[Mckinsey] 2024년 초 AI 현황: Gen AI 채택 급증 및 가치 창출 시작

제너레이티브 AI 도입이 가속화됨에 따라 설문조사 응답자들은 측정 가능한 이점과 부정확성 위험의 완화를 보고했습니다. 소수의 고성과자 그룹이 이러한 변화를 주도하고 있습니다.

 

 

2023년이 전 세계가 제너레이티브 AI(gen AI)를 발견한 해였다면, 2024년은 조직이 이 새로운 기술을 본격적으로 사용하기 시작하고 비즈니스 가치를 창출하는 해가 될 것입니다. 최근 McKinsey의 AI 관련 글로벌 설문조사에서 응답자의 65%는 조직에서 정기적으로 제너레이티브 AI를 사용하고 있다고 답했으며, 이는 불과 10개월 전의 이전 설문조사보다 거의 두 배 가까이 증가한 수치입니다. 응답자의 4분의 3이 향후 몇 년 내에 세대 AI가 업계에 중대한 또는 파괴적인 변화를 가져올 것이라고 예측하는 등, 세대 AI의 영향력에 대한 기대감은 작년과 마찬가지로 여전히 높았습니다.

기업들은 이미 차세대 AI를 통해 실질적인 혜택을 보고 있으며, 기술을 도입한 사업부에서는 비용 절감과 매출 증가를 모두 보고하고 있습니다. 또한 이 설문조사는 부정확성 등 차세대 AI가 초래하는 위험의 종류와 이러한 문제를 완화하고 가치를 창출하기 위한 최고 성과자들의 새로운 관행에 대한 인사이트를 제공합니다.

 

출처: The state of AI in early 2024: Gen AI adoption spikes and starts to generate value | McKinsey

The state of AI in early 2024: Gen AI adoption spikes and starts to generate value

 

AI 도입 급증

제너레이티브 AI에 대한 관심으로 인해 더 광범위한 AI 기능에 대한 관심도 높아졌습니다. 지난 6년 동안 응답자 조직의 AI 도입률은 약 50%에 머물러 있었습니다. 올해 설문조사에서는 채택률이 72%로 급증한 것으로 나타났습니다(예시 1). 그리고 그 관심은 전 세계적으로 확산되고 있습니다. 2023년 조사에서는 어느 지역에서도 AI 도입률이 66%에 미치지 못했지만, 올해는 거의 모든 지역에서 응답자의 3분의 2 이상이 조직에서 AI를 사용하고 있다고 답했습니다. 산업별로 살펴보면, 전문 서비스 분야에서 도입률이 가장 크게 증가한 것을 확인할 수 있습니다.

 

Copilot 차트 설명
이 차트는 "AI adoption worldwide has increased dramatically in the past year, after years of little meaningful change."라는 제목으로, 2017년부터 2024년까지 비즈니스 기능에서 적어도 하나의 AI를 채택한 응답자의 비율을 보여줍니다. 차트에는 'Adoption of AI’와 'Use of generative AI’를 나타내는 두 개의 선이 있습니다.

‘Adoption of AI’ 선은 2017년에 약 20%에서 시작하여 2018년에는 약 47%로 증가하고, 2019년에는 약 58%로 소폭 상승한 후, 2020년과 2021년에는 50%, 56%를 유지합니다. 그 후 2022년에는 약 50%로 다시 감소하고, 2024년까지 거의 72%에 이를 것으로 예상됩니다.

‘Use of generative AI’ 선은 전반적인 AI 채택률보다 약간 낮게 시작하여 2023년경에 33%에서 2024년에 65%로 증가하고 있습니다.

이 이미지는 최근 몇 년 동안 비즈니스 내 AI 채택이 상당한 성장 추세를 보이고 있으며, 2024년 예상되는 주목할 만한 급증을 강조하고 있습니다. 이는 비즈니스가 운영에 인공 지능을 통합하는 가치를 점점 더 인식하고 있다는 것을 시사합니다.

