1. Problem (문제)

1. 목적: AI로 해결하거나 개선할 구체적 문제를 정의하고 비즈니스 가치를 평가.
2. 평가 포인트:
3. 기존 문제 해결: 현재 비즈니스 문제 제거 (예: 고객 문의 지연).
4. 현상 개선: 기존 프로세스 최적화 (예: 응답 시간 단축).
5. 비즈니스 영향: 비용 절감, 매출 증가, 고객 경험 개선 등.
6. 잠재적 위험: 데이터 보안, 구현 실패 등.
7. 예시: "문의 처리 24시간 → AI 챗봇으로 1시간 목표. 영향: 불만 30% 감소, 매출 2억 원 증가. 위험: 답변 오류."

2. Performance (성과)

1. 목적: AI 도입 후 성과를 정량/정성 목표로 측정하고 투자 대비 효과 분석.
2. 평가 포인트:
3. 정량 목표 (KPI): 숫자로 측정 (예: 처리율 90%).
4. 정성 목표: 품질/경험 평가 (예: 고객 신뢰도 향상).
5. 측정법: 설문조사, 피드백 분석, 정기 리뷰.
6. ROI: 비용 대비 이익 (예: 1억 원 투자, 3억 원 절감 → 200%).
7. 단기/장기 결과: 즉시 효과 vs 지속적 가치.
8. 예시: "KPI: 문의 90% 처리, ROI 200%. 정성: '신속하고 신뢰할 만하다' 평가 (설문 4.2/5점). 장기: 유지율 15% 증가."

3. Scalability (확장성)

1. 목적: AI 솔루션의 확장 가능성과 조직 준비 상태 점검.
2. 평가 포인트:
3. 적용 범위: 다른 부서/제품/지역 확장 가능성.
4. 기술 유연성: 데이터 증가, 요구사항 변화 대응.
5. 조직 준비: 인프라, 인력, 예산 충분 여부.
6. 예시: "챗봇: FAQ → 주문 확인 확장, 클라우드 기반 유연, IT 팀 준비 완료, 예산 5천만 원 필요."

4. Data (데이터)

1. 목적: AI 실행에 필요한 데이터의 가용성, 품질, 획득 주기 평가.
2. 평가 포인트:
3. 내부 데이터: CRM, 운영 로그 등 활용 가능 데이터.
4. 외부 데이터: 시장 트렌드, 소셜 분석 등 확보 가능 데이터.
5. 품질: 완전성, 정확도 (예: 95% 완전).
6. 획득 주기: 실시간, 일별, 월별 등 갱신 속도.
7. 예시: "내부: 문의 기록(50만 건), 외부: 소셜 피드백(월 1만 건), 품질 95%, 주기: 실시간/월별."

5. Risk Assessment (리스크 검토)

1. 목적: AI 도입의 잠재적 리스크를 식별하고 완화 방안 마련.
2. 평가 포인트:
3. 기술 리스크: 성능, 안정성 문제 (예: 모델 오류).
4. 조직 리스크: 반대, 인력 부족 (예: 팀 수용도).
5. 규제/적법성 리스크: 데이터 사용의 법적/윤리적 준수 (예: GDPR, 개인정보 보호법).
6. 세부: 데이터 익명화, 동의 여부, 위반 시 벌금/평판 손실.
7. 완화 방안: 테스트, 교육, 법률 검토 등.
8. 예시: "챗봇: 오류(파일럿 테스트), 팀 반대(교육 2주), GDPR 위반(익명화 처리)."

활용 방법

1. 점수화: 각 항목에 1-5점 부여 (예: 문제 해결 난이도, ROI 수치).
2. 우선순위: 총점으로 순위 결정.
3. 검토: 3개월 주기로 비즈니스 목표와 재평가.

비교 표 (예시)

항목	고객 문의 챗봇	점수	재고 예측 모델	점수
Problem	문의 24시간 → 1시간, 불만 30% 감소	5	재고 과다로 5억 원 손실 → 50% 감소	3
Performance	KPI: 90% 처리, ROI 200%, 신뢰도 향상	4	KPI: 손실 50% 감소, ROI 100%, 효율성 20%	4
Scalability	주문 확인 확장, 클라우드, IT 준비	3	다른 라인 확장, ERP 통합	2
Data	문의 50만 건, 소셜 1만 건, 95%, 실시간	2	재고 3년, 시장 데이터, 90%, 일별	3
Risk	오류(테스트), 반대(교육), GDPR(익명화)	1	오류(검증), 입력 오류(교육), 계약(검토)	3