원직을 맡은 Bernd Jung은 여러 대규모 변화에 참여했습니다. McKinsey 파트너인 Henning Soller와의 인터뷰에서 Jung은 디지털 측면에서 민첩한 관행을 구현하는 동시에 기초 측면에서 민첩한 요소를 사용하여 보다 전통적인 폭포식 접근 방식을 유지하는 등 이러한 경험을 반영합니다. 또한 그는 2단 속도 IT 아키텍처를 성공적으로 구현하는 데 무엇이 필요한지, 그리고 혁신을 주도하는 데 있어서 비즈니스와 IT 파트너십 의 중요성에 대해서도 논의합니다 . 그들의 대화를 요약하고 편집한 버전이 이어집니다.

Henning Soller: Bernd 씨, 당신이 겪은 변화의 주요 측면에 대해 간략하게 설명해주실 수 있나요?

Bernd Jung: 우리가 구현하려는 비즈니스 전략을 기반으로 비즈니스 측면뿐만 아니라 IT 측면에서도 상당한 변화가 필요하다는 것을 알았습니다. IT 조직은 기본적이고 보수적인 경우가 많습니다. 제가 참여한 변화 중 하나는 폭포수 프로젝트 디자인 작업이었습니다. 우리는 해당 환경에서 새로운 접근 방식인 민첩한 접근 방식을 구현하고 있었습니다. 다양한 핵심 시스템에 대한 전략과 IT가 전략을 가장 잘 지원할 수 있는 방법을 명확하게 이해하는 것이 중요했습니다.

우리는 별도의 디지털 회사를 설립하고 2단계 접근 방식을 취하는 것부터 시작했습니다. 한편으로는 보다 민첩한 디지털화 설정을 갖고 다른 한편으로는 기초 영역에서 작업할 수 있는 기회를 가졌습니다. 가장 민감한 측면은 이러한 모든 강점을 하나의 포괄적인 접근 방식으로 통합하는 방법을 찾는 것이라고 생각합니다. 나로서는 관리팀의 일원으로서 두 모델 사이에 어떻게 가교를 구축할 수 있는지 보는 것이 흥미로웠습니다. 우리는 처음으로 디지털 회사를 설립했기 때문에 디지털 측면에서 많은 어려움에 직면했습니다.

Henning Soller: 민첩한 측면과 기본 측면을 갖춘 2단 모델에 대해 언급하셨습니다. 기술적인 측면과 두 스트림을 어떻게 설정할 수 있었는지 좀 더 자세히 설명해주실 수 있나요?

Bernd Jung: 가장 큰 어려움은 디지털의 목적을 이해하는 것이었습니다. 당시 우리는 디지털 접근 방식을 기반으로 뭔가를 다른 방식으로 만들 수 있는 기회가 있다는 것을 전혀 알지 못했습니다. 첫 번째 단계는 모든 기술 스택을 디지털 환경으로 가져올 수 있는 방법을 이해하는 것이라고 생각합니다. 과거의 기초적이고 전통적인 IT 개발을 기반으로 조직에 어떻게 적합합니까?

우리는 모회사 내에서 디지털화를 수행할 역량이 없다는 것을 깨달았습니다. 우리가 2단계 접근 방식을 취하기로 결정했을 때 학습을 시작하고 디지털 회사 구축을 시작할 수 있도록 자체 위치에 별도의 회사를 설립해야 한다는 것이 분명했습니다. 우리는 시장에서 인재를 파악하고 찾을 수 있는 큰 기회를 얻었기 때문에 우리가 거주하는 지역 이외의 도시에 새 회사를 위한 사무실을 세웠습니다. 마찬가지로 우리는 인재 기반을 확장하기 위해 다른 지역의 파트너도 모색했습니다.

Henning Soller: 이와 같은 변화에는 올바른 종류의 아키텍처, 목표 그림 및 비즈니스 측면의 승인이 얼마나 필요합니까?

Bernd Jung: 우리는 디지털을 포함하여 완전히 새로운 아키텍처 그림 설정을 구현했습니다. 디지털 접근 방식을 사용하면 과거에 취했던 폭포식 접근 방식과 비교할 때 완전히 다른 방식으로 비즈니스를 실질적으로 참여시키기 위한 학습 곡선이 컸습니다. 우리가 실행한 첫 번째 파일럿은 확실히 모범 사례가 아니었습니다. IT 측면에 대한 경험이 부족했기 때문입니다. 하지만 저에게 있어서 더욱 중요한 점은 비즈니스와 IT 간의 협업 성격을 어떻게 변화시킬 것인지에 대한 비즈니스 측면의 경험이 없었다는 것입니다.

Henning Soller: 당신에게 있어서 중요한 교훈은 무엇이라고 생각하시나요? 과거로 돌아가 다시 변신을 할 수 있다면 무엇을 다르게 하시겠습니까?

Bernd Jung: 저는 이 실질적인 변화를 시작하기 전에 가능한 한 빨리 비즈니스에 참여하는 것이 얼마나 중요한지 배웠습니다. 단순한 IT 혁신이 아닙니다. 회사의 변화입니다. 이는 우리의 행동과 비즈니스와 IT가 협력하는 방식을 바꿔야 함을 의미합니다 . 예를 들어 제품 관리자를 생각해 보십시오. 더 이상 일부 요구 사항을 정의하고 다시 돌아와 "IT가 내가 기대했던 것을 제공하지 못했습니다."라고 말하는 과거 접근 방식을 취할 수 없습니다. 새로운 모델에서는 비즈니스가 제공 및 개발의 통합된 부분입니다. 이는 이전보다 훨씬 더 효율적인 방식으로 프로젝트를 운영할 수 있는 큰 기회입니다.

Bernd Jung은 AXA 및 ITERGO의 전 집행위원이었습니다. Henning Soller 는 McKinsey 프랑크푸르트 사무소의 파트너입니다.

인터뷰 대상자가 표현한 의견과 의견은 개인의 의견이며 McKinsey & Company의 의견, 정책 또는 입장을 대표하거나 반영하지 않으며 McKinsey & Company의 승인을 받지도 않습니다.

기술로 돌아가기: 앞으로

데이터 중심 기업의 진화

우리는 데이터와 AI를 기반으로 한 경제 호황의 시작점에 있습니까?

2023년 7월 31일Rob Levin 및 Kayvaun Rowshankish 저

최근 매사추세츠 주 케임브리지에서 열린 CDOIQ 심포지엄에서 McKinsey 수석 파트너인 Kayvaun Rowshankish가 기조 연설을 했습니다. 다음은 해당 프레젠테이션의 요약이며 후속 패널 토론에서 얻은 내용을 포함합니다.

거시 경제적 찻잎을 읽는 것은 항상 어려운 일이지만 기업이 고려해야 할 세 가지 요소가 있습니다. 첫 번째는 빠르게 성숙되는 기술부터 보다 접근하기 쉬운 인재에 이르기까지 기술 및 데이터 기반 기업을 선호하는 상당한 순풍이 있다는 것입니다. 둘째, 최근 경기 침체와 경제 혼란에서 얻은 교훈에 따르면 이 기간 동안 지속적으로 혁신에 투자한 기업은 동종 기업보다 주주 수익률이 240% 더 높았습니다. 1 그리고 셋째, McKinsey가 최근 분석한 63개 사용 사례에 걸쳐 기술 블록인 생성 AI의 새로운 세대의 경제적 잠재력은 연간 2조 6천억 달러에서 4조 4천억 달러에 해당하는 금액을 추가할 수 있습니다. 2

이러한 요소는 흥미롭지만 새로운 성장의 지평을 열 수 있는 연료로서 데이터의 중요성을 강조합니다. 비즈니스 리더는 무엇이 바뀌어야 하는지뿐만 아니라 데이터 기반 기업을 만들기 위해 그러한 변화를 추진하는 방법 도 명확히 해야 합니다 .