차트의 출처는 2024년 2월 22일부터 3월 5일까지 조직의 모든 수준에서 1,363명의 참가자를 대상으로 한 McKinsey Global Survey on AI입니다.

 

또한 응답자들은 현재 기업들이 비즈니스의 더 많은 부분에서 AI를 사용하고 있다고 답했습니다. 응답자의 절반이 조직에서 두 개 이상의 비즈니스 기능에 AI를 도입했다고 답했는데, 이는 2023년에 응답자의 3분의 1 미만이었던 것에 비해 증가한 수치입니다(예시 2).

 

이 차트는 "조직들이 이전의 응답자들보다 현재 더 많은 비즈니스 기능에서 AI를 사용하고 있다는 조사 결과"라는 제목으로, 2018년부터 2024년까지 비즈니스 기능별 AI 채택 비율을 나타내고 있습니다. “1개 이상의 기능,” “2개 이상의 기능,” “3개 이상의 기능,” “4개 이상의 기능,” 그리고 "5개 이상의 기능"을 채택한 응답자의 비율을 나타내는 다섯 개의 선이 있으며, 각 선은 시간이 지남에 따라 AI 채택이 여러 비즈니스 기능에 걸쳐 증가하고 있음을 나타내는 상승 추세를 보여줍니다.

 

가장 큰 가치를 창출할 수 있는 부서에서 세대별 AI 도입이 가장 일반적입니다.

 

대부분의 응답자는 현재 조직과 개인이 차세대 AI를 사용하고 있다고 답했습니다. 응답자의 65%는 조직에서 적어도 한 가지 이상의 비즈니스 기능에서 정기적으로 세대 AI를 사용하고 있다고 답했는데, 이는 작년의 1/3에서 증가한 수치입니다. 조직은 평균적으로 마케팅 및 영업과 제품 및 서비스 개발(이전 연구에서 세대 AI 도입으로 가장 큰 가치를 창출할 수 있다고 판단한 두 가지 기능3), 그리고 IT의 두 가지 기능에서 세대 AI를 사용하고 있습니다(표 3). 2023년 대비 가장 큰 증가폭을 보이는 분야는 마케팅과 영업으로, 도입 보고가 두 배 이상 증가할 것으로 예상됩니다. 그러나 모든 직무를 통틀어 마케팅과 영업 부문에서 15% 이상의 응답자가 사용 사례를 보고한 사례는 단 두 가지에 불과했습니다.

 

이 차트는 마케팅 및 영업, 제품 및 서비스 개발, IT 기능에서 생성적 AI의 채택에 관한 설문 데이터를 보여주고 있습니다. 차트는 네 가지 주요 섹션으로 나뉘며, 각 섹션은 다른 비율을 나타내는 자체 막대 세트를 가지고 있습니다.

이 이미지는 다양한 비즈니스 기능이 생성적 AI 기술을 활용하여 운영을 강화하는 방법에 대한 통찰력을 제공합니다. 다양한 부문에 걸쳐 AI 통합의 증가하는 추세를 강조하고 이 기술이 적용되는 구체적인 영역을 보여줍니다.

 

AI 세대는 응답자의 개인 생활에도 영향을 미치고 있습니다. 2023년과 비교했을 때, 응답자들은 직장에서 세대 AI를 사용할 가능성이 훨씬 더 높아졌으며, 직장과 개인 생활 모두에서 세대 AI를 사용할 가능성이 훨씬 더 높아졌습니다(예시 4). 이 설문조사에 따르면 모든 지역에서 세대 AI 사용이 증가했으며, 아시아 태평양과 중화권에서 가장 큰 폭으로 증가했습니다. 한편, 직급이 가장 높은 응답자들은 중간 관리자급 응답자들에 비해 업무 및 업무 외적인 용도로 Al 세대 도구를 사용하는 비율이 더 크게 증가한 것으로 나타났습니다. 산업별로 살펴보면, 에너지 및 자재와 전문 서비스 업계에 종사하는 응답자의 세대 AI 사용이 가장 크게 증가한 것으로 나타났습니다.

