<AI페스타2025> 발표자료 총정리
* 첨부된 문서는 주최 측으로부터 제공받은 자료입니다
AI Week(인공지능주간)은 과학기술정보통신부가 '인공지능 세계 3대 강국 도약'을 위해 지정한 국가 전략 주간으로 AI 산업, 정책, 기술, 네트워킹 전반을 아우르며 산업 생태계의 비전과 협력을 제시하는 대표 프로젝트입니다.
이번에 3일 일정으로 참여한 <AI Festa 2025>는 인공지능 분야 국내외 리더가 함께 모여 대한민국 인공지능 기술력과 비전을 전 세계에 소개하는 'AI Week'를 상징하는 대표 B2B전문 전시회입니다.
'동네소년(필자)'은 콘퍼런스를 중심으로 3일 동안 다양한 AI 분야의 주제들을 찾아 참관하였으며, 주최 측에서 제공받은 저작권 문제가 없는 자료들을 함께 공유하며 개인적인 생각과 정리해 드리려고 합니다.
과학기술정보통신부 배경훈 장관과 국회 과학기술정보방송통신위원회 최민희 위원장, 국내외 AI 관련 협회, 기관, 글로벌기업들이 대거 참여하여 참여 규모로 보면 큰 상차림이었습니다.
어딜 가나 만나지는 귀한 인연들이 있게 마련이죠. 첫날 충북과학기술혁신원 김광주 부장님과의 만남이 있었습니다. '동네소년'이 찾아낸 전투력 넘치고 영민한 충청북도의 'AX 전략사업 기획자'라고 소개드리고 싶습니다. 양자컴퓨터 관련 부스 방문과 또 다른 사업 미팅이 있어 짧게 진행된 만남이었지만, 늘 그렇듯 짧은 순간에 번득이는 인사이트가 넘쳐났던 순간을 나누었습니다.
'AI Festa 2025'에는 '국가대표 5대 인공지능 기업관'이 마련되었습니다. 정부가 지난 8월 '독자 AI 파운데이션 모델' 사업자로 선정한 네이버클라우드와 업스테이지, SK텔레콤, NC AI, LG AI연구원이 함께 부스를 마련한 곳으로, 5개 기업이 한 행사에 함께 모인 것은 이번이 처음이라고 하는데요. '독자 AI 파운데이션 사업'은 정부가 총 2천136억 원을 투입하는 국가 프로젝트이니만큼 과히 국가대표라고 불리는 이유가 있을 듯합니다.
대중에게 익숙한 대기업들과 어깨를 나란히 하며 Top 5에 선정된 '업스테이지 Upstage' 최훈 이사님도 만날 수 있었습니다.
(ZDNET Korea 기사 내용 발췌)
업스테이지는 이번 전시에서 자체 모델 '솔라 프로 2'와 '도큐먼트 인텔리전스'를 소개해 관심을 끌었다. '솔라 프로 2'가 국제 분석 기관 아티피셜 애널리시스에서 12위를 기록하면서 일론 머스크가 이례적으로 트윗에 언급해 화제가 됐던 LLM인 탓에 현장에선 학생, 기업인 등 각계각층의 관람객들이 많은 호기심을 보였다.
정부기관 온라인 회의 때 경험했던 '구루미 Gooroomee'의 박주민 AI BIZ본부장님도 만나 다양한 이야기를 나눌 수 있었습니다. 충북의 AI 정책수립과 사업 구축에 여러모로 도움을 많이 주고 계시다고 소개받은 분입니다.
(ZDNET Korea 기사 내용 발췌)
구루미는 AI 상담·화상 플랫폼을 선보였다. 다자간 화상 상담과 AI 상담원 기능을 통해 고객 응대를 효율화하며 상담 기록을 분석해 맞춤형 서비스를 제공한다. 교육과 금융 등 고객 응대가 중요한 산업군에서 활용도가 높다. 특히 상담 과정의 '기록·분석·응대 자동화'까지 제공한다는 점에서 차별화됐다.
