-
Tech Blog
많은 기업이 디지털 전환(DX)의 길을 걷고 있습니다. 그리고 이 길은 최근 인공지능 전환(AX)으로 이어지고 있습니다. 이런 변화 속에서 엔터프라이즈 컴퓨팅은 클라우드 네이티브라는 구조적 변화의 시기를 맞이하고 있습니다. 이 모든 변화를 관통하는 키워드는 바로 ‘오픈 소스’입니다. 하이브리드 시대를 주도하는 오픈 소스 프로젝트 DX, AX 전환은 클라우드 네이티브 인프라와 플랫폼 상에서 이루어집니다. 물리적 인프라는 가상 머신(VM), 컨테이너를 중심으로 하이브리드화 되어 가고 있습니다. 이를 주도하는 것은 오픈스택(OpenStack), 오픈시프트(OpenShfit) 같은 오픈 소스 프로젝트입니다. 조금 더 자세히 알아볼까요? 대다수의 엔터프라이즈 IT 환경은 VM과 컨테이너가 공존하는 컴퓨팅 환경으로 진화하고 있습니다. 기존 애플리케이션은 VM 환경에서 안정적으로 운영되고, 새로운 클라우드 네이티브 애플리케이션은 컨테이너 기반으로 개발 및 배포됩니다. 이러한 환경에서 오픈 소스는 상용 솔루션의 한계를 극복하고, 유연하고 확장 가능한 인프라 구축을 위한 핵심 요소로 주목받고 있습니다. 오픈 소스 기반 컨테이너 기술은 AX 전환의 핵심이기도 합니다. 쿠버네티스는 컨테이너화된 애플리케이션의 배포, 확장, 관리를 자동화하여 효율성과 유연성을 극대화하는 오픈 소스 플랫폼입니다. 클라우드 네이티브 환경에 최적화된 쿠버네티스는 기업들이 퍼블릭 클라우드와 온프레미스 환경을 통합하여 운영하는 하이브리드 클라우드 전략의 핵심으로 자리매김했습니다. 마치 퍼즐 조각을 맞추듯, 쿠버네티스는 다양한 환경을 하나로 연결하여 효율적인 IT 운영을 가능하게 합니다. 오픈 소스를 향한 부담 VM과 컨테이너가 공존하는 복잡한 엔터프라이즈 컴퓨팅 환경에서 오픈 소스는 특정 기업과 기술에 종속 걱정 없이 기술 주권을 강화할 수 있는 기회를 제공합니다. 하지만 여전히 오픈 소스에 대한 부담이 존재하기도 합니다. 과거에는 오픈 소스 기술에 대한 안정성과 신뢰할 수 있는 기술 지원 업체가 없는 것이 문제였습니다. 이는 2025년 현재 더 이상 걱정 거리가 아닙니다. 레드햇을 필두로 주요 오픈 소스 프로젝트의 기업의 눈 높이에 맞는 패키징 전략과 기술 지원 체계를 갖춘 기업들의 생태계가 안정적으로 구축되어 있습니다. 그렇다면 현재 시점에서 볼 때 기업이 느끼는 오픈 소스의 부담은 무엇일까요? 바로 오픈 소스 기술 스택을 현재 컴퓨팅 환경에 맞게 최적화하여 도입하는 것입니다. 가령 서버, 스토리지, 네트워크 등의 인프라 가상화부터 시작해 엔터프라이즈 컨테이너 플랫폼 구축, CI/CD 기반 DevOps 파이프라인 정립, 마이크서비스 아키텍처 기반 앱 개발 등을 위한 광범위한 오픈 소스 기술 스택이 기업의 컴퓨팅 환경에 맞게 유기적으로 통합해 도입해야 합니다. 여기에 요즘 모든 조직의 1순위 과제가 된 AI 전략 실행 역시 현재 사용 중인 개발, 보안, 운영 환경과 정책에 맞게 최적화하여 쿠버네티스 같은 오픈 소스 기술 스택을 통합해야 도입해야 합니다. 오픈 소스 시대의 기술 내재화 살펴본 바와 같이 DX와 AX가 기업의 핵심 과제로 떠오르면서 오픈 소스 기술은 이러한 변화를 가속화하는 필수 요소가 되었습니다. 오픈 소스 기술을 효과적으로 활용하기 위해서는 '기술 내재화'에 대한 새로운 시각이 필요합니다. 과거에는 기술 내재화를 단순히 외주 개발을 맡긴 후 소스 코드를 확보하거나 특정 솔루션의 운영 능력을 키우는 것으로 생각했습니다. 하지만 오픈 소스가 DX, AX의 엔진 역할을 하는 시대의 기술 내재화는 좀 더 넓은 의미를 갖습니다. 이제는 오픈 소스 생태계 전체를 이해하고, 끊임없이 변화하는 기술 트렌드를 읽어내는 능력이 중요합니다. 마치 뷔페에서 나에게 맞는 음식을 선택하듯, 다양한 오픈 소스 기술 중에서 우리 조직에 필요한 것을 골라내고, 이를 조합하여 최적의 시스템을 구축할 수 있는 안목을 갖춰야 합니다. 물론 이러한 능력을 하루 아침에 갖추기는 어렵습니다. 락플레이스와 같은 오픈 소스 전문 기업의 도움을 받는 것이 효과적인 전략이 될 수 있습니다. 락플레이스는 운영체제부터 컨테이너 플랫폼, 데이터베이스, 미들웨어까지, 기업 IT 환경 전반에 걸쳐 오픈 소스 솔루션을 제공하고, 이를 기업 환경에 맞게 최적화하여 구축, 운영할 수 있도록 지원합니다. 마치 경험 많은 셰프의 레시피를 전수받는 것처럼, 락플레이스의 노하우를 통해 오픈 소스 기술을 빠르게 내재화할 수 있습니다. 오픈 소스 시대의 기술 내재화는 단순히 기술을 '소유'하는 것이 아니라, 기술을 '이해'하고 '활용'하는 능력을 키우는 것입니다. 락플레이스와 함께라면 오픈 소스라는 넓은 바다에서 길을 잃지 않고 성공적으로 항해할 수 있습니다. 오픈 소스 기술에 대해 더 알고 싶으시거나 도움을 받고 싶으시다면, 락플레이스와 상담하세요!