이미지에는 2023년과 2024년 사이의 개인 경험과 생성형 AI 도구를 비교한 설문조사 결과가 표시되어 있습니다. 주요 내용은 다음과 같습니다:

1. 전반적인 사용량 증가: 2023년부터 2024년까지 제너레이티브 AI 도구의 사용량이 크게 증가할 것으로 예상됩니다.
2. 정기적인 업무 사용: 업무에 정기적으로 제너레이티브 AI를 사용하는 응답자의 비율은 2023년 8%에서 2024년 13%로 증가했습니다.
3. 업무용과 개인용 겸용: 업무와 업무 외적인 용도로 제너레이티브 AI를 정기적으로 사용하는 응답자의 비율은 2023년 14%에서 2024년 26%로 증가했습니다.
4. 개인 용도로만 사용: 업무 외의 용도로 정기적으로 사용하는 비율은 2023년 16%에서 2024년 16%로 증가했습니다(안정적으로 유지).
5. 실험: 제너레이티브 AI를 한 번이라도 사용해 본 적이 있는 사람의 비율은 2023년 40%에서 2024년 35%로 감소했는데, 이는 더 많은 사람들이 정기적인 사용 범주로 이동했기 때문인 것으로 보입니다.
6. 노출 부족: 제너레이티브 AI를 접한 적이 없다고 응답한 비율이 2023년 18%에서 2024년 8%로 크게 감소했습니다.
7. 불확실성: 제너레이티브 AI 사용에 대해 "모른다"고 답한 응답자의 비율은 4%에서 2%로 소폭 감소했습니다. 이러한 결과는 1년 동안 특히 전문적인 환경에서 제너레이티브 AI 도구가 빠르게 채택되고 있음을 나타냅니다.

이 데이터는 제너레이티브 AI가 점점 더 주류가 되어 업무와 개인 생활 모두에 통합되고 있음을 시사합니다. 

 

차세대 AI와 분석 AI에 대한 투자가 가치를 창출하기 시작했습니다.

 

최신 설문조사에서는 다양한 산업에서 차세대 AI에 대한 예산을 어떻게 책정하고 있는지도 확인할 수 있습니다. 응답에 따르면 많은 산업에서 조직이 디지털 예산의 5% 이상을 차세대 AI에 투자하는 비율은 비세대 분석 AI 솔루션에 투자하는 비율과 거의 비슷합니다(예시 5). 그러나 대부분의 산업에서 응답자 중 더 많은 비율의 조직이 분석 AI에 20% 이상을 투자하고 있다고 답했습니다. 대부분의 응답자(67%)는 향후 3년 동안 조직에서 AI에 더 많은 투자를 할 것으로 예상했습니다.

 

---

 

대부분의 산업에서 조직은 디지털 예산의 5% 이상을 제너레이티브 AI와 분석 AI에 투자할 가능성이 거의 비슷합니다.

 

제너레이티브 AI에 지출된 조직의 디지털 예산 비중(응답자 비율)

 

분석 AI 기술에 지출된 조직의 디지털 예산 비중(응답자 비율)

---

 

이러한 투자는 어디에서 성과를 거두고 있을까요? 최근의 설문조사에서는 처음으로 비즈니스 기능별로 인공지능 세대의 활용이 창출하는 가치를 조사했습니다. 응답자 중 가장 많은 비율의 응답자가 비용 절감을 경험했다고 답한 부서는 인적 자원 분야였습니다. 응답자들은 공급망 및 재고 관리에서 의미 있는 매출 증가(5% 이상)를 경험했다고 가장 많이 보고했습니다(표 6). 분석 AI의 경우, 응답자들은 작년에 조사한 결과와 마찬가지로 서비스 운영에서 비용 절감 효과를 보았다고 가장 많이 응답했으며, 마케팅 및 영업에서 AI를 사용하여 의미 있는 매출 증가를 경험했다고 답했습니다.