많은 세션에 참여하면서 마지막날 '고민'을 안겨주는 발표를 만났습니다. 축구와 AI가 무슨 깊은 연관성이 있을까요? 사람과 현장 중심으로 비전을 갖겠다는 대한축구협회의 발표를 들으면서 묘하게 제가 25년째 몸담고 있는 MBC충북이 떠올랐습니다. "방송은 노동집약적이다"라고 생각합니다. 한 명의 PD, 한 명의 기자가 있고 없고 가 저희 회사의 프로덕트에 직접적인 영향을 바로 줍니다. 방송현장 안으로 AI를 들이는 것은 시간이 조금 걸릴 듯합니다. 대한축구협회는 운영과 반복적인 서무 업무를 AI를 통해 효율성을 높이고, 리소스를 '사람과 현장'에 배치하겠다고 합니다. AI를 받아들이는 지역방송사인 MBC충북에도 던지는 메시지가 크다고 생각했습니다.
김재윤, 대한축구협회 매니저
'동네소년(필자)'는 <AI Festa 2025> 콘퍼런스 전체 일정 가운데, '초거대 AI Summit 2025'와 'Future Tech Conference', 'HR Leader's Day 2'를 참관하였습니다. 너무 전문적인 영역의 이야기들이 오가는 프로그램은 피하고, AI 산업의 트렌드를 읽고, 실무적인 영역에서 도움이 될 만한 내용들과 내년 AI 관련 과제 도전 주제 설정에 도움이 될 것 같은 주제를 찾아 참여하였습니다.
콘퍼런스 전체 일정표콘퍼런스의 전체 세션을 담지는 못했지만, 올여름 구매해 유용하게 잘 쓰고 있는 기록전문 AI 'PLAUD'로 정리한 내용을 발표 장표와 함께 정리했습니다.
<기조연설 1>(발표자 미상)
AI 시대의 도래와 영향 AI 기술은 2012년 딥러닝을 시작으로 급속도로 발전하여 사회 전반에 막대한 영향을 미치고 있습니다. 2016년 알파고 쇼크에도 불구하고 한국은 변화에 제대로 대응하지 못했으며, 그 사이 AI는 과학, 산업, 전쟁, 고용 등 모든 것을 바꾸고 있습니다. 특히 IQ 150에 가까운 AI의 등장은 지식 격차를 심화시키고, 기존 닷컴 비즈니스의 붕괴와 대규모 실직 문제를 야기하고 있습니다. 2012년 딥러닝의 시작으로 AI의 새로운 돌파구가 마련되었습니다. 대중들은 2016년 알파고와 이세돌의 대국을 통해 AI를 체감하기 시작했습니다. 2019년 손정의 회장이 AI의 중요성을 강조했지만, 여전히 먼 미래의 이야기로 여겨졌습니다. 2019년 중국은 이미 형사재판에 AI를 적용하기 시작했습니다. 닷컴 붐이 무너지고 있으며, 이는 사용자들이 웹사이트 대신 AI에 질문하기 시작하면서 트래픽과 수익이 감소하는 악순환 때문입니다. AI는 인간이 수천 년간 풀지 못한 단백질 구조 문제를 해결하고 있습니다. 한 회사가 '스타게이트' 프로젝트 이름으로 한국 1년 예산에 준하는 3억 달러 규모의 투자를 계획하고 있습니다. 일론 머스크는 122만 개의 텐트를 치고 데이터 센터를 구축하고 있습니다. IQ 150에 가까운 인공지능이 등장하며, 돈으로 지능을 사는 시대로 진입하고 있습니다. AI로 인한 실직 문제가 주니어 직급부터 시니어까지 확대되고 있으며, 구글 CEO는 AI 인재 확보를 위해 인력 감축이 불가피하다고 언급했습니다. 엔비디아가 인텔에 투자한 것은 반도체 산업의 지각변동을 보여주는 충격적인 사건입니다.
글로벌 AI 패권 경쟁 전 세계는 AI 기술 패권을 두고 치열하게 경쟁하고 있습니다. 미국은 공개적으로 경쟁에서의 승리를 선언했고, 중국은 제3세계를 중심으로 생태계를 확장하고 있습니다. 이러한 경쟁은 군사, 산업 등 다방면에 걸쳐 있으며, AI 기술이 전쟁의 양상을 바꾸고 중국 기업들이 글로벌 기술 시장에서 영향력을 확대하는 등 그 파급력이 매우 큽니다. 전 세계는 현재 AI 기술 패권 경쟁을 벌이고 있습니다. 미국은 경쟁에서 이기겠다고 공공연하게 선언했습니다. 중국은 제3세계를 중심으로 AI 생태계를 확대하려 노력하고 있습니다. 값싼 드론이 거대한 폭격기를 파괴하는 등 AI가 전쟁의 양상을 바꾸고 있습니다. 팔란티어와 같은 회사는 AI를 이용해 빈 라덴의 위치를 찾아내는 등 군사 작전에 정보를 제공합니다. 중국 기업들은 유럽의 로봇 기업들을 인수하며 전 세계적으로 영향력을 확대하고 있습니다.
