AI 프로젝트 성공에 영향을 미치는 요인에 관한 연구 = A Study on the Factors Influencing the Success of AI Projects

국문 초록 (Abstract)

현대 기업은 생존을 위한 비용절감, 지속적인 성장, 그리고 경쟁력 강화를 위하여 인공지능(AI) 기술 도입을 고려한 기업 전략을 수립하는데 어려운 도전과 큰 변화를 겪고 있다. 이제는 디지털 트랜스포메이션을 넘어 AI기반 디지털 트랜스포메이션 시대로 들어섰다. 그러나 기업이 AI 프로젝트를 성공적으로 수행하기 위한 체계적인 접근과 연구는 부족한 상태이며, 국내 AI 산업 환경에서 AI 프로젝트 성공요인에 대한 연구 분석은 거의 찾아볼 수 없다. AI 일상화를 추진하는 정부와, AI 기술을 통한 혁신적인 서비스와 신제품을 개발하는 테크 기업, 그리고 혁신을 이루기 위해 AI 기술 도입을 고려하는 전통적인 기업들은 현 시점에서 "무엇이 AI 프로젝트를 성공적으로 이끄는가?"에 대한 연구가 필요한 시점이다. 또한 조직 안에서 각자 어떠한 역할로 AI 프로젝트를 성공적으로 이끌 수 있는지에 대한 구조적 인과관계를 연구할 필요가 있다.
본 논문은 2개의 에세이로 구성되었다. 첫번째 에세이는 ‘무엇이 인공지능(AI) 프로젝트를 성공적으로 이끄는가?’이다. 이는 AI 프로젝트 성공에 영향을 미치는 주요 요인을 도출하고, 성공요인별 중요도와 우선순위를 부여하는 것을 목적으로 한다. 두번째 에세이는 ‘조직은 어떻게 AI 프로젝트 성공을 이끄는가?’에 대한 연구문제이다. 앞선 연구에서 밝혀진 주요 성공요인이 기업 조직안에서 누가, 어떻게, 얼마만큼 영향을 미치는지를 밝혀내는 것을 목적으로 한다. 이를 위해 국내와 해외 이론과 사례 연구를 검토하여 성공요인을 도출하고, AI 프로젝트 전문가 인터뷰를 통해 17개의 AI 프로젝트 성공 요인을 최종 선정하였다.
에세이 1은 TOE 프레임워크를 활용하여 계층 모형을 작성하였다. 연구 분석 대상은 2개 그룹으로 AI 프로젝트를 도입하여 직접 활용하는 기업에 소속된 AI 전문가들과 다양한 기업들에게 AI도입을 지원해주는 서비스 기업, 즉 기술 자문, 플랫폼, 어플리케이션을 제공하는 공급기업에 소속된 AI 전문가들을 대상으로 조사하였다. 조사결과는 AHP 방법을 활용하여 분석하였다. 17개 성공요인을 3개 계층으로 나누고 분석한 결과, 1차 계층으로 조직적 요인, 기술적 요인, 환경적 요인 순으로 중요하게 나타났다. 조직적 요인 중에서는 ‘전략/명확한 비즈니스 니즈’와 ‘AI 구현/활용 역량’, 그리고 ‘부서 간 협업/커뮤니케이션’이 가장 중요한 요인으로 나타났다. 기술적 요인 중에서는 AI 학습을 위한 ‘데이터 가용성과 품질’이 가장 중요한 요인으로 도출되었으며, 이어서 ‘IT 인프라/호환성’이 중요하게 응답되었다. 환경적 요인에서는 AI를 직접 사용할 ‘고객의 준비와 지지’가 중요한 요인으로 나타났다.
3차 계층으로 17개 개별 성공요인의 총합적 중요도를 살펴보면 데이터의 가용성과 품질(0.2245)이 가장 중요하고, 전략/명확한 비즈니스 니즈(0.1076)가 두번째로, 고객준비/지지(0.0763) 세번째로 중요한 요인으로 분석되었다. AI 프로젝트 실행경험이 보다 많은 AI공급기업에 소속된 전문가들은 데이터 가용성과 품질(0.1679), 전략/명확한 비즈니스 니즈(0.1195), AI구현/활용역량 (0.0709), 최고경영진 지원(0.0693), 프로젝트 챔피언(0.0692) 순서로 성공요인 중요도를 응답하였으며, 이는 AI활용기업 전문가들과 AI공급기업 전문가들이 판단하는 성공요인 중요도에 차이점 있음을 발견할 수 있었다. 이러한 연구 결과는 AI 도입을 검토 중이거나 실행중인 기업, AI 도입을 지원하는 서비스 공급기업, AI 산업을 육성하고자 하는 정부 정책 입안자들에게 프로젝트의 성공적인 실행, 육성을 위한 가이드로 활용될 수 있으며, 높은 수준의 학술적 연구를 위한 연구자들에게도 기초연구자료로 기여할 것이라 기대된다.