내용 : 7가지 데이터 이동

데이터 기반 조직이 되기 위한 여정에서 기업이 수행해야 할 7가지 주요 변화가 있습니다.

1. 데이터 우선 조직 육성

출처: 데이터 기반 접근 방식은 조직 전체에 산발적으로 적용되어 가치를 무시하고 비효율성을 초래합니다.

목적: 데이터 민주화를 통해 모든 직원은 데이터를 활용하고 혁신적인 데이터 기술을 사용하여 문제를 해결할 수 있습니다. 셀프 서비스 도구, 집중 학습 여정, 최고 경영진의 역할 모델링은 조직 전체에 데이터 우선 사고방식을 내재화합니다.

2. 데이터 및 분석 기술 강화

출처: 레거시 기술의 한계와 높은 컴퓨팅 요구로 인해 비즈니스 전반에서 사용할 수 있는 데이터 중 극히 일부만 실시간으로 수집, 처리, 쿼리 및 분석됩니다.

목표: 데이터는 유비쿼터스 기술을 통해 최종 사용자를 위해 생성, 처리, 분석 및 시각화되어 더 빠르고 강력한 통찰력을 제공합니다. 생성적 AI, 셀프 서비스 데이터, 로우 코드/노 코드 플랫폼 등 정교한 고급 분석을 누구나 합리적으로 사용할 수 있습니다.

3. 동적이며 재사용 가능한 데이터 제품 생성

보낸 사람: 사용 가능한 대부분의 데이터는 관계형 데이터베이스 도구를 사용하여 구성됩니다. 데이터 엔지니어는 각 사용 사례에 대해 데이터 세트를 반복적으로 선별하고 조정하는 데 상당한 시간을 소비하는 경우가 많습니다.

대상: 데이터는 풍부하고 다목적이며 동적인 데이터 제품으로 선별됩니다. 이를 통해 데이터 엔지니어링이 최소화되고 영향력이 큰 사용 사례가 가능해 출시 기간과 ROI가 극대화됩니다.

4. 데이터를 제품처럼 다루세요

출처: 데이터 세트가 광범위하고 사일로화되어 있고 비용이 많이 드는 환경에 걸쳐 저장되는(때때로 중복되어) 데이터에는 진정한 "소유자"가 없는 경우가 많습니다.

대상: 데이터 제품에는 데이터 보안을 내장하고 데이터 엔지니어링을 발전시키며 셀프 서비스 액세스 및 분석 도구를 구현하기 위해 협력하는 전담 팀 또는 "스쿼드"가 있습니다. 데이터 제품 소유자는 팀을 이끌고 사용자 요구 사항을 충족하기 위해 지속적으로 제품을 발전시킵니다.

5. 최고 데이터 책임자의 역할을 확대하여 가치 창출

출처: CDO(최고 데이터 책임자)와 해당 팀은 정책, 표준 및 절차 준수 여부를 개발하고 추적하는 비용 센터 역할을 합니다.

받는 사람: CDO와 그 팀은 수익 센터의 역할을 합니다. 이들은 데이터 사용 방법을 구상하고, 엔터프라이즈 데이터 전략을 개발하며, 데이터 서비스 및 데이터 공유를 통해 수익을 창출함으로써 새로운 수익원을 육성합니다.

6. 데이터 생태계 통합을 표준으로 삼으세요

보낸 사람: 데이터는 조직 내에서 격리되는 경우가 많으며 데이터 공유 계약은 까다롭기 때문에 일반적이지 않습니다.

대상: 대규모의 복잡한 조직은 데이터 공유 플랫폼을 사용하여 조직 내 및 조직 간 데이터 기반 프로젝트에 대한 협업을 촉진합니다. 그들은 데이터 경제 에 적극적으로 참여하여 모든 구성원에게 보다 가치 있는 통찰력을 제공합니다.

7. 데이터 관리의 우선순위 지정 및 자동화

출처: 데이터 관리, 개인 정보 보호 및 보안은 규제 데이터 보호 의무에 따라 규정 준수 문제로 간주되는 경우가 많습니다. 수동 데이터 복원력 프로세스로 인해 전체적이고 적시에 효율적인 방식으로 데이터를 관리, 복구 및 보호하기가 어렵습니다.

목적: 기업은 AI 기반 도구와 혁신적인 기술을 사용하여 자체 설명 데이터(메타데이터 및 계보)를 활성화하고, 데이터 품질을 개선하고, 사전 정의된 "스크립트"를 생성하여 사용자에게 거의 실시간으로 안전한 데이터 액세스를 제공합니다.

방법 : 조직의 재구성

여러 면에서 이러한 7가지 변화는 직관적이며 데이터 및 비즈니스 리더에게 잘 공감됩니다. 그러나 고장이 자주 발생하는 경우는 무엇을 어떻게 로 변환하는 것입니다 . 경험상 데이터 약속을 비즈니스 가치로 전환하기 위한 중요한 통찰력은 변화의 범위가 광범위하고 심층적이어야 한다는 것입니다. 제한된 변화 프로그램은 기술을 구축하고 유용한 개념 증명이 될 수 있지만 혁신적인 가치로 이어지지는 않습니다. .

이러한 재배선 여정은 가치 영역(종종 엔드투엔드 고객 여정 또는 프로세스)의 우선순위를 지정하고 필요한 솔루션을 강화할 수 있는 데이터 소스를 식별하는 명확한 로드맵을 개발하는 것에서 시작됩니다. 이 로드맵은 강조된 솔루션을 제공하는 데 필요한 중요한 기능을 강조합니다. 중요한 기능에는 데이터 과학자, 데이터 엔지니어, 제품 소유자를 포함한 내부 기술 전문가 팀을 구성하고 이들을 애자일 포드에 통합하여 데이터가 처음부터 모든 솔루션 개발의 일부가 되도록 하는 것이 포함됩니다. 확장에는 데이터 자산에 대한 효율적인 액세스, 사용 및 재사용이 필요합니다. 핵심 빌딩 블록은 클라우드 우선 기술 아키텍처를 갖춘 데이터 제품입니다.. 데이터 제품은 팀이나 애플리케이션에서 쉽게 사용할 수 있는 재사용 가능하고 쉽게 액세스할 수 있는 자산입니다.

이러한 재배선 수준은 협상할 수 없습니다. 단순히 한두 가지 작업에만 집중하는 것만으로는 충분하지 않습니다. 이러한 기능은 지속적으로 가치를 창출하는 데이터 기반 기업을 구축하기 위한 엔진입니다.

Rob Levin 은 McKinsey 보스턴 사무소의 수석 파트너이고 Kayvaun Rowshankish 는 뉴욕 사무소의 수석 파트너입니다.

1 CPAnalytics, n = 2007~21년 시가총액 기준 상위 공공, 유럽 연합 및 북미 기업 3,000개.
2 “ 생성 AI의 경제적 잠재력 ”, McKinsey, 2023년 6월 14일.

기술로 돌아가기: 앞으로

소프트웨어의 민첩한 혁신 추진

Softtech의 Asli Baser는 회사의 포괄적인 혁신 노력이 직원 참여를 촉진하는 동시에 조직의 거의 모든 측면을 어떻게 점검했는지 설명합니다.

