해양 AI 프로젝트 실패의 원인: 모두가 간과하는 ‘사람’의 문제

해양 AI 도입 장벽: 기술이 아닌 인간 및 조직적 요인

본 연구는 해운 산업에서 AI 확장을 가로막는 실질적인 걸림돌을 식별하고 있습니다:

데이터 품질 및 해양 데이터 관리

응답자의 32%는 데이터 품질이 AI 도입 준비를 결정한다고 분석하나, 그 이면에 있는 근본적인 문제는 실무자들이 협업해야 하는 데이터를 신뢰하지 못한다는 점입니다. 항만 대리점 보고서가 터미널 데이터와 충돌하거나, 운항 업데이트 정보가 실제 운항 현황과 일치하지 않을 때, 이러한 기초 위에 AI를 도입하는 것은 문제를 해결하기보다 오히려 배가시킵니다.

해운 디지털 전환을 위한 경영진의 지원

57%는 경영진의 지원을 핵심 요소로 지적하지만, 이 지원은 단순히 예산 승인 그 이상을 의미합니다. 실무진에게는 다음과 같은 사항에 대한 명확성 확보가 필수적입니다:

• 해상 운영에서 AI가 각자의 역할에 어떻게 부합하는지

• AI가 직접 내릴 결정과 권장만 할 결정은 무엇인지

• AI가 오류를 범했을 때 어떤 조치가 취해지는지

• AI 파일럿 프로젝트의 성공을 어떻게 측정할 것인지

이러한 명확성이 결여되면 AI는 해운 기업의 일상 업무와 동떨어진 또 다른 기업적 이니셔티브에 불과하게 됩니다.

해상 AI 교육의 부재가 초래하는 신뢰의 격차

해운 기업 중 단 23%만이 직원 대상 AI 교육을 실시하고 있습니다. 이는 다음과 같은 악순환을 유발합니다:

• 해상 애플리케이션에서 도출되는 AI 분석 결과를 실무진이 이해하지 못함

• AI가 정상적으로 작동하고 있는지 또는 오류를 범하고 있는지 판별 불가

• 이는 AI 도입에 대한 불신과 거부감으로 이어짐

• 기술적인 성공에도 불구하고 프로젝트가 교착 상태에 빠짐

연구에 참여한 한 선박 관리자는 다음과 같이 설명했습니다. "기업들은 AI 모델은 훈련시키면서 정작 조직 구성원들은 교육하지 않습니다. 선원과 육상 직원들이 AI 분석 결과를 이해하지 못한다면 오용으로 이어질 수 있으며, 이는 불신을 낳게 됩니다."

불이익에 대한 우려가 정직한 피드백을 차단

69%는 AI가 중요한 위험 신호를 감지하지 못할 것을 우려하고 있습니다. 대상은 계약 검토 또는 운항 일정 계획 등입니다. 이러한 우려는 막연한 불안감이 아니며, 다음과 같은 타당한 우려 사항을 반영합니다:

• 중요 해상 운영에서 AI가 오류를 범했을 때 책임 소재가 누구에게 있는지

• AI 오류에 대한 문제 제기가 변화에 대한 저항으로 비쳐지지는 않을지

• 해상 의사결정 과정에서 AI의 권장 사항이 잘못된 것으로 보일 때 어떻게 보고해야 하는지

심리적 안전감이 낮으면 직원들은 AI의 실패를 보고하기보다 은폐하려 합니다. 이는 조직이 AI 도입 전략을 학습하고 개선할 기회를 박탈합니다.

성공적인 해운 기업의 AI 도입 방식: 선도 기업들의 교훈

해상 AI 도입을 성공적으로 추진 중인 기업들은 이를 단순한 기술 적용이 아닌 조직 개발의 관점으로 접근합니다. 이들은 다음과 같은 방식으로 사람 중심의 체계를 구축하고 있습니다:

기술 기능이 아닌 현실적인 난제(Pain Point) 해결부터 시작

"적용 가능한 해산 AI 솔루션에는 무엇이 있는가?"를 묻기보다 다음과 같은 질문을 던집니다:

• 해상 운영에서 직원들의 시간을 가장 많이 낭비하는 작업은 무엇인가?

• 선박 관리상의 수동 프로세스 중 리스크를 유발하는 구간은 어디인가?

• 해운 서류 작업 중 재작업을 유발하는 데이터 품질 문제는 무엇인가?

• 운영 워크플로우를 중단시키는 예외적인 오류 케이스는 무엇인가?

이는 해상 AI에 대한 전통적인 접근 방식을 전환하는 것입니다. 기술의 선택은 문제를 철저히 이해한 뒤에 이루어져야지 그보다 앞서서는 안 됩니다.

해상 운영을 실질적으로 지원하는 데이터 기반 구축

AI 도입만을 목적으로 데이터를 수집하는 대신, 직원들에게 즉각적인 도움이 되는 방식으로 데이터 품질을 개선합니다:

• 대리점 보고서 형식을 표준화하여 데이터 대조 및 정산 시간 단축

• 공급망 전반으로 오류가 전파되기 전에 이를 차단하는 데이터 검증 규칙 수립

• 직원들이 해상 데이터에 대해 실제로 신뢰할 수 있는 단일 진실 공급원(Single Source of Truth) 확보

• 해운 시스템 내에서 수동 데이터 입력을 유발하는 통합 격차 해결

데이터 개선이 실무진에게 즉각적인 도움이 될 때, 이들은 AI를 디지털 전환이라는 별개의 업무가 아닌 기존 핵심 가치의 연장선으로 인식하게 됩니다.

불확실성 해소를 위한 조기 해사 전문 교육 실시

성공적인 해운 기업들은 AI 도입이 완료될 때까지 교육을 미루지 않습니다. 이들은 다음을 시행합니다:

• 해상 운영 관점의 AI 파일럿 설계 및 테스트 단계부터 실무자 참여 유도

• 해운 의사결정에 필요한 권장 사항뿐만 아니라 AI가 비즈니스 결론에 도달하는 프로세스를 설명

• 해상 애플리케이션 내에서 AI 분석 결과에 의문을 제기할 수 있는 안전한 환경 조성

• AI의 오류가 감지될 때 명확한 보고 및 조치 경로 확립

• 운영 환경에서 AI의 한계를 식별해 낸 직원들을 포상하고 장려

이는 AI가 선박 운영의 핵심 워크플로우에 적용되기 전에 구성원들의 확신과 신뢰를 구축합니다.

소규모의 가치 지향적 AI 파일럿 프로젝트 실행

전사적인 확장보다, 해상 AI 도입의 선두 주자들은 다음과 같이 작동합니다:

• 가장 해결이 지난한 수동 작업 한 가지를 출발점으로 선택

• 해당 해운 운영 업무를 실제 처리하고 있는 실무자들을 전적으로 참여시킴

• 단순한 'AI 도입률 지표'가 아닌 실제 절감된 시간과 예방된 오류 건수로 성공을 측정

• 전체 선단으로 범위를 확장하기 전에 축적된 성공 사례로서 효과를 자체 증명하게 함

연구에서 밝혀진 바와 같이, 해운 분야에서 AI 도입에 성공하는 기업들은 "투명성, 리더십, 특정 산업에 특화된 솔루션을 유기적으로 결합하는 동시에, 항상 인간의 전문 영역을 모든 의사결정의 핵심에 두고 있습니다."