에세이 2는 AI 프로젝트 성공에 가장 중요한 요인인 TOP 2 요인, 데이터 가용성과 품질, AI전략/명확한 비즈니스 니즈 요인을 중심으로 기업 조직의 중요 구성원인 최고경영진, 프로젝트 챔피언, 부서 구성원들이 AI 프로젝트 성공에 어떻게, 얼마만큼 영향력을 주는지에 대한 연구이며, 구조적 인과 관계를 실증적으로 검증하고자 하였다. 최근 1년이내에 종료한 AI 프로젝트 249개를 대상으로 설문을 수집하여 IBM SPSS statistics 20 프로그램과 Smart PLS 4.0 프로그램을 사용하여 분석하였다. 성공요인 측정항목에 탐색적 요인분석(EFA)과 확인적 요인분석(CFA)을 실시했으며, 구조방정식 모형분석에 확인적 요인분석(CFA)과 구조방정식 모형분석(Structural Equation Model Analysis; SEM)을 실행하였다. 분석결과, 최고 경영진 지원이 프로젝트 챔피언 존재와 역할, 부서간 협업/커뮤니케이션에 직접적이며, 유의미한 가장 큰 긍정적 영향력을 보였다. 프로젝트 챔피언은 AI전략/명확한 비즈니스 니즈 요인에, 부서간 협업/커뮤니케이션은 데이터 가용성과 품질 요인에 직접적이고 유의미한 긍정적 영향력을 미쳤다. AI 프로젝트 성공에 직접적으로 유의미한 가장 큰 긍정적 영향력을 미친 요인은 AI전략/명확한 비즈니스 니즈였고, 다음으로 최고경영진 지원, 데이터 가용성과 품질 순이었다. 데이터 가용성과 품질은 에세이 1에서 가장 중요도 높은 요인으로 분석되었으나, 구조방정식을 통한 연구에서는 그 영향도가 AI전략/명확한 비즈니스 니즈보다는 낮게 분석되었다.
가장 중요한 성공요인으로 발견된 AI전략/명확한 비즈니스 니즈 요인은 프로젝트 챔피언과 최고경영진 지원, 부서간 협업/커뮤니케이션 요인 순으로 모두 직접적이고, 유의미한 긍정적 영향을 받고 있었다. 두번째로 중요한 성공요인인 데이터 가용성과 품질 요인에는 부서간 협업/커뮤니케이션과 AI전략/명확한 비즈니스 니즈 요인이 직접적이고, 유의미하게 영향을 받았다. AI 프로젝트 성공에 직접적, 간접적 영향력을 합하여 가장 큰 영향력을 발휘한 요인은 기업내 가장 큰 권한과 영향력을 보유한 최고 경영진의 지원이었다. 본 연구에서는 최고 경영진의 지원이 직접적인 AI 프로젝트 성공에 미치는 영향력보다 프로젝트 챔피언, 부서간 협업과 소통 촉진, AI 전략 수립에 보다 더 직접적이고 큰 영향력을 미치는 것을 발견할 수 있었다.
본 연구 결과는 AI 프로젝트의 성공에 있어서 AI개발자가 아닌 기존 조직 구성원들이 어떤 역할로 AI 프로젝트 성공에 긍정적인 영향력을 행사할 수 있는 지를 249개의 AI 프로젝트 연구를 통해 엄격한 기준으로 입증하였다. 연구 결과는 AI 도입을 현재 검토 중 이거나 현재 프로젝트를 실행 중인 경영진과 실무자들에게 AI 전략수립과 명확한 비즈니스 니즈의 중요성을 일깨워 주고, 조직 구성원 각자 역할을 제시 한 연구라 할 수 있다. 현업은 AI 기술에 대한 이해를 갖추어야 하며, 프로젝트 팀의 기술 전문가들은 AI를 도입하는 기업의 당면한 문제와 현업에 대한 이해를 바탕으로 AI 전략과 명확한 비즈니스 니즈를 구체화하는 데 중점을 둬야 한다. 이러한 접근은 AI 프로젝트의 성공에 필수적인 기반이 되며, 기업의 경영진, 실무자들뿐 만 아니라 AI 도입을 촉진하고자 하는 정부 정책 입안자들에게도 실용적인 시사점을 제공할 수 있는 유익한 연구 결과로 기대된다.