2023년 7월 21일크리스토퍼 쿤(Christopher Kühn)과 헤닝 솔러(Henning Soller)

급속한 성장을 누려온 기업은 종종 진실의 순간에 직면합니다. 즉, 기업 성장에 매우 중요한 전략과 운영 모델이 미래에 유사한 궤적을 지원하는 데 더 이상 적합하지 않다는 사실을 깨닫는 것입니다. 2006년 터키에서 설립된 소프트웨어 회사인 Softtech도 비슷한 갈림길에 직면했습니다. 주로 한 고객을 위한 제품을 구축하여 확장했지만 추가 성장과 더 넓은 고객 기반을 육성하려면 다양한 조직 역량에 대한 투자가 필요했습니다. 소프트웨어 개발의 복잡성으로 인해 새로운 접근 방식이 더욱 중요해졌습니다. 2018년에 Softtech의 경영진은 회사의 잠재력을 실현하려면 완전한 변화가 필요하다는 점을 이해했습니다.

터키 시장의 일부인 Softtech는 이미 다른 지역의 다른 소프트웨어 회사에 배포된 몇 가지 새로운 개념을 빌려 이를 적용했습니다. 또한 개념을 현장에서 현실로 만드는 데 중점을 두었습니다.

Asli Baser는 2012년부터 Softtech에서 제품 소유자로 일한 후 혁신 팀에 합류했습니다. McKinsey 파트너 Henning Soller 및 Kiel University of Applied Sciences의 Christopher Kühn과의 토론에서 Baser는 민첩성, 조직 구조, 문화 및 인재의 중요성을 강조합니다. 소프트텍의 변신.

McKinsey: 애자일 혁신에 대한 비전과 지금까지 이룬 진전에 대해 자세히 설명해 주시겠습니까?

Asli Baser: Softtech는 사람 중심의 글로벌 기술 회사가 되는 것을 목표로 합니다. 수년 동안 우리는 주로 단일 부문에서 일하고 단일 고객에게 서비스를 제공해 왔습니다. 따라서 우리의 목표를 달성하려면 고객 포트폴리오를 확장하고 세계에 개방하기 위한 전문 지식, 도구 및 프로세스를 개선해야 했습니다. 이러한 활동은 우리가 고성능의 민첩한 회사로 거듭나기 위해 소프트웨어 개발 프로세스를 근본적으로 변화시켰기 때문에 가능했습니다.

우리의 첫해 목표는 모든 직원이 Softtech의 목적, 비전, 임무 및 가치를 인식하고 채택하도록 보장하고 이러한 기본 요소와 호환되도록 구조, 프로세스 및 도구를 재구성하는 것이었습니다.

첫 번째 단계는 전반적인 비즈니스 전략을 재정의하는 것, 즉 본질적으로 조직의 새로운 정체성을 만드는 것이었습니다. 두 번째로 중요한 단계는 리더들로부터 시작된 문화적 변혁이었습니다. 회사의 비전, 미션, 가치에 대한 인식을 높이기 위해 집중적인 커뮤니케이션 활동을 진행했습니다. 그리고 우리는 피드백을 일상 업무 관행에 통합하는 데 중점을 두었습니다.

우리는 프로세스와 도구, 조직 구조, 전략, 운영 모델을 재정의된 목적, 비전 및 임무와 조화시키기 위해 다양한 운영을 수행했습니다. 우리 개발팀은 민첩하게 일하기 시작했습니다.

오늘날 우리는 제품 중심의 혁신을 시작하고 CoE(Center of Excellence)를 만드는 등 조직 개선을 계속하고 있습니다.

McKinsey: 애자일 혁신의 핵심 부분 중 하나는 조직 변화입니다. 더욱 민첩해지기 위해 Softtech가 겪은 변화에 대해 논의해 주실 수 있나요?

Asli Baser: 민첩한 조직이 되는 것은 지속적인 과정입니다. 그래서 우리는 변환국(Transformation Directorate)을 설립하는 것부터 시작했습니다. 주요 임무는 Softtech의 임무에 맞춰 혁신 영역과 요구 사항의 우선순위를 지정하고 이러한 노력의 설계 및 실행을 수행하며 지속적인 개선에 집중하는 것입니다.

또 다른 변화 영역은 제품 기반 회사가 되는 것이었습니다. 즉, 제품에 전담 팀을 맞추는 것이었습니다. 우리는 단순성, 집중성 및 교차 기능을 달성하기 위해 현재 및 잠재적인 제품에 따라 조직 구조를 재정의했습니다. 조직의 거버넌스를 개선하기 위해 우리는 모든 기본 및 하위 회사 프로세스를 수정하여 투명하고 측정 가능하며 단순하게 만들고 추가 자동화를 추진했습니다.

마지막으로 고객 중심, 민첩성, 제품 관리 방식을 개선하기 위한 개발 프로그램과 운영 체제로 구성된 'DNA'를 설계하고 출시했습니다. 이 프로그램을 통해 혁신 코치는 제품 팀과 리더의 멘토가 됩니다. 제품군과 개발팀의 업무방식을 재정비하고 있습니다. 또한 스프린트 계획 세션, 회고, 백로그 그루밍과 같은 애자일 의식 배포를 시작했습니다. 1

우리에게는 이러한 민첩한 변화가 현실이 되도록 보장하는 것이 정말 중요했습니다. 따라서 우리는 책뿐만 아니라 실제 생활에서도 민첩성을 확보하기 위해 지속적으로 측정하는 KPI와 명확한 의식을 정의했습니다.

McKinsey: 변화의 여정을 가능하게 하기 위해 기업 문화를 어떻게 형성하셨나요?

Asli Baser: 우리는 기업 문화를 형성하는 데 세 가지 요소가 필수적이라고 생각합니다. 첫 번째는 최고 경영진의 후원과 동기 부여입니다. 두 번째는 모든 사람이 프로세스에 참여할 수 있도록 하는 포용성입니다. 세 번째는 실무를 실험하고 현장에서 적시에 피드백을 받는 것입니다.

중점 분야를 결정하기 위해 기업 문화 현황을 측정했습니다. 이후 포커스 그룹과 유사한 연구 방법을 사용하여 의사 결정, 의사소통, 내결함성 및 시간 관리에 대한 직원 및 리더의 의견과 피드백을 수집했습니다. 우리는 다양한 직원들과 함께 개념적 질문과 토론 기법을 사용하여 기업 가치와 행동을 정의했습니다.

이러한 활동에 이어 우리는 문화를 전달하는 데 중점을 두었습니다. 변화 과정을 위해 우리는 '변신'을 의미하는 터키어 dönüşüm 의 약자인 'D'라는 브랜드를 만들고 내부 커뮤니케이션 캠페인을 진행했습니다. 우리는 대규모 출시를 통해 모든 직원에게 목적과 가치를 소개하고 35명의 부서 관리자와 약 1,000명의 직원이 참석한 35개의 별도 교육 세션을 조직했습니다.

우리는 또한 리더십 개발 프로그램과 사내 리더십 코칭을 시작했습니다. 적어도 1년에 두 번 리더들은 우리 팀이 기획한 토론 포럼인 리더십 캠프에 함께 모입니다. 그들은 회사의 변화 전략을 지휘하고 회사 문화를 개선하기 위한 솔루션을 생산합니다. 또한, 우리의 목표와 가치를 일상 업무에 접목시키기 위해 다양한 이벤트, 교육, 워크숍, 생방송, 임원 인터뷰, 포커스 그룹 등을 개최하고 있습니다.

