대부분의 기업 AI 프로젝트가 실패하는 이유와 해결 방법

가트너(Gartner)와 맥킨지(McKinsey)에 따르면, 2025년 기업의 생성형 AI 지출은 6,440억 달러로 추산되지만, 프로젝트의 80% 이상이 목표를 달성하지 못하며, 지속 가능한 프로덕션에 도달하는 경우는 약 15%에 불과합니다. MIT NANDA의 300개 이상 이니셔티브 연구에 따르면, 생성형 AI 파일럿의 95%가 수익이나 생산성에 측정 가능한 영향을 미치지 못하는 것으로 나타났습니다. 가트너는 생성형 AI를 '환멸의 골짜기(Trough of Disillusionment)'에, 에이전트 AI를 '부풀려진 기대의 정점(Peak of Inflated Expectations)'에 위치시킵니다. 이 기사는 실패의 다섯 가지 주요 원인을 식별합니다: 측정 가능한 비즈니스 목표의 부재, 깨진 프로세스 자동화(쓰레기 입력, 쓰레기 출력, GIGO), 총소유비용(TCO)의 불완전한 계산, 문제 정의 전 도구 선택, 그리고 비즈니스 결과에 대한 개인 소유자의 부재입니다. 이러한 문제를 완화하기 위해 저자는 세 가지 필터를 가진 선택 퍼널을 설명합니다: 측정 가능한 재정적 영향, AI의 필요성, 그리고 TCO를 고려한 견고한 아키텍처입니다. 또한 이 기사는 MIT NANDA가 설명한 '생성형 AI 격차(GenAI Divide)'와 '학습 격차(learning gap)'를 논의하며, 섀도우 AI(Shadow AI) 문제를 강조합니다. 해결책으로 저자는 자신의 회사 AI 플랫폼 전략을 제시하는데, 에이전트 구축, 통합, 기업 지식, 그리고 AI 거버넌스 및 위험 프레임워크를 포함한 거버넌스 프레임워크 계층을 포함합니다. 또한 초기 단계 이니셔티브를 가속화하기 위해 8개의 전문 에이전트로 구성된 멀티 에이전트 프리세일 시스템을 언급합니다.