업계 리더들은 인공 지능에 올인합니다.

지금 생성적 AI가 각광을 받고 있는 반면, 대부분의 조직은 AI 분야에서 거의 하고 있지 않습니다. Deloitte의 분석 실무 수석 컨설턴트인 Tom Davenport는 이것이 큰 실수라고 지적했습니다. 기업, 특히 업계 리더는 경쟁력을 유지하려면 AI에 막대한 투자를 해야 합니다.

Davenport는 인공 지능에 대한 투자로 진정한 이익을 얻으려면 기업이 직원이 일하고 고객과 상호 작용하는 방식을 바꾸는 애플리케이션부터 시작하여 작업 환경에서 인간과 기계가 상호 작용하는 방식을 다시 생각해야 한다고 말했습니다. AI는 모든 비즈니스 결정과 모든 제품 또는 서비스를 추진하는 데 도움이 되어야 합니다.

데이븐포트의 신간 "All in on AI: How Smart Companies Win Big with Artificial Intelligence"의 핵심 내용입니다. 이 책은 Deloitte Consulting의 수석 Nitin Mittal이 공동 집필했습니다.

Davenport는 다음과 같이 말했습니다. “AI를 조작하는 것만으로는 큰 가치를 얻을 수 없습니다. AI를 소규모로 쉽게 구현할 수 있지만 이를 작업 방식에 통합하는 것은 의미합니다.

대신 조직은 AI를 비즈니스 프로세스와 워크플로에 통합해야 합니다. AI 작업을 활성화하려면 조직은 직원의 기술을 향상하고 AI 기술이 확장될 수 있도록 보장해야 합니다. 동시에 조직은 세상의 변화로 인해 노력이 역효과를 낳지 않도록 시간을 두고 이러한 노력을 기울여야 합니다.

Davenport는 다음과 같이 강조했습니다. “AI를 적극적으로 채택하고 이를 사용하여 전략, 비즈니스 모델 및 주요 비즈니스 프로세스를 변경하면 얻을 수 있는 많은 이점이 있습니다. 이는 실제로 기업이 팁 대신 AI를 사용하여 더 많은 작업을 수행하도록 촉구합니다. 대부분의 기업처럼 균열을 헤쳐 나가고 있습니다. "

AI 투자로 큰 이익을 얻고 있는 사람들로부터 알아보세요

이 책에서 Davenport와 Mittal은 "진행 중인 조직"을 갖춘 30개 회사를 식별합니다. AI에 올인”하고 이 전략을 통해 막대한 이익을 얻습니다.

Davenport는 다음과 같이 설명했습니다. “가장 인상적인 예는 중국의 Ping An Group입니다. 비록 수익 측면에서 세계 16위를 차지하고 있지만 Ping An 그룹은 현재 중국 최대의 민간 기업입니다. 창립 보험회사로 시작했지만 현재는 5개의 '생태계' 즉 사업 단위를 갖고 있으며, 보험 외에 은행, 헬스케어, 스마트시티(스마트시티 사업), 자동차 서비스까지 추가했습니다."

데이븐포트는 지적했습니다. Ping An이 놀라운 속도로 성장하고 있다는 사실을 알게 되었습니다. 회사는 다른 조직과 협력하고 해당 관계에서 고객 데이터를 얻을 수 있는 에코시스템 접근 방식을 만들었습니다. 그들은 이 데이터를 사용하여 행동을 정확하게 예측하거나 분류하는 인공 지능 모델을 만듭니다. 그런 다음 각 비즈니스를 성장시켜 더 많은 데이터를 얻습니다.

Davenport는 다음과 같이 덧붙였습니다. “제가 가장 좋아하는 사례는 'The Good Doctor'라는 제품을 만든 의료 사업입니다. 팬데믹 기간 동안 미국인들은 Zoom, 처방전 받기 또는 기타 서비스를 통해 의사와 대화할 수 있지만 Good Doctor는 그 이상을 제공합니다. 그에 따르면 굿닥터는 분류, 진단, 치료 계획 제안을 위한 AI 기반 시스템이다. 실제 의사는 환자에게 최종 진단과 치료 계획을 제시하는 동시에 굿닥터 시스템의 추천을 받게 된다.

데이븐포트는 "나에게 가장 충격적인 점은 중국에서 거의 4억 명이 사용하고 있다는 점이다. 이는 미국 전체 인구보다 많다. 중국은 의사 수가 부족하기 때문에 '좋은 의사들'이 좋다"고 말했다. '는 의료에 매우 중요합니다." 의료는 큰 영향을 미쳤습니다.”

시장을 변화시키는 다른 AI 리더

책에 등장하는 또 다른 사례는 Shell Oil Company입니다. Shell Oil Company는 많은 비즈니스에 AI를 도입했습니다. 인공지능은 일부 프로세스를 재설계합니다. 가장 주목받는 사례는 Shell의 대규모 공장과 파이프라인을 둘러싼 검사입니다.