2025.02.06
-
Tech Blog
지난 12월 26일 'AI 기본법'이 국회 본회의를 통과하고, 이달 14일 국무회의에서 의결되면서 우리나라는 유럽연합(EU)에 이어 두 번째로 AI 관련 법안을 제정한 국가가 됐습니다. 이에 기반해, 정부는 AI 기본법의 세부 시행령 구성에 박차를 가하고 있습니다. AI 기본법이란? 'AI 기본법'의 정식 명칭은 '인공지능 발전과 신뢰 기반 조성 등에 관한 기본법'입니다. AI 산업을 지원하고 규제할 법적 근거를 담고 있죠. 정식 시행은 2026년 1월부터 입니다. 이 법안은 AI에 관한 국가 차원의 거버넌스 체계를 정립하고 AI 산업의 체계적 육성과 위험 사전 예방을 위한 법적 기반을 제공합니다. 주요 내용으로는 인공지능 기본계획 수립·시행, 대통령 소속의 국가인공지능위원회 설치, 과학기술정보통신부 장관의 인공지능정책센터 지 정, 인공지능안전연구소 운영 등이 포함됩니다. 특히 고영향 AI와 생성형 AI를 규제 대상으로 포함시켜, 이들에 대한 투명성 확보 의무, 안전성 확보 의무, 사업자 책무를 규정했습니다. 이러한 AI 기본법 제정으로 그동안 법 부재로 인한 회색지대였던 국내 AI 산업이 AI R&D, 학습용 데이터, AI 데이터센터, 집적단지 구축 등의 진흥 토대를 마련하게 되었습니다. AI 기본법 제정 이후 정부의 후속 조치 정부는 AI 기본법의 효과적인 시행을 위해 다양한 후속 조치를 진행하고 있습니다. 우선 과학기술정보통신부는 하위법령 정비단을 출범시켜 시행령 초안을 신속히 마련하고 있으며, 이 정비단에는 정부와 산업계, 학계, 법조계 전문가들이 참여할 예정입니다. 또한 과기정통부는 1조원 규모의 범용인공지능 개발사업을 기획·추진하고, AI 전환 스타트 업 및 신산업 분야 기업 성장을 위한 정책펀드를 지원할 계획입니다. 2030년까지 국가 'AI 컴퓨팅 센터' 구축을 추진하고 있으며, AI 분야를 국가전략기술에 추가해 세액공제 지원도 강화할 방침입니다. 더불어 2월 중 데이터센터 구축과 관련한 불필요한 규제 개선 등의 내 용이 담긴 AI 컴퓨팅 인프라 종합대책도 발표할 예정입니다. AI 기본법, 무엇을 보완해야 할까? AI 기본법이 제정되었지만, 여러 전문가들은 보완이 필요한 부분들을 지적하고 있습니다. 가장 큰 문제점은 고영향 AI에 대한 정의와 범위가 모호하다는 것입니다. 현재 법은 고영향 AI를 '사람의 생명, 신체의 안전 및 기본권에 중대한 영향을 미치거나 위험을 초래할 우려가 있는 인공지능시스템'으로 규정하고 있지만, 구체적인 예시와 범위는 정해져 있지 않습니다. 또한 단순 민원만으로도 정부가 사실조사에 나설 수 있도록 한 부분이 지나친 규제가 될 수 있다는 우려도 제기되고 있습니다. 생성형 AI 개발에 필요한 학습 데이터 목록 공개 등에 대해서도 저작권 보호와 산업 진흥 사이에서 균형 잡힌 접근이 필요한 상황입니다. 전문가들은 초기에는 규제보다 진흥에 초점을 두어야 한다고 조언하고 있습니다.
2025.01.31
-
Tech Blog
대학들은 학사관리, 교육, 연구 및 행정 등 여러 분야에서 업무 효율 향상과 비용 절감이 라는 과제에 당면해 있습니다. AI(인공지능)는 대학들이 마주한 이런 과제들을 해결하고 새로운 혁신을 이끌어낼 동력으로 주목받고 있습니다. AI가 특정 기술이 아닌 기반 요소화되는 흐름이 확산되면서 AI의 조기 활용과 역량 확보를 주문하는 전문가들이 늘고 있습니다. 가트너, 맥킨지 및 PwC 같은 글로벌 컨설팅 기업들과 전문가들이 한 목소리로 “AI는 모든 조직이 확보해야 하는 기반 요소 기술로 진화하고 있다”는 주장을 하는 이유이기도 합니다. 이에 MetaE4U는 대학의 성공적인 AI 도입과 활용을 위한 가이드를 제시하고자 합니다. 이를 통한 AI 가치의 극대화로 우리 대학들이 미래 경쟁력을 높일 수 있기를 바랍니다. 대학의 AI 도입 가이드 1. AI 도입 목표 정의단순한 신기술 도입이 아닌, 대학의 핵심적 문제 해결 및 목표 달성을 위한 AI 도입 목표와 전략을 정의해야 합니다. 2. AI 도입 분야 선정대학이 AI를 도입해 가장 많은 효과와 가치를 얻을 수 있는 교육이나 행정 등 대상 분야와 사례를 선정해야 합니다. 3. 사용자 중심의 구현개발자 및 관리자 중심이 아닌 사용자 중심의 업무 플로우 구성, 기능 및 사용 환경을 제공하기 위한 접근 전략을 세워야 합니다. 4. 데이터 중심의 접근AI 성공 여부를 결정하는 핵심 요소인 데이터 확보와 활용을 위한 데이터 거버넌스 체계와 관리 방안을 수립해야 합니다. 5. AI 도입 고려 사항전문 인력, 데이터 확보, IT인프라 구축 및 변화 관리 등 AI 도입에 필수적인 항목들을 세부적으로 검토하고, 도입 전략을 수립해야 합니다. 6. 대학의 조직 문화대학 경영진의 강력한 의지와 지원, 조직 내부의 협력과 소통 등 AI 도입의 성공을 보장하는 조직 문화가 필요합니다. 7. 전문 파트너와 협력AI 기술, 프로젝트 역량과 경험을 갖추고 대학과 유기적으로 협력해서 AI 도입, 운용과 변화관리를 지원하는 파트너를 선정하는 것이 중요합니다.
