많은 조직이 AI를 실험하고 있지만, 책임감 있게 확장할 수 있는 거버넌스, 데이터 기반, 변화 관리를 구축하는 곳은 적습니다. ETS에서는 기술이 아닌 실제 워크플로우 문제에서 출발해 실용적인 접근을 취하고, AI가 팀에 측정 가능한 가치를 창출하는 곳에만 적용하는 것을 의미합니다. 우리는 ETS의 데이터 및 분석 책임자인 아누 밀러와 이야기를 나누었습니다. 그는 전 기업 전체 AI 전략을 지원하며, ETS가 어떻게 솔루션을 적절히 규모화하고, 시간 절약과 용량 확보 등 인간적 측면에서 AI 영향력을 측정하며, 책임 있는 AI 실천을 통해 신뢰를 구축하는지에 대해 이야기를 나누었습니다.
사람들이 '책임 있는 AI'에 대해 이야기할 때, ETS에서 실제로는 어떤 모습인가요?
밀러: ETS에서는 처음부터 책임 있는 AI 실천을 내재화하며, 그 작업을 실현하는 한 방법이 DARES라는 기업 프로그램(Data and Augmentation with Robotics with Robotics for Effective Scaling)을 통해 구현하는 것입니다. DARES는 부서 전반에 걸쳐 비효율적인 프로세스를 식별하고 적절한 수준의 자동화나 AI를 사용하여 개선합니다. DARES와 모든 AI 솔루션 전반에 걸쳐 우리는 투명한 사용 사례, 조기 위험 평가, 편향 및 공정성 점검, 강력한 데이터 프라이버시에 집중하여 작업에 명확성과 속도를 제공합니다. 또한 성능, 비용, 위험을 지속적으로 모니터링하며 모든 AI 솔루션이 명확한 소유권과 보호 장치를 갖도록 보장합니다. 실제로 이러한 일상적인 업무에는 지속적인 감독이 포함됩니다: 모델과 에이전트가 배포될 때, 팀은 출시 시에만 국한되지 않고 시간이 지남에 따라 어떻게 동작하는지 관리하고 모니터링해야 합니다.
이러한 운영 규율은 채택에 대한 의도적인 집중과 맞물려 있습니다.
도입을 확대하기 위해 우리는 ETS의 기업 전반에 걸친 AI 챔피언 프로그램과 긴밀히 협력하여 실습을 통해 AI 유창성을 키웁니다. 이 직원 커뮤니티는 지역 내 기회를 발굴하고, 실험을 장려하며, 조직 전반에 걸친 문제 해결을 지원합니다. 강력한 거버넌스와 실질적인 학습, 공동 소유권을 결합하여 ETS는 신뢰를 구축하고 AI를 책임감 있게 확장하기 위해 노력하고 있습니다.
여러분의 팀은 AI가 적절한 해결책인지, 더 단순한 접근법이 더 나은지 어떻게 판단하시나요?
밀러: 우리는 특정 기술이 아니라 문제에서 시작해 가장 단순한 접근법을 찾습니다. 미리 정의된 프로세스나 규칙 기반 워크플로우가 문제를 신뢰성 있게 해결할 수 있다고 판단하면, 그 길을 택합니다.
다중 에이전트 솔루션과 같은 더 발전된 AI는 대규모에서 정확도, 효율성 또는 인사이트를 의미 있게 향상시킬 수 있는 곳에서 사용됩니다. 우리는 복잡성, 속도, 비용 균형을 맞추는 자동화와 AI 옵션의 '메뉴'로 생각합니다.
이러한 '메뉴' 사고방식은 의도된 것입니다: ETS는 모든 워크플로우 문제를 에이전트 AI 문제로 다루지 않아야 한다는 점을 인식하여 솔루션을 적정 규모로 조정하는 것을 목표로 합니다.
AI가 ETS에서 업무 수행 방식을 어떻게 바꾸고 있으며, 시간이 지남에 따라 우리 인력에 어떤 의미가 있을까요?
밀러: AI는 일상적인 업무를 간소화하고, 의사결정 품질을 향상시키며, 비즈니스 성과를 이끌어내는 고부가가치 업무를 더 빠르게 진행하는 데 도움을 줍니다. 시간이 지나면서 워크플로우가 진화하고 일부 작업은 수작업 작업을 줄이기 위해 최적화될 수 있습니다. 저희는 기술 향상에도 똑같이 집중하고 있어, 직원들이 도입되는 기술에 발맞추도록 합니다. 목표는 단순히 효율성에 그치지 않고, 우리 팀이 보다 전략적이고 의미 있는 기여에 집중할 수 있도록 돕는 것입니다.
AI가 인간적인 측면에서 미치는 영향, 예를 들어 시간 절약, 워크플로우 개선, 용량 해제 등을 어떻게 측정하나요?
밀러: DARES와 내부 AI 생산성 노력을 통해 우리는 팀에 반환된 시간, 수작업 감소, 의사결정 품질 및 속도 향상으로 성공을 측정합니다. 그만큼 중요한 것은, 팀이 더 명확해지고, 마찰이 줄어들며, 가장 중요한 것에 집중할 수 있는 능력이 높아지고, 직원 경험이 개선되는지를 살펴봅니다. 또한 AI 유창성 성장도 고려하는데, 지속 가능한 영향력은 단순히 AI를 사용하는 팀뿐만 아니라 효과적으로 적용하는 방법을 이해하는 데서 나오기 때문입니다
ETS가 기회를 평가할 때, 목표는 자동화를 실제 가치와 연결하는 것입니다. 예를 들어, 매주 몇 시간씩 반복적인 작업을 줄이면 한 달 동안 팀에 의미 있는 시간을 돌려줄 수 있습니다.
ETS의 내부 AI 여정에서 얻은 교훈은 다른 미션 중심 조직에 가장 유용할 것인가요?
밀러: 미션부터 시작해서 모든 AI 투자를 그에 고정하세요. 이렇게 하면 우선순위가 명확해지고 신뢰가 쌓입니다. 또한 조기에 거버넌스, 데이터 준비, 역량 강화, 변화 관리에 투자하는 것도 중요합니다. 진정한 지속 가능한 영향은 기술 자체뿐만 아니라 사람들이 AI를 어떻게 채택하고 활용하느냐에서 비롯됩니다. 저희에게는 의도적인 보강과 측정 가능한 비즈니스 및 인간 중심 성과에 집중하는 것이 AI를 책임감 있게 확장하는 핵심이었습니다.
ETS에서는 거버넌스를 일회성 작업이 아닌 운영 업무로 취급합니다. 여기에는 AI 사용 사례에 대한 교차 기능 검토와 준법 준수와의 긴밀한 협력이 포함되며, AI 노력이 변화하는 기대와 요구사항에 부합하도록 돕습니다.