---

 

조직은 인사 분야에서 제너레이티브 AI를 사용하여 의미 있는 비용 절감을, 공급망 관리 분야에서 매출 증가를 가장 많이 경험했습니다.

2023년 제너레이티브 AI 도입으로 인한 비용 감소 및 매출 증가, 기능별 응답자 비율(%)

 

분석 AI를 사용하면 서비스 운영에서 비용이 절감되고 마케팅 및 영업에서 수익이 증가하는 경우가 가장 많습니다.

2023년 분석 AI 도입으로 인한 비용 감소 및 매출 증가, 기능별(응답자 비율)

 

부정확성: 가장 많이 인식되고 경험한 차세대 AI 사용의 리스크

 

기업들이 차세대 AI의 이점을 깨닫기 시작하면서 이 기술과 관련된 다양한 위험도 인식하고 있습니다. 이러한 위험에는 데이터 프라이버시, 편향성, 지적 재산권(IP) 침해와 같은 데이터 관리 위험부터 부정확한 결과나 설명 가능성 부족에 초점을 맞춘 모델 관리 위험까지 다양합니다. 세 번째 큰 위험 범주는 보안 및 잘못된 사용입니다.

최근 설문조사 응답자들은 다음과 같이 답했습니다.

 

최근 설문조사 응답자들은 작년보다 더 많은 응답자가 자신의 조직에서 부정확성과 IP 침해가 세대 AI 사용과 관련이 있다고 생각한다고 답했으며, 약 절반은 계속해서 사이버 보안을 위험으로 간주하고 있습니다(예시 7).

---

 

 

이 차트는 "조직의 생성 AI 사용에 대해 고려되는 관련 위험"이라는 제목으로, 두 부분으로 나뉘어져 있습니다:

"조직이 고려하는 생성 AI 위험"과 “조직이 완화하기 위해 작업하는 생성 AI 위험”.

각 부분은 부정확성, 지적 재산권 침해, 사이버보안, 규제 준수, 공정성 및 설명 가능성 문제, 노동력 대체, 조직 문화 영향, 환경 보안 위험, 신체 안전 위험 등 다양한 유형의 위험을 나타내는 막대로 구성되어 있습니다.

막대는 2023년과 2024년을 비교하기 위해 색상 코드로 구분되어 있으며, 각 연도를 나타내는 색상 코드를 설명하는 범례도 차트 하단에 있습니다. 이 차트는 조직이 생성 AI를 사용할 때 어떤 유형의 위험을 중요하게 여기는지, 그리고 시간이 지남에 따라 이러한 위험을 어떻게 적극적으로 완화하려고 하는지에 대한 통찰력을 제공합니다.

부정확성과 지적 재산권 침해와 같은 특정 영역에 중요성을 두면서도 신체 안전이나 환경 보안과 같은 다른 영역에 대해서는 덜 우려를 보이고 있음을 강조합니다. 차트에는 수학 문제나 숙제 문제는 포함되어 있지 않습니다.

 

반대로 응답자들은 조직에서 인력 및 노동력 이동을 관련 리스크로 간주하고 있으며 이를 완화하기 위한 노력을 늘리지 않고 있다고 답한 비율이 작년보다 감소했습니다.

 

실제로 고객 여정 및 요약에서 코딩 및 크리에이티브 콘텐츠에 이르기까지 차세대 AI 가치 사슬 전반의 사용 사례에 영향을 미칠 수 있는 부정확성은 작년보다 응답자들이 조직이 이를 완화하기 위해 적극적으로 노력하고 있다고 답한 유일한 리스크입니다.

