간과되기 쉬운 투자 가치 측정: AI 투자의 비즈니스 임팩트 제대로 측정하기

데이터 및 AI 이니셔티브 실행이 성숙 단계에 접어든 조직들은 한 가지 중요한 질문에 직면합니다. 바로 팀의 효율성과 비즈니스에 미치는 영향을 어떻게 측정할 것인가 하는 것입니다. “우리 데이터의 가치는 얼마인가?” 같은 해묵은 이론적 질문이 아닙니다. 오늘날의 과제는 명확합니다. 데이터 및 AI 혁신에 대한 지속적인 투자를 정당화하는 데 사용될 지표를 정의하고 추적하는 것입니다. 수년간의 실험을 거쳤으면 올해는 비로소 실질적 성과를 내야 하는 시점입니다.

최근 3,324개 조직을 대상으로 한 Snowflake 후원 연구에 따르면 응답자의 57%가 생성형 AI를 도입했습니다. 이런 얼리 어답터 중 92%가 긍정적 ROI를 보고했습니다. 하지만 실제로 이를 측정한 비율은 64%에 불과했습니다. 이 간극을 주목해야 합니다. 다행히 많은 Snowflake 고객은 측정한 쪽에 속했지만요. 

지난 2024년 12월, 우리는 데이터 및 AI 이니셔티브가 조직에 가져다준 가치를 모니터링하고 측정하는 방안을 수립해온 가치 중심 AI 및 데이터 리더들을 조명했습니다. 이후 이들 중 다수와 직접 만나 경험담을 들어봤습니다. 그 대화를 통해 우리는 AI 이니셔티브의 가치를 제대로 아는 것의 중요성과 가치 제공이 미흡하다고 인식될 때 따르는 위험성, 그리고 가치 측정이 어렵긴 하지만 충분히 할 수 있는 일이라는 사실을 알 수 있었습니다.  

교훈과 모범 사례

미국의 한 대형 식품 유통사 CDO는 이렇게 말했습니다. “AI 이니셔티브를 실행하는 것은 곧 자신의 커리어를 투자하는 것입니다. 커리어를 걸고 하는 일이죠.” 대부분의 경영진은 프로젝트가 성공할 것이라는 확신 없이는 그러한 위험을 감수하지 않으려 합니다. 이는 AI 이니셔티브의 투자 수익성에 대한 확신을 줘야 한다는 말입니다. 그래서 가치 측정이 필요한 것이죠. 적잖은 리더들에게 이는 간단한 문제가 아닙니다. 이들은 의사 결정 개선이나 생산성 향상에 관한 가치는 측정하기에 모호하다고 생각하죠. 한편 “충분히 할 수 있다"고 말하는 이들도 있습니다. 기술 리더들은 여느 기술 이니셔티브와 다를 게 없으므로 같은 방법을 적용하면 된다고 생각합니다.

이들은 가치가 하루아침에 생기는 건 아니라고 말합니다. 초기 실험 단계에서부터 온전한 사업성과 수익성이 요구되진 않는다는 말이죠. 플랫폼 구축에는 자금이 필요합니다. 이러한 기초 투자는 인프라 통합이나 최신화 같은 명백한 목표와 성과로도 타당성을 부여할 수 있습니다. 현재 데이터로 하고 있는 작업을 더 잘 수행하는 것으로부터 시작하세요. 그런 다음에 필요에 따라 기능을 추가하는 점진적 이니셔티브를 통해 플랫폼을 차차 확장해 나가면 됩니다. 대부분의 팀에서 가치 측정의 필요성이 부각되는 것은 AI 이니셔티브가 대규모 프로덕션 단계에 들어설 때입니다.  

한편 또 중요한 점은 멈출 때를 알고 손실을 줄이며 리소스를 재할당하는 것입니다. AI 이니셔티브의 가치 예측과 평가에 대해 활발한 논의가 이루어지고 있긴 하지만 그럼에도 일부 데이터 책임자들은 이니셔티브 중단 결정을 내리는 것을 쉽지 않아 합니다.

