새로운 연구, IDC 데이터 및 AI 펄스: 아시아 태평양 2024, SAS의 의뢰로 인도 조직이 빠르게 AI를 채택하고 있지만 15%는 여전히 평가 및 계획 단계에 있고 44%는 AI 배포에 단기적 또는 기능적 초점을 두고 있는 것으로 나타났습니다. 따라서 인도 기업의 18%만이 AI 리더로 식별되는 것은 놀라운 일이 아니며, 이는 장기적인 변혁을 주도하는 기업과 정의된 AI 전략 없이 실험하는 대다수 기업 사이의 상당한 격차를 강조합니다.
설문 조사 대상자 중 인도의 AI 리더들은 AI 이니셔티브의 최고 비즈니스 성과가 시장 점유율 확대, 직원 생산성 향상, 비용 절감에 중점을 두고 있다고 밝혔습니다.
비즈니스 성장을 촉진할 수 있는 AI의 잠재력에 대한 열정에도 불구하고 인도 기업은 계속해서 구현 문제에 직면해 있습니다. 경영진의 37%는 AI 개발 및 배포와 관련된 비용을 장애물로 꼽았고, 27%는 매력적인 비즈니스 사례가 부족하거나 ROI 실현의 어려움을 언급했습니다. . 또한 경영진의 32%는 데이터 거버넌스 프로세스로 인해 어려움을 겪고 있으며 AI 배포가 더욱 복잡하다고 보고했습니다.
이러한 과제를 해결하기 위해 이 연구에서는 인프라 투자를 늘리고 데이터 플랫폼을 활용하여 AI 성능을 향상시키는 것이 중요하다는 점을 강조합니다. 강력하고 신뢰할 수 있는 AI 솔루션을 보장하려면 컴퓨팅 능력, 지속적인 데이터 모니터링, 데이터 개인 정보 보호/보안이 여전히 필수적입니다.
인도 기업들은 또한 설명 가능성, 인간 감독 및 편견 완화에 초점을 맞춰 책임 있는 AI 플랫폼을 구현하기 위해 노력하고 있습니다. 경영진의 약 35%는 AI 플랫폼이 설명 가능한 AI(XAI) 기술로 설계되어 투명성과 책임성을 보장한다고 밝혔습니다. 또한 이 연구는 데이터 플랫폼과 ModelOps와 같은 고급 모델 관리 기술을 활용하면 인도 기업이 운영 효율성을 향상하고 실시간 통찰력과 간소화된 의사 결정 프로세스를 지원하는 데 도움이 될 것임을 나타냅니다.
이번 조사에 대해 SAS India의 부사장 겸 상무이사인 Noshin Kagalwalla는 다음과 같이 말했습니다. 문제는 AI를 배포하는 것뿐만 아니라 AI가 신뢰할 수 있고 확장 가능하며 장기적인 비즈니스 목표에 부합하는 방식에 있습니다. 데이터 거버넌스와 AI 인프라에 대한 전략적 투자는 인도 산업 전반에 걸쳐 지속 가능한 AI 성능을 촉진하는 데 매우 중요합니다.”
“AI 리더와 AI 팔로어 간의 목표 결과 차이는 명확한 전략과 로드맵이 부족함을 보여줍니다. AI 팔로어가 단기적인 생산성 기반 결과에 중점을 두는 반면, AI 리더는 이를 넘어 보다 복잡한 기능 및 산업 사용 사례로 이동했습니다.”라고 SAS의 아시아 태평양 및 EMEA Emerging 부문 수석 부사장인 Shukri Dabaghi는 말했습니다.
“기업이 AI의 혁신적인 잠재력을 활용하려고 할 때 비즈니스 리더가 AI 리더와 AI 추종자의 차이점을 배우는 것이 중요합니다. ‘골드러시’ 사고 방식을 피하면 신뢰할 수 있는 AI와 데이터, 프로세스, 기술 역량을 바탕으로 장기적인 변화가 구축될 수 있습니다.”라고 Dabaghi 씨는 말했습니다.
“IDC 데이터 및 AI 펄스: 아시아 태평양 2024 연구는 수백 개의 대규모 APAC 조직이 AI 채택 및 구현에 어떻게 접근하고 있는지 보여주는 중요한 스냅샷으로, 업계 전반의 리더와 추종자를 강조합니다.”라고 데이터 분석 담당 부사장인 Chris Marshall이 말했습니다. , IDC 아시아/태평양의 AI, 지속 가능성 및 산업 연구. “이러한 통찰력은 성공적인 AI 구현을 가로막는 장벽을 풀 수 있는 기회를 제공하여 기업이 골드러시에 얽매이지 않고 이러한 신기술에 보다 현명한 투자를 할 수 있도록 해줍니다.”
GenAI는 AI 여정의 한 부분일 뿐입니다.
AI에 대한 많은 과장된 광고가 생성적 AI에 초점을 맞추고 있는 반면, 이번 연구에서는 아시아 태평양 지역의 조직들도 예측 및 해석적 AI에 투자하고 있음을 보여줍니다. 2023년에 생성적 AI는 아시아 태평양 지역 AI 투자의 19%에 불과했지만, 이 세 가지 AI 범주에 걸쳐 보다 균형 잡힌 지출 분포를 반영하여 2024년에는 34%로 증가할 것으로 예상됩니다.
