AI 채택과 성공을 위한 5가지 큰 과제

기업이 인공 지능(AI)보다 더 열광하는 기술은 거의 없으며, 그럴 만한 이유가 있습니다. AI는 마케팅, 고객 서비스, 재무를 비롯한 여러 기능에서 기업이 운영되는 방식을 완전히 바꿀 수 있는 잠재력을 가지고 있습니다.

그러나 많은 신흥 기술과 마찬가지로 도전 과제가 있으며 AI는 이러한 과제를 해결합니다. MIT-보스턴 컨설팅 그룹(MIT-Boston Consulting Group)의 새로운 설문 조사에 따르면 임원의 85%가 AI가 비즈니스를 바꿀 것이라고 믿고 있지만 기업의 20%만이 어떤 식으로든 AI를 사용하고 5%만이 광범위하게 사용하는 이유를 설명할 수 있습니다.

그렇다면 AI가 잠재력을 실현하는 데 방해가 되는 것은 무엇일까요? 다음은 오늘날 사용할 수 있는 점점 더 많은 AI 기반 도구를 효과적으로 사용하려는 기업이 해결해야 하는 가장 큰 5가지 과제입니다.

데이터 액세스

데이터는 디지털 경제의 생명선이며 AI를 다양한 영역에 적용하려는 기업에게 데이터 액세스는 가장 큰 과제 중 하나가 될 것입니다. 실제로 글로벌 자문 회사인 Willis Towers Watson의 디지털 리드인 George Zarkadakis에 따르면 데이터는 기업이 직면한 가장 큰 도전 과제가 될 것입니다.

그는 AI 비즈니스와의 인터뷰에서 "머신 러닝 알고리즘을 훈련시키려면 최소한의 편향으로 대규모의 깨끗한 데이터 세트가 필요하다"고 말했다. "특히 2018년에 발효되는 일반 데이터 보호 규정에 비추어 개인 데이터 수집과 관련하여 데이터 개인 정보 보호 문제를 염두에 두어야 합니다."

좋은 소식은 대부분의 브랜드가 수년 동안 데이터의 가치에 관심을 가지고 있다는 것입니다. 특히 광고 시장 덕분에 기업은 특히 제3자 데이터 획득 비용이 증가함에 따라 자사 데이터의 가치를 인식하게 되었습니다.

그 결과 많은 기업들이 생성한 데이터를 수집 및 저장하고 이를 활용할 수 있는 인재를 모집하기 위한 인프라를 구축하는 데 막대한 투자를 하고 있습니다. 이 분야에서 더 앞서 있는 사람들은 AI를 비즈니스에 통합하는 데 있어 경쟁 우위를 가지고 있다는 것을 알게 될 것입니다.

과거가 항상 프롤로그는 아니라는 사실

회사가 AI 애플리케이션을 생성하는 데 사용할 수 있는 데이터가 충분하더라도 AI 애플리케이션이 훈련된 모델이 반드시 영원히 작동하지는 않는다는 것을 인식하는 것이 중요합니다.

예를 들어 마케팅 캠페인을 관리하는 데 사용되는 AI 애플리케이션을 살펴보겠습니다. 작년에 IBM은 2017년까지 모든 프로그래밍 방식 캠페인을 관리하기 위해 Watson 플랫폼을 사용할 것이라고 발표했습니다. 보고서에 따르면 IBM은 Watson을 사용하여 평균 클릭당 비용을 35% 절감했으며 경우에 따라 그 수치가 최고로 높아졌습니다. 71%로.

AdAge가 설명했듯이 Watson은 "고급 분석을 사용하여 방대한 양의 데이터를 수집하고 시간, 사용 중인 장치, 사용하는 언어 및 사용하는 브라우저를 기반으로 잠재 대상 소비자에게 가치를 할당함으로써 입찰 프로세스의 효율성을 높입니다. 사용하고 있습니다."

Watson이 데이터를 분석할 수 있는 수준은 "놀라운" 수준입니다. 예를 들어, "오전 3시에 게재될 때 2달러의 CPM 또는 1,000회 노출당 비용으로 더 작은 크기의 [광고]가 더 효과적인지 정오에 3달러의 CPM으로 표시되는 큰 광고보다 효과적인지"를 확인할 수 있습니다.

그러나 디지털 광고 시장은 고정되어 있지 않으며 몇 달 또는 몇 년 동안 작동한 모델이 내일 작동한다는 보장이 없습니다. AI는 진행하면서 학습할 수 있지만 그렇게 하는 능력은 주로 학습된 조건과 유사한 상태를 유지하는 데 달려 있습니다.

예를 들어 광고 형식의 변화, 생태계 내 구매자의 오고감, 광고 구매를 위해 AI를 사용하는 기업의 수 증가 등 모두 시장 상황을 극적으로 변화시킬 수 있는 잠재력을 가지고 있습니다. AI가 훈련된 데이터가 수집될 때 존재했습니다.

이는 AI 모델이 효율성이 크게 감소하거나 빠르게 파손되어 피해를 줄 위험이 있음을 의미하므로 현명한 기업은 AI에 비즈니스를 신뢰하기보다 항상 감독과 보호 장치가 마련되어 있는지 확인해야 할 것입니다.

감성 지능이 부족하다

기업은 고객 서비스 노력을 지원하기 위해 AI 기술을 점점 더 많이 사용하고 있습니다. 예를 들어 많은 사람들이 Facebook Messenger와 같은 플랫폼에서 고객이 상호 작용할 수 있는 AI 기반 챗봇을 구축하고 있습니다.