2025.01.22
-
Tech Blog
2025년 IT 산업은 어떤 모습일까요? 여러 시장조사기관과 글로벌 기관들이 내다본 전망을 모아봤습니다. 대부분 AI의 발전과 클라우드 보안의 중요성을 언급했습니다. 1. AI 에이전트의 부상AI 에이전트는 단순한 보조 도구를 넘어 독립적이고 능동적인 업무 파트너로 진화하고 있습니다. 가트너는 '2025년 주목해야 할 10대 전략 기술 트렌드'를 발표하면서 AI 에이전트를 언급했습니다. 이들에 따르면 2028년까지 일상적인 업무 결정의 최소 15%는 AI 에이전트에 의해 수행될 전망입니다. 델 테크놀로지스도 '2025 기술 전망 미디어 브리핑'에서 AI 에이전트를 주목했습니다. 존 로즈 CTO는 AI가 더 자율적이고 상호작용이 가능하도록 진화할 것이라면서, AI 에이전트를 통해 현대적인 AI 솔루션의 능력이 갈수록 확대될 것이라고 예측했습니다. 2. 클라우드 보안클라우드 인프라에 대한 기업의 의존도 증가로 인해, 클라우드 보안전략의 중요성이 커지고 있습니다. 팔로알토네트웍스는 2025년 클라우드 환경을 보호하는 것을 최우선 순위로 꼽으면서, 랜섬웨어나 데이터 유출 등 클라우드 위협이 급증하는 현실을 지적했습니다. 포티넷은 다수 조직이 여러 클라우드 공급 업체에 의존하기 때문에, 사이버 범죄자들이 앞으로도 클라우드 취약성을 더 많이 활용할 것이라고 내다봤습니다. 구글 클라우드 역시 사이버 보안 및 클라우드 보안에 대한 실용적이고 실행 가능한 지침에 대한 수요가 강력할 것이라고 예상했습니다. 특히 멀티 클라우드를 이용하는 고객들이 여러 클라우드 제공업체를 관리하는 과정에서 발생하는 보안 복잡성을 해결하고 일관된 정책과 통제를 보장하기 위한 지원을 지속적으로 요청할 것이라고 예측했습니다. 3. 커지는 IT 비용관리 중요성점점 복잡해지는 클라우드 구조, 그리고 전세계적 경제 위기에 따라 IT 비용관리의 중요성이 높아질 것으로 전망됩니다. 딜로이트는 조직이 클라우드 서비스에 점점 더 의존함에 따라 클라우드 투자를 관리하기 위한 효과적인 전략의 필요성이 중요해졌다면서, 2025년에만 FinOps 도구와 관행을 구현하는 기업이 최대 210억 달러를 절약할 수 있을 것으로 예측했습니다. 폴라리스 마켓 리서치는 2025년 클라우드 FinOps 시장 규모를 149억 8000만 달러로 내다봤습니다. 4. 멀티/하이브리드 클라우드 기업들은 퍼블릭 클라우드의 유연성과 프라이빗 클라우드의 보안을 결합한 하이브리드 멀티클라우드 전략을 채택하고 있습니다. 에퀴닉스는 이러한 접근법이 급변하는 비즈니스 환경에서 민첩성을 유지하고 중요한 워크로드를 제어할 수 있게 해준다고 설명했습니다. 가트너는 2027년까지 90%의 기업이 하이브리드 클라우드 방식을 채택할 것으로 예측했습니다. 레노버는 아태지역의 더 많은 기업들이 유연성과 확장성을 강화하되 벤더 종속을 피하고자 멀티 클라우드 전략을 채택하고 있다면서, 내년에는 예측 분석, 자동화 및 고객 경험 향상 등 AI 관련 클라우드 솔루션에 대한 수요가 증가하며 이러한 현상이 심화될 것으로 예측했습니다. 5. 책임 있는 AI: 윤리와 지속가능성AI의 발전에 따라 윤리와 지속가능성 문제가 주목받고 있습니다. 마이크로소프트는 AI 기술의 안전성과 책임성을 높이기 위해 지속적인 테스트와 맞춤화에 주력할 것임을 밝혔습니다. 특히 데이터 센터의 에너지 효율성 개선, 워터-프리 데이터 센터 도입 등 지속가능한 AI 인프라 구축에 힘쓸 계획입니다. 버너 보겔스 아마존 CTO는 '2025년 이후 기술 트렌드 예측'에서 AI가 가짜뉴스를 검증하는 시간을 단축해 잘못된 정보의 확산과 반박 사이의 시간차를 줄여나갈 것으로 전망했습니다. <작성: 홍보그룹>
2024.12.27
-
Tech Blog
지난 포스팅에서는 실용적 AI 에이전트의 확산 / 생성 증강 검색, GAR'시대의 도래라는 주제에 대해 설명드렸습니다. ▶ 1편 보러가기: 2025년 AI 트렌드 : 실용성의 시대 ① 이번 포스팅에서도 2025년 AI 트렌드에 대해 자세히 살펴보겠습니다. 3. 산업별 맞춤형 AI 솔루션의 진화: 비즈니스 로직과 요구사항을 반영하는 시대 2025년 AI 도입의 핵심 키워드는 단연 '맞춤화(Customization)'입니다. ChatGPT나 Claude와 같은 범용 AI가 대중화되었지만, 이제는 각 산업의 고유한 특성과 비즈니스 로직을 정교하게 반영한 특화 솔루션이 주목받고 있습니다. 산업마다 AI에 요구하는 핵심 성능이 모두 다르기 때문입니다. 의료 분야의 경우 진단 정확도가 99.9%에 달해야 하며, 환자 정보 보호를 위한 엄격한 규제 준수도 필수적입니다. 금융권에서는 밀리세컨 단위로 반응하는 실시간 거래 분석 능력과 함께, 내부 정보 유출 방지를 위한 정교한 보안 체계가 요구됩니다. 제조 현장은 또 다른 도전 과제를 안고 있습니다. 수많은 센서 데이터를 실시간으로 분석해 설비 고장을 예방하고, 글로벌 공급망 전체를 효율적으로 관리할 수 있어야 하죠. 이렇게 다양하고 특수한 요구사항들로 인해 기업들은 On-Premise나 Dedicated Private Cloud 기반의 솔루션 구축을 선호하고 있습니다. 클라우드 기반 AI 서비스보다 초기 투자와 운영이 복잡하지만, 일단 안정적으로 구축되면 타 기업이 쉽게 모방하기 어려운 핵심 경쟁력이 되기 때문이죠. 스켈터랩스가 주목하고 있는 점은, 이전에는 데이터 보안이나 규제로 인해 생성형 AI 도입을 꺼렸던 업종에서도 변화의 바람이 불고 있다는 것입니다. 하이퍼클로바X, 코히어(Cohere), 클로드(Claude), 벨라(BELLA) 등 다양한 LLM을 상황에 맞게 선택하고 조합할 수 있는 유연한 솔루션들이 등장하면서, 이제는 단계적이고 안전한 도입이 가능해졌기 때문입니다. 이 과정에서 AI 솔루션 기업들의 역할이 더욱 중요해지고 있습니다. 가령 스켈터랩스는 각 기업의 IT 인프라와 보안 정책, 그리고 실시간성·정확성·처리량 등 다양한 요구사항을 면밀히 분석합니다. 그리고 지속적인 이터레이션을 통해 최적의 솔루션을 찾아내죠. 