대한민국의 AI 국가 전략 대한민국은 단순 3위가 아닌 '3강'을 의미하는 'AI G3' 국가를 목표로 국가적 역량을 총동원하고 있습니다. 정부는 추격경제를 넘어 스스로 해답을 만드는 선도경제로의 전환을 위해 일하는 방식을 혁신하고, '국가인공지능전략위원회'를 중심으로 AI 혁신생태계 조성, 범국가적 AI 대전환, 국민 모두가 혜택을 누리는 AI 기본사회 구축이라는 3대 축의 액션 플랜을 추진하고 있습니다. 최종 목표는 대한민국을 글로벌 AI 선도국으로 부각하는 것입니다. 대한민국은 'AI G3' 국가를 지향하며, 이는 단순 3위가 아닌 3강을 의미합니다. 정부는 국가를 대표하는 AI 서비스를 만들어 산업 발전과 국가 주권을 도모하고 있습니다. 국가대표 AI 기업을 선정하기 위해 15개 회사로 시작하여 마지막 2개가 남을 때까지 서바이벌 방식의 경쟁을 진행할 것입니다. 정부가 잔인한 경쟁 구도를 만든 이유는 AI 시대에는 소수 기업이 독식할 수 있으므로, 모든 기업이 참여하는 컨소시엄을 통해 협력과 상생의 생태계를 조성하기 위함입니다. 과거의 추격경제를 넘어, 정답이 없는 문제를 스스로 해결하는 '선도경제'로의 혁신이 필요합니다. 국가인공지능전략위원회는 AI를 대한민국의 재도약과 미중 패권 경쟁 속 역량 확보의 핵심 수단으로 삼는 것을 목표로 합니다. AI 액션 플랜은 'AI 혁신생태계 조성', '범국가 AI 기반 대전환', 'AI 기본사회 구축'의 세 가지 축으로 구성됩니다. 범국가 AI 대전환은 정부, 산업, 사회, 지역뿐만 아니라 문화, 국방 부문까지 포함합니다. AI 기본사회는 모든 국민이 AI 혜택을 누리고 소외되지 않는 사회를 목표로 합니다.
AI 시대의 새로운 지식 리더십 AI 시대에는 과거의 것을 혁신하여 완전히 새로운 것을 만들어내는 것이 중요하며, 이를 위해서는 '지식 리더십'이 필수적입니다. 비행기가 인간에게 새로운 시야를 열어주었듯, AI는 세상을 완전히 다르게 보게 할 것입니다. 사회와 소통하며 변화의 경계에서 혁신을 이끄는 새로운 리더십으로 AI 시대를 맞이해야 합니다. 대한민국의 힘은 '지식민족'이라는 데 있으며, 이는 세계에서 가장 오래된 금속활자, 고유 문자 창제, 세계 두 번째 인터넷 개발 등의 역사에서 증명됩니다. 미국이 100달러 지폐에 벤자민 프랭클린을 넣은 것처럼 우리도 과학자의 '프런티어 정신'을 가져야 합니다. 영국의 '루나 소사이어티'처럼 우리 지식인들도 사회 변화 방향에 대해 적극적으로 토론하고 참여해야 합니다. 과거의 혁신이 '더 많이' 또는 '더 좋게' 만드는 것이었다면, AI 시대의 혁신은 '완전히 새로운 것을 만들어내는 것'입니다. AI는 비행기와 같아서, 원리를 완전히 이해하지 못하더라도 세상을 완전히 바꾸고 새로운 시야를 열어줄 것입니다.
