해당 상품은 2026년 02월 28일까지 구매 가능합니다.
|
시작. DX를 넘어, AX 시대로1부. AI 트랜스포메이션 - 개념과 시대적 배경1. DX와 AX의 차이 -- 1) DX가 가져온 혁신과 한계-- 2) 생성형 AI가 불러온 패러다임 전환-- 3) 생성형 AI의 구체적 활용 사례-- 4) AX가 의미하는 것2. 인공지능 발전 5단계(오픈AI 전망) -- 1) 챗봇(Chatbot) - Q&A 수준의 기본 대화 -- 2) 추론자(Reasoner) - 멀티모달·추론 강화-- 3) 에이전트(Agent) - 스스로 판단하고 결정 -- 4) 혁신가(Innovator) - 고급 도메인 전문성-- 5) AG(IOrganization) - 인간과 AI의 융합 시대2부. AI 트랜스포메이션 - 실행 전략과 로드맵개요. AX 실행 5단계 전략1단계(초기) - 생성형 AI-- 1) 생성형 AI 개념-- 2) 생성형 AI 활용-- 3) 성과와 주의점2단계(중기) - RAG·지능형 RPA 도입-- 1) RAG 개념과 활용-- 2) 지능형 RPA 개념과 활용3단계(중기) - 머신러닝·딥러닝 AI와 생성형 AI의 결합-- 1) AI 모델간의 결합이 중요한 이유-- 2) 비즈니스 임팩트4단계(후기) - AI 에이전트-- 1) AI 에이전트란 무엇인가-- 2) 업무 혁신 시나리오-- 3) 위험과 관리 방법-- 4) 새로운 기회5단계(고도화) - 신규 BM, 버티컬 LLM과 SML의 등장-- 1) BM 전환-- 2) 버티컬 LLM과 SLM3부. AI 트랜스포메이션 - 조직 운영과 인재 선발1. AX 준비를 위한 조직·인프라·문화 점검-- 1) AI 준비도-- 2) 데이터와 IT 인프라 -- 3) AI팀과 인재 확보-- 4) 문화와 거버넌스-- 5) DX에서 AX로-- 6) 현재 상태 점검하기-- 7) 단계별 구현 사례2. 왜 CEO가 더 중요해졌나-- 1) AX 성공의 70%는 CEO에 좌우-- 2) CEO에게 필요한 AI 리터러시(기본 소양) -- 3) 파워·정치 이슈를 통제하는 법3. AX 성공 KPI와 ROI 측정-- 1) KPI와 AI 혁신의 정렬 -- 2) 재무적·비재무적 성과 지표-- 3) 프로젝트 성과 측정-- 4) 단기·중기·장기로 성과 측정-- 5) 성공 사례와 실패 사례4. AI팀과 거버넌스-- 1) AI팀의 필요성-- 2) 기존 IT 조직과의 협력-- 3) 데이터 사용 거버넌스5. 인재 전략과 교육-- 1) AI 전문 인력의 수혈-- 2) 프롬프트 엔지니어링-- 3) AI 매니저·오퍼레이터-- 4) 성과 평가·보상 체계6. 변화 관리와 조직 문화 혁신-- 1) 작은 PoC로 신뢰 구축-- 2) 대시 보드 기반의 보고로 문서 최소화-- 3) 성공 스토리, 우수 사례 포상-- 4) AI 해커톤, 아이디어톤-- 5) 실패 관용 문화-- 6) 사람 + AI 협업 조직 문화4부. AI 트랜스포메이션 - 유형별·산업별 사례와 미래 전망1. AX 유형별 적용 사례-- 1) 생성(문서, 메일, 보고서 등)-- 2) 요약(회의록 작성 등)-- 3) 언어 번역-- 4) 문법 및 맞춤법 교정-- 5) RAG 및 사내 챗봇-- 6) 지능형 RPA(외부 데이터 자동 수집·정리)-- 7) 차트만들기(Text-to-SQL)-- 8) 코딩-- 9) 예측 및 시뮬레이션-- 10) AI 검색 및 딥 리서치-- 11) PC 기반 AI 에이전트-- 12) OCR 등 이미지 분석(이미지 이해와 생성)-- 13) 콜 센터 등 음성 분석(음성 이해와 생성)-- 14) CCTV 영상 분석(영상 이해와 분석)-- 15) 버티컬 LLM(도메인 특화 AI)-- 16) 아이디어 및 브레인스토밍2. AX 산업별 적용 사례-- 1) 제조·물류-- 2) 금융·보험-- 3) 리테일·유통-- 4) 의료 및 헬스케어-- 5) 에너지 산업-- 6) 건설-- 7) 운송·물류-- 8) 호텔·외식-- 9) 공공·교육-- 10) 1인 기업맺음. AI 에이전트 시대와 그 이후부록. AX에 성공한 스타트업(기업)부록. AX를 위한 솔루션·서비스 추천
|
황재선의 다른 상품
|