McKinsey: 애자일 혁신이 어떻게 기본 기술과 도구의 발전을 가능하게 하였습니까?

Asli Baser: 첫째, 우리는 애자일 관행을 지원하기 위해 폭포수 접근 방식 2 에 따라 이전에 단일 고객 중심으로 설계되었던 생산 프로세스를 재구성하고 있습니다 . Agile 방법론을 경험한 직원들의 기여를 통해 우리는 전 세계 모범 사례와 일치하는 적절한 생산 프로세스를 구현하는 것을 목표로 합니다. 우리 제품은 종종 너무 복잡해서 종속성이 높고 팀 간 조정이 필요하며 많은 팀이 함께 작업해야 합니다. 또한 제품의 전체 프로세스를 추적하는 도구도 추가했습니다.

둘째, 가상화와 클라우드를 통해 새로운 기술 백본을 구축하는 데 중점을 두었습니다. 우리는 테스트, 코드 품질, 보안 검사, 코드 베이스의 공통 라이브러리를 포함한 기본 프로세스의 자동화를 극대화하는 것을 목표로 하고 있습니다. 우리는 가능한 한 DevOps 환경에서 작업하고 싶습니다.

셋째, 정확하고 균형 잡힌 성과표를 제시하기 위해 사람의 개입을 최소화하면서 DevOps 파이프라인에서 직접 관련 KPI를 얻습니다. 우리는 지속적으로 코드 품질을 모니터링하고 고객에게 지속적으로 피드백을 요청합니다.

McKinsey: 제품 지향 측면에서 앞으로 나아갈 방향은 무엇입니까?

Asli Baser: Softtech는 제품의 기능과 이점에 중점을 두고 있으므로 우리의 전략은 고객 만족, 피드백 및 새로 확인된 요구 사항을 우선시합니다. 회사는 정기적으로 기존 고객을 대상으로 설문조사를 실시하고 포커스 그룹을 실시하여 고객을 행복하게 만드는 요소가 무엇인지 파악합니다.

이러한 조치는 우리가 혁신하고, 가치를 창출하고, 경쟁 우위를 유지하고, 민첩하게 대응하는 데 도움이 됩니다. 혁신은 고객 문제와의 상호 작용의 결과이므로 우리의 제품 방향은 이를 해결하는 방법을 찾습니다.

McKinsey: 올바른 인재를 확보하고 유지하는 것은 주요 혁신의 핵심 성공 요인입니다. 인재 전략을 어떻게 관리해 왔나요?

Asli Baser: 많은 기술 회사와 마찬가지로 우리도 인력의 상당한 이탈을 겪고 있습니다. 우리는 채용을 통해 이러한 추세의 균형을 맞추려고 노력하고 있지만, 새로운 원격 운영 모델을 활용하여 후보자를 위한 더 넓은 범위를 확보한 해외 플레이어와의 치열한 경쟁에 직면하고 있습니다.

Softtech는 변화의 여정을 시작한 지 2년 만에 직원 브랜드로 알려졌습니다. 새로운 목적, 비전, 사명을 조직 외부로 전달하는 것은 Softtech를 후보자들에게 매력적으로 만들었습니다. 우리의 첫 번째 활동은 대학 협력을 구축하는 것이 었습니다. 우리는 또한 후보자의 입사 지원부터 시작하여 직원 온보딩까지 계속되는 Talent Generation이라는 직원 경험 프로그램을 시작했습니다.

다기능 팀 구조의 확산과 지원으로 개발 계획의 구현이 가속화되었습니다. 우리는 Softtech의 전략을 기반으로 특정 후보자 그룹에 중점을 두고 이러한 역량 요구에 따라 현재 직원에 대한 개발 계획을 수립했습니다.

또한 우리는 애자일 원칙을 준수하기 위해 성과 시스템에 세 가지 근본적인 변화를 가져왔습니다. 첫 번째는 연 2회 성과평가를 실시하는 것이다. 둘째, 모든 직원은 조직의 가치를 사용하여 팀원과 관리자의 성과, 행동 및 의사 결정을 평가합니다. 셋째, 내부 결속력과 공동 행동 역량을 창출하기 위해 개인의 분기별 성과 목표는 팀 및 제품 그룹의 목표에서 도출됩니다. 이러한 변화는 지속적인 개발과 고객 만족을 지원합니다.

높은 성과를 내는 민첩한 조직이 되기 위해서는 전문성이 필수적입니다. 따라서 우리는 전문지식, 인재, 역량관리를 생산라인에서 분리하는 Center-of-Excellence 구조로 전환하고 있습니다. 우리의 목표는 제도적 표준과 역량 요구 사항을 결정하고 개인의 개발 여정을 추적하며 궁극적으로 고품질 결과물의 생산을 보장하는 센터를 설립하는 것입니다. 이 분야에서의 노력으로 우리는 2022년 IDC CIO 어워드의 미래 업무 - 인재 관리 부문 1등상을 수상했습니다.

McKinsey: 당신의 주요 학습 내용은 무엇이며, 다르게 했을 만한 것이 있습니까?

Asli Baser: 회사의 이전 애자일 혁신은 사람들의 의욕을 꺾었습니다. 변화 활동에 대한 리더의 지원과 기여를 얻고, 그들의 역량을 개발하고, 특히 인력 관리 분야에서 그들을 지원하는 것이 우리가 해결한 첫 번째 문제 중 하나였어야 했습니다.

사람 중심의 선도적인 글로벌 기술 기업이 되기 위한 인프라, 도구, 프로세스가 부족했습니다. 따라서 우리는 전사적으로 혁신 프로그램을 구현하기 전에 이러한 영역에 투자해야 했습니다.

마지막으로 우리는 사람들이 변화를 인식하고 이해하는 데 시간이 걸린다는 사실을 배웠습니다. 변화 활동은 테이블 위에 설계된 속도로는 실현될 수 없습니다. 대신 안전한 환경에서 관리하고 필요에 따라 천천히 롤아웃해야 하는 프로세스입니다. 또한 여러 사례를 통해 애자일 관행과 제품 지향성을 정의하는 것은 비교적 쉽지만 실제로 구현하는 것은 어렵다는 것을 배웠습니다. 따라서 우리는 관행을 현실화하기 위해 성숙도 프로그램을 채택했으며 현재까지 이를 개선하고 있습니다.

McKinsey: 이러한 변화를 통해 Softtech가 고객에게 더 나은 서비스를 제공할 수 있는 방법은 무엇입니까?

Asli Baser: 우리는 2020년을 '고객의 해'로 선포하고 You = Me라는 캠페인을 시작했습니다. 고객의 목소리를 더 잘 듣기 위해 고객 관계, 고객 경험 등의 팀을 구성했습니다. 또한, 만족도 조사를 통해 우리 제품과 서비스에 대해 받는 고객 피드백이 늘어났습니다.

고객, 이해관계자, 직원의 만족은 이러한 변화의 핵심 요소입니다. 변화의 여정을 통해 얻은 기업 유연성을 통해 우리는 고객의 변화하는 요구 사항에 더욱 신속하게 대응할 수 있습니다.

Asli Baser 는 Softtech의 혁신 책임자입니다. Henning Soller 는 McKinsey 프랑크푸르트 사무소의 파트너이고 Christopher Kühn 은 Kiel University of Applied Sciences의 교수입니다.

