패션 및 럭셔리 산업의 AI 거버넌스

CIO의 관점에서 본 AI 도입

글로벌 패션 및 럭셔리 브랜드의 CIO인 안드레아 페르티치와의 인터뷰

인공지능은 패션 및 럭셔리 산업의 전략적 프로세스를 어떻게 변화시키고 있을까요?

인공지능(AI)은 패션 및 명품 분야의 전략적 프로세스를 혁신하고 있으며, 순전히 기술적인 구현에서 벗어나 총체적인 접근 방식으로의 전환을 요구하고 있습니다. focus 조직 문화, 위험에 관하여 management그리고 데이터 거버넌스. 업계 전문가들에 따르면, 인공지능(AI)의 통합에는 블록체인이나 ERP 시스템과 같은 혁신에 적용되었던 것과 동일한 수준의 전략적 및 조직적 비전이 필요합니다. 기술만으로는 비즈니스 문제를 해결할 수 없으며, 명확한 전략이 없다면 오히려 새로운 문제를 야기할 수도 있기 때문입니다.

전략적 프로세스의 변화는 다음과 같은 주요 영역에서 분명하게 나타납니다.

• 위험 평가 및 관리: 다음과 같은 규정이 도입됨에 따라 유럽 AI법이제 기업은 모든 AI 투자 및 구현을 조직에 미치는 위험 수준에 따라 평가해야 합니다. 전략은 "용납할 수 없음"(반드시 피해야 함)부터 "최소한의" 위험까지 네 가지 수준의 위험을 고려해야 합니다. 또한 경영진은 위험을 관리해야 합니다. “섀도우 AI”—생성형 AI 인터페이스를 통해 모든 직원이 표준 검증 절차를 우회하여 독립적으로 디지털 도구를 도입할 수 있게 되어 잠재적인 보안 위험을 초래하는 현상.
• 경제 및 재무 계획: AI 구현은 비용 구조를 근본적으로 변화시키고 있습니다. 일반적으로 이는 다음과 같습니다. 운영비용(OpEx) 이는 기업의 수익 마진에 직접적인 영향을 미칩니다. 이전의 IT 발전과는 달리, AI 도입이 반드시 기존 IT 비용을 절감하는 것은 아니며, 패션 업계에서는 효율성 향상, 매출 증대 또는 인력 감축을 통해 이러한 비용을 회수하기가 현재로서는 어렵습니다. 따라서, 철저한 사업 계획이 필수적입니다. 현재 데이터에 따르면 가치 사슬에 적용된 AI의 성공률은 약 5%에 불과하기 때문입니다.
• 데이터 통합을 기반으로: 성공적인 AI 전략은 조직의 역량에 크게 좌우됩니다. 자체 데이터를 통합하고 가치를 부여합니다.모든 AI 프로젝트의 기반은 통합된 프로세스와 데이터여야 합니다. 그렇지 않으면 기업은 '벤더 종속'에 빠져 데이터와 역량에 대한 통제권을 외부 서비스에 넘겨주고 결제 처리만 통제하게 될 위험에 처하게 됩니다.
• 프로세스 최적화 vs. 부분 최적화: 전략적 계획 수립 시, 가치 사슬 혁신과 같은 특정 활용 사례에 인공지능을 적용하는 것이 다른 영역의 최적화를 저해하지 않도록 해야 합니다. 의사 결정권자는 서비스를 개발, 구축 또는 구매할지 여부를 평가하는 동시에, 하나의 프로세스를 최적화하는 것이 단순히 조직의 다른 부분으로 비용을 전가하는 결과를 초래하지 않도록 해야 합니다.

궁극적으로 전략적 프로세스의 성공적인 전환은 기술 자체보다는 다른 요소에 더 많이 달려 있습니다. 회사 문화와 정체성이를 통해 AI 도입이 자발적인 도입이 아닌 비즈니스 요구 사항에 대한 명확한 이해를 바탕으로 이루어지도록 보장합니다.

조직에서 인공지능을 도입할 때 주요 위험 요소는 무엇인가요?

조직에서 인공지능을 도입할 때 발생하는 주요 위험은 규제, 보안, 재정 및 전략적 문제로 분류할 수 있습니다.