이러한 플랫폼을 위한 챗봇의 초기 구현은 많은 부분을 요구했지만 자연어 처리(NLP) 기술은 빠르게 개선되고 있으며 AI 기반 봇은 상호 작용하는 인간이 말하는 내용을 더 잘 이해하고 있습니다.

하지만 그럼에도 불구하고 AI 애플리케이션은 감성 지능이 부족하고 가장 중요한 것은 공감 능력을 발휘할 수 없으며 이는 챗봇과 같은 고객 서비스 애플리케이션에서 AI가 성공하는 데 큰 장벽입니다. 결국, 특정 고객 서비스 문의는 고객 관계를 만들거나 깨뜨릴 수 있습니다.

브랜드가 이 문제를 해결할 수 있는 한 가지 방법은 공감이 필요하지 않은 고객 서비스에 AI를 적용하는 것을 제한하는 것입니다. 예를 들어, 챗봇은 최전선 고객 서비스 역할을 하도록 설계되어 자주 묻는 질문에 응답하고 단순하고 일반적으로 감정이 덜한 요청을 처리할 수 있습니다. 요청이 더 복잡하거나 잠재적으로 민감한 경우 AI 기반 챗봇은 고객을 고객 서비스 담당자와 원활하게 연결할 수 있어야 합니다.

전문화

마케팅 컨설팅 회사인 Raab Associates의 대표인 David Raab은 "오늘과 가까운 미래의 AI 시스템은 전문가입니다."라고 말했습니다. 그들은 리드 점수를 매기거나 디스플레이 광고에 입찰할 최적의 가격을 결정하는 것과 같은 특정 작업을 수행합니다.

물론 AI 기반 기술은 현재 일부 전문 작업에서 다른 작업보다 더 우수합니다. 어디에서나 콘텐츠 마케터의 꿈인 AI 자동화 콘텐츠 제작을 경험하십시오. Gartner는 2018년까지 모든 비즈니스 콘텐츠의 20%가 기계에 의해 생산될 것으로 예측합니다.

AI가 명확성과 정확성 측면에서 인간의 콘텐츠와 사실상 구별할 수 없는 특정 종류의 콘텐츠를 생성할 수 있다는 증거가 있지만 한 연구에 따르면 기계 제작 콘텐츠는 훨씬 더 지루하고 읽기가 덜 즐겁습니다.

감동적인 콘텐츠는 콘텐츠 마케팅 성공에 매우 중요하기 때문에 브랜드는 콘텐츠 제작의 전체 작업을 AI 소프트웨어의 손에 맡기는 것에 대해 경계해야 합니다.

하지만 AI가 전문화된 콘텐츠 작업을 수행할 수 없다는 의미는 아닙니다. 브랜드는 인공 지능을 사용하여 인기 있는 콘텐츠에 적합한 트렌드와 주제를 식별하고, 사람이 작성한 헤드라인이 가장 실적이 좋은 헤드라인을 예측하거나, 콘텐츠를 선별할 수 있습니다.

AI 기반 콘텐츠 큐레이션의 혁신적인 예는 올해 US Open에서 전시되었습니다. USTA(미국테니스협회)는 IBM Watson이 "선수의 제스처와 표정, 관중의 소음 및 방송인의 반응을 인식"하도록 훈련시킨 다음 Watson을 사용하여 방송 및 콘텐츠 팀이 팬들에게 전달할 경기 하이라이트를 식별하도록 돕습니다.

협업 불가능

Raab Associates의 David Raab이 관찰한 바와 같이 마케팅 캠페인에는 많은 전문 작업의 조정이 포함됩니다. 즉, AI가 전체 마케팅 캠페인을 인수하려면 "많은 AI의 협력이 필요합니다."

이론적으로 이것은 반드시 거래를 차단하는 것은 아닙니다. 그러나 이론과 현실은 같은 것이 아니다. 그는 이것을 가능하게 하는 것과 관련된 것을 다음과 같이 설명했습니다.

완전 자동화되고 완벽하게 개인화된 고객 경험을 만들기 위해 협업하는 복잡한 AI 기반 구성 요소 모음을 상상하는 것은 쉽고 재미있습니다. 그러나 그 시스템은 하나 또는 다른 구성 요소가 처리하도록 훈련되지 않은 조건에 직면하기 때문에 자주 실패하는 경향이 있습니다. 시스템이 잘 설계되어 있다면(그리고 우리는 운이 좋다) 그런 일이 발생하면 구성 요소가 스스로 종료됩니다. 운이 좋지 않으면 계속 실행되어 점점 더 부적절한 결과를 반환합니다.

이것이 궁극적으로 의미하는 것은 기업이 AI가 약속하는 일종의 자율 주행 마케팅 캠페인을 구축하는 것이 더 복잡하고 비용이 많이 든다는 것입니다. 그런 이유로, 그 사이에 정통한 브랜드는 어떤 AI 기술에 투자하는지에 대해 전략적일 것입니다. 예를 들어, 한 회사는 AI를 리드 스코어링에 적용하여 상당한 가치를 실현할 수 있고 다른 회사는 소셜 미디어 감정 분석에 AI를 적용하여 더 많은 가치를 실현할 수 있습니다.

브랜드와 필요에 따라 수익이 크게 달라질 수 있기 때문에 기업은 현실적으로 AI 기술을 분석하고 가장 가치 있는 기술을 결정해야 합니다.