저자들은 이 인터뷰에 도움을 주신 Softtech의 혁신 이사인 Abduallah Cabaluz에게 감사의 말씀을 전하고 싶습니다.

인터뷰 대상자가 표현한 의견과 의견은 개인의 의견이며 McKinsey & Company의 의견, 정책 또는 입장을 대표하거나 반영하지 않으며 McKinsey & Company의 승인을 받지도 않습니다.

1 백로그 그루밍에서 민첩한 제품 개발 팀은 제품 백로그에 있는 다음 사용자 스토리를 검토하여 스프린트를 준비합니다.
2 팀이 추가 작업을 수행하기 전에 일련의 작업을 완료해야 하는 순차적 접근 방식입니다.

기술로 돌아가기: 앞으로

초기 가치: 양자 최적화 도구 소개

양자 최적화 프로그램은 조직이 현재 양자 컴퓨팅의 일부 이점을 포착하는 데 도움이 될 수 있습니다.

2023년 6월 13일메나 이슬러(Mena Issler), 헤닝 솔러(Henning Soller ), 마티자 제스코(Matija Zesko)

양자 컴퓨팅은 눈부신 발전을 약속하며 2035년까지 거의 1조 3천억 달러 에 달하는 경제적 영향을 미칠 것으로 예상됩니다 . 그러나 그 가치는 아직 도달할 수 없습니다. 상당한 비즈니스 가치를 창출할 수 있는 완전한 내결함성 양자 컴퓨터는 아직 몇 년이 더 남았습니다.

기다리는 동안 양자 최적화 프로그램은 가교 기술이 될 수 있습니다. 1 양자 최적화 프로그램은 양자 컴퓨터가 해결할 것으로 예상되는 만큼 많은 문제를 해결할 수는 없지만, 적어도 일부 최적화 문제에서는 기존 컴퓨터보다 구축하기 쉽고 계산상 우수합니다.

2022년 5월, 기능성 양자 최적화 프로그램은 클래식 컴퓨터에서는 본질적으로 어려운 일련의 문제에 대해 고성능 클래식 컴퓨터에 비해 장점을 입증했습니다. 2 전문가들은 이 양자 최적화 프로그램이 산업 전반, 예측 및 재료 과학 분야의 최적화 문제를 해결하는 데 상업적 가치를 제공할 수 있다고 믿습니다. 삼

이 양자 최적화 프로그램의 전체 잠재력은 학계 및 업계에서 더 많은 사용자가 실험하고 다양한 사용 사례에 적용함에 따라 명확해질 것입니다. 이 블로그 게시물에서는 가능한 응용 프로그램에 대해 조명하고 의사 결정자가 조직에서 이러한 응용 프로그램의 잠재적 사용을 평가할 때 고려할 수 있는 사항에 대해 논의합니다. 이 기술은 양자 컴퓨팅의 보상을 수확하는 데 도움이 될 수 있습니다.

기술적 장점 및 고려 사항

기술적인 측면에서 양자 최적화 프로그램은 기존 컴퓨터에서는 어려운 문제를 해결할 수 있습니다. 양자 최적화 장치는 중성 원자 기반 기술을 사용하여 원자를 그리드에 배열하고 자극하여 계산 문제를 시뮬레이션합니다. 이 프로세스는 매우 짧은 시간 내에 대략적이지만 충분히 정확한 결과를 생성할 수 있습니다.

상업적으로 양자 최적화 프로그램은 범용 양자 컴퓨터보다 확장성이 뛰어나고 비용 효율적입니다.

이러한 장점은 범용 양자 컴퓨터가 실행 가능해진 후에도 클래식 컴퓨터와 양자 컴퓨터 모두에 대해 경쟁력을 유지할 가능성이 있음을 의미합니다. 물론 범용 양자 컴퓨터는 옵티마이저보다 더 광범위한 문제를 해결할 수 있지만 양자 옵티마이저는 훨씬 더 빠르게 확장할 수 있습니다. 왜냐하면 범용 양자 컴퓨터와 달리 해당 기능은 백만 개가 넘는 각 컴퓨터의 개별 제어에 의존하지 않기 때문입니다. 양자 비트(큐비트). 실제로 범용 양자 컴퓨터에는 아직 개발되지 않았으며 양자 최적화 프로그램에 필요하지 않은 복잡한 설계가 필요합니다.

양자 최적화 장치에 구현할 수 있는 사용 사례의 종류는 현재 장치에서 사용 가능한 큐비트 수(2023년 초 기준 최대 약 250개)에 의해 제한됩니다. 2021년 초에 기업들은 2023년까지 1,000큐비트 양자 최적화 프로그램을 출시하겠다고 약속했으며 4 우리가 인터뷰한 전문가들은 큐비트가 다음 해에 빠르게 확장될 것으로 예상했습니다. 이를 통해 양자 최적화 프로그램은 증가하는 변수 수로 문제를 해결할 수 있습니다.

사용 사례

최근 개발된 중성원자 양자옵티마이저의 최적화 문제에 대한 장점은 통신, 물류, 자율주행, 제약 연구 등의 산업에서 유용하게 활용된다.

단기적으로 양자 최적화 프로그램이 해결하는 데 도움이 될 수 있는 가장 적용 가능한 최적화 문제 중 일부는 그래프(개체 쌍 간의 관계를 나타내는 수학적 구조)에 매핑할 수 있는 문제입니다. 원자는 그래프의 노드를 나타낼 수 있고, 그리드의 원자 사이의 거리는 가장자리를 나타낼 수 있습니다. 연구자들은 양자 최적화 프로그램에 문제를 매핑하는 새로운 방법을 지속적으로 개발하고 있으므로 5 새로운 종류의 최적화 문제가 곧 밝혀질 수 있습니다.

한 가지 주의 사항: 최적화 문제에 대한 대략적인 솔루션을 찾는 데 필요한 시간은 변수가 많아질수록 늘어납니다. 따라서 양자 최적화 프로그램의 가장 중요한 단기 이점은 결과를 얻는 속도보다 출력 품질이 더 중요한 문제에서 발견될 가능성이 높습니다. 관련 사용 사례는 통신 분야의 안테나 배치 및 소매점의 설치 공간 최적화와 같이 약간의 개선으로 상당한 비용 절감을 창출할 수 있는 문제입니다. 이러한 경우 그리드의 원자 위치는 최적의 지리적 배치를 시뮬레이션할 수 있습니다.

시간이 지남에 따라 큐비트 수가 증가함에 따라 양자 최적화 프로그램은 기존 최적화 프로그램과 비교할 때 더 빨라질 것으로 예상되며, 기존 장치에서 해결하는 데 몇 분 또는 몇 시간이 걸리는 문제를 몇 초 만에 해결할 수 있습니다. 따라서 이 기술은 시간에 민감하거나 동적 변수로 인해 빈번한 재계산이 필요한 문제에 유용합니다. 예를 들어 자율주행차의 최적 경로를 찾기 위해 실시간 계산을 수행하거나 혼잡한 지역에서 5G 모바일 네트워크를 활성화하는 경우가 있습니다. 통신, 특히 사물 인터넷은 동적으로 변화하는 네트워크를 통해 효율적으로 정보를 전송하는 데 초점을 맞춘 많은 유사한 문제를 수반합니다.