규제 및 규정 준수 위험 의 소개와 함께 AI법 유럽에서는 기업들이 "최소"부터 "허용 불가"까지 네 가지 위험 수준에 기반한 엄격한 규정 준수 의무를 이행해야 합니다. 기업들은 투자 시 이러한 위험 수준을 피하기 위해 신중하게 투자 결정을 내려야 합니다. “용납할 수 없는” 위험무단 얼굴 인식이나 사회공학적 기법과 같은 행위는 금지되어 있습니다.

보안 및 거버넌스 위험("섀도우 AI") 중대한 위험은 다음과 같은 현상이 나타나는 것입니다. “섀도우 AI”이는 생성형 AI(대화형 인터페이스)에 대한 접근성이 용이해짐에 따라 모든 직원이 독립적으로 디지털 도구를 도입할 수 있게 되는 현상입니다. 이러한 접근 방식은 표준 검증 절차를 우회하여, 조직의 감독 없이 개인이 보안 취약점이나 데이터 유출을 초래할 수 있는 도구를 구독하고 사용할 수 있게 만듭니다.

금융 및 경제적 위험 인공지능 도입이 가져오는 재정적 영향은 수익성에 심각한 위험을 초래합니다.

• 마진에 미치는 영향: AI는 일반적으로 운영비용(OpEx)이는 이윤폭에 직접적인 영향을 미칩니다.

• 추가 비용: 이전의 기술 혁신과는 달리, 인공지능(AI)은 전통적인 IT 비용을 반드시 절감하는 것은 아니며, 오히려 비용 증가로 이어지는 경향이 있습니다. AI 공급업체의 매출은 크게 증가할 것으로 예상되지만, 이는 고객 기업의 비용 증가를 의미합니다.

• 성공률이 낮음: 투자 수익은 보장되지 않습니다. 단순한 개인 생산성이 아닌 가치 사슬과 같은 복잡한 프로세스에 적용할 경우 성공률은 매우 낮을 것으로 추정됩니다. 5%,.

• 비용 회수 어려움: 현재 패션 및 명품 업계에서는 인력 감축, 효율성 향상 또는 매출 증대를 통해 이러한 비용을 회수하기가 어렵습니다.

전략적 및 운영적 위험

• 공급업체 잠금: 그러한 상태에 빠질 위험이 매우 큽니다. “고착”조직이 외부 서비스에 지나치게 의존하여 자체 데이터와 내부 역량에 대한 통제력을 상실하는 경우를 말합니다. 이러한 시나리오에서 기업은 사실상 청구서 지불에 대한 통제권만 유지하고 핵심 정보는 외부에 있게 됩니다.

• 프로세스 하위 최적화: 전체적인 관점이 없으면 의도치 않게 특정 프로세스 하나만 최적화하는 위험을 감수할 수 있습니다. 다른 것들을 최적화하지 못함이는 비용이나 비효율성을 제거하는 것이 아니라 단순히 조직의 다른 부분으로 옮기는 것을 의미합니다.

• 전략적 비전의 부족: 명확한 조직적, 문화적 전략 없이 인공지능을 즉흥적으로 도입하는 것은 단기적으로 해결하는 문제보다 더 많은 문제를 야기할 수 있습니다.

현재 기업 AI 도입 성공률이 낮은 이유는 무엇일까요?

비즈니스 프로세스, 특히 가치 사슬 변혁과 관련하여 AI를 구현하는 성공률은 매우 낮을 것으로 추정됩니다. 5%이러한 낮은 성공률은 여러 구조적, 재정적, 조직적 요인에 기인합니다.

• 가치 사슬 통합의 복잡성: 개인 생산성 향상을 위한 "내장형" AI 도구(예: 웹 브라우저 또는 오피스 제품군)는 쉽게 도입할 수 있지만, 복잡한 기업 프로세스와 가치 사슬에 AI를 적용하는 것은 훨씬 더 어렵습니다. 이러한 유형의 구현은 단순한 도입이 아닌 심층적인 통합을 필요로 합니다.

