AI가 유틸리티에 적합합니까? AI에 효과적으로 접근하는 방법

이 기사는 “AI & Water management — What utilities need to know now” 논문에서 발췌한 것입니다. 전체 논문은 여기에서 확인할 수 있습니다.

문제점 식별

AI는 종종 모든 것을 해결하고 모든 곳에서 작동할 것이라는 감각에 젖어 있습니다. 물 부문에서 AI의 잠재력에 대한 낙관론도 중요하지만, 건전한 재량과 개별 유틸리티의 고유한 목표와 우선 순위에 초점을 맞추는 것이 가장 좋습니다. 유틸리티가 AI에 관심이 있다면 AI 애플리케이션에 대해 자세히 알아보고 해결해야 할 문제를 신중하게 고려하는 것이 중요하므로 공급업체가 큰 AI 약속을 가지고 조직에 올 때 목표에 진정으로 부합하는 솔루션인지 평가할 준비가 된 것입니다.

모든 AI 솔루션의 배포는 사용자가 가지고 있는 문제 또는 기회에 대한 명확한 이해와 주어진 AI 솔루션의 최상의 잠재적 응용 프로그램에 대한 평가가 선행되어야 합니다.

즉, 먼저 문제를 식별하는 것부터 시작한 다음 문제를 찾기 위해 솔루션으로 시작하는 대신 적절한 도구로 거꾸로 작업하십시오.

기계 학습을 사용하여 유틸리티가 문제를 해결하는 데 도움이 되는 물 부문에서 사용할 수 있는 많은 도구가 있으며 위에서 이러한 응용 프로그램 중 일부를 강조했습니다. ChatGPT에 대한 흥분이 계속됨에 따라 수도 유틸리티 부문과 관련된 더 많은 애플리케이션이 개발될 것입니다. 다음은 염두에 두어야 할 몇 가지 고려 사항입니다.

데이터 고려 사항

유틸리티의 가장 큰 자산 중 하나는 데이터입니다. 유틸리티의 데이터는 믿을 수 없을 정도로 다양하고 풍부할 수 있지만 격차가 있고 품질이 고르지 않은 동시에 조직 전체에 분산되어 있을 수 있습니다. 고객 데이터, 사용률, 서비스 중단 데이터, 재무 데이터, 날씨 데이터, 소셜 데이터, 그리고 물론 네트워크 동작 및 네트워크 자산에 대한 많은 데이터가 있을 수 있습니다. 문제는 이러한 데이터가 사업부 간, 특히 대규모 조직간에 사일로화되는 경우가 많다는 것입니다. 일반적으로 조직은 여러 사업부에서 데이터를 완전히 활용하지 못하고 있으며, 이는 많은 산업에서 공통적인 문제입니다.

데이터를 자산으로 보고 자산 시스템으로 활용하여 의사 결정 및 고객 경험을 개선하는 데 활용할 수 있는 인사이트를 생성함으로써 상당한 기회가 있을 수 있습니다. 데이터가 AI를 공급하고 구동하는 엔진이 될 수 있는 지점에 도달하려면 데이터 위생 및 데이터 준비에 대한 상당한 조치가 필요할 수 있습니다.

문화적 적합성 및 변화 관리

최고의 아이디어는 조직 문화의 역동성에 제대로 중첩되지 않으면 포도나무에서 죽을 수 있으며 이는 AI 도구의 채택에도 적용됩니다. 모든 종류의 큰 변화, 특히 기술 변화는 물 부문이 인정하고 염두에 두어야 할 변화 관리에 영향을 미칩니다.

조직의 기술 변화는 조직이 새로운 기술이 필요한 이유를 명확하게 식별하고 전달하지 않고 성공을 측정하기 위한 명확한 로드맵을 만들지 않는 등 여러 가지 이유로 실패하고 막대한 비용이 들 수 있습니다. 부실한 변경 관리는 특히 인력의 자동화 및 일자리 제거 위협에 대한 두려움을 불러일으키는 AI 지원 도구의 경우 변화에 대한 직원의 저항을 악화시킬 수 있습니다.

그러나 새로운 기술은 사람들을 격퇴시킬 수 있지만 사람들을 끌어들일 수도 있습니다. 유틸리티는 “실버 쓰나미”, 인구 고령화 및 은퇴 근로자의 물결, 그리고 새로운 세대의 인재가 직장에서 AI를 원하고 기대하는지 여부를 고려하기를 원할 수 있습니다.

AI 기술에 저항하는 물 조직은 물 부문이 분명히 필요로 하는 새로운 인재를 유치하지 못할 위험이 있습니까? 젊은 세대가 AI를 무기로 유지하는 다른 조직보다 AI를 수용하는 조직을 선택할지 여부는 여전히 논쟁의 여지가 있습니다. 요점은 유틸리티가 새로운 기술의 활용과 관련하여 기존 및 미래의 인력 모두에게 전달하는 메시지가 고려해야 할 사항이라는 것입니다.

소규모 유틸리티가 더 민첩할 수 있습니다.

AI는 소규모 유틸리티에 더 어려워 보일 수 있지만 소규모 유틸리티는 대규모 조직보다 AI 도구를 더 빠르게 채택하는 데 있어 이점을 가질 수 있습니다. 규모가 작기 때문에 사일로화된 데이터가 줄어들 수 있고, 사람이 적다는 것은 조직의 작업에 대한 왼쪽에서 오른쪽 가시성을 더 쉽게 얻을 수 있다는 것을 의미하므로 변경 관리가 덜 중요해질 수 있습니다.

다시 말해, 대규모 유틸리티는 자연스럽게 AI 도구를 공급하고 구동하기 위해 더 많은 데이터와 분석을 보유할 수 있지만 실제로 조직을 동원하여 새로운 기술을 채택하는 데는 민첩성이 떨어질 수 있습니다. 더 작은 유틸리티는 데이터 격차가 있더라도 관료주의가 적고 원하는 기술 변화에 맞춰야 하는 사람이 적기 때문에 이러한 격차를 신속하게 해소할 수 있는 더 나은 위치에 있을 수 있습니다.

그럼에도 불구하고 모든 규모의 유틸리티는 관련 AI 솔루션을 선택하고 배포하기 위한 옵션을 탐색할 때 관련 고려 사항과 함께 해결하고자 하는 문제를 예리한 시각으로 인공 지능의 새로운 시대에 접근해야 합니다.