고객사와 긴밀히 협력하며 On-Premise 구축이 필요한지, Private Cloud가 더 적합한지, 어떤 LLM 조합이 최선인지를 함께 고민합니다. 단순히 AI 모델을 도입하는 것을 넘어, 실제 업무 성과(KPI)를 끊임없이 개선하는 과정이기도 합니다: AI는 이제 더 이상 '모두에게 똑같은 범용 도구'가 아닙니다. ▶ 2024년 생성형 AI 도입 성공 사례 보러가기 4. Too Much AI 현상 → '적합한 도구의 적절한 사용' 2023년과 2024년, 많은 기업들이 ChatGPT가 보여준 혁신에 매료되어 모든 문제를 '생성형 AI'로 해결하려는 시도를 했습니다. "AI면 모두 다 해결해주겠지"라는 생각으로 무분별하게 도입을 시도했던 것이죠. 하지만 2025년에는 이러한 '과잉 AI' 현상이 한풀 꺾이고, 보다 현실적인 접근이 주목받을 것으로 보입니다. 특히 기업들은 '꼭 최신 거대 언어모델이어야 할까?'라는 질문을 던지기 시작했습니다. 예를 들어 단순한 문서 분류나 데이터 처리는 작고 가벼운 AI 모델로도 충분히 해결할 수 있기 때문입니다. 오히려 무거운 LLM을 쓰는 것이 비용과 시간 낭비가 될 수 있겠죠. 마치 집 근처 장을 보러 갈 때 굳이 스포츠카를 몰 필요가 없는 것처럼요. 이러한 인식 변화에 따라 새로운 흐름이 등장하고 있습니다. 경량화된 전용 모델을 쓰거나, 특정 업무에 특화된 솔루션을 도입하거나, 때로는 기존의 단순한 알고리즘과 AI를 적절히 섞어 쓰는 식입니다. 즉, "가장 최신의 AI"가 아니라 "우리 상황에 가장 알맞은 도구"를 찾아 쓰는 현명한 선택이 2025년의 트렌드가 될 것입니다. 2025년은 AI가 화려한 겉모습을 벗고 실용적인 작업복을 입는 전환점이 될 것입니다. ChatGPT로 시작된 AI 열풍이 마침내 실질적인 비즈니스 가치를 만들어내는 단계로 진화하는 것이죠. 특히 '하나의 AI로 모든 것을 해결하려는' 시도에서 벗어나, 각 산업과 기업의 특성에 맞는 최적의 솔루션을 찾아가게 될 것 입니다. 가령 의료 분야는 정확성을, 금융권은 실시간성을, 제조업은 안정성을 추구하는 등 산업별 맞춤형 접근이 더욱 중요해질 것입니다. 또한 AI 기술을 도입하는 방식도 더욱 현명해질 것입니다. 보안과 규제를 고려한 신중한 접근, 비용 대비 효과를 꼼꼼히 따지는 전략적 선택, 그리고 무엇보다 실제 사용자들의 피드백을 적극 반영하는 점진적 도입이 중요하게 여겨질 것입니다. 결국 2025년 AI 시장의 승자는 '가장 앞선 기술'을 가진 기업이 아닌, '가장 현명한 접근'을 한 기업이 될 것입니다. 기업용 AI 도입을 고민하고 계신다면, 스켈터랩스와 상담하세요! <작성: 스켈터랩스>
2024.12.19
-
Tech Blog
2023년은 ChatGPT로 대표되는 생성형 AI(Generative AI)가 전 세계를 휩쓴 해였습니다. 이어 2024년에는 기업들이 이 혁신적 기술을 어떻게 활용할지 방향을 모색하며 다양한 시도를 해왔죠. 이렇듯 AI의 기술적 잠재력은 이미 충분히 입증되었지만, 여전히 "실제 비즈니스 현장에서 어떻게 활용할 것인가"라는 과제를 두고 기업들의 고민이 이어지고 있습니다. 2025년은 예측컨대, 이러한 탐색기를 지나 AI가 본격적으로 산업 현장에 스며드는 해가 될 것으로 보입니다. 특히 '실용성'과 '차별화된 가치' 두 가지를 중심으로 시장이 재편될 전망인데요. 범용 AI를 도입하는 것을 넘어, 각 산업과 분야별 특성에 맞춰 AI를 최적화하고 실질적인 성과를 만들어내는 것이 핵심 과제가 될 것입니다. 이제부터 2025년 AI 시장의 주요 흐름들을 살펴보면서, 기업들이 어떤 전략적 선택을 해야 하는지, 또 이를 실행하기 위해 어떤 준비가 필요한지 2개의 포스트를 통해 구체적으로 들여다보겠습니다. 1. 실용적 AI 에이전트의 확산: 업무 자동화에서 가치 창출로 전환 2025년 AI 도입의 가장 큰 변화는 '자율형 AI 에이전트'의 실용적 확산일 것입니다. 이미 가트너 등 글로벌 리서치 기관들은 2028년까지 일상 업무의 15% 이상이 AI 에이전트에 의해 자율적으로 처리될 것으로 전망하고 있죠. 주목할 점은 이러한 AI 에이전트의 핵심 가치가 '대화 능력' 자체가 아니라는 것입니다. 사실 2024년까지 이어진 LLM 기반 챗봇 열풍은 다소 아쉬운 점이 있었습니다. 사용자가 '어떻게 질문하느냐'에 따라 성능이 크게 달라지는 등 불안정한 생산성 향상에 그쳤기 때문입니다. 그러나 2025년에는 이러한 한계를 넘어 '특정 업무를 독자적으로 해결하는 능력'이 AI 에이전트의 핵심 경쟁력이 될 것입니다. 특히 RPA(Robotic Process Automation)와 결합한 자율형 에이전트는 가히 주목할 만합니다. 기존 레거시 시스템까지 통합적으로 다루는 고도화된 업무 플랫폼으로 발전할 것으로 예측됩니다. 단순한 응대나 정보 제공을 넘어, 특정 업무 영역을 깊이 이해하고 필요한 도구까지 직접 제작해 프로세스를 최적화하는 수준까지 진화할 전망입니다. 하지만 모든 혁신에는 도전 과제가 따르기 마련입니다. 자율형 AI 에이전트가 해결해야 할 가장 시급한 문제이자 약점은 바로 '오류 가능성'입니다. 오류 가능성을 극복하기 위해 2025년에는 '자기 반영(Self-Reflecting)' 기능이 핵심 기술로 부상할 것으로 보이는데요. 단순히 피드백을 통해 모델을 재학습하는 수준을 넘어, AI가 자신의 수행 과정과 결과물을 스스로 검증하고 개선하는 단계로 나아가게 될 것 이라는 게 스켈터랩스 엔지니어 팀의 예측입니다. 가령 '자가 반영' 에이전트는 기업 내 사용 이력과 업무 패턴, 사용자 피드백을 실시간으로 반영하며 진화합니다. 결과적으로 사용자들은 "내가 쓰는 AI가 점점 나를 이해하고 맞춰간다"는 경험을 하게 될 것이며, 이는 AI에 대한 신뢰도와 실제 비즈니스 성과를 함께 높이는 핵심 요인이 될 것입니다. 결국 기업들이 가장 먼저 고민해야 할 것은 "어떤 업무에서 AI를 써야 가장 큰 효과를 볼 수 있을까?" 입니다. 모든 업무에 AI를 한꺼번에 도입하기보다는, 가장 효과가 클 것 같은 특정 영역부터 시작하는 게 현명한 전략일 수 있겠죠. 