인공지능은(AI) 인간이 이룩한 업적 중 가장 인상적인 것 중 하나로, 이 기술을 육성하려는 기업들에게 무한한 기회를 주고 있다.
머신러닝, 데이터 분석, 예측 분석 같은 주요 AI 요소들의 혜택을 부인할 수 없지만, 기업들이 일상 업무에 AI를 도입하면서 직면할 수 있는 몇 가지 큰 과제가 있다.


Worry about unemployment

AI 프로젝트 초기 단계에 핵심 프로젝트 이해관계자들은 이 기술이 아직 완벽하지 않으며 도입되면 일시적인 불편이 생길 수 있다는 점을 비즈니스 관련자들에게 알려야 한다.
AI 어플리케이션이 구축되면 지속적으로 사용해야 하고 개선되도록 신뢰를 주어야 한다. 그러나, 새로운 기술을 배우고 발전시키는 것은 오래된 습관과 의 단절을 의미하는데 어떤 직원들에겐 쉽지 않은 일이다. 프로젝트를 시작하는 시점에서 기업은 직원들에게 AI가 제공할 수 있는 혜택과 기회에 대해 많은 설명과 교육을 제공해야 한다. 직원들이 AI의 필요성을 이해하고 AI활용으로 회사와 직원 개인에게 어떤 혜택과 기회가 주어지는지 설명되어야 한다.

직원들의 일이 AI와 기계에 의해 대체될 것이라는 걱정이 해소되어야 한다.
기술은 직원의 업무를 탈취해가는 것이 아니라 업무에 편의성을 제공하는 요소로 간주되어야 한다.

지금, AI기반 과거 정비 데이터와 기계·서비스 매뉴얼 분석으로 필요시 오퍼레이터에게 관련 정보를 제공하고 있다. AI가 사람의 일을 대신할 것이라고 걱정했었지만, AI의 도움으로 오퍼레이터는 자율적으로 판단하여 업무를 수행하고, 생산 팀과 유지보수 팀 간의 커뮤니케이션을 효율화하는 결과를 가져왔다.


Disconnected systems

통합화되지 않은 시스템들은 어느 회사에서나 항상 이슈가 되고 있다. 같은 회사 내에서 사용하는 시스템이지만 지역적으로 또는 글로벌적으로 다를 수 있다. 다양한 시스템이 하나의 비즈니스 에코 시스템으로 통합되어 운영되고 있지 못한 것이 현실이다.
따라서, 각 시스템들 간의 상호 운영성 부족은 AI를 배치할 때 문제가 될 수 있다. 시스템 표준과 프레임워크 및 가능성을 파악하고 예측하는 것이 중요하다. 기업은 이러한 정보를 사용하여 각 시스템들이 필요한 데이터를 어떻게 공급하고 AI 프레임워크와 통신할 수 있는지 정의해야 한다.


Data

지난 몇 년 동안 기업들은 그 어느 때보다 많은 데이터를 생성해 왔다. AI는 데이터라는 재료를 가지고 음식을 만드는 것과 같다. 제조기업들은 이 축적된 데이터에 효율적으로 접근할 수 있어야 한다. 데이터를 분석하는데 알고리즘과 패턴을 사용하여, 과거의 시나리오와 재발 가능성 있는 문제를 알리는 등 향후 발생할 문제를 예측할 수 있다.
AI를 도입하기 전에 데이터 액세스 제약을 최소화하여 관련 데이터 소스와 데이터베이스에 쉽게 액세스할 수 있도록 해야 한다. 축적된 데이터에 액세스할 수 있게 되면 의미 있는 분석과 실행 가능한 통찰력을 얻을 수 있다. 적절한 데이터 사용은 경쟁사와의 경쟁에서 이길 수 있는 절호의 기회가 된다. 방대한 데이터 양에 접근할 수 있는 것이 성공적인 AI 프로젝트를 위한 결정 요소가 아니라는 점을 기억해야 한다. 각 AI 응용 프로그램에 대한 관련 데이터를 선택하고, 이를 정리하고, 해당 데이터에 대해 올바른 분석 방법을 적용하는 것이 중요하다.


Need for Real-Time Response

충분하고 완전한 AI 데이터를 사용하더라도 몇 가지 기술적 제약에 직면할 수 있다. 많은 어플리케이션들이 지연 시간에 상당히 민감해진다. 예를 들어, 예측 유지보수 어플리케이션은 예측 유지보수 문제를 처리하는 전체 프로세스에서 자동 경보 메커니즘과 신속한 대응이 가능할 때만 작동한다. 특히 제품이 대량으로 생산되고 있고 빠르게 이동될 때 더욱 민감성을 요구한다. 의사 결정은 몇 초 내에 이루어져야 하며, 초고속 컴퓨팅은 프로세스에 합당한 반응을 하고 변화를 가져올 수 있어야 한다.


Tech Skills and AI Readiness

AI를 도입하기 전에, 기본적인 도입준비를 해 놓아야 한다. 현재 시스템에 맡는 AI 성공사례의 유무, 그리고 직원들의 스킬에 대한 올바른 판단과 지식이 없으면 도입에 실패할 수도 있다. 지속적인 교육과 개발에 집중하여야, 결국 직원들이 지식을 갖추고 프로그램을 지원하게 되며 AI 솔루션 내의 지식도 계속 증가할 것이다.


출처 : manufacturingtomorrow

작성일 : 2021-03-22