가능한 다음 단계

의사결정자는 내결함성 양자 컴퓨터가 온라인에 출시되기 전에 지금 양자 최적화 프로그램을 사용하여 가치를 생성하는 방법을 조사할 수 있습니다. 첫 번째 단계는 기존 컴퓨터로는 쉽게 해결할 수 없는 비즈니스 최적화 문제를 식별하는 것입니다. 여기에서 조직은 문제의 범위를 파악하고, 얻을 수 있는 잠재적 가치를 추정하고, 양자 최적화 프로그램을 실험하여 문제와 가능한 솔루션 간의 적합성을 확인할 수 있습니다. 그 후에는 이전에 해결할 수 없었던 문제를 해결하려면 양자 최적화 도구 제공업체와 협력하여 올바른 도구를 설계하고 실행해야 합니다.

---

양자 최적화 프로그램은 범용 양자 컴퓨터를 향한 귀중한 전환점이 될 수 있습니다. 양자 컴퓨팅의 초기 가치는 실제로 지금 달성 가능할 수도 있습니다.

Mena Issler 는 McKinsey 샌프란시스코 사무소의 파트너 파트너이고, Henning Soller 는 프랑크푸르트 사무소의 파트너이며, Matija Zesko 는 취리히 사무소의 컨설턴트입니다.

1 양자 최적화에 대한 입문서는 Peter Byrne, “아날로그 시뮬레이터가 범용 양자 컴퓨터로의 지름길이 될 수 있음,” Scientific American , 2015년 5월 6일을 참조하십시오.
2 최적화에 대한 자세한 내용은 B. Barak 외, “양자 최적화”를 참조하십시오. Rydberg 원자 배열을 사용한 최대 독립 집합", Science , 2022년 5월, 376권, 번호 6598.
3 상용 응용에 대한 자세한 내용은 Nathan Gemelke 외, "독립 집합 문제를 해결하는 중성 원자 양자 컴퓨팅의 산업 응용"을 참조하세요. Cornell University, 2022년 5월 17일.
4 Maija Palmer, "Pasqal은 1,000큐비트 양자 프로세서를 구축하기 위해 2,500만 유로를 모금했습니다." Sifted, 2021년 6월 8일.
5예를 들어 Lin-Guo Liu 외, "Rydberg 원자 배열을 사용한 임의 연결을 통한 양자 최적화", Cornell University, 2023년 3월 2일을 참조하세요.

기술로 돌아가기: 앞으로

기술 기반 조직의 성과를 극대화하기 위해 거시적 추세를 무시

구조적 추세는 소프트웨어 조직의 성과를 위협합니다. 리더는 탄력성을 구축하기 위해 세 가지 후회 없는 행동을 따를 수 있습니다.

2023년 5월 31일브라이언 굿맨(Brian Goodman), 아난드 스와미나단( Anand Swaminathan)

기술 기반 조직에 시대의 종말이 다가오고 있습니다. 대부분의 조직 운영을 가능하게 하는 인프라(핵심 시스템, 소프트웨어 엔지니어링, 인터넷 자체와 관련된 물리적 하드웨어 등)를 구축하는 작업자는 향후 20년 정도 내에 은퇴할 예정입니다. 그들이 자신의 전문 지식을 전달하지 않는다면 2050년까지 핵심 시스템이 어떻게 작동하는지 아는 사람은 거의 없을 것으로 추정됩니다.

이는 더 많은 사람들이 개발에 더 쉽게 접근할 수 있도록 하는 도구의 혼합된 축복의 부산물입니다. 2024년까지 전 세계 개발자 수가 2,870만 명에 달할 것으로 예상되는데, 이는 2018년보다 25% 증가한 것입니다. 1 2010년 이후에 경력 을 시작한 많은 개발자는 기본 코드에 대한 지식과 지식이 덜 강조된 플랫폼 기반 교육을 받았습니다. 시스템 수준의 지식과 사고. 이러한 맥락에서 핵심 시스템과 소프트웨어 엔지니어링에 대한 기본 지식을 갖춘 기술 전문가의 은퇴는 상당한 두뇌 유출이 될 것입니다.

주요 시스템에 대한 기본 지식을 갖춘 전문가가 은퇴하는 동안 기술 리더가 복원력 있는 소프트웨어 조직을 설계하고 유지 관리해야 하는 과제는 광범위합니다. 이러한 문제를 해결하기 위해 먼저 리더는 제품 중심성 , 민첩성, DevSecOps 및 사이트 안정성 엔지니어링 에 대한 조직의 성과를 측정할 야심찬 목표를 갖는 것이 이상적입니다.(SRE). 둘째, 심층적인 기술, 경험, 혁신적이고 효과적인 관행의 점진적인 채택을 중시하는 소프트웨어 엔지니어링 문화를 구축하고 활성화할 것입니다. 마지막으로 조직이 구축하고 있는 일종의 소프트웨어 엔지니어링 문화를 제공하기 위해 개발자 여정에 매핑되는 개발자 경험 이니셔티브를 만들었습니다. 확실히 이러한 조치는 포괄적인 솔루션은 아니지만 모든 기술 조직에 중요한 투자입니다.

침식 기술과 두뇌 유출

조직이 의존하는 기술을 뒷받침하는 기본 인프라로 작업할 수 있는 기술을 갖춘 사람은 상대적으로 적습니다(전시).

전시하다

우리는 장애가 있는 개인에게도 웹사이트에 대한 동등한 접근권을 제공하기 위해 노력하고 있습니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주세요.

이제 어디서나 볼 수 있는 가상 인프라의 부상으로 인해 기본 인프라에 필요한 것이 무엇인지 파악해야 하는 부담이 사라졌고 시스템에 대한 지식과 제어가 개별 조직의 기술 전문가에서 타사 하이퍼스케일러로 옮겨졌습니다. 마찬가지로, 핵심 런타임 구성 요소 및 앱의 구축을 용이하게 하는 플랫폼을 사용하면 경험이 부족한 개발자가 기본 시스템에 대한 지식이 적고 표면적인 수준의 이해(또는 아예 없는 이해)로도 솔루션을 구축할 수 있습니다. 따라서 오늘날의 기술 환경에서 일하는 기술 전문가는 시스템과 인프라를 구축하고 유지하는 데 필요한 리소스를 접할 가능성이 적습니다. 이러한 지식은 이제 가상 장치를 기본 하드웨어에 매핑하는 제품을 제공하는 공급업체에 있습니다.

보다 쉬운 말로 복잡한 기계의 조립 라인에 비유해 보십시오. 개별 부품을 작업하는 작업자는 생산 공정의 일부를 심지어 자세히 알 수도 있습니다. 그러나 전체 시스템이 어떻게 조화를 이루는지 아는 사람은 거의 없습니다. 이는 업계 전반에 걸쳐 기술 기반 조직이 처해 있는 대략적인 위치입니다.

기술 동향은 핵심 인프라에 대한 깊이 있고 기초적인 지식을 갖춘 인재의 지속적인 감소와도 밀접하게 연관되어 있습니다. 우리는 2050년까지 핵심 시스템 작동 방식에 대한 지식이 소수의 개발자에게 집중될 것이며 대부분의 업계에서는 이러한 전문 지식을 타사 제공업체에 의존하게 될 것으로 예측합니다.

더욱 강력한 소프트웨어 조직 만들기

개별 조직은 이러한 구조적 추세의 영향을 완전히 상쇄할 수는 없지만 기술 리더는 소프트웨어 조직을 강화하기 위해 세 가지 작업을 수행할 수 있습니다. 그들은 현재 성과를 활용하여 기준선을 설정하고 야심 찬 목표를 설정하고, 소프트웨어 엔지니어링 분야에서 탁월한 문화를 구축하고, 목표를 지원하는 개발자 경험 이니셔티브를 설계할 수 있습니다.