예를 들어 반복적인 데이터 처리 업무나 고객 응대 같이 즉각적인 생산성 향상을 기대할 수 있는 분야부터 시작해서, 점진적으로 확대해 나가는 전략이 필요한 시점입니다. 궁극적으로는 AI 에이전트가 사용자의 의도와 상황을 정확히 파악하고, 필요한 도구를 스스로 만들어가며 진화하는 수준까지 발전하겠지만, 2025년 시장의 우선순위는 '실질적인 업무 생산성 향상'이 될 것입니다. 따라서 당분간은 특정 업무에 특화된 실용적 AI 에이전트의 확산이 두드러질 것으로 예상됩니다. 2. RAG 기술 너머: '생성 증강 검색, GAR' 시대의 도래 2023년부터 2024년까지 RAG(Retrieval-Augmented Generation)는 '검색'과 '생성'을 결합한 새로운 정보 활용 모델로 주목받았습니다. AI가 방대한 문서를 검색하고, 이를 바탕으로 새로운 콘텐츠를 생성하는 방식은 기업들의 큰 관심을 받았죠. 2025년에는 이 기술이 한 단계 더 진화합니다. 'Modular RAG', 'Agentic RAG', 'Graph RAG' 등 다양한 발전된 형태가 등장하면서, AI의 정보 처리 능력이 한층 더 고도화될 전망입니다. 이제는 단순히 텍스트를 만들어내는 수준을 넘어, 방대한 문서와 데이터, 그리고 복잡한 지식 그래프까지 능동적으로 탐색하고 가공하는 수준으로 발전하고 있습니다. 가장 주목할 만한 변화는 '검색증강생성(RAG)'에서 '생성증강검색(GAR: Generation-Augmented Retrieval)'이라는 새로운 패러다임으로의 전환입니다. 쉽게 설명하자면, RAG가 "검색한 정보를 바탕으로 새로운 답변을 만들어내는 방식"이었다면, GAR은 "찾고자 하는 정보를 더 잘 찾기 위해 AI가 검색 자체를 지능적으로 수행하는 방식"입니다. 즉, 검색의 질 자체를 높이는 것이죠. GAR의 목표는 명확합니다. 단순히 "필요한 정보를 찾아주는 것"이 아니라, "찾은 정보를 깊이 이해하고 사용자에게 맞춤형으로 재구성"하는 것입니다. 진화된 검색 경험은 기업의 업무 효율성을 높일 뿐만 아니라, 전반적인 지식 관리 체계와 의사결정의 질적 향상까지 이끌어낼 수 있기 때문에 기대가 되는 부분입니다. 2025년 AI 전망은 다음 편에서 계속 이어집니다! <작성: 스켈터랩스>
2024.12.19
-
Tech Blog
최근 채용, 인사, 급여 등 다양한 인사 부문에서 AI를 활용하여 생산성을 높이고 있습니다. AI 기술을 통해 직원 인사 평가와 주요 보직 적합자를 추천받고, 많은 기업들이 채용에서 AI 역량 검사를 시행하고 있죠. HR 담당자가 알아야 할 필수 영역이 되어버린 AI, 구체적으로 어떻게 사용되고 있는지, 어떻게 실무에 적용할 수 있을지 알아보겠습니다. AI 인사관리, 왜 해야 하나요? 인사관리 전문 매거진 HRO투데이가 진행한 설문조사에 따르면, 2025년에는 기업들이 인사관리 업무에 AI를 적용한 비중이 60%를 넘어설 전망이라고 합니다. 25~34세 인사담당자의 86%도 향후 4년간 인사 AI가 인사 관리에 긍정적인 영향을 줄 것이라고 응답했을만큼, AI 도입은 단순한 기술 채택 문제가 아니라 기업의 전략적 핵심이라고 할 수 있습니다. ① 시간과 비용의 효과적인 절감AI는 대량의 데이터를 신속하게 처리하고 분석할 수 있어, HR 담당자들이 반복적이고 시간이 많이 소요되는 작업에서 벗어날 수 있게 합니다. 실제 정부 인사혁신처에서 AI를 적용해 공무원의 출장 및 복무관리 효율을 높여 얻은 세금 절감 효과도 연간 수십억원이라고 합니다. ② 데이터 기반의 의사결정을 통한 공정성 강화사람의 주관적인 판단을 줄이고, 객관적인 데이터와 사전에 설정된 공통된 기준을 기반으로 의사결정을 내릴 수 있도록 지원합니다. HR 담당자들은 이러한 시스템을 통해 직원들에게 신뢰를 줄 수 있으며, 조직 문화의 투명성을 높일 수 있습니다. ③ 맞춤형 인재 관리와 직원 만족도 향상직원들의 역량과 직무 적합성을 분석하여 최적의 인재 배치를 할 수 있습니다. 이를 통해 직원들이 자신의 능력을 최대한 발휘할 수 있는 환경에서 일하게 되어 만족도가 높아지고, 팀의 성과도 올라갈 수 있습니다. 또한 조직 운영에 큰 걸림돌이 되는 이직률 감소에도 긍정적 영향을 줄 수 있습니다. 연말정산 솔루션으로 실무에 적용하는 AI 인사관리 AI 인사관리의 중요성을 느끼고 있지만 어떻게 시작해야 될지 모르겠다면, 다가오는 연말정산 시기부터 적용해보는 것은 어떨까요? 과세표준 구간이 다양한 직원들의 연말정산을 처리해야 할 경우 서류 검토 과정과 문의 응대만으로 막대한 시간이 듭니다. 연말정산 시 AI 기술을 활용하면 사람이 직접 확인하고 처리하며 발생했던 불필요한 인력 소모와 오류를 줄일 수 있을 뿐만 아니라, 담당자들은 바쁜 시기에 더 중요한 업무에 집중할 수 있게 됩니다. 메타페이 연말정산 AI는 담당자가 일일이 세법 변경 사항을 찾고 시스템에 적용할 필요 없이, 자동으로 최신 세법이 반영됩니다. 또한, 제출된 PDF 서류를 광학 문자 인식(OCR) 기능을 통해 정보를 추출해 수기 입력에 따른 오류를 확실하게 줄여줍니다. AWS와 함께 더 강화된 메타페이 연말정산 솔루션, 메타페이 AI 메타페이는 아마존 웹 서비스(Amazon Web Service)의 최신 대규모 언어 모델(LLM) 모델 클로드 3 (Claude 3)를 활용해 ‘연말정산 AI’ 솔루션을 ‘메타페이AI’로 고도화할 예정입니다. 메타페이AI에 활용될 클로드 3는 AWS가 보유한 클로드 모델 중 처리 속도가 가장 빠르고 강력한 보안 기능을 갖추고 있습니다. 이런 뛰어난 성능을 통해 연말정산 AI 솔루션에서 가장 만족도가 높았던 챗봇의 질문 처리 기능이 한층 강화될 것으로 기대됩니다. 인사 담당자에게 연초는 연간 HR 전략 수립의 중요한 시기입니다. 이 때 연말정산 서류 검토와 임직원 문의 응대로 인해 리소스가 분산되는 경험, 다들 있으실 텐데요. 메타페이 AI를 활용하면 연말정산 업무 시간을 줄이고 더 중요한 일에 집중할 수 있습니다. AWS와 함께 한층 더 강화된 연말정산 솔루션, 메타페이 AI에 많은 기대 부탁드립니다! 더 쉬운 연말정산 방법을 고민하신다면, 메타페이와 상담하세요!