다국어 초록 (Multilingual Abstract)

Modern enterprises are facing difficult challenges and major changes to establish corporate strategies that take into account the adoption of artificial intelligence (AI) technology to reduce costs for survival, sustain growth, and enhance competitiveness. Now, we have entered the era of AI-based digital transformation beyond digital transformation. However, there is a lack of systematic approach and research on how companies can successfully implement AI projects, and there are few research analyses on AI project success factors in the Korean AI industry environment. The Korean government, which is promoting the daily use of AI, tech companies that are developing innovative services and new products through AI technology, and traditional companies that are considering adopting AI technology to achieve innovation are now in need of research on "What drives AI project success?" and the structural cause-and-effect relationship of how each role in the organization can make an AI project successful.
This thesis consists of two essays. The first essay is entitled " What drives AI project success?". It aims to identify the main factors that influence the success of AI projects and to assign importance and priority to each success factor. The second essay addresses the research question "How do organizations make AI project successful?". It aims to identify who, how, and to what extent the key success factors identified in the previous study are influenced by the corporate organization. To this end, we reviewed domestic and international theories and case studies to derive success factors, and selected 17 AI project success factors through interviews with AI project experts.
Essay 1 utilizes the TOE framework to create a hierarchical model. The research analyses two groups of AI experts: AI experts in companies that directly implement AI projects and utilize them, and AI experts in service companies that support the adoption of AI in various companies, i.e. providers of technical advice, platforms, and applications. The results were analyzed using the AHP method. The 17 success factors were analyzed in three tiers, with organizational factors, technical factors, and environmental factors being the most important in the first tier. Among the organizational factors, 'strategy/clear business needs', 'AI implementation/utilization capability', and 'cross-departmental collaboration/communication' were the most important factors. Among technical factors, "data availability and quality" was identified as the most important factor for AI training, followed by "IT infrastructure/compatibility". For environmental factors, "customer readiness and support" for direct use of AI was the most important factor.
Looking at the aggregate importance of the 17 individual success factors in the third tier, data availability and quality (0.2245) is the most important, followed by strategy/clear business need (0.1076) and customer readiness/adoption (0.0763). Experts from AI vendors, who have more experience in executing AI projects, ranked the importance of success factors in the following order: data availability and quality (0.1679), strategy/clear business need (0.1195), AI implementation/utilization capability (0.0709), top management support (0.0693), and project champion (0.0692), indicating a difference in the importance of success factors between experts from AI adopters and experts from AI vendors. These findings can be used as a guide for successful project implementation and fostering for companies that are considering or implementing AI, service providers that support AI adoption, and government policy makers who want to foster the AI industry, and are also expected to contribute as basic research data for researchers for high-level academic research.
Essay 2 is a study of how and to what extent key members of the corporate organization, namely CEOs, project champions, and department members, influence the success of AI projects, focusing on the top two most important factors for AI project success: data availability and quality, and AI strategy/clear business need, and seeks to empirically verify structural causality. Surveys were collected from 249 recently completed AI projects within the past year and analyzed using IBM SPSS statistics 20 and Smart PLS 4.0. Exploratory factor analysis (EFA) and confirmatory factor analysis (CFA) were conducted on the success factor measures, and confirmatory factor analysis (CFA) and structural equation model analysis (SEM) were conducted on the structural equation model. The results showed that top management support had the largest direct and significant positive impact on project champion presence and role, and cross-functional collaboration/communication. Project champion had a direct and significant positive impact on the AI strategy/clear business need factor, and cross-functional collaboration/communication had a direct and significant positive impact on the data availability and quality factor. The factor with the largest direct and significant positive impact on AI project success was AI strategy/clear business need, followed by top management support, and data availability and quality. Data availability and quality were analyzed as the most important factors in Essay 1, but in the structural equation model, they were analyzed as less influential than AI strategy/clear business need.
The AI strategy/clear business need factor, which was found to be the most important success factor, was directly and significantly positively influenced by the project champion and top management support, followed by the cross-functional collaboration/communication factor. The second most important success factor, data availability and quality, was directly and significantly influenced by cross-functional collaboration/communication and AI strategy/clear business need. The largest combined direct and indirect influence on AI project success was the top management support, which has the most power and influence in the organization. The study found that top management support had a more direct and significant impact on project champions, fostering cross-functional collaboration and communication, and establishing an AI strategy than it did on direct AI project success.