• 추가 비용 및 투자 수익률 관련 과제: 이전의 기술 혁신과는 달리, 인공지능 도입이 반드시 기존 IT 비용을 절감하는 것은 아니며, 오히려 비용에 추가되는 경우가 많습니다. 운영 비용(OpEx) 이는 수익 마진에 직접적인 영향을 미칩니다. 인력 감축, 효율성 향상 또는 매출 증대를 통해 이러한 비용을 회수하는 것은 현재 패션 및 명품 업계에서 어려운 과제로 남아 있습니다.

• 데이터 및 프로세스 성숙도: 성공은 조직의 기존 문화와 그 문화가 가진 능력에 크게 좌우됩니다. 자체 데이터를 통합하고 가치를 부여합니다.통합된 데이터와 프로세스라는 견고한 기반이 없으면 기업은 AI를 효과적으로 도입할 수 없으며, 외부 서비스에 전적으로 의존하게 되어 내부 역량과 자산에 대한 통제력을 잃는 "벤더 종속" 위험에 처하게 됩니다.

• 최적화 실패 위험: 인공지능을 통해 특정 프로세스 하나를 최적화하는 것이 의도치 않게 다른 프로세스에 악영향을 미칠 수 있는 전략적 위험이 존재합니다. 최적화 미만 다른 영역에서는 비용이나 비효율성을 제거하는 대신 단순히 조직의 다른 부분으로 옮기는 것일 뿐입니다.

• 숨겨진 구현 비용: 인공지능(AI) 비용은 서비스 이용료에만 국한되지 않습니다. AI를 활용하는 데에는 상당한 학습 곡선은 물론, 교육, 인프라 구축, 네트워킹 관련 비용도 포함됩니다.

'섀도우 AI'는 패션 산업 보안에 어떤 의미를 갖는가?

“섀도우 AI” 패션 산업의 맥락에서 이는 직원들이 공식적인 감독이나 IT 부서의 검토 없이 자발적으로 AI 도구를 구독하고 회사에 도입하는 현상을 의미합니다.

글로벌 패션 업계의 CIO인 안드레아 페르티치에 따르면 brand이는 다음과 같은 구체적인 보안 문제를 야기합니다.

• 안전 관리 체계 우회: 가장 큰 위험은 이러한 도구들이 유럽 연합과 같은 규정에서 요구하는 엄격한 위험 평가를 우회할 수 있다는 점입니다. AI법기업은 법적으로 AI 구현에 대해 "최소" 수준부터 "용납할 수 없는" 수준(예: 무단 얼굴 인식 또는 소셜 엔지니어링)까지 4단계 위험 수준으로 평가해야 하지만, Shadow AI는 이러한 평가를 방해합니다.

• 장벽 없는 접근성: 기존의 복잡한 기술과는 달리, 생성형 AI의 "대화형 인터페이스"는 모든 기술적 장벽을 제거했습니다. 이제 타이핑이나 말하기만 할 수 있는 직원이라면 누구나 보안 취약점을 포함할 수 있는 디지털 도구를 도입할 수 있게 되었으며, 이는 조직이 통제하거나 보호할 수 없는 숨겨진 기술적 계층을 효과적으로 만들어내는 결과를 초래합니다.

• 섀도우 IT의 진화: 이는 강력한 도구에 대한 접근성이 용이해짐에 따라 중앙 조직이 해당 기술이 사용되고 있다는 사실조차 인지하지 못하는 상황에서 데이터 유출이나 규정 위반 가능성이 높아지는, "섀도우 IT"의 현대적 진화로 묘사됩니다.

어떠한 brandAI를 사용하면서 '벤더 종속'을 피하는 방법은 무엇일까요?

벤더 종속을 피하려면, brands는 그들이 다음과 같은 상태에 이르지 않도록 해야 합니다. 데이터, 서비스 및 역량은 전적으로 외부에 존재합니다.그 결과 회사는 송장 결제 외에는 아무런 권한도 갖지 못하게 됩니다.

소식통에 따르면, 이를 예방하기 위한 주요 전략은 단순히 솔루션을 구매하는 것보다는 강력한 내부 기반을 구축하는 것입니다. 여기에는 다음이 포함됩니다.

