목차
프롤로그
저자소개
이 책의 구성과 활용법

제1부 AI 혁신을 읽는 눈
1장 AI는 기술이 아니라 일하는 방식의 재설계다
1.1 도입했다는 것과 성과를 냈다는 것
1.2 여섯 문장으로 읽는 AI 혁신
1.3 사례: 넷플릭스의 추천 시스템
1.4 사례: UPS의 ORION 경로 최적화
1.5 제조·금융·공공의 공통 패턴
2장 생성형 AI는 무엇을 바꾸었나
2.1 예측에서 생성으로, 생성에서 행동으로
2.2 사례: ChatGPT와 대규모 언어모델
2.3 사례: AlphaFold, 과학의 난제를 푼 AI
2.4 사례: 멀티모달 AI
3장 AI로 가치를 만드는 세 가지 방식
3.1 내재화, 서비스화, 플랫폼화
3.2 AI 투자의 수익 구조
3.3 서비스화: OpenAI의 기업용 AI
3.4 플랫폼화: 클라우드 3사의 AI 마켓플레이스
3.5 우리 조직은 어떤 유형인가

제2부 산업 현장의 AI
4장 공장의 AI: 예지보전과 스마트팩토리
4.1 고장을 막는 것이 아니라 멈춤을 계획하는 것
4.2 사례: 지멘스와 작센밀히의 유가공 설비
4.3 사례: 블루스코프의 철강 코팅라인
4.4 사례: 움브라그룹의 정밀부품 불량 예측
5장 물류·유통의 AI: 예측보다 조정
5.1 수백만 개체를 동시에 움직이는 문제
5.2 사례: 아마존의 개인화 추천
5.3 사례: 아마존 로보틱스의 DeepFleet
5.4 사례: AI 조달·공급망 리스크 플랫폼
6장 모빌리티와 스마트시티
6.1 완전자율과 감독형 자율주행
6.2 사례: 웨이모의 로보택시
6.3 사례: 테슬라의 FSD(감독형)
6.4 사례: 스마트 교통과 도시 운영
7장 예측 AI와 의사결정
7.1 강수확률보다 태풍 경보
7.2 사례: 월마트의 수요예측과 재고관리
7.3 사례: 결제 네트워크의 이상탐지
7.4 사례: 의사결정 대시보드
8장 의료·교육·공공서비스의 AI
8.1 네 가지 추가 질문: 검증, 책임, 형평성, 채택
8.2 사례: 구글의 유방암 검진 AI
8.3 사례: 칸아카데미의 AI 튜터 칸미고
8.4 과학 AI의 공공성

제3부 사무실의 AI: 생성형 AI와 에이전트
9장 생성형 AI 업무도구의 확산
9.1 지식노동 AI의 3단계 확산
9.2 사례: JCB의 3단계 전략
9.3 사례: 에스티로더의 소비자 인사이트 에이전트
9.4 사례: 규제산업의 부서 특화 활용
9.5 기업용 ChatGPT의 심화
10장 사내 지식봇과 AI 에이전트
10.1 사내 지식봇(RAG)의 구조
10.2 챗봇과 에이전트의 차이
10.3 사례: 마이크로소프트의 ‘Ask Microsoft’와 멀티에이전트
10.4 사례: 캐피타의 시민 개발자 문화
10.5 사례: 코딩 에이전트, GitHub Copilot
10.6 에이전트 난립(Agent Sprawl)

제4부 조직과 제도
11장 AI 거버넌스: AI가 틀렸을 때를 위한 설계
11.1 거버넌스란 무엇인가
11.2 사례: 아마존 채용 AI의 편향
11.3 사례: 에어캐나다 챗봇 판결
11.4 사례: 자율주행 사고와 책임
12장 AI 트랜스포메이션: 조직 전체의 변화
12.1 과제에서 조직으로
12.2 사례: AI 고성과 기업의 특징
12.3 전사 확산의 재현 가능한 패턴
12.4 사례: AI 네이티브 신규사업
13장 공공부문 인공지능 전환(AX) 검토
13.1 한국수자원공사의 AI 전환 현황
13.2 기획 사례: AI 기반 재무관리 모델

에필로그
글을 마치며
부록. 확인 퀴즈 정답