너무 어렵게 생각하지 마세요. 가치 측정도 마치 근육과 마찬가지입니다. 사용할수록 강해집니다. 가치 측정은 처음에는 어렵고 고통스러울 수 있습니다. 하지만 몇 번 해보다 보면 점점 쉬워질 것입니다.

가치 측정을 위한 여섯 단계

Snowflake의 CDO 가이드: AI의 비즈니스 가치 측정이라는 보고서에서 AI 및 데이터 리더들은 그들이 얻은 교훈과 모범 사례를 공유합니다. 다음의 여섯 단계를 따라 첫걸음을 디뎌 보세요.

1. 핵심 이해관계자 파악: 비용이 발생하는 부서와 가치가 제공되는 부서를 모두 고려하여 가치 측정 팀을 구성합니다.

2. 비즈니스 지표에 대한 합의 도출: 중요한 것은 대시보드가 ​​아니라 실제 과제나 기회입니다. 예를 들어, 마케팅 전환율, 판매 주문, 제품 결함 또는 트럭 수급 등에 집중해야 합니다. 이것이 바로 성공의 척도입니다.

3. 현재 가치를 기준으로 한 영향 예측: 선택한 지표의 현재 상태는 어떻습니까? 그걸 기준선으로 삼으세요. 어떻게 바뀔 것으로 예상하세요? 그게 목표치가 됩니다. 

4. 결과 모니터링, 측정 및 보고: 고위 경영진과의 정기적인 소통은 지속적인 투자의 정당성을 뒷받침하는 근거가 되고, 회사 전반을 아우르는 소통은 미래의 이니셔티브를 창출하고 직원들의 지지와 동참을 이끕니다.

5. 데이터 및 AI 플랫폼 공급자의 도움 요청: AI 지원 플랫폼은 AI 전략의 원활한 실행을 적극적으로 지원해야 합니다. Snowflake 가치 엔지니어링 팀은 여러분의 핵심 비즈니스 목표와 Snowflake AI 데이터 클라우드의 역량을 전략적으로 일치시키는 데 도움이 되도록 비즈니스 가치 평가 및 비즈니스 가치 실현 서비스를 제공합니다. 비즈니스 가치 평가는 투자 전에 진행되는 협업 과정으로 현재 상태와 최종 목표의 기준선을 설정하고, 비즈니스 가치 실현 서비스는 이니셔티브의 수명 주기 동안 정기적으로 수행되어 비즈니스 가치 제공을 보장합니다. 이 과정에는 정성적 분석과 정량적 분석이 모두 포함되며, 직원 설문조사, 산업 벤치마크 및 실현된 비즈니스 가치를 바탕으로 비용과 편익을 측정합니다. 이뿐만 아니라 비용 가시성, 통제력 및 최적화를 평가하는 FinOps 검토도 포함됩니다.

6. 항상 수익성을 염두에 둘 것:  투자에 부합하는 성과가 나타나도록 전략적으로 협력하세요. 다시 말해, 비용을 들였으면 반드시 측정 가능한 순 비즈니스 가치를 창출해야 합니다.

AI의 비즈니스 가치를 측정하는 것은 지속적인 투자 보장, AI 애플리케이션의 우선순위 설정뿐만 아니라, 미래의 이점과 잠재적 위험성을 비교하여 균형을 잡는 데 핵심적인 역할을 합니다. 가치 측정은 쉽지 않은 과제입니다. 이점은 의사 결정 향상이나 생산성 향상처럼 간접적인 경우가 많고, 효과는 대개 분산되어 다양한 양상으로 나타나며, 가치는 시간이 지나야 서서히 축적됩니다. 하지만 충분히 해낼 수 있는 일입니다.

AI 성과를 측정하고 모니터링하는 방법에 대한 더 많은 모범 사례는 최근 발표된 보고서 CDO 가이드: AI의 비즈니스 가치 측정을 참조하세요.