대화

AI 분야의 여성 인력

Deloitte AI Institute

전체 보고서 다운로드

배경:

여성 AI 인력의 현주소

AI 목표를 달성하는 과정에서 오늘날의 기업은 업종을 불문하고, 인재 유치라는 동일한 장애물에 직면해 있습니다. 필요한 AI 기술이 부족한 많은 조직이 AI 전문 인력 고용을 늘리는 동시에 인력원의 다양성을 고려하고 있습니다. AI의 수요는 계속해서 증가할 것입니다. 2020년 LinkedIn 보고서에 따르면 인공 지능 전문가는 미국에서 가장 떠오르는 직업입니다. 이 직업의 고용률은 지난 4년간 매년 74%씩 증가하고 있습니다.

AI의 놀라운 수요에도 불구하고 기업의 AI 목표를 달성하는 데 도움을 줄 수 있는 인력 풀 중에서 아직 개척되지 않은 풀이 하나 있습니다. 여성 인력입니다. 2020년을 기준으로, 미국 노동력에서 여성이 차지하는 비율은 약 47%입니다. 2019년에는 미국 기관에서 대학 졸업장, 석사 학위 및 박사 학위를 받은 대부분이 여성이었습니다.

2020년 세계 경제 포럼 보고서에서 데이터 및 AI 직군의 여성 인력 비율은 겨우 26%인 것으로 나타나며, Stanford Institute for Human-Centered AI의 2021년 AI 지수 보고서에서 전 세계적으로 AI를 전공하는 종신 대학 교수 중 여성의 비율은 단 16%인 것으로 보고됩니다.

AI 분야의 성별 격차

AI 분야에서 성 다양성은 한동안 변화가 없었습니다. 2019년에 북미에서 전체 AI 및 컴퓨터공학 박사 프로그램에 있는 여성의 비율은 22%였는데 2010년의 같은 통계 범주보다 겨우 4% 증가한 수치입니다.

AI 분야에서 이 성별 격차가 지속되는 원인은 무엇이고, 어떻게 해결할 수 있을까요?

AI 분야의 여성 인력 백서에서 Deloitte는 조직 내에서 AI 리더십 지위에 오른 여성을 인터뷰하고 AI 직군에 있는 개인을 대상으로 설문 조사를 시행하여 AI 분야에서 성별 격차가 발생하는 원인을 파악하고, 조직에서 이를 해결할 수 있는 잠재적 경로를 제공하며, 그렇지 않을 경우 조직이 처할 수 있는 불리한 상황을 보여줍니다.

미국 노동 인구에서 여성의 비율

전체 노동 인구

데이터 및 AI

AI에서 여성의 가치:

성 다양성이 중요한 이유

특히 리더십 지위에서 성 다양성은 산업 전반에서 조직의 생산성, 수익성 및 시장 가치를 개선한다는 증거들이 나오고 있습니다.

Goldman Sachs 연구에서 ‘다양한’ 이사회(Goldman은 ‘다양성’을 정의하지 않았지만 여성에 중점을 두고 있다고 말함)를 보유한 회사는 공공 시장에서 더 우수한 실적을 내는 것으로 밝혀졌습니다. 이사회의 성별 다양성이 1명 이상인 경우 상장 후 1년 안에 평균 주가가 44% 상승했는데 이는 성별 다양성이 없는 회사(13%)보다 현저히 높은 수치입니다.

MSCI 여성 리더십 지수의 연구 결과를 보면 2016년부터 미국, 캐나다 및 유럽의 공개 거래되는 대규모 및 중소 규모 기업 중 경영진 리더십 및 이사회의 성 다양성을 우선시하는 기업은 해당하는 주식 시장에서 성 다양성에 대한 노력을 하지 않는 회사보다 순 수익률이 높았습니다.

생산성과 성 다양성 간의 관계를 분석한 HBR 연구에서는 서유럽 회사에서 인력의 여성 대 남성 비율이 10% 증가하면 시장 가치가 7% 증가하는 상관 관계가 있다는 것이 밝혀졌습니다.

비즈니스 사례

AI 및 기계 학습 직군의 여성 및 남성을 대상으로 한 Deloitte 설문 조사에서는 조직에 여성이 많으면 비즈니스에 도움이 된다는 사실이 추가로 입증되었습니다.

응답자의 강력한 동의:

조직 내 그룹의 성 다양성을 촉진하고 확대하는 회사의 71%는 이로운 결과를 얻음

조직 내 그룹의 성 다양성을 촉진하고 확대하는 회사는 이로운 결과를 얻습니다.