<기조연설 2>(발표자 미상)
오픈 AI의 한국 진출 현황과 의미 오픈 AI는 한국 시장을 매우 중요하게 보고 있으며, 2025-09-29에 한국 오피스의 새로운 책임자(헤드)를 공식 발표하고 합류시켰다. 최근 3주 동안 오픈 AI의 시니어 임원 3명이 한국을 방문했고, [Speaker 2]도 3주에 3회 방문했다. 지난 1년간 한국의 ChatGPT 사용자 수는 '4 X-yearo' 성장(의도된 '4x year-over-year'로 보이지만 발화 그대로 유지)했고, 한국은 서구권 외에서 유료 구독자 규모 최상위 시장이며, 오픈 AI 플랫폼에서 빌드하는 개발자 측면에서 글로벌 Top 5 시장이다. 한국 오피스는 몇 주 전에 론칭되었고, 현지 팀을 구축 중이며 추가 투자와 협력을 모색하고 있다. 2025-09-29에 한국 오피스 헤드 합류 발표 최근 3주간 시니어 임원 3명 방한, [Speaker 2]도 3회 방문 지난 1년간 한국 ChatGPT 사용자 수 '4 X-yearo' 성장 한국은 서구권 외 유료 구독 상위 시장 한국은 오픈 AI 플랫폼 개발자 글로벌 Top 5 시장 몇 주 전에 한국 오피스 론치, 현지 팀 빌드 중
한국형 AI(주권적 AI)에 대한 3가지 축과 오픈 AI의 역할 [Speaker 1]은 한국형 AI의 3가지 핵심 축을 제시했다: 1) 정체성(한국의 가치·감수성·문화·역사 반영), 2) 자율성(완전한 통제는 아니더라도 운전석에 앉아 스스로 결정 가능한 참여), 3) 번영(파티에 참여하여 AI의 혜택을 누림). 오픈 AI는 전 세계 정책 대화에서 공통 원칙으로 1) AI 혜택의 국민에게의 분배와 국가 경제에의 기여, 2) 로컬 생태계(파운데이션·애플리케이션·인프라 레이어 전반) 육성을 지원하는 역할을 강조했다. 구체 영역으로 데이터 레지던시 준수, 모델 학습·추론의 위치와 이를 통한 연구·엔지니어 인재 육성, 모델의 현지 문화·법·언어 정렬을 들었으며, 훈련 데이터와 문화 보존 관련 글로벌 파트너십 사례처럼 한국에서도 기여 의지를 밝혔다. 또한 약 '700 million' 명이 ChatGPT를 사용 중인 상황에서 한국 관련 정보의 국제적 정확성과 품질을 확보하는 중요성을 강조했다. 한국형 AI 3축: 정체성(한국 가치·문화·역사 반영), 자율성(주도적 참여), 번영(혜택 공유) 오픈 AI의 정책 대화 공통 원칙: 국민 혜택 분배, 로컬 생태계 육성 실무 포인트: 데이터 레지던시, 학습·추론 위치(인재·생태계와 연계), 현지 문화·법·언어 정렬 훈련 데이터·문화 보존 파트너십 글로벌 사례 존재 '700 million' 사용자가 ChatGPT 사용 중인 만큼 한국 정보의 대외적 정확성 확보 필요
인프라 투자와 정부·기업 파트너십 [Speaker 2]은 한국의 반도체, 서버, 데이터센터 등 인프라에서의 독보적 강점을 언급하며, 인터넷이나 반도체처럼 AI가 기초 기술로 자리 잡으려면 대규모 인프라 투자가 필수라고 밝혔다. 한국 정부의 인프라 구축 계획을 긍정적으로 평가했고, 데이터센터 구축, 칩 활용, 고도화된 AI 인프라에 대해 정부 및 한국 기업과의 파트너십 의향을 표명했다. AI는 인터넷·반도체처럼 기초 기술로서 인프라 대투자가 필요 한국의 칩·서버·데이터센터 인프라 강점 한국 정부의 인프라 계획 존재 데이터센터 빌드, 칩 활용 등에서 파트너십 의향
