기업들은 생성형 AI에 막대한 투자를 하고 있지만, 대부분의 파일럿 프로그램은 측정 가능한 성과를 내지 못하고 있으며, 이는 과거 소프트웨어 개발 실패 사례를 되풀이하는 것입니다. 근본적인 원인은 반복적인 학습 접근 방식을 채택하기보다는 대규모의 선행 프로젝트에 자금을 지원하려는 지속적인 경향입니다. 에릭 리스의 "린 스타트업"은 학습 속도를 제품 출시 속도보다 우선시하여 기업이 원치 않는 제품을 만드는 것을 방지하는 것을 목표로 했습니다. 생성형 AI의 낮은 실행 비용은 이러한 린 원칙을 오늘날 더욱 관련성 있게 만듭니다. 마찬가지로, 빠른 프로토타이핑의 시대에 전통적인 디자인 사고 방법은 구식이 되어가고 있습니다. AI 환경이 빠르게 진화함에 따라 소규모 실험을 통한 빠르고 반복적인 학습이 이제 중요해졌습니다. "가서 보고"와 같은 원칙은 회의실이 아닌 현장에서 실제 문제를 이해하는 것을 강조합니다. 많은 생성형 AI 노력은 혁신을 알리는 도구를 구축하고 실제 사용자 요구를 해결하지 못함으로써 제품-시장 적합성이 떨어져 실패합니다. "린 스타트업"의 "만들고, 측정하고, 배우는" 루프는 생성형 AI가 이 과정을 가속화하면서 여전히 중요합니다. 그러나 더 빠른 실패를 방지하기 위해서는 안전 장치와 명확한 결과 측정이 필수적입니다. 야심찬 내부 구축보다는 좁은 범위와 효과적인 파트너십이 더 빠른 배포와 성공으로 이어집니다. 특히 AI로 쉽게 생성되는 과도한 문서는 의사 결정이나 업무를 직접적으로 지원하지 않으면 낭비가 됩니다. 궁극적으로 AI의 핵심 과제는 스타트업과 마찬가지로 지속적으로 학습하고 적응함으로써 내재된 불확실성을 헤쳐나가는 것입니다.