이미지 확대보기
생성형 AI에 대한 과도한 기대와 투자 열풍 논란이 계속되는 가운데, 실제 AI 프로젝트의 성공률은 여전히 낮다는 주장이 나왔다.
이는 AI 기술의 한계를 드러내는 동시에 보다 실용적이고 체계적인 접근이 더 필요함을 시사한다.
랜드연구소의 최근 보고서에 따르면, AI 프로젝트의 80% 이상이 실패하는 것으로 나타났다. 이는 일반적인 IT 프로젝트 실패율의 두 배에 달하는 수치다. 전문가들은 AI 프로젝트 실패의 주요 원인으로 비즈니스 목표와의 불일치, 데이터 부족, 기술 중심적 접근, 인프라 미비, AI 기술의 한계 등을 지목했다.
더불어, 가트너의 2023년 보고서는 AI 프로젝트 85%가 실패한다고 밝혔으며, IBM의 조사에 따르면 기업의 78%가 AI 도입에 어려움을 겪고 있다고 응답했다. 이러한 통계는 AI 기술의 잠재력과 실제 적용 사이의 격차를 명확히 보여준다.
한편, 생성형 AI 열풍을 주도했던 기업들의 주가도 등락을 계속하고 있다. 엔비디아와 마이크로소프트, 아마존 등은 올해 들어 최고점과 20~30% 하락을 오갔다.
가트너의 하이프 사이클에 따르면, 생성형 AI는 현재 '부풀려진 기대의 정점'에서 '환멸의 계곡'으로 접어드는 과정에 있는 것으로 보인다. 이는 새로운 기술이 등장했을 때 사람들이 과도하게 흥분하고 비현실적인 기대를 갖는 시기에서 기술의 한계를 인식하고 현실적인 기대치를 갖게 됨을 의미한다.
그러나, 이는 기술 자체가 무용하다는 뜻이 아니라, 오히려 기술이 성숙해지고 실제 적용 사례가 늘어나는 과정의 일부로 해석해야 한다. 실제로 생성형 AI의 성공적인 적용 사례도 증가하고 있다.
예를 들어, 맥킨지의 2023년 보고서에 따르면, 생성형 AI를 도입한 기업의 40%가 생산성 향상을 경험했으며, 28%가 비용 절감 효과를 보았다고 한다.
구체적인 사례로, 의료 분야에서 생성형 AI는 진단 정확도 향상에 기여하고 있다. 스탠포드 대학 연구에 따르면, AI 보조 진단 시스템이 의사의 유방암 진단 정확도를 약 5% 향상했다. 또한, 금융 분야에서 JP모건이 생성형 AI를 활용해 고객 서비스 응답 시간을 20% 단축했다고 보고했다.
기술사학자 카를로타 페레즈는 혁신적 기술이 실제 경제 성장으로 이어지기 위해서는 '두 번째 기술 혁신의 물결'이 필요하다고 주장한다. 이는 AI 기술을 실제 비즈니스 프로세스에 통합하고 조직 구조를 재편하는 과정을 의미한다.
전문가들은 AI 도입을 위해 점진적이고 실용적인 접근법을 제안한다. UPS의 사례는 이러한 접근법의 유효성을 보여준다. UPS는 AI 기반 배송 최적화 시스템을 도입하는 과정에서 단계적이고 신중한 접근을 취했다. 그 결과 초기의 저항을 극복하고 연간 2억 달러 이상의 비용 절감 효과를 거두었다.
현재 시장에서는 AI에 대한 과도한 기대는 가라앉고 있지만, 이는 오히려 더욱 체계적이고 실용적인 AI 도입의 계기가 될 수 있다. 딜로이트의 2023년 조사에 따르면, 기업의 79%가 AI를 전략적 우선순위로 삼고 있으며, 94%가 AI가 향후 5년 안에 비즈니스 모델을 크게 변화시킬 것이라고 예상하고 있다.
기업은 AI를 통한 실질적 성과 창출을 위해 장기적 안목을 가지고 조직 변화와 함께 접근해야 할 것이다. AI 거품은 꺼지고 있지만, 올바른 전략을 통해 AI의 실질적 혜택을 누릴 수 있는 시대가 도래하고 있다. 이는 기술의 성숙과 함께 더욱 현실적이고 지속 가능한 AI 혁신의 시작을 의미한다.
박정한 글로벌이코노믹 기자 park@g-enews.com