 

응답자의 44%는 자신의 조직이 적어도 한 가지 이상의 부정적인 결과를 경험했다고 답했으며, 일부 조직은 이미 세대 AI의 사용으로 인해 부정적인 결과를 경험한 것으로 나타났습니다(예시 8). 응답자들은 조직에 영향을 미친 리스크로 부정확성을 가장 많이 꼽았으며, 사이버 보안과 설명 가능성이 그 뒤를 이었습니다.

 

 

이전 조사에 따르면 책임감 있게 생성 AI 사용을 확장하는 데 도움이 되는 거버넌스 요소가 몇 가지 있지만, 이러한 위험 관련 관행을 갖추고 있다고 답한 응답자는 거의 없습니다. 예를 들어, 책임감 있는 AI 거버넌스와 관련된 결정을 내릴 수 있는 권한을 가진 전사적 위원회 또는 이사회가 조직에 있다고 답한 응답자는 18%에 불과했으며, 기술 인재에게 세대 AI 위험 인식 및 위험 완화 제어가 필수 기술 역량이라고 답한 비율은 1/3에 불과했습니다.

 

차세대 AI 기능 활용하기

 

이번 설문조사에서는 조직에서 이러한 새로운 세대 AI 도구를 배포하는 방법과 속도를 파악하고자 했습니다. 조사 결과, 기성품으로 공개된 솔루션을 사용하는 수용자, 독점 데이터 및 시스템으로 이러한 도구를 맞춤화하는 형성자, 처음부터 자체 기반 모델을 개발하는 제작자의 세 가지 유형이 차세대 AI 솔루션을 구현하는 것으로 나타났습니다. 대부분의 산업에서 조사 결과, 조직은 비즈니스 요구에 맞는 기성품 제품을 찾고 있지만, 많은 기업이 모델을 맞춤화하거나 심지어 자체 개발 기회를 추구하고 있는 것으로 나타났습니다(예시 9). 응답자의 비즈니스 부서에서 차세대 AI를 사용하고 있다고 답한 응답자의 약 절반은 맞춤화를 거의 또는 전혀 하지 않고 기성품으로 공개된 모델이나 도구를 활용하고 있었습니다. 에너지 및 재료, 기술, 미디어 및 통신 분야의 응답자들은 특정 비즈니스 요구 사항을 해결하기 위해 공개적으로 사용 가능한 모델을 크게 맞춤화하거나 조정하거나 자체적인 독점 모델을 개발한다고 답할 가능성이 더 높았습니다.

 

이 차트는 "조직들이 시중에 나와 있는 생성 AI 기능을 맞춤화하고, 또한 다양한 모델을 혼합하거나 자체적으로 개발하는 것을 상당히 추구하고 있다"는 제목으로, 조직들이 생성 AI(Gen AI) 기능을 사용하는 보고된 사례의 비율을 나타내고 있습니다. 이는 주로 시중에 나와 있는 제품을 맞춤화하여 사용하는 전략, 거의 또는 전혀 맞춤화하지 않고 시중 제품을 사용하는 전략, 그리고 내부적으로 개발하는 전략으로 나뉘어져 있습니다. 포함된 부문은 에너지 및 재료, 미디어 및 통신, 여행 및 관광, 소비재 및 소매, 금융 서비스, 헬스케어, 제약 및 의료 제품, 고기술 산업, 비즈니스, 법률 및 전문 서비스입니다.
이 차트는 다양한 산업이 생성 AI 기술을 어떻게 채택하고 있는지에 대한 통찰력을 제공합니다. 준비된 솔루션을 사용하는 것과 독자적인 개발에 투자하는 것 사이의 균형을 강조합니다.

