🔑 성공하는 AI 서비스의 7가지 필수 요건

🔑 성공하는 AI 서비스의 7가지 필수 요건

최근 많은 기업이 자사 제품에 AI를 추가하고 있죠. 그 목표는 3가지가 아닐까 해요.
1️⃣ 매출을 올린다
2️⃣ 유저 경험을 개선한다
3️⃣ ‘AI 서비스를 개발했다’라는 보도자료를 낸다.
적어도 1-2번 목표이어야 성공 가능성이 있을텐데요. 이외에도 7가지 요건을 정리해보았습니다.

[ 🚀성공적인 AI Add-on 서비스의 7가지 필수 요건 ]

☝️차별화된 가치 제안

ChatGPT 또는 파생된 여러 AI 서비스는 거의 포화 상태.
Q. 우리 회사만 제공할 수 있는 고유한 가치를 제공하고 있을까요?

💽독점적 데이터 활용

이는 절대적으로 특정 회사만 가지고 있는 데이터로만 가능합니다. 누구나 가지고 있는 데이터를 학습한 결과라면 바로 모방이 가능하니까요.
Q. 우리 회사만 가지고 있는 데이터는 뭐가 있을까요?

🧶모방 불가능한 복잡성

AI 관련 엔지니어링의 난이도 장벽은 점점 낮아지고 있기 때문에 독자적인 알고리즘 요소가 필요합니다.
Q. 단순 프롬프트 엔지니어링으로는 복제할 수 없는 깊이가 반영됐을까요?

🔎기존 제품 가치 증폭

AI가 기존 제품의 핵심 가치를 실질적으로 향상시키고 자연스럽게 기존 UX에 녹아들어야 합니다.
Q. 기존 제품 핵심 가치와 충분한 관련성이 있나요? 프로세스를 더 복잡하게 하거나 성능을 저하시키지는 않나요?

💡즉각적인 효용 인식

사용자가 첫 경험에서 ‘와, 이거 정말 유용하다’라고 느껴야 합니다. 실제 맥락에 대한 도메인 지식의 부족, AI의 할루미네이션 및 매번 다른 결과값 등이 가장 장벽이 되고 있어요.
Q. 이런 불확실성을 감안하더라도 효용이 느껴지나요? 효용성을 숫자로 표현할 수 있나요?

📈쓸수록 좋아진다

더 많이 사용할수록 더 스마트해지는 설계가 필요합니다.
Q. 유저의 해당 AI 사용 형태가 다시 학습 데이터로 쓰이며 개인화에 기여하고 있나요?

⚖️윤리적 데이터 활용

창작자들이나 연구자들이 제작물/논문이 AI에 학습되는 과정에서 거부감을 느끼는 사례가 늘고 있어요.
Q. 데이터 수집 및 활용에 있어 누군가 거부감을 느낄만한 포인트는 없는지


이런 요소들의 중요성은 IBM Watson Health의 사례에서 더 드러나는데요.
IBM에서 큰 금액을 투자했던 Watson은 의료 혁명을 위해 개발되었지만, 2022년 결국 사업부가 매각되는 결론에 이르렀습니다.

실패 요인 분석에 따르면
. Watson은 일반적인 의학 지식은 갖추었으나, 병원별 특수 환경과 워크플로우에 대한 이해가 부족했다.
. 각 병원의 차별화된 데이터와 프로세스를 통합하는 거버넌스 체계가 미흡했다
. 보유/학습 데이터가 경쟁사들도 접근 가능한 일반 의학 논문과 가이드라인이 대부분이었다
등이 거론되어 위 7개 요소와 상충하고 있어요.


저는 개인적으로 이 7개 요소 중 ‘💽차별화된 학습용 데이터 보유’가 가장 중요하면서도 어려워 보이는데요.
❶ 차별화된 데이터를 가지고 있으면서도, 스케일업된 비즈니스 모델 & 회사가 많지 않고
❷ 회사 / 데이터 규모와 거버넌스 이슈는 늘 비례하며 (큰 회사일 수록 데이터가 흐르지 않는 현상)
❸ 이 데이터의 쓰임새를 AI와 연결하는 작업의 중요성이 태동 단계이기 때문입니다.

💬 여러분이 기획하는/애용하는 AI 서비스는 이 중 몇가지를 충족하고 있나요?
개인적으로 데이터 거버넌스를 설계하고 AI 서비스와 연결하는 아이디어를 찾는 작업을 즐겨하기 때문에, 혹시 관련 고민이 있으시다면 이야기를 나눠보고 싶습니다. 😀

😊더 많은 인사이트 구경가기 : 강슬기 링크드인