서문 | 인공지능 in 비즈니스
인공지능보다 더 중요한 것
관점의 변화가 반드시 필요하다
인공지능의 진짜 의미
인공지능 시대에 나는 어떻게 해야 하나
인공지능 활용에 필요한 세 가지

1부 | 도구의 이해

1장. 인공지능이란 무엇인가
명확한 정의가 없는 인공지능
어떻게 받아들여야 하나
인공지능의 구성 요소
데이터 드리븐 비즈니스
핵심은 머신러닝

2장. 머신러닝이란 무엇인가
머신러닝이 바꾼 컴퓨터 사용법
스스로 학습한다는 의미에 대한 오해
지도 학습으로 예측하기
비지도 학습으로 이해하기
강화 학습으로 원하는 대로 만들기
콘텐츠 생성으로 발전 중인 머신러닝
머신러닝 알고리즘과 딥러닝

3장. 도구로서의 인공지능
머신러닝이 하는 데이터 분석
분석을 프로세스 안으로
어디에나 쓸 수 있는 예측
예측으로 하는 진정한 개인화
시각 인지력의 활용
콘텐츠 생성에 활용
인간의 말로 일하게 하기
미래 예측
머신러닝의 활용처

4장. 오해 속의 빅데이터
빅데이터는 SNS 분석이 아니다
불필요하고 해로운 빅데이터
대상이 아닌 수단으로서의 빅데이터

2부 | 경영의 변화 ??5장. 왜 변화가 필요한가
뒤에 숨겨진 과정들
두뇌 한계를 뛰어넘기 위한 도구
결국은 변화 관리
인공지능 시대의 인간의 역할

6장. 경영의 변화
충돌하는 이해관계의 조정
조직 구조와 프로세스의 변경
구체적인 계획은 오히려 방해가 된다
다른 것을 시도할 여유
원활한 협업을 위한 조건
근본적 변화는 하향식으로만 가능하다
GE의 트랜스포메이션 사례

7장. 일하는 방식의 변화
기회는 일상 속에 있다
이벤트가 아닌 일상으로
기술이 선두에서 이끌어야 한다
공부하고 따라 해서 역량 키우기
실패, 시행착오, 갈등은 좋은 신호

3부 | 실질적 실행

8장. 데이터 활용의 단계
데이터는 분석하는 것이 아니라 활용하는 것
반드시 거쳐야 하는 단계
1단계 데이터 파악: 구체적으로
2단계 파일럿 프로젝트: 데이터 분석하면 실패
3단계 데이터 수집과 저장: 원시 데이터를 한곳에
4단계 본격적 데이터 활용 및 성숙
5단계 비즈니스 확장 및 신규 비즈니스 개발

9장. 현실적인 이슈
데이터 전문 조직의 구성
데이터 활용의 현실
IT 조직의 일이 아니다
데이터 관련 직종
데이터 전문가 채용과 취업
머신러닝 운영의 새로운 문제들

10장. 데이터 분석
데이터 분석이 뒤처진 이유
모호한 데이터 분석
기술적 분석
탐색적 분석
진정한 데이터 활용

감사의 글