66%는 경영진, 리더십 및 역할 모델 지위에 여성이 많을 경우 조직 직원들에게 직접적인 이득이 된다고 보고했습니다.

경영진, 리더십 및 역할 모델 지위에 여성이 많을 경우 조직 직원들에게 직접적인 이득이 됩니다.

데이터를 보면 다양성 및 포용성 문화가 있는 회사는 인력 내의 생산성 및 혁신을 장려하여 더 나은 제품, 경쟁력 개선과 매출 및 수익성 향상이라는 결과를 얻는다는 것을 알 수 있습니다. AI 내에서 다양성의 중요성은 문서에 의해 충분히 입증되었습니다. AI로 해결할 문제 정의, 솔루션 설계, 데이터 입력 선택 및 구성과 알고리즘 연결 및 훈련을 포함하여 효과적인 AI 시스템을 구축하려면 AI로 영향을 줄 모집단과 마찬가지로 다양한 성별로 AI 팀을 구성해야 합니다.

다양성의 레버에는 성별, 인종, 사회경제적 배경, 경력, 연령, 능력, 특권 및 차별 경험 등이 포함됩니다. 다수의 기준으로 다양성을 적용하면 광범위한 관점과 생활 경험을 AI 시스템의 설계 및 구현에 포함하는 데 도움이 됩니다. AI 팀은 의도한 모집단을 반영해야 한다는 점과 전 세계 인구의 절반이 여성이라는 점을 감안할 때 AWS의 Allie Miller(기계 학습 비즈니스 개발, 스타트업 및 벤처 캐피탈 전 세계 총 책임자)가 말하듯이 AI 내에서 성별 다양성을 유지하는 것은 ‘상식’의 문제입니다.

다수의 기준으로 다양성을 적용하면 광범위한 관점과 생활 경험을 AI 시스템의 설계 및 구현에 포함하는 데 도움이 됩니다.

AI 사례

AI 및 기계 학습 직군의 여성 및 남성을 대상으로 한 Deloitte의 설문 조사는 이 공간에 더 많은 여성을 둘수록 AI 시스템의 설계 및 기능이 개선된다는 사실을 보강합니다.

응답자의 강력한 동의:

응답자의 71%는 AI 및 기계 학습에 여성을 추가할 경우 이 업계에 필요한 고유한 관점으로 하이테크를 보게 될 것이라는 점에 강하게 동의했습니다.

AI 및 기계 학습에 여성을 추가하면 이 업계에 필요한 고유한 관점으로 하이테크를 보게 될 것입니다.

응답자의 66%는 설계자 및 개발자 지위에 보다 다양한 직원을 채용하는 것이 AI 및 기계 학습 솔루션에 이로울 것이라는 데 강하게 동의했습니다.

설계자 및 개발자 지위에 보다 다양한 직원을 채용하는 것이 AI 및 기계 학습 솔루션에 이로울 것입니다.

응답자의 63%는 AI가 계속해서 남성 지배적인 영역으로 남을 경우 AI 및 기계 학습 모델에서 항상 편향된 결과가 나올 것이라는 데 강하게 동의했습니다.

AI가 계속해서 남성 지배적인 영역으로 남을 경우 AI 및 기계 학습 모델에서 항상 편향된 결과가 나올 것입니다.

AI 팀 내에서 다양성의 중요성은 오늘날 AI가 직면한 가장 큰 문제 중 하나와 연결됩니다. AI 시스템의 편견입니다. 대부분의 AI 편견은 의도하지 않은 것이고 눈에 띄지 않지만 AI 시스템에 기존 형태의 성 편견이 유지된다면 완벽한 능력을 발휘할 수 없으므로 결국 조직에서 효과적인 AI 구현을 발전시킬 수 없게 됩니다. 기껏해야 알고리즘을 평가한 후 재정비하는 것이고, 최악의 경우 조직은 규제 위험에 처하거나 평판이 위태로워질 수 있습니다.

인력의 다양성은 데이터를 해석하고, 솔루션을 테스트하며, 의사 결정을 내릴 때 AI 편견을 식별하고 제거하는 데 있어서 더 뛰어난 역량을 지원합니다. 성별과 관련하여 여성은 남성이 놓치는 것을 포착할 가능성이 높습니다(반대의 경우도 마찬가지). 이 점에 있어서 성 다양성은 AI 개발에 이로울 수 있습니다.