아동·청소년 보호, 건강한 사용, 부모 통제 오픈 AI는 제품 설계에서 '건강한 사용'을 우선 가치로 두며, 사용 시간을 늘리는 것이 아니라 '정답과 목표 달성'을 돕는 방향으로 설계·측정한다고 밝혔다. 2025-09-29 주간에 ChatGPT의 새로운 '부모 통제' 기능을 발표하여, 부모가 자녀의 사용 시간, 질문 가능 시간, 접근 기능을 설정하는 가드레일을 제공한다. ChatGPT는 만 '13'세 이상 사용 가능하며, 청소년이 학습 지원과 개인적 조언 등 민감 주제에 활용하는 특성을 고려해 안전하고 유익한 사용을 최우선으로 삼는다. 성인 사용자에게는 자율성을 보장하는 구분을 명확히 했다. 제품 원칙: 건강한 사용(시간 증가가 목표가 아님, 정답·성과 지향) 외부에 원칙 공개, 원칙에 따른 내부 측정·설계 2025-09-29 주간 '부모 통제' 기능 발표: 사용 시간·기능 접근 가드레일 설정만 '13'세 이상 사용 가능 청소년의 학습·개인적 상담 활용 증가에 따른 안전 조치 강조 성인 사용자에게는 자율성 보장
공공부문 도입: 신뢰성·보안·유연성 확보 [Speaker 3]은 공공부문에서 폐쇄형 구성의 한계(인터넷 연결 분리 시 성능 저하)와 함께 신뢰성·보안, 정부의 보수적 정책과의 유연한 조화를 질문했다. [Speaker 2]은 데이터 보안·격리와 내장 가드레일을 제공하는 'ChatGPT Enterprise'가 이러한 요구를 충족하도록 설계됐으며, 최적화와 내부 배포가 가능하다고 설명했다. 또한 미국에서 'ChatGPT for Government'가 연방 공무원에게 제공되고 있으며, 안전하고 보안적인 방식의 배포를 중시한다고 밝혔다. 영국·미국 등 여러 공공기관과의 사례가 존재한다고 했다. 공공부문 요구: 신뢰성, 보안, 정책 유연성, 폐쇄망 성능 격차 문제 해결책: 'ChatGPT Enterprise'의 데이터 보안·격리·가드레일·기관 최적화·내부 배포 'ChatGPT for Government'는 현재 주로 미국 연방 공무원 대상 제공 영국·미국 등 공공기관 적용 사례 존재
AGI 로드맵, 개인화·메모리·프라이버시 [Speaker 4]은 AGI 개발의 돌파구 방향과 개인 지식 데이터(벡터 DB·오시형 등)와 메모리·개인화 기능 도입 시 개인 데이터가 GPT로 넘어가는 문제를 질문했다. [Speaker 2]은 AGI 정의가 사람마다 다름을 인정하며, 향후 1년 비전으로 '개인화되고 능동적인 AI 어시스턴트'로의 전환을 강조했다. 지난주 프로 사용자에게 연구 프리뷰로 공개한 'pulse'는 메모리와 사용자 피드백을 바탕으로 밤사이에 비동기적으로 연구·업데이트를 제공하는 기능으로, 질의응답형에서 능동적·개인화 어시스턴트로의 패러다임 전환을 보여준다. 올해는 '챗봇에서 에이전트'로의 전환에 도달했고, 다음 단계는 '퍼스널라이즈드 어시스턴트'로의 진화다. 메모리 사용은 사용자 통제 하에 이루어지며, 대화 기억 범위와 데이터 사용 방식에 대한 설정과 투명성을 제공한다. AGI 정의는 다양함, 단기 비전은 개인화·능동적 어시스턴트 지난주 'pulse' 공개: 프로 한정, 연구 프리뷰, 야간 비동기 연구·아침 업데이트 메모리·개인화가 패러다임 전환의 핵심 올해 전환: 챗봇 → 에이전트, 다음 단계: 퍼스널라이즈드 어시스턴트 메모리와 데이터 사용은 사용자 설정으로 통제, 투명성 제공
모리타 준, Perplexity APAC 대표
1. Perplexity 소개와 미션
[발표자 1]은 Perplexity를 링크가 아닌 ‘답’을 중심에 둔 답변 엔진으로 소개했다. 두 가지 핵심 기둥은 검색과 AI이며, 신뢰와 정확성을 구축하고 출처를 공개하여 투명성을 강조한다. Perplexity는 다양한 앱과 플랫폼에 배포되어 단순한 검색 결과가 아니라 답변과 제안을 제공하는 것을 목표로 한다. 2025년 9월 30일 10시 58분 11초에 작성된 이번 강연은 인터넷 검색과 챗 기반 AI의 진화 맥락에서 Perplexity를 위치시켰다.
Perplexity는 전통적인 검색 엔진이 아닌 답변 엔진을 지향한다.
두 가지 핵심 기둥: 검색과 AI.
정확성과 신뢰에 집중하며, 답변에는 출처를 함께 제시한다.
검색 결과가 아닌 제안과 답변을 제공하는 앱과 플랫폼을 구축했다.
인터넷은 방대한 데이터를 쏟아내지만 기존 검색은 끝없는 링크만 제공한다. 챗 기반 AI 시대로의 전환이 필요하다.