 

응답자들은 대부분 조직이 프로젝트 시작부터 차세대 AI를 생산에 적용하는 데 1~4개월이 걸렸다고 답했지만, 비즈니스 기능에 따라 걸리는 시간은 다양했습니다(예시 10). 또한 이러한 역량을 확보하기 위한 접근 방식에 따라 다릅니다. 고도로 맞춤화되거나 독점적인 모델을 사용하는 경우 기성품으로 공개된 모델보다 구현하는 데 5개월 이상 걸릴 가능성이 1.5배 더 높다는 보고가 있습니다.

 

기업들은 1~4개월 이내에 생성 AI 기능을 사용하여 다음과 같은 기능을 가장 잘 수행할 수 있습니다.

이 차트는 McKinsey & Company에서 제작한 것으로, "Businesses use within one to four months their generative AI capabilities to function most often able to put"라는 제목이 붙어 있습니다.

이 차트는 프로젝트 시작부터 다양한 비즈니스 기능별로 생성적 AI 기능을 사용하기까지 걸린 시간을 보여줍니다. 카테고리에는 마케팅 및 영업, 기업 전략 및 재무, 위험 관리, 인적 자원, 서비스 및/또는 제품 개발, 운영, 제조, R&D/엔지니어링 소프트웨어 서비스 IT 기타 기업 기능 등이 포함됩니다.

각 카테고리에는 <1개월, 1-4개월, 5-8개월, >8개월을 나타내는 막대가 있으며, 시간대를 나타내는 다양한 파란색 음영으로 색칠되어 있습니다.

이 차트는 비즈니스 내 다양한 부서가 프로젝트를 시작한 후 얼마나 빨리 생성적 AI 기술을 구현할 수 있는지에 대한 통찰력을 제공합니다. 마케팅 및 영업; 기업 전략 및 재무; 서비스 및/또는 제품 개발; R&D/엔지니어링 소프트웨어 서비스가 1개월 미만에 생성적 AI를 활용할 수 있다고 보고하는 기능이 가장 많습니다. 이 이미지에는 수학 문제나 숙제 문제가 포함되어 있지 않습니다.

 

 

도전 과제에도 불구하고 탁월한 성과를 내고 있는 AI 세대 고성과자

 

AI 세대는 새로운 기술이며, 조직은 아직 기회를 모색하고 여러 부서로 확장하는 여정의 초기 단계에 있습니다. 따라서 응답자 중 일부(876명 중 46명)만이 조직의 EBIT에서 의미 있는 비중을 차지할 수 있다고 답한 것은 그리 놀라운 일이 아닙니다. 그럼에도 불구하고 이러한 차세대 AI 리더들은 면밀히 살펴볼 가치가 있습니다. 이들은 이미 조직의 EBIT 중 10% 이상을 차세대 AI 활용에 기인하는 얼리 무버입니다. 이러한 고성과 기업의 42%는 EBIT의 20% 이상이 비발전적 분석 AI 사용으로 인한 것이라고 답했으며, 이들은 다양한 산업과 지역에 걸쳐 있지만 대부분 연간 매출이 10억 달러 미만인 조직에 속해 있습니다. 이러한 조직의 AI 관련 사례는 조직에서 차세대 AI를 도입하여 가치를 창출하고자 하는 사람들에게 지침을 제공할 수 있습니다.

우선, 성과가 높은 조직은 평균 3개 부서에서, 그렇지 않은 조직은 평균 2개 부서에서 더 많은 비즈니스 기능에 세대 AI를 사용하고 있습니다. 이들은 다른 조직과 마찬가지로 마케팅 및 영업, 제품 또는 서비스 개발 부문에 가장 많이 사용하고 있지만, 리스크, 법률 및 규정 준수, 전략 및 기업 재무, 공급망 및 재고 관리 부문에서도 다른 조직보다 훨씬 더 높은 비율로 gen AI 솔루션을 사용하고 있습니다. 이들은 회계 문서 처리와 위험 평가부터 R&D 테스트, 가격 책정 및 프로모션에 이르기까지 다양한 활동에서 세대별 AI를 사용할 가능성이 다른 응답자들에 비해 3배 이상 높았습니다. 전반적으로 비즈니스 기능 내에서 보고된 젠 AI 애플리케이션의 약 절반이 공개적으로 사용 가능한 모델이나 도구를 활용하고 있지만, 젠 AI 고성과자들은 이러한 기성 옵션을 사용하는 것보다 상당히 맞춤화된 버전의 도구를 구현하거나 자체적인 기반 모델을 개발할 가능성이 더 높습니다.