기준선 찾기

많은 조직이 병렬 기술 이니셔티브를 갖고 있습니다. 이러한 노력을 조정하지 않으면 어느 것이 장기적인 목표를 지원하면서 단기적인 영향을 미칠 수 있는지 알기 어려울 수 있습니다. 속도, 품질, 탄력성, 보안, 경험 및 생산성 측면을 제공하는 관행에 대한 기준 및 벤치마크를 설정하면 의사 결정자가 가장 큰 가치를 창출하는 접근 방식을 이해하는 데 도움이 될 수 있습니다.

예를 들어, 클라우드, DevSecOps 및 SRE를 채택한 대규모 소프트웨어 회사는 진단을 실행하여 우선순위가 올바른지 확인했습니다. 벤치마킹 활동을 통해 조직에 새로운 기회가 찾아졌다는 것은 의미 있는 일입니다.

다양한 기술 조합을 중시하는 엔지니어링 문화 구축

고기능 엔지니어링 문화는 심층적인 기술과 경험의 다양한 조합을 중요시해야 하며 제품 중심성, 민첩성, DevSecOps 및 클라우드와 같이 조직 효율성을 높이는 것으로 입증된 새로운 관행을 점진적으로 채택해야 합니다 .

결정적으로, 조직과 문화는 실무 경험을 강조하고 보상해야 합니다. 기본에 대한 지식, 즉 베어메탈 이해를 바탕으로 프로그래밍 언어와 프레임워크를 작성할 수 있는 시스템 엔지니어는 조직에 매우 귀중한 존재입니다. 강력한 기술 리더십, 명확한 경력 경로, 개발자를 위한 지속적인 학습은 모두 올바른 인재를 유지하고 더 나은 리더를 개발하는 데 도움이 될 수 있습니다. 2

결정적으로, 기술 조직은 소프트웨어 및 시스템에 대한 기술 리더의 전문 지식을 활용하여 경력 초기의 동료를 멘토링하고 지도하고 가르칠 수 있습니다. 시간이 지남에 따라 그 결과는 더 강력하고 다양한 인재, 더 높은 생산성, 더 나은 직장이 될 수 있습니다.

이러한 개발자를 유지하기 위해 리더는 DevSecOps 및 클라우드와 같은 새로운 기술 및 접근 방식을 도입할 때 변경 관리 프로세스의 일부로 경력 경로를 설계할 수 있습니다. 실제로 조직의 변화는 경력 개발의 기회를 제공하고 팀에 대한 개인의 기여를 명확히 할 수 있습니다. 클라우드, DevSecOps 및 SRE를 출시하는 북미의 한 은행은 기술 실행만큼 변경 관리 프로그램을 계획하는 데 많은 시간을 소비했습니다. 이 변화 관리 프로그램에는 지속적인 커뮤니케이션 계획, 교육 및 코칭 프로그램이 포함되었습니다. 변경 사항이 완전히 구현되고 적용되려면 수년이 걸리겠지만, 초기 계획은 은행이 변화에 대한 접근 방식을 체계화하는 데 도움이 되었습니다.

조직 목표에 부합하는 개발자 경험 창출

개발자 경험은 항상 추구하는 것입니다. 정의에 따르면 엔지니어의 효율성을 높이는 것은 기술 조직의 장기 목표와 개발자의 경력 성장을 위해 경력 초기에 최고의 잠재력을 활용할 수 있습니다.

선별된 개발자 경험은 개발자가 새로운 환경에서 생산성을 발휘하는 데 드는 노력을 줄이는 것입니다. 학습 경험에는 단순한 교실 시간 이상의 것이 포함되어야 하며 SRE, 시스템 사고, DevSecOps 및 제품과 같은 영역에서 뛰어난 기여를 하는 데 인재가 집중할 수 있도록 하는 도구 및 프로세스에 지속적으로 초점을 맞춰야 합니다. 북미의 한 은행은 부분적으로 개발자 경험에 초점을 맞춘 노력을 시작했습니다. 새로운 개발자의 생산성 향상 시간을 몇 주에서 24시간으로 단축하기 위해 온보딩 경험을 재설계하는 중입니다. 이를 달성하기 위해 조직은 CI/CD(지속적 통합/지속적 전달) 파이프라인을 간소화하고 엔지니어의 첫 30일 동안 가장 중요한 요소를 재정의하여 성장을 최적화했습니다.

---

조직은 기술 인프라에 대한 기본 지식의 추상화 증가와 해당 지식을 갖춘 고위 인재의 손실이라는 이중 추세에 계속해서 맞서 싸울 것입니다. 현재로서는 조직의 강점을 최적화하는 것이 보루 역할을 할 수 있습니다.

Brian Goodman 은 McKinsey 뉴욕 사무소의 파트너 파트너이고 Anand Swaminathan 은 Bay Area 사무소의 수석 파트너입니다.

1 "2018년부터 2024년까지 전 세계 소프트웨어 개발자 수", Statista, 2023년 3월 6일.
2 기술 인재 채용 및 관리에 대한 자세한 내용은 Sven Blumberg, Ranja Reda Kouba, Suman Thareja 및 Anna Wiesinger, " 기술 인재 구조: 인재 발굴, 유지, 개발을 위한 10가지 새로운 현실 ”, McKinsey, 2022년 4월 14일; 및 Kathryn Kuhn, Eric Lamarre, Chris Perkins 및 Suman Thareja, " 기술 인재 금 채굴: 다양한 인재를 찾고 유지하는 7가지 방법 ", McKinsey, 2022년 9월 27일.

기술로 돌아가기: 앞으로

겨울이 오나요? 향후 몇 년 동안의 양자 컴퓨팅의 궤적

양자 컴퓨팅이 나아갈 길은 결코 확실하지 않지만, 우리의 분석에 따르면 기업은 지속적인 발전을 이루는 데 필요한 리소스를 갖게 될 것입니다.

2023년 5월 19일작성자: Scarlett Gao, Martina Gschwendtner, Hussein Hijazi, Nicole Morgan, Henning Soller

퀀텀 컴퓨팅의 엄청난 파괴 가능성은 전통적으로 개발 일정이 길어지면서 완화되었습니다. 대규모로 작동할 수 있는 양자 컴퓨터는 2040년 이전에는 실행 가능하지 않을 수도 있고 그 이후에도 가능하지 않을 수 있습니다. 지금까지 투자자들은 장기적으로 안착했고, 업계 관찰자들은 의미 있는 진전을 측정하기 위해 전통적인 지표 너머를 살펴봐야 했습니다.

상충되는 징후로 인해 전망이 흐려집니다. 한편으로, 글로벌 기술 기업은 양자 컴퓨팅의 이점을 달성하기 위해 수십억 달러를 지출하고 있으며, 국가 정부는 과학 커뮤니티를 동원하기 위해 상당한 금액의 자금을 할당했습니다. 반면, 금리 상승으로 스타트업에 대한 자금 흐름이 위축되면서 투자가 고갈되고 혁신이 위축되는 '퀀텀 윈터'의 망령이 커지고 있습니다.