2024.12.05
-
Tech Blog
인공지능(AI) 기술의 급속한 발전 속에서 ‘AI 에이전트’가 글로벌 빅테크 기업들의 새로운 격전지로 떠오르고 있습니다. 빅테크 기업들은 앞다투어 AI 에이전트 개발에 뛰어들며, 우리 삶을 근본적으로 변화시킬 새로운 시대를 예고하고 있습니다. AI 에이전트란? AI 에이전트는 단순한 챗봇의 기능을 넘어 사용자의 요청에 따라 정보를 검색하거나 분석하고, 이를 바탕으로 작업을 수행하는 디지털 비서 역할을 하는 인공지능 기술입니다. 사용자와 상호작용하면서 업무의 효율성을 높이고 생산성을 극대화할 수 있는 도구로, 사용자의 명령을 자연스럽게 이해하고 실행하는 능력을 갖추고 있습니다. 빅테크 AI 에이전트 전쟁 앤스로픽은 최근 초거대 언어모델(LLM) 기반 서비스 ‘클로드 3.5 소넷’을 공개하며 AI가 컴퓨터를 활용해 작업을 대신 수행하는 ‘컴퓨터 유스(Computer Use)’ 기능을 선보였습니다. 이 기능은 이용자의 PC 데이터를 AI가 학습, 직접 마우스 커서를 움직여서 이용자가 원하는 업무를 실행합니다. 오픈AI 역시 ‘오퍼레이터(Operator)’라는 코드명의 AI 에이전트를 내년 1월 연구용 프리뷰 및 개발자용 도구로 공개할 예정입니다. 이 기술은 AI가 스스로 컴퓨터를 제어하고 작업을 수행할 수 있는 능력을 갖출 것으로 예상되고 있습니다. 외신에 따르면 오픈 AI는 이미 에이전트 개발을 마치고 사내에서 데모를 공개했으며, 인터넷으로 배달음식을 주문하는 등의 작업에 성공한 것으로 알려졌습니다. 마이크로소프트는 지난 19일 열린 연례 컨퍼런스 'MS 이그나이트 2024'에서 AI 에이전트 관련 기능들을 쏟아냈습니다. 특히 오피스 프로그램 M365과 연계하여 스스로 작업을하고 업무 능력을 확장시키는 신기술들이 대거 등장했는데요. 특정 사이트나 폴더가 연계되어 정보를 쉽게 찾을 수 있도록 지원하는 '셰어포인트 에이전트', MS팀즈에서 실시간 음성 통역을 지원하는 '통역 에이전트' 등이 소개되었습니다. 이밖에 구글 역시 '프로젝트 자비스'를 통해 일상적 업무를 자동 처리할 수 있는 AI 에이전트를 개발 중이며, 이르면 다음달 공개할 예정이고요. 미스트랄은 챗봇 '르 챗'을 통해 문서 인식, 보고서 스캔, 송장 처리 등 작업을 자동화 할 수 있는 AI 에이전트 기능을 사용할 수 있도록 업데이트를 단행했습니다. AI 에이전트가 가져올 미래 빅테크 리더들은 모두 입을 모아 AI 에이전트가 내년 트렌드의 중심이 될 것이라고 말합니다. 특히 텍스트, 이미지, 영상 등 다양한 데이터를 처리하는 멀티모달 기술과 결합해 더 다양한 업무를 처리하고, 비즈니스를 혁신할 것으로 기대하고 있습니다. 시장조사기관 글로벌 인포메이션에 따르면 AI 에이전트 시장은 2024년 51억달러(약 6조6800억원)에서 2030년 618억달러(약 83조4300억원)로 연평균 47.3% 성장할 전망입니다. 시장조사기관 가트너는 내년 10대 기술 트렌드 중 하나로 AI 에이전트를 선정하기도 했습니다.
2024.11.27
-
Tech Blog
AI 혁명은 이미 우리 옆에 다가와 있습니다. Adaptive Learning 및 학생 지원 등에 주도적으로 AI를 활용하는 글로벌 대학들의 사례를 살펴보겠습니다. 1. University of Sydney시드니 대학교는 선제적으로 Adaptive Learning 플랫폼을 도입하여 학생들의 학습 의지와 참여를 높이는 데 성공했으며, 이를 통해 대학의 차별화된 경쟁력을 강화하고 있습니다.2. Georgia State University조지아 주립대학교는 학생 지원 및 행정 업무에 AI 챗봇 'Pounce'를 적용하여 'Summer Melt' 현상과 학업 포기 문제를 해결하고 있으며, 이를 통해 미래를 준비하는 혁신적인 사례를 보여주고 있습니다.3. Who are leveraging AI?Adaptive Learning, 학생 지원 및 행정 업무, 그리고 주요 연구 개발 프로젝트 등 다양한 분야에서 AI 기술을 활용하고 있는 국내외 주요 대학교들의 사례가 점점 더 많아지고 있습니다. 1. University of Sydney:Adaptive Learning 플랫폼을 도입해 학생들의 높은 학업 성취도와 졸업률을 유지하는 시드니 대학교 호주 대학들의 졸업률호주 교육부 자료에 의하면, 호주 대학생들의 6년내 졸업률은 63.6% 수준인데 4년으로 조정하면 45%로 크게 떨어집니다. 44.4%로 최저인 영유아교육과를 시작으로 컴퓨터 사이언스 등 공학 계열도 문제가 심각합니다. 낮은 졸업률의 원인으로 꼽히고 내용은 아래와 같습니다. 1. 학업 난이도: 높은 학업 난이도와 이에 따른 지속적 스트레스 증가가 학생들이 포기하는 가장 큰 이유로 파악 2. 경제적 어려움: 비싼 등록금과 계속 증가하는 생활비로 인해 학업을 중단하는 학생 증가 3. Study-life 밸런스: 학업 스트레스가 늘어나면서 학업 대신 개인의 행복과 삶의 균형을 선택하는 학생 증가 4. 학생 지원 부족: 학업의 어려움을 겪는 학생을 적절하게 지원할 수 있는 지원 및 교육 프로그램의 부족도 졸업률 저하를 가속화하는 원인으로 작용 시드니 대학의 Adaptive Learning 사례시드니 대학교의 졸업률은 82.9% 입니다. 이런 차별화된 경쟁력의 배경에는 Adaptive Learning이 있는데, 컴퓨터 학과 2학년인 Tom의 사례를 통해 알아보겠습니다. Tom은 데이터 구조론이 너무 어렵습니다. 같은 챕터를 반복해 읽고, 예제 문제를 계속 풀어봐도 이해가 되지 않습니다. 담당 교수인 Jake는 Adaptive Learning 플랫폼에서 Tom의 학습 패턴을 분석합니다. 어떤 내용을 반복해 읽는지, 시간을 많이 쓰는 문제와 틀린 답변을 파악해 보니 데이터 모델링이 Tom의 문제란 것을 알게 됩니다. 플랫폼이 자체 분석한 내용도 거의 비슷합니다.Jake 교수는 Adaptive Learning를 통해 Tom의 온라인 교재에 설명을 추가하고 1:1 코칭을 제안합니다. 1:1 코칭에서 데이터 모델링을 설명해주고 같이 문제를 풀면서 Tom의 어려움을 해결해 줍니다. 이것이 시드니 대학이 Adaptive Learning을 이용해 제공하는 맞춤형 학습입니다. Adaptive Learning 도입 배경시드니 대학교는 학습자 수준의 정확한 파악과 개인화된 학습 경험 제공 그리고 이를 통한 전통적 학습 체계의 혁신을 목표로 Adaptive Learning 플랫폼의 도입을 결정했습니다. 