2. 제품 계층과 가격 정책
[발표자 1]은 Perplexity가 전 세계에서 무료로 제공되며, Perplexity Pro는 월 20달러에 제공된다고 설명했다. 이외에도 Perplexity Max, Pro Max, Enterprise Pro 등 복잡한 연산과 분석을 지원하는 추가 상품이 있다.
Perplexity는 전 세계 누구나 무료로 이용할 수 있다.
Perplexity Pro는 월 20달러.
추가 계층: Perplexity Max, Pro Max, Enterprise Pro.
상위 상품은 복잡한 연산과 분석 지원.
3. 검색 LLM(Sonar)과 Search API 출시
[발표자 1]은 검색 특화 LLM인 Sonar와 Sonar Pro를 최근 개발했고, 이를 기반으로 며칠 전 Search API를 출시했다고 발표했다. 이는 서비스에 효율적이고 저렴하게 검색 기능을 통합할 수 있도록 한다.
Sonar와 Sonar Pro 개발.
Sonar 스택 기반 Search API 최근 출시.
목표: 외부 서비스에 효율적이고 저렴한 검색 통합 제공.
4. 글로벌 확장과 파트너십
[발표자 1]은 많은 기능이 이미 미국에서 제공되고 있으며, 곧 한국의 주요 파트너들과 함께 국제적 확장을 진행할 것이라 언급했다.
현재 미국에서 다수 기능 제공.
곧 한국의 주요 파트너와 함께 확장 예정.
5. 호기심 중심의 문화와 프로세스
[발표자 1]은 호기심을 Perplexity 가치의 핵심으로 강조했다. 회의는 문제 제기와 질문으로 시작하며, 프레젠테이션은 없다. 성공은 질문의 질로 정의되며, 가장 호기심 많은 사람이 가장 성공적이라고 보았다.
호기심은 Perplexity의 경영진, 이사회, 투자자 모두의 핵심 가치.
내부 프로세스: 문제 제기와 질문으로 회의 시작, 프레젠테이션 없음.
질문의 질이 성공을 정의한다는 믿음.
성공한 사람일수록 가장 호기심이 많다.
6. 답변, 출처, 정확성 — 환각보다 우선
[발표자 1]은 좋은 답변은 좋은 출처와 정확성에서 나온다고 강조했다. 연구 논문처럼 정확한 정보는 더 많은 질문을 이끌어낸다. 일부 투자자들은 환각(hallucination)을 기능으로 보지만 Perplexity는 버그로 간주한다. 목표는 신뢰할 수 있는 정밀한 답변을 제공하여 업무 효율과 신뢰를 높이는 것이다.
좋은 답변은 좋은 출처와 정확성에 기반한다.
연구 논문과 같은 방식: 정확한 정보가 더 나은 질문을 낳는다.
환각은 기능이 아니라 버그다.
목표: 신뢰할 수 있는 정확한 답변 제공 → 신뢰와 워크플로 개선.
“옳은 답이라고 해서 늘 맞는 것은 아니다”라는 발언.
7. 호기심 + 정확성 → 행동 (어시스턴트, Slack, Comet)
[발표자 1]은 호기심과 정확성이 합쳐질 때 행동으로 이어진다고 말했다. Perplexity는 Slack 어시스턴스와 ‘Comet’이라는 브라우저를 출시하여 질문·답변·행동을 연결할 계획이다. 또한 "에이전트(agent)"가 아닌 "어시스턴트(assistant)"라는 표현을 선호하며, 맥락, 브라우징 기록, 사용자가 제공한 데이터에 따라 맞춤형 응답을 제공한다.
도구: Slack 어시스턴스, Comet 브라우저 출시 예정.
목표: 단순 답변이 아니라 사용자의 행동 지원.
용어: ‘에이전트’ 대신 ‘어시스턴트’.
맥락, 기록, 사용자 데이터에 맞춘 맞춤형 어시스턴트.
8. 인간적 요소, AI 역할, 일의 즐거움
[발표자 1]은 AI가 과제를 대체하되 인간적 요소는 남게 될 것이며, 이를 강조하는 것이 삶과 직장의 즐거움을 가져온다고 설명했다. 호기심은 단조로운 일을 대신하고, Perplexity는 이를 실험적으로 보여주기 위해 서울에 카페를 열었다.