The findings of this study provide rigorous evidence from 249 AI project studies of the roles that non-AI developers can play in positively influencing the success of AI projects. For executives and practitioners considering AI adoption or currently executing projects, the findings highlight the importance of having an AI strategy and a clear business need, as well as the role of each member of the organization. The business needs to have an understanding of AI technology, and the technical experts on the project team need to focus on refining the AI strategy and clear business need based on their understanding of the challenges and realities of the organization adopting AI. This approach is an essential foundation for the success of AI projects, and the research is expected to provide practical implications for business executives and practitioners, as well as government policy makers seeking to promote AI adoption.

목차 (Table of Contents)

• 서론 1
• 연구의 배경 및 필요성 1
• 논문 구성 3
• ESSAY I. 무엇이 AI프로젝트를 성공으로 이끄는가. 4
• 제1장 연구 목적 5
• 제2장 이론적 배경 6
• 2.1 AI 산업 6
• 2.2 AI 프로젝트 성공요인 7
• 2.3 TOE 프레임워크 9
• 제3장 연구 설계 10
• 3.1 AHP 10
• 3.2 AI 프로젝트 대상과 중요 성공 요인 도출 방법 12
• 3.3 AI 프로젝트 핵심 성공 요인 정의 16
• 3.3.1 상위 1차, 2차 계층 영역 16
• 3.3.2 기술적 요인 내 3차 계층적 요인 17
• 3.3.3 조직적 요인 내 3차 계층적 요인 19
• 3.3.4 환경적 요인 내 3차 계층적 요인 23
• 제4장 연구분석 25
• 4.1 자료 수집 25
• 4.2 응답자 일반 현황 27
• 4.3 분석결과 28
• 4.3.1 AHP 통합 분석 결과 28
• 4.3.2 공급기업과 활용기업 전문가 그룹별 분석 31
• 제5장 결론 및 시사점 37
• 5.1 연구결과 요약 37
• 5.2 실무적 시사점과 학술적 시사점 39
• 5.3 연구의 한계 및 향후 연구방향 40
• ESSAY II. 조직은 어떻게 AI 프로젝트 성공을 이끄는가 42
• 제1장 연구 목적 43
• 제2장 이론적 배경 46
• 2.1 최고경영진 지원 46
• 2.2 프로젝트 챔피언 존재와 역할 50
• 2.3 부서간 협업/커뮤니케이션 52
• 2.4 AI 전략/명확한 비즈니스 니즈 54
• 2.5 데이터 가용성과 품질 55
• 2.6 AI 프로젝트 성공 56
• 제3장 연구모형 및 가설수립 58
• 3.1 연구 모형 58
• 3.2 연구 가설 설정 59
• 3.2.1 최고경영진 지원 59
• 3.2.2 프로젝트챔피언 존재와 역할 60
• 3.2.3 부서간 협업 및 커뮤니케이션 61
• 3.2.4 AI 전략/명확한 비즈니스 니즈 62
• 3.2.5 데이터 가용성과 품질 63
• 제4장 연구방법 64
• 4.1 측정도구의 개발 64
• 4.2 자료수집 65
• 4.3 분석방법 66
• 제5장 연구결과 68
• 5.1 조사 대상 표본의 특성 68
• 5.2 측정도구의 타당성과 신뢰성 검증 73
• 5.2.1 탐색적 요인분석 73
• 5.2.2 측정항목의 신뢰성 및 티당성 분석 결과 76
• 5.3 PLS 구조방정식 구조모형 적합도 78
• 5.4 연구가설 검증 79
• 5.4.1 변수간의 영향 관계 79
• 5.4.2 변수간의 영향 관계에서 매개효과 분석 85
• 5.5 추가 연구 모형 개발 및 검증: 성공요인 이원화 86
• 5.5.1 예산/일정 준수 요인과 AI 프로젝트 성공요인 관계 87
• 5.5.2 예산/일정 준수 요인과 AI 프로젝트 성공 관계 94
• 제6장 결론 및 제언 100
• 6.1 연구결과 토의 100
• 6.2 실무적 시사점과 학술적 시사점 . 104
• 6.3 연구의 한계 및 향후 연구방향 106
• 본인의 이전 저작물 활용 고지 108
• 참고문헌 109
• Abstract 124