중요한 질문은 양자 컴퓨팅이 우주 탐험과 유사한 궤적을 따를지(투자의 집중과 명확한 목표가 상대적으로 짧은 시간에 달 착륙으로 이어지는 경우), 아니면 핵융합(최근의 획기적인 발전으로 아직 커버할 수 있는 영역만 강화하는 경우)을 따를지 여부입니다. ). 현 단계의 시장 조사 1 에서는 다가오는 양자 겨울에 대한 명확한 징후를 보여주지 않습니다.

대규모 양자 컴퓨팅을 달성하기 위한 과제

양자 컴퓨팅의 개발 경로를 도표화하는 흥미롭지만 복잡한 요소 중 하나는 초전도 회로, 광자 네트워크, 스핀 큐비트, 2개의 중성 원자 및 포획된 이온 등 여러 기술을 하드웨어에 사용할 수 있다는 것입니다. 각 기술에는 장단점이 있으며, 스타트업부터 글로벌 기술 리더까지 다양한 기업이 시장에서의 입지를 확보하기 위해 경쟁적으로 실험을 진행하고 있습니다.

이러한 모든 기술은 하나 이상의 주요 과제를 극복해야 합니다.

• 대규모의 충실도가 높은 2큐비트 게이트. 내결함성 양자 컴퓨터에는 높은 충실도(일반적으로 99.99% 이상으로 이해됨)를 유지하는 것이 필요합니다.
• 속도. 제한된 큐비트 "수명"(일관성 시간)으로 인해 게이트 작업이 복잡한 계산을 가능하게 하고 합리적이고 의미 있는 시간 내에 전체 계산을 실행할 수 있을 만큼 충분히 빠른 속도로 발생해야 합니다.
• 다중 큐비트 네트워킹. 범용 양자 컴퓨터에서 큐비트는 원칙적으로 장치의 다른 큐비트에 연결하여 직접 또는 SWAP 게이트를 통해 게이트 작업을 수행할 수 있습니다. 3 많은 큐비트 설계의 주요 과제는 칩 전반에 걸쳐 큐비트를 연결하는 것입니다.
• 규모에 따른 개별 큐비트 제어. 개별 큐비트의 제어는 큐비트 수가 증가함에 따라 점점 더 복잡해집니다.
• 냉각력 및 환경 제어. 양자 컴퓨터가 확장됨에 따라 냉각 장비의 크기와 전력 요구 사항이 엄청나게 높아집니다.
• 제조 가능성. 대량의 양자 컴퓨터를 생산하려면 제조 및 테스트의 자동화가 필요합니다. 일부 설계에서는 기존 기술을 사용할 수 있지만 다른 설계에서는 새로운 제조 기술 개발이 필요합니다.

시장 생존 가능성 측정

앞으로 몇 년 안에 대규모로 작동하는 양자 컴퓨터를 향한 행진이 추진력을 얻을 수 있습니다. 그러나 정확한 시기는 아직 파악하기 어렵습니다. 앞에 놓인 장애물에도 불구하고 두 가지 지표는 낙관적인 전망을 제시합니다.

현재까지의 투자 수준

다양한 회사가 양자 컴퓨터, 알고리즘 및 응용 프로그램 개발에 상당한 자금을 투자했습니다 . 다양한 규모(스타트업부터 확고한 기업까지)의 조직에서 22명의 기술 임원, 투자자 및 학계와 최근 논의한 결과, 67%가 향후 5년 동안 1,000만 달러 이상을 투자할 것으로 나타났습니다(그림 1). .

전시 1

우리는 장애가 있는 개인에게도 웹사이트에 대한 동등한 접근권을 제공하기 위해 노력하고 있습니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주세요.

민간 부문 투자는 양자 컴퓨팅 우위 확보를 위한 노력에 참여하는 전 세계 정부의 자금 지원 으로 보완되었습니다 . 자금 분배 일정은 국가마다 다르지만 총 340억 달러의 정부 투자가 발표되었습니다(그림 2). 중국과 유럽연합이 전체의 3분의 2 이상을 차지합니다. 미국 정부는 양자컴퓨팅에 대한 자금 지원을 늘렸고(2022년 발표된 18억 달러 포함) 총 투자액은 37억 달러에 이릅니다.

전시 2

우리는 장애가 있는 개인에게도 웹사이트에 대한 동등한 접근권을 제공하기 위해 노력하고 있습니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주세요.

공공 및 민간 부문에 걸친 양자 컴퓨팅을 위한 자금 및 자원의 집중은 향후 12~15년 내에 상당한 진전을 이룰 수 있습니다. 양자 컴퓨팅 분야의 기술 경영진, 투자자 및 학계와의 대화에서 72%는 2035년까지 완전한 내결함성 양자 컴퓨터를 볼 것으로 예상합니다. 나머지 28%의 응답자는 이 이정표가 2040년 이후에 도달할 것이라고 믿습니다. .

양자 컴퓨팅 인재 풀

양자 컴퓨팅의 또 다른 과제는 이 기술이 잠재력을 최대한 발휘할 수 있도록 충분한 자격을 갖춘 후보자를 찾는 것입니다. 기술 경영진, 투자자 및 학계와의 토론에서 인재 시장이 수요를 충족하기에 충분한지에 대해 거의 의견이 분분했습니다. 45%는 인재 부족을 지적한 반면, 55%는 자격을 갖춘 후보자를 찾는 데 어려움이 없다고 보고했습니다.

이러한 차이는 여러 요인으로 설명될 수 있습니다. 소규모 신생 기업은 대학 연구실에서 성장하며 일반적으로 숙련된 지원자와 직접 접근할 수 있습니다. 대기업의 경우 이러한 인재 풀과의 연결이 부족할 수 있으며 적절한 수준의 지식을 갖춘 직원을 유치하기가 더 어려울 수 있습니다.

회사의 규모도 회사의 전망과 관련이 있습니다. 많은 양자 컴퓨팅 회사가 아직 개발 초기 단계에 있기 때문에 인재에 대한 수요가 제한되어 있습니다. 조직이 확장되기 시작하면 자격을 갖춘 후보자에게 프리미엄이 붙게 됩니다.

회사가 양자 컴퓨팅 스택에 중점을 두는 곳도 인재 방정식에 영향을 미칩니다. 양자 컴퓨팅 하드웨어와 코딩 언어의 개발에는 특정 기술을 갖춘 직원이 필요합니다. 대조적으로, 더 많은 작업자가 양자 컴퓨팅을 지원하는 고급 알고리즘에 익숙하므로 인재가 스택의 이 부분에 병목 현상이 발생하지 않을 것임을 시사합니다.

---

초기 징후에 따르면 양자 컴퓨팅 회사는 향후 몇 년 동안 불확실성을 극복할 수 있는 충분한 자금과 인재를 보유하게 될 것입니다. 이러한 기본 요소를 갖추면 업계는 예상보다 빨리 다음 혁신을 경험할 수 있는 위치에 설 수 있습니다.

Scarlett Gao 는 McKinsey 런던 사무소의 컨설턴트, Martina Gschwendtner 는 뮌헨 사무소의 컨설턴트, Hussein Hijazi 는 두바이 사무소의 컨설턴트, Nicole Morgan 은 프라하 사무소의 컨설턴트, Henning Soller 는 프랑크푸르트 사무소의 파트너입니다. .

1 우리의 연구에는 다양한 규모의 조직에서 양자 컴퓨팅 분야의 기술 임원, 투자자 및 학자 22명과의 인터뷰가 포함되었습니다.
2 큐비트 = 양자 비트.
3 SWAP 게이트는 두 큐비트의 상태를 "교환"합니다.