1. 개인화된 학습 경험 제공: 학습자의 특성과 능력을 반영한 맞춤형 학습 경험 제공으로 학업 성취도 및 학교 생활 참여도 향상2. 학습자 수준 진단과 분석: 개인 맞춤형 학습 경험 제공의 전제 조건인 학생의 현재 상태와 장단점 파악을 위한 분석 체계 마련3. 효율적 학습 경로 설계: 학생들이 가진 문제와 이슈를 파악해 최적의 학습 자료와 학습 경로의 설계 및 개발4. 데이터 기반 교육 개선: 학생 행동과 성과의 실시간 데이터 제공으로 학생의 장단점을 파악하고 맞춤형 수업과 피드백 제공5. 글로벌 트렌드: 학교 경쟁력 유지와 글로벌 트렌드 수용 Adaptive Learning 플랫폼 주요 기능시드니 대학교가 맞춤형 학습 강화를 위해 선제적으로 도입한 Adaptive Learning 플랫폼은 효율적 콘텐츠 생성 도구, 실시간 학습 경로 및 성과 분석을 통한 학습 최적화로 학생과 교수진의 학업 성취도를 높이고 있습니다. 1. 적응형 학습 경로: 학습 특성과 속도에 맞춘 학습 경로 설계와 지원이 가능하고 학습자 필요에 따라 교육 내용 조정 가능2. 손쉬운 콘텐츠 개발: 더 많은 상호 작용으로 학생들의 학습 참여와 동기를 높이는 방식으로 전통적 교육 체계 혁신3. 인터렉티브 학습 체계: 효율적 교육 콘텐츠 개발과 배포로 교수진의 업무 부담을 줄이는 동시에 교육 수준을 강화4. 학습자 피드백 및 지원: 학습자 행동과 성과의 실시간 데이터 제공으로 학생 장단점 파악 및 맞춤형 수업과 피드백 제공5. 학습 관리 시스템 통합: 시스템 통합 관리로 학생 관리 및 업무 최적화 Adaptive Learning 적용 분야시드니 대학교는 Adaptive Learning 플랫폼을 과학, 공학, 의학 및 심리학 등 학습 난이도가 높은 교과 과정에 우선 적용해서 학업 성취도와 과정 수료율 향상 등의 효과를 얻고 있습니다. 1. 공학 분야: 다양한 실험 및 시뮬레이션이 필요한 공학 프로그램에 적용하여 실시간 피드백과 학습 분석 제공2. 의학 분야: 시뮬레이션을 통해 실제 수행이 어려운 환자들의 치료 과정 및 병의 진행 상황 등을 학습하는데 적용3. 교육 및 심리학 분야: 반응 시뮬레이션, 퀴즈, 게임 및 인터렉티브 컨텐츠를 교육과 심리학 교육에 적용 공학, 의학 등 다양한 분야에 Adaptive Learning을 적용해 많은 효과를 얻은 시드니 대학교는 더 많은 분야로 Adaptive Learning 플랫폼을 확대하고 있습니다. Adaptive Learning 도입 효과빌 & 멀린다 게이츠 재단이 후원한 연구는 Adaptive Learning 도입 후 학생 등록은 늘고 탈락은 줄었다는 결과를 소개하면서 새 학습 방식의 가치와 잠재력을 인정했습니다. 시드니 대학이 얻은 주요 효과입니다. 1. 학습자 참여도: 학생들의 학습 욕구 강화와 자발적인 학습 참여도 증가2. 학업 성취도: Adaptive Learning 이용 후 학생들의 수업 이해도와 성적이 동반 상승3. 교수진 역량: 학습자 맞춤형 콘텐츠 개발이 용이해져 교수진의 업무 부담이 줄고 강의 수준 향상4. 비즈니스 확장: 시드니 대학이 해외의 학습자에게 수준 높은 온라인 교육 프로그램 제공5. 데이터 기반 시스템: 학생 행동과 결과에 대한 데이터를 확보, 분석해 학생 특성을 이해하고 실시간 피드백으로 실질적 학습 수준 향상 Adaptive Learning으로 학생들의 학습 의지와 참여가 확대되고 다른 대학들과 차별화된 졸업률을 유지하는 배경으로 작용하고 있습니다.2. Georgia State University학생 지원 및 행정 업무에 AI 챗봇 Pounce를 도입해 Summer melt 및 학업 포기 문제를 해결하고 있는 조지아 주립대학교 미국 대학들의 고민, Summer melt 적게는 10%에서 최대 40%의 예비 대학생들이 등록을 포기하는 Summer melt은 미국 대학들을 괴롭히는 문제입니다. 주요 원인으로 아래 내용들이 언급됩니다. (출처: 하버드 대학교 교육정책 연구소) 1. 정확한 안내 및 지원 부족: 고교 졸업과 함께 어려운 대학 등록 과정을 도와 줄 교사나 상담 인력의 도움을 받지 못해 포기하는 학생들이 많음2. 복잡한 행정 절차: 대학마다 등록 절차가 다르고 복잡해서 학생 혼자 진행하다 실패하거나 포기하는 사례가 다수 발생3. 경제적 장벽: 저소득 계층의 학생이 높은 학비 때문에 포기하는 경우가 많지만 학자금 대출 및 지원 프로그램를 모르고 포기하는 경우도 빈번하게 발생4. 의사소통 부족: 학교가 학생에게 단계별로 필요한 정보를 적시 제공하지 않고, 학생도 방법을 몰라서 등록을 못하거나 포기하는 사례 조지아 주립대학교 AI 챗봇, Pounce예비 대학생과의 커뮤니케이션 실패 및 정확한 등록 안내 및 지원 부족이 Summer melt의 주된 원인이라고 하버드 보고서는 말하고 있습니다. 조지아 주립대가 AI 챗봇을 이용해 문제를 해결한 방법을 살펴보겠습니다. 신입생이 조지아 주립대학교에 예비 등록을 하면 관련 정보가 AI 챗봇에 공유됩니다. 챗봇은 정보를 분석하고 학생 조건과 일정에 따라 추후 등록 절차, 필요 서류, 학자금 신청 방법 및 수강 신청 등을 문자 메시지와 이메일로 안내합니다. 물론 학생 문의에 대한 실시간 지원도 가능합니다. 만약 학생이 학자금 신청 방법을 문의했다면 챗봇이 필요 서류와 작성 방법을 알려주고 서류 제출까지 안내해 줍니다. AI 챗봇을 이용한 학생과의 원활환 커뮤니케이션, 학교 생활의 꼼꼼한 안내와 지원은 신입생이 가진 학교 생활의 두려움과 고립감을 크게 줄여줍니다. 그리고 이런 노력은 Summer melt 현상의 극적인 감소로 이어지고 있습니다. 조지아 주립대학교 발표에 의하면 AI 챗봇 도입 후 신입생의 등록 포기율은 19%에서 9%로 줄었습니다. AI 챗봇 도입 목표조지아 주립대학교는 오랜 기간 Summer melt 현상과 중도 학업 포기 문제를 고민해 왔습니다. 신입생 등록율과 학생 유지률을 높이기 위한 전략으로 실시간 학생 지원이 가능한 AI 챗봇을 도입했습니다. 1. Summer Melt 해소: 등록 절차와 방법 등의 자세한 안내와 자발적 지원을 통한 Summer melt 문제 해결2. 커뮤니케이션 강화: 학생과 학교간의 의사소통을 원활히하고 학생들에게 필요한 정보를 24시간 제공하는 환경 제공3. 