인공지능 투자 수익 저조 원인과 경영 전략 개선

주장기업들이 인공지능 예산을 지속적으로 증액함에도 투자 대비 수익률은 목표치에 도달하지 못하는 현상이 반복됩니다. 이는 기술 자체의 결함보다는 운영 방식과 경영진의 접근법에 기인합니다.

팩트베인앤컴퍼니 조사 결과, 응답 기업의 37%가 11%에서 20%의 비용 절감을 목표로 설정했습니다. 그러나 실제 성과를 측정한 기업 중 약 40%는 0%에서 10% 수준의 절감에 그쳤습니다. 그럼에도 조사 대상 기업의 90%는 인공지능 에이전트 도입을 위해 예산을 다시 늘리고 있습니다.

교차검증인공지능 에이전트가 완전한 자율성을 갖추고 운영된다는 인식과 달리, 실제 현장에서 완전히 자율적으로 작동하는 에이전트는 전체의 7%에 불과합니다. 대다수 기업은 여전히 인간의 승인이 필요하거나 가이드라인 내에서 작동하는 시스템을 운영합니다.

팩트기업의 44%는 이전 자동화 프로그램의 비용 절감분을 통해 차세대 인공지능 투자를 조달하겠다고 밝혔습니다. 하지만 이전 프로그램의 성과가 목표치에 미달하는 경우가 많아 이러한 자금 조달 방식은 재무적 위험을 가중합니다.

팩트조사 대상 기업의 41%는 데이터 접근 및 통합 문제를 인공지능 도입의 가장 큰 장벽으로 꼽았습니다. 이는 예산이나 기술 숙련도 부족보다 높은 비중을 차지하며, 인공지능 성과를 내는 기업일수록 이 문제를 더 심각하게 인식합니다.

주장인공지능 도입의 가장 큰 실수는 비효율적인 업무 프로세스를 그대로 둔 채 자동화를 적용하는 것입니다. 인공지능은 기존의 잘못된 업무 흐름을 고치지 못하며 오히려 이를 고착화하고 비용을 증가시킵니다.

교차검증데이터가 완벽하지 않다는 이유로 인공지능 도입을 미루는 것은 올바른 전략이 아닙니다. 성과를 내는 기업들은 데이터 문제를 정보기술 부서의 과제가 아닌 경영진 차원의 비즈니스 필수 과제로 격상해 해결합니다.

주장최고재무책임자는 인공지능 투자를 승인하기 전 과거 자동화 프로그램의 예상 수익이 아닌 실제 수익을 엄격히 검증해야 합니다. 이전 프로그램 성과가 목표의 60%에 그쳤다면 차기 투자 규모도 그에 맞춰 현실적으로 조정해야 합니다.

주장인공지능 에이전트가 중대한 의사결정을 내릴 때 발생하는 오류에 대해 책임 소재를 명확히 하는 거버넌스를 구축해야 합니다. 현재는 책임이 정보기술 부서와 현업 부서 사이에 분산되어 사고 발생 시 즉각적인 대응이 어렵습니다.

주장경영진은 기술 도입에 앞서 프로세스 최적화를 선행해야 합니다. 자동화는 효율적인 체계 위에서만 비용 절감이라는 실질적인 성과를 냅니다.

주장데이터 통합을 위한 경영진의 의사결정 체계 마련이 시급합니다. 부서 간 데이터 장벽을 허무는 것이 인공지능 투자의 첫걸음입니다.

출처베인앤컴퍼니의 인공지능 투자 보고서를 통해 위 내용을 교차 검증했습니다. https://www.bain.com/insights/your-ai-budget-is-growing-your-returns-arent-heres-why/