산업 분야에서 AI의 가능성 실현

2018년에는 우리는 산업 분야에서 인공 지능(AI)을 위한 1조 달러 규모의 기회를 탐색했습니다.1Michael Chui, Nicolaus Henke 및 Mehdi Miremadi, "대부분의 AI 비즈니스 용도는 두 가지 영역에서 이루어질 것입니다." McKinsey, 2019년 3월 7일. 연구 결과에 따르면 재능, 탄력성, 모든 영역에 걸친 기술 지원 및 유기적 성장이 최우선 순위입니다.2가장 중요한 것은 무엇입니까? 차세대 노멀에서 CEO를 위한 5가지 우선순위, McKinsey, 2021년 9월.

이 기사는 McKinsey의 Advanced Industries Practices의 견해를 대표하는 Kimberly Borden, Mark Huntington, Mithun Kamat, Alex Singla, Joris Wijpkema 및 Bill Wiseman의 공동 작업입니다.

이러한 기회에도 불구하고 많은 경영진은 실질적인 수익 영향을 포착하기 위해 AI 솔루션을 어디에 적용해야 할지 확신하지 못하고 있습니다. 그 결과 채택 속도가 느려졌고 많은 기업이 뛰어들기보다는 관망하는 접근 방식을 취했습니다.

경영진은 가능한 적용 가능성을 끝없이 고민하기보다는 전반적인 방향과 로드맵을 설정한 다음 AI가 특정 비즈니스 문제를 해결하고 실질적인 가치를 창출할 수 있는 영역으로 초점을 좁혀야 합니다. 첫 번째 단계로, 업계 리더들은 AI 기술과 이를 사용하여 특정 비즈니스 문제를 해결하는 방법에 대해 더 잘 이해할 수 있습니다. 그러면 그들은 새로운 애플리케이션을 실험하기 위한 더 나은 위치에 있게 될 것입니다.

'인공지능'이라는 용어는 심각한 남용으로 인해 어려움을 겪고 있습니다. 이는 최첨단 기술의 응용을 거의 줄여서 기술의 진정한 정의와 목적을 모호하게 만들었습니다. 따라서 산업체에서는 AI와 그 용도를 명확하게 정의하는 것이 도움이 됩니다.

간단히 말해서, AI는 지각, 추론, 학습, 환경과의 상호 작용, 문제 해결 등 일반적으로 인간의 마음과 관련된 인지 기능을 수행하는 기계의 능력입니다. AI 기술의 예로는 로봇공학, 자율주행차, 컴퓨터 비전, 언어, 가상 에이전트, 기계 학습 등이 있습니다.

AI가 산업계에 가치를 창출하는 한 가지 영역은 지식 근로자, 특히 엔지니어의 역량을 강화하는 것입니다. 기본적으로 이러한 애플리케이션은 AI의 예측 기능을 활용합니다. 기업은 전통적인 비즈니스 문제를 AI가 머신러닝 알고리즘을 사용하여 데이터와 경험을 처리하고, 패턴을 감지하고, 권장할 수 있는 문제로 재구성하는 방법을 배우고 있습니다.

기업은 AI가 문제를 해결할 수 있는 방법을 탐색하기 전에 먼저 기존 비즈니스 문제를 정의해야 합니다. 이 연습을 통과하지 못하면 조직은 최신 "반짝이는 개체" AI 솔루션을 통합하게 됩니다.

다음 예는 작업자의 지식을 강화하고 워크플로를 간소화하는 데 있어 AI의 가치를 보여줍니다.

산업 기업이 직면한 가장 어려운 과제 중 일부는 복잡한 제조 라인의 일정을 계획하고, 처리량을 최대화하면서 전환 비용을 최소화하고, 제품을 고객에게 적시에 배송하는 것입니다. AI는 다양한 변수를 한 번에 고려하여 최적의 솔루션을 식별하는 능력을 통해 도움을 줄 수 있습니다. 예를 들어, 한 금속 제조 공장에서는 AI 스케줄링 에이전트가 수율 손실을 20~40% 줄이는 동시에 고객을 위한 정시 배송을 크게 향상시킬 수 있었습니다.

공급이나 수요의 심각한 불확실성과 변동을 관리하려는 시도에서 전통적인 최적화 접근 방식은 무너졌습니다. 이 문제는 지난 한 해 동안의 모든 공급망 문제를 고려할 때 특히 중요해졌습니다. 강화 학습을 기반으로 하는 스케줄링 에이전트를 사용하는3강화 학습은 알고리즘이 작업에 대해 받는 보상을 최대화하려고 노력하여 작업을 수행하는 방법을 학습하는 일종의 기계 학습입니다. 자세한 내용은 Jacomo Corbo, Oliver Fleming 및 Nicolas Hohn, "기업이 강화 학습을 위한 과정을 계획할 시간입니다", McKinsey, 2021년 4월 1일을 참조하십시오. 기업은 이 문제를 "어떤 순서가 가장 가능성이 높은지"라는 질문으로 해석할 수 있습니다. 이익을 극대화하는가?"라는 질문이 나오면 명확한 권장 사항이 제시됩니다.