이 고성과자들은 또 어떤 점에서 다르게 행동할까요? 우선, 이들은 인공지능 관련 리스크에 더 많은 주의를 기울이고 있습니다. 아마도 이들은 여정이 더 진행되어 있기 때문에 사이버 보안, 개인 정보 보호, 설명 가능성, IP 침해 등 우리가 질문한 모든 부정적인 결과를 조직에서 경험했다고 답할 가능성이 다른 사람들보다 높습니다. 따라서 이들은 다른 사람들보다 자신의 조직이 이러한 위험뿐만 아니라 규제 준수, 환경 영향, 정치적 안정성을 세대 AI 사용과 관련이 있다고 생각하고 있으며, 다른 사람들보다 더 많은 위험을 완화하기 위한 조치를 취하고 있다고 응답할 가능성이 높았습니다.

또한, Gen AI 고성과자들은 자신의 조직이 일련의 리스크 관련 모범 사례를 따르고 있다고 답할 가능성이 훨씬 높았습니다(예시 11). 예를 들어, 이들은 법률 부서를 참여시키고 인공지능 솔루션 개발 초기에 위험 검토를 포함시키는, 즉 "왼쪽으로 이동"할 가능성이 다른 조직보다 거의 두 배나 높았습니다. 또한 전략 관련 모범 사례부터 확장 관련 모범 사례까지 다양한 기타 모범 사례를 채택할 가능성이 다른 기업보다 훨씬 높습니다.

 

제너레이티브 AI를 통해 가장 큰 수익을 창출하는 조직은 다음과 같은 관행에 참여할 가능성이 가장 높습니다.

 

성과가 높은 기업들은 AI 세대 도입의 위험성을 경험한 것 외에도 다른 기업들에게 경고가 될 수 있는 다른 문제들을 겪었습니다(표 12). 70%가 데이터 거버넌스를 위한 프로세스 정의, 데이터를 AI 모델에 신속하게 통합하는 능력 개발, 부족한 학습 데이터 등 데이터와 관련된 어려움을 경험했다고 답해 데이터의 가치 창출에 있어 데이터가 얼마나 중요한 역할을 하는지를 강조했습니다. 또한 고성과자는 애자일 업무 방식 구현과 효과적인 스프린트 성과 관리와 같은 운영 모델에 어려움을 겪고 있다고 응답할 가능성이 다른 사람보다 높았습니다.

 

AI 기술에서 가치를 창출하는 데 있어 경험하는 다양한 도전 과제에 대한 응답자들의 보고 비율을 보여줍니다. 모든 응답자와 고성능 기업의 응답자 간의 비교를 나타냅니다.

 

조사 개요

 

온라인 설문조사는 2024년 2월 22일부터 3월 5일까지 진행되었으며, 지역, 산업, 회사 규모, 직무 전문 분야, 재직 기간 등 모든 범위를 대표하는 1,363명의 참여자가 응답했습니다. 응답자 중 981명은 자신의 조직이 적어도 한 가지 이상의 비즈니스 기능에 AI를 도입했다고 답했으며, 878명은 조직이 적어도 한 가지 이상의 기능에서 정기적으로 세대 AI를 사용하고 있다고 답했습니다. 응답률의 차이를 조정하기 위해 각 응답자의 국가가 전 세계 GDP에 기여하는 정도에 따라 데이터에 가중치를 부여했습니다.