학생의 학업 성과 향상: 실시간 피드백과 지원이 가능한 AI 챗봇을 통해 학생들의 학업 지원4. 데이터 기반 의사결정 지원: AI챗봇에서 수집된 학생 문의와 반응 등 주요 데이터를 학교 정책 수립과 운영 등에 적용 AI 챗봇, Pounce조지아 주립대학교는 실시간 정보 제공과 학교 생활 불편 최소화 등을 통한 최적의 학생 경험을 위해 AI 챗봇 서비스 Pounce 를 도입했습니다. AI챗봇의 주요 기능은 다음과 같습니다. 1. AI 기반 정보 제공: Pounce는 학교 일정, 수업 시간표, 식당 메뉴 및 시설 운영 시간 등 다양한 정보를 실시간 제공2. 행정 지원 서비스: 수강 등록, 장학금 신청, 학사 일정 및 교내 행사 등 정보를 실시간 제공하며, 각종 문서 양식과 등록 절차 등에 대한 안내 제공3. 예약 및 약속 관리: Pounce를 통해 체육 시설, 회의실 및 상담 서비스 일정 예약 등 가능4. 실시간 대화 지원: 자연어 처리(NLP) 기술을 적용하고 학교 데이터베이스에 연결되어 학생 문의에 실시간 답변 제공5. 알람 서비스: 주요 행사 및 예약 내용의 알람 서비스 AI 챗봇 도입 효과조지아 주립대가 도입한 AI챗봇 Pounce는 학생 등록율, 과목 이수률 및 학업 성취도 향상 등 다양한 효과에 기여한 것으로 분석됩니다. 학교가 공개한 주요 성과를 보면 예상하지 않았던 효과도 여러 개 있습니다. 1. Summer Melt 현상 완화: AI챗봇 도입 후 여름 기간의 학생 이탈률이 19%에서 9%로 감소2. 등록 및 과목 이수 개선: AI챗봇 도입 후 학생들의 등 등록률이 3.3% 증가하고, 진행 상황을 실시간 파악해 지원하는 방법으로 포기하는 학생을 최소화3. 학자금 지원 신청 증가: AI챗봇의 이벤트 알림 기능 덕분에 학자금 신청 완료율이 6% 향상4. 학업 성취도 향상: 분석 결과 AI챗봇 이용률이 높은 학생이 B학점 이상을 받을 가능성 증가5. 학교 생활 참여도: AI 챗봇 이용률이 높은 학생들의 취업 박람회 등 행상 참여률이 30% 증가 향후 계획AI챗봇 Pounce 도입으로 다양한 효과를 얻은 조지아 주립대는 Pounce 연구 프로젝트화 등 AI 챗봇 확산과 고도화를 위한 다음 단계를 준비하고 있습니다. 1. 졸업률 강화: AI챗봇을 이용해 대학의 오래된, 또 다른 고민 거리인 졸업률을 높이는 방안을 검토 중2. 적용 대상 확대: AI챗봇을 조지아 커뮤니티 컬리지 등 다양한 그룹으로 확대하는 방안 검토3. AI와 사람간 협업 강화: AI & 사람간 협업이 업무 효율을 높이는 효과적 방법으로 인식하고 이에 대한 연구와 투자를 지속할 예정4. AI 챗봇 고도화: 행정 업무와 실시간 정보 제공에 집중된 Pounce 를 학생 수업 및 과제 지원까지 가능한 서비스로 확대하는 고도화 프로젝트 진행 중3. Who are leveraging AI?대학이 인공지능(AI)을 활용해야 하는 이유는 학생 맞춤형 학습과 이를 위한 학생들의 학습 진단과 분석 그리고 데이터 기반의 교육 개선 등 다양합니다. 이것이 오늘날 많은 대학이 추구하는 교육 혁신 모델이기도 합니다. 오늘 살펴본 시드니 대학교 및 조지아 주립대학교 등 글로벌 대학들은 빠른 AI 도입과 활용으로 많은 결실을 얻고 있습니다.급격한 학령 인구 감소와 교육 정책 변화로 어려움을 겪는 우리 대학에게도 필요한 경쟁 전략입니다. 주요 대학의 AI 활용 사례를 살펴보았습니다. 전문가의 상담이 필요하시다면, 언제든 메타넷디엘과 상담하세요!
2024.10.18
-
Tech Blog
AI 시대, 글로벌 빅테크를 중심으로 각국의 AI 기술 경쟁이 치열하게 벌어지고 있습니다. 대한민국 역시 일찍이 AI 경쟁에 뛰어들었지만, 대규모 언어 모델(LLM) 개발에 있어 막대한 자금력을 가진 미국 대기업이나 중국에 맞서기에는 역부족이라는 평가가 지배적입니다. 이러한 상황 속에서 국내 기업들은 개발 비용이 낮고 특정 분야에 특화된 소형 언어 모델(sLLM) 분야에 더욱 집중하는 전략을 구사하기 시작했습니다. sLLM을 선호하는 기업들 sLLM은 LLM이 천억 개 이상의 파라미터를 요구하는 반면, 수십억 개의 파라미터만을 필요로 합니다. 또한, 막대한 컴퓨팅 자원이 필요한 LLM에 비해 sLLM은 단순하고 운영 비용이 저렴합니다. 기업 업무에 사용할 AI는 세상의 모든 지식을 알고 있을 필요가 없습니다. 예를 들어, 제조업체가 비즈니스에 필요한 서류를 만드는 데 AI를 사용하는 경우, AI가 최근 유행하는 예능 쇼 출연진을 알고 있을 필요는 없겠죠. 이런 이유로 최근 기업들은 비용이 비싸고 학습에 오랜 시간이 걸리는 LLM보다, 필요한 정보만을 알고 있고 비용도 저렴한 sLLM을 더 선호하고 있습니다. 더불어 데이터 보안이 중시되는 기업의 경우, 온프레미스 또는 프라이빗 클라우드 내에서 sLLM을 운영해 고민을 해결할 수 있습니다. 특정 분야에서 더 뛰어난 sLLM sLLM에 RAG(Retrieval-Augmented Generation) 기능과 파인 튜닝을 추가하면 특정 분야에서 LLM 못지않은 성능을 발휘할 수 있습니다. 이런 이유로 제조, 금융, 의료, 법조 등 특정 분야에 특화된 sLLM이 주목받고 있습니다. 언론에 따르면 미래에셋증권은 9월 중순 온프레미스 방식의 금융 특화 소형 언어 모델(sLLM)을 구축했습니다. 이 플랫폼은 직원 및 개별 부서가 자신만의 업무 매뉴얼이나 노하우가 담긴 문서들을 업로드해 학습시키고, 전용 챗봇을 만들어 사용할 수 있도록 설계되었습니다. 금융사는 망분리 규제 때문에 외부 생성형 AI를 사용할 수 없으므로, 온프레미스형 AI를 구축해 내부적인 필요를 충족하고 있습니다. 다른 시중은행들과 증권사들도 금융 특화 sLLM을 활용하는 방안을 고민 중에 있다고 전해집니다. 기업 AX 이끌어갈 sLLM sLLM은 국내뿐만 아니라 글로벌 무대에서도 기업의 AI 혁신을 이끌어갈 것으로 기대됩니다. 미국 시장조사업체 밸류에이츠 리포트에 따르면, sLLM 시장 규모는 2022년 51억8000만 달러에서 오는 2029년 171억8000만 달러로 성장할 전망입니다. 국내 기업들은 sLLM을 통해 AI 경쟁력을 높이고 있으며, 특정 산업과 기업에 맞는 맞춤형 솔루션 제공을 통한 AI 수익화도 겨냥하고 있습니다. 기업의 AI 도입이 더욱 활발해지는 만큼, 앞으로 sLLM의 본격적인 성장에 주목할 필요가 있어 보입니다.
2024.09.27