Davenport는 다음과 같이 말했습니다. “과거에는 인간 검사관이 공장의 모든 측면을 완전히 검사하는 데 최대 6년이 걸렸습니다. 이제 Shell은 드론과 인공 지능 기반 이미지 분석 시스템을 사용하여 6일간의 촬영을 수행합니다. 이 검사를 수행하는 데 걸리는 시간을 대폭 줄이면 Shell이 ​​전문적인 데이터 과학 배경 지식 없이도 시민 데이터 과학자가 될 수 있도록 5,000명 이상의 엔지니어를 교육했다는 점에서 잠재적인 보안 이점을 얻을 수 있습니다.”

세 번째 예는 미국 최대 식료품 소매업체 중 하나인 Kroger입니다. Kroger는 신시내티에 위치한 84 Point 51 Degrees라는 전액 출자 데이터 과학 자회사를 보유하고 있습니다. 이름은 신시내티의 경도에서 유래되었습니다.

Davenport는 다음과 같이 설명했습니다. “이 자회사는 소비자 제품 및 Kroger에서 제품을 판매하는 회사와 관련된 Kroger를 위해 수행하는 데이터 과학 작업 측면에서 정말 인상적입니다. 예를 들어 그들은 SKU별, 매장별 매출을 예측하는 거대한 모델을 운영하고 있습니다. , 매장 체인 전반에 걸쳐 매일 밤마다.”

The Kroger Company는 또한 미국 최대 규모의 식료품점 로열티 프로그램을 운영하고 있습니다. 회사는 프로그램의 데이터를 사용하여 회원들이 지역 매장에 더 자주 방문하고 더 많은 구매를 유도하도록 유도할 제품과 프로모션을 예측합니다.

Davenport는 다음과 같이 말했습니다. “그들은 고객이 건강 식품 공간에서 쇼핑하도록 장려하기 위해 충성도 프로그램을 사용하여 영양 수준이 높은 신제품을 추천하고 있습니다. 또한 데이터 통찰력 중 일부를 소비재 파트너에게 판매하고 있는 것 같습니다. 소매업체는 이 점에서 다른 식료품점보다 훨씬 앞서 있습니다.”

대형 레거시 조직을 위한 인공 지능의 가치

Davenport와 Mittal의 책의 주요 초점은 AI를 진정으로 활용하려는 레거시 비즈니스에 있습니다. 변화를 위해.

Davenport는 다음과 같이 지적합니다. “이것은 디지털 네이티브에 관한 것이 아닙니다. 이러한 조직의 모든 사람들이 이미 AI와 디지털 혁신을 믿고 있기 때문에 훨씬 더 좋습니다. 그러나 많은 회사가 그렇게 하고 있다고 말합니다. 하지만 그들은 이를 일상 업무에 거의 적용하지 않기 때문에 실질적인 경제적 가치를 얻지 못하고 있습니다.” Davenport는 현대 시대에는 많은 기업이 그렇게 하기를 꺼릴 수 있음을 인정했습니다. “이 비교적 초기 단계에서는 많은 투자가 이루어집니다. AI의. 하지만 이 책의 목적은 인공 지능 사용에 전념하는 조직이 어떻게 큰 이익을 얻고 어떤 경우에는 시장을 변화시키고 있는지 보여주는 것입니다.

이를 위해 이러한 선도적인 조직은 AI 채택에 있어 광범위하고 심층적이라고 Davenport는 말했습니다. 프로덕션 환경에는 꽤 많은 사용 사례나 애플리케이션이 있습니다. 그들은 기계 학습을 포함한 다양한 기술을 사용합니다. 많은 조직에서는 로봇 프로세스 자동화와 언어 기반 컴퓨팅 챗봇도 사용합니다.

Davenport는 다음과 같이 강조합니다. "방관하는 시대는 끝났습니다. 어떤 의미에서는 '동종 업계의 다른 사람이 이 일을 한다면 따라잡기 어려울 것'이라고 독자들에게 겁을 주고 싶습니다. '"

Davenport는 인공지능이 보편적으로 사용할 수 없는 많은 양의 데이터와 많은 기술을 필요로 하기 때문에 Fast Follower가 되기 어려운 분야라는 점을 더 지적했습니다. 기업은 지금 AI에 투자를 시작해야 하며, 상당히 쉽고 저렴하게 투자할 수 있는 방법이 있습니다.

Davenport는 다음과 같이 말했습니다. “많은 공급업체가 AI 기능을 ERP 시스템 및 CRM 시스템에 통합하고 있으므로 여기서부터 시작할 수 있습니다. 그러나 AI에서 경쟁 우위를 얻으려면 일부 기능을 직접 개발해야 할 수도 있습니다. 자신만의 사용 사례를 생성하기 위해 기술 및 기술 역량을 개발합니다.”

출처: www.cio.com

위 내용은 업계 리더들은 인공 지능에 올인합니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!