• 내부 데이터 통합 ​​및 활용: 가장 중요한 출발점은 조직이 자체 데이터를 통합할 수 있는 역량입니다. 기업은 반드시 다음과 같은 역량을 갖춰야 합니다. 통합 프로세스 및 데이터 "기반"으로서의 역할을 해야 합니다. 이러한 내부적인 지원 체계가 없으면 회사는 핵심 자산을 관리하기 위해 공급업체의 인프라에 지나치게 의존하게 됩니다.

• 전략적 소싱 결정: 데이터 기반이 구축되면 기업은 전략적 결정에 있어 정보에 입각한 판단을 내릴 수 있는 더 나은 위치에 서게 됩니다. "개발, 조립 또는 구매" 개별 사례에 따라 특정 서비스를 제공합니다. 이를 통해 다음과 같은 이점을 얻을 수 있습니다. brand 가치 사슬에 대한 완전한 통제권을 넘겨주지 않으면서 효율적인 부분에 외부 AI를 통합합니다.

• 내부 역량 유지: 고착화 위험은 외부화와 명확하게 연관되어 있습니다. 역량. 따라서, brand그들은 외부 도구를 사용할 수 있지만 전략적 이해와 management 이러한 프로세스는 의존성을 방지하기 위해 회사 내부에만 유지됩니다.

패션은 어떻게 brand직원들이 Shadow AI를 사용하는 것을 막을 수 있을까요?

'섀도우 AI'를 막는 것은 단순한 기술적 차단이 아니라, 근본적인 변화를 요구하는 과제로 제시됩니다. 조직 전략, 문화 및 거버넌스.

패션 brand다음과 같은 전략적 조치를 통해 섀도우 AI의 사용 문제를 해결하고 완화할 수 있습니다.

• 공식적인 위험 평가 시행 (인공지능법): 기업은 자발적인 도입을 공식적인 평가 절차로 대체해야 합니다. 다음과 같은 규정에 따라 AI법조직은 "최소"부터 "용납할 수 없음"(예: 무단 얼굴 인식 또는 소셜 엔지니어링)까지 4단계 위험 수준에 따라 모든 AI 구현을 평가해야 할 의무가 있습니다. 이러한 검증 절차를 시행함으로써, brand우리는 어떠한 디지털 도구도 이러한 거버넌스 필터를 거치지 않고 회사 생태계에 진입하지 않도록 보장합니다.

• 자발적 도입에서 전략적 도입으로의 전환: 섀도우 AI의 주요 원인은 직원들의 "자발적 도입"입니다. 이를 방지하기 위해서는 경영진이 과거 PLM이나 ERP 시스템 도입 사례와 유사하게 "전략적, 조직적, 문화적 비전"을 제시해야 합니다. 조직은 AI가 비즈니스 문제를 어떻게 해결하는지 명확하게 정의하여 직원들이 외부 도구를 따로 찾아볼 필요성을 느끼지 않도록 해야 합니다.

• 데이터 및 역량의 중앙 집중화: 핵심적인 예방 조치는 조직이 탄탄한 내부 기반을 구축하도록 하는 것입니다. focus"자체 데이터를 통합하고 가치를 부여할 수 있는 문화와 역량"을 바탕으로, 기업은 합법적이고 통합된 인프라를 제공합니다. 기업이 통합된 프로세스와 데이터를 제공하면, 직원들이 외부 "섀도우" 도구를 사용할 유인이 줄어들어 "벤더 종속"이나 데이터 손실로 이어질 가능성이 낮아집니다.

예방이 어려운 이유: 소식통에 따르면, 섀도우 AI를 방지하는 것은 생성형 AI(특히 대화형 인터페이스) 때문에 특히 어렵다고 합니다. "사용에 대한 모든 장벽을 완전히 허물었습니다."복잡한 기존 시스템과는 달리, 타이핑이나 말하기만 할 수 있는 사람이라면 누구나 이제 독립적으로 이러한 도구를 구독하고 도입할 수 있어 기존의 IT 장벽을 우회할 수 있습니다. 따라서 이 솔루션은 기술적 장벽에 관한 것이라기보다는 사용자 편의성에 관한 것입니다. 기업 문화 그리고 새로운 것에 대한 준수 규제 프레임 워크