- 빌 게이츠 “AI 에이전트는 컴퓨팅의 미래”(Gates Notes, 2023)- 사티아 나델라 “모든 상호작용이 에이전트를 통해 이루어질 것”(Microsoft Build 2025)- 순다르 피차이 “AI 에이전트는 더 개인화되고 지능적인 경험을 제공”(Google I/O 2025)- 일론 머스크 “궁극적으로 우리는 범용 AI 에이전트를 향해 나아가고 있다”(205년 3월 인터뷰) - 마크 저커버그 “메타버스 내에서 AI 에이전트는 다양한 활동을 수행하고, 사람들과 상호작용하며, 새로운 경험을 탐색하는 핵심적인 역할을 할 것이다”(Meta Connect 2024)좋은습관연구소가 제안하는 53번째 좋은 습관은 기업의 AI 활용 습관입니다. 우리는 앞서 『디지털 트랜스포메이션, 조직의 습관을 바꾸는 일』이라는 책을 통해서 많은 경영자들에게 큰 영감을 주었습니다. 이제 이 메시지는 “AI 트랜스포메이션은 조직의 습관을 바꾸는 일”로 다시 정의되고 있습니다. AI 기술은 기업 경영에 많은 변화를 주고 있습니다. 특히 생성형 AI의 등장은 IT 관련 부서나 회사 차원의 큰 프로젝트라는 관점을 벗어나 AI를 개인의 이슈로 확대시켰습니다. 이 책 역시도 AI 에이전트 시대를 전망하며 개인과 이들의 공존을 말합니다. 책은 이러한 변화를 총 5단계로 접근할 것을 제시하고 있습니다. · 1단계는 생성형 AI의 활용입니다. 이미 생활 속에서 그리고 업무에도 적극적으로 생성형 AI를 활용하는 만큼 추가적인 설명은 필요 없을 듯합니다. · 2단계는 RAG(Retrieval-Augmented Generation; 검색 증강 생성)의 사용입니다. RAG는 생성형 AI 모델에 사내 DB나 문서 검색 결과를 실시간으로 제공함으로써 AI가 더 풍부하고 정확한 정보를 근거로 답변을 생성하도록 하는 방식을 말합니다. 현재의 생성형 AI는 웹에 공개된 데이터나 사전에 학습한 텍스트를 바탕으로 하지만, 실제 회사에서 중요하게 다뤄야 할 정보의 상당수는 비공개 DB나 내부 파일로 존재하기 마련입니다. RAG는 바로 그 지점에서 내부 검색과 생성형 AI의 결합으로 기업 맞춤형 AI를 구현합니다. 그리고 또 다른 중요 요소로 지능형 RPA(Robotic Process Automation; 로보틱 프로세스 자동화)를 활용하여 단순 반복적인 업무를 자동으로 처리하는 것도 2단계에서의 일입니다. 과거에도 RPA가 있었지만, AX 단계에서는 생성형 AI와 결합해 자동화율을 더욱 높여줍니다. · 3단계는 기업 내 이미 구축된 머신러닝·딥러닝 기반의 분석형 AI와 생성형 AI의 결합입니다. 과거의 AI는 데이터사이언티스트 같은 데이터 전문가만이 사용하고 해석할 수 있다는 한계가 있었습니다. 하지만 생성형 AI와 결합되면서부터는 비전문가인 나도 자유롭게 활용할 수 있습니다. 더이상 관련 부서에 분석을 요청할 필요 없이 내가 직접 들여다보고 체크할 수 있는 자율성을 얻게 됩니다. · 4단계는 AI 에이전트의 등장입니다. AI 에이전트란 인간의 지시나 요구를 받아서 움직이는 것이 아니라 AI가 스스로 목표를 설정하거나 사용자가 던진 목표를 인식한 뒤 여러 서브 태스크를 분해해 직접실행하는 개념입니다. AI 활용의 최종 단계라 할 수 있으며 100배의 법칙을 넘어 100명의 역할을 할 수 있는 AI입니다. 무인(無人) 상태에서 의사결정과 작업을 수행하는 시나리오가 가능해집니다. · 5단계는 1단계에서 4단계를 거쳐 만들어진 AI 모델, 즉 도메인(특정 산업)에 특화된 LLM과 SLM을 새로운 BM으로 판매하는 것입니다. 우리 기업에 특화된 AI 모델을 다른 기업에 솔루션처럼 판매하는 것입니다. 이는 일반 제조 기업이 테크 기업으로 전환하는 효과를 발휘합니다. 이상이 이 책에서 말하는 AX 5단계입니다. 각 단계가 빠른 시기에 현실화되기는 어려울 수 있지만, 마냥 먼 미래의 일도 아닙니다. 생성형 AI의 출현으로 바뀐 비즈니스 환경을 생각한다면, 생각 이상으로 빨라질 수도 있습니다. 각 단계를 가기 위해 어떤 자원이 필요하고, 유의해야 할 점은 무엇이며, 조직은 어떤 준비를 해야 하며, 무엇보다 개인은 앞으로 어떤 역할로 자신을 포지셔닝해야 하고 자기계발해야 하는지 이 책으로 확인해보았으면 합니다.
|