IDC의 최신 지출 가이드에 따르면 아시아 태평양 지역의 AI 지출은 2024년에 450억 달러에 달하고 CAGR(2023~2028) 24%로 2028년에는 1,100억 달러로 증가할 것으로 예상됩니다.
연구에 따르면 조직은 2024년 생성형 AI 투자 증가를 위해 예산을 재할당하고 있으며, 세 번째 응답자는 인프라 현대화에서 자금을 재분배하고 애플리케이션 현대화에서 37%를 재분배할 것이라고 밝혔습니다.
ROI에 대한 기대가 높습니다.
이 연구는 AI의 잠재적인 투자 수익에 대한 과장된 기대로 인해 이러한 골드러시가 촉발되었음을 보여줍니다. 조사 결과에 따르면, 조사 대상 아시아 태평양 조직 중 40%가 최소 3배의 투자 수익을 기대하며, “실패에 대한 두려움”이 계속해서 AI 지출을 촉진하는 것으로 나타났습니다. 그 결과, 연구 결과에 따르면 AI는 때때로 투자와 그 결과, 비즈니스 가치 사이의 명확한 일치 없이 채택되는 것으로 나타났습니다.
아시아 태평양 조직의 43%가 향후 12개월 동안 AI 투자를 20% 이상 늘릴 계획을 갖고 있으므로 조직은 이러한 전술적 투자의 예상 수익 때문에 AI에 환멸을 느낄 위험이 있습니다. 대신 비즈니스 리더는 AI 기능을 구축하는 데 시간이 걸리고 장기적인 부가가치를 보장하기 위해 견고한 AI 기반이 필요하다는 점을 깨달아야 합니다.
Dabaghi는 “생성 AI 도구에 대한 소비자의 접근으로 인해 AI가 마술처럼 느껴지지만 이를 기업 환경에 통합하려면 많은 작업과 올바른 인프라가 필요하며 종종 이러한 도구에 대한 높은 기대치는 비현실적입니다.”라고 말했습니다. “이러한 함정을 이해하면 AI를 채택하고 성공적으로 구현하는 데 있어 이러한 문제를 해결하고 성공률을 높이고 비즈니스 목표를 달성하는 방법을 배울 수 있는 기회를 얻을 수 있습니다.”
산업 전반에 걸친 AI의 펄스
이 연구는 은행, 보험, 의료, 정부 부문을 포함한 핵심 분야를 중심으로 AI가 APAC 지역의 다양한 산업 부문에 어떻게 영향을 미치는지에 대한 자세한 분석을 제공합니다.
성공적인 AI 채택 및 구현과 관련하여 기술 격차는 업계 전반에 걸쳐 일관된 과제로 남아 있습니다. 이러한 기술 격차는 의료 산업(41%)에서 가장 많이 느껴지며, 정부 부문(38%), 보험 산업(32%), 은행(29%)이 그 뒤를 따릅니다. 이러한 과제에도 불구하고 이들 업계는 보다 효율적인 의사 결정, 자동화 강화, 신제품 및 서비스 출시 시간 단축, 비용 절감, 기타 다양한 이점을 제공하기 위해 데이터 및 AI 기능을 개선하는 데 지속적으로 투자하고 있습니다.
그럼에도 불구하고 일부 사용 사례는 일관되고 성공적으로 배포되고 있습니다. 예를 들어 은행에서는 유동성 위험 관리, 자산 및 부채 관리, 금융 범죄 분석이라는 상위 3가지 사용 사례가 있습니다. 보험 분야에서는 보험 청구 사기, 옴니채널 제품 제공 및 지능형 가격 책정에 대한 AI 사용 사례가 나타나고 있는 것으로 나타났습니다. 의료 분야에서 주목할만한 사용 사례에는 의료 사기 및 비용 억제가 포함되며, 정부에서 널리 사용되는 AI 사용 사례는 사회 복지 프로그램 무결성 보장, 비상 대응 지원, 세금 및 수입 규정 준수와 관련됩니다.
AI 채택 추세는 국가마다 다릅니다.
APAC의 AI 환경은 국가마다 다르며, 각 시장은 고유한 도입 추세를 보여줍니다. 중국은 AI 투자에서 선두를 달리고 있으며 향후 12개월 동안 AI 프로젝트가 크게 증가(59%)하고 인도와 일본(각각 51%, 46%)이 뒤를 이었습니다. 더욱이 중국과 한국은 다른 국가들보다 AI 채택과 통합에서 더 빠르게 발전하고 있습니다. 이러한 격차는 투자 수준, 규제 프레임워크, AI 인재 및 인프라의 가용성과 같은 요인에 의해 발생합니다. 숙련된 인력 부족은 일본, 호주, 한국 및 동남아시아 여러 지역에서 국가적 문제일 뿐만 아니라 업계의 문제이기도 합니다.
이 연구는 증가와 관련된 기회와 과제를 강조합니다.
향후 몇 년 동안 APAC 전역에 걸쳐 AI에 투자합니다. 이는 AI의 잠재력을 최대한 활용하기 위해 기업이 사내 기술을 개발하고, 전략적 사용 사례로 구성된 강력한 포트폴리오를 구축하고, 처음부터 AI 비용과 위험에 대한 계획을 세워야 함을 시사합니다. 그렇게 함으로써 약속된 더 높은 수익을 일부 달성하고 향후 AI 투자에 대한 더 큰 신뢰를 조성할 수 있습니다.