AI는 과제를 대체하지만 일자리를 모두 없애는 것은 아니다.
호기심이 없는 사람이 더 위험하다. 호기심이 장려된다.
인간적 요소를 강조하는 것이 직장과 삶에 즐거움 제공.
서울에서 카페를 열어 이를 구현.
9. 마무리 질문과 호기심의 촉구
[발표자 1]은 두 가지 질문으로 강연을 마쳤다. 1) AI가 남겨진 인간적 요소와 함께 어떻게 당신에게 즐거움을 줄 것인가? 2) 당신이 다음에 던질 질문은 무엇인가? 이는 지속적인 호기심 중심의 참여를 위한 행동 촉구다.
청중에게 두 가지 질문 제시.
“매우 호기심 많을 것, 그리고 질문을 계속 던질 것”을 혁신의 길로 제시.
신지은, 네이버클라우드 Hyperscale AI 리더
글로벌 AI 시장 구도와 한국의 위치 현재 글로벌 AI 시장은 미국과 중국의 양강 구도로 압축된다. 미국은 민간투자 세계 시장의 72%를 점유하고 AI 인프라 시장의 51%를 점유하며 최상의 AI 모델로 기술을 주도한다. 중국은 국가 주도 전략으로 빠르게 추격하며 스마트시티, AI 특화, 논문 수 등에서 세계 최고 수준을 보인다. 한국은 높은 인재 밀도, 기술력, 대기업/스타트업의 도전 정신을 바탕으로 경쟁력이 있으나, 추격의 골든타임에 있다. 국가 AI 전략위원회 출범과 독자 AI 파운데이션 모델 사업 추진 등 정부의 강력한 AI 육성 전략으로 추격 기회를 모색 중이다. 미국: 민간투자 72% 점유, AI 인프라 51% 점유, 최상급 AI 모델 주도 중국: 국가 주도 전략, 스마트시티/AI 특화/논문 수 세계 최고 수준, 알리바바 및 스타트업 약진 한국: 인재 밀도/기술력/도전 정신 보유, 국가 AI 전략위원회 출범, 독자 AI 파운데이션 모델 사업 추진 현재는 AI 3장에 들어가기 위한 마지막 골든타임의 추격 계획 시점
생성형 AI의 기업 적용 현황과 실패 원인 최근 MIT 리포트에 따르면 생성형 AI에 투자한 기업 중 95%가 실질적인 사업 성과를 거두지 못했다. 대기업의 파일럿은 많았으나 대부분 실패했으며, 개인 생산성(체크 GPT, 코파일럿 등)에서는 성과가 있었지만 엔터프라이즈 프로젝트는 많은 경우 실패했다. 약 40%의 기업만 LLM 그룹을 지원하고, 90% 이상의 직원이 개인 계정으로 LLM을 구독하는 Shadow AI Economy 현상이 나타나고 있다. 실패의 주요 원인은 모델 품질 문제가 아니라 AI에 대한 학습 격차이며, AI의 기억력 부족, 맥락 유지 실패, 피드백 학습 불가가 주된 원인으로 지목된다. 장기적·복합적 업무에서는 인간을 2 대 1로 선호한다는 연구 결과도 있다. 생성형 AI 투자 기업의 95%가 실질적 사업 성과 없음 대기업 파일럿 다수이나 대부분 실패, 개인 생산성 도구는 성과 약 40% 기업만 LLM 그룹 지원, 90%+ 직원이 개인 계정으로 LLM 구독 Shadow AI Economy 발생 실패 원인: 학습 격차, AI 기억력 부족, 맥락 유지 실패, 피드백 학습 불가 장기·복합 업무에서 인간 선호 비율 2 대 1
현재 시점에서 AI가 잘하는 일과 적용 전략 AI는 방대한 정보를 바탕으로 분석, 추론을 통한 체계적 계획 수립·수행, 반복 작업에 강점을 가진다. 검증 루프를 통한 반복 작업 처리와 피드백 반영 학습·적응 시스템이 구축되면 인간이 피로도를 느끼는 반복·단순 작업을 대신 수행해 가치를 창출할 수 있다. 복잡한 공정에서 AI가 선행 작업을 단순화하고 인간이 최종 검수를 맡는 구조가 효과적이다. 정보 분석, 체계적 계획·수행, 반복 작업 처리에 강점 검증 루프와 피드백 학습·적응 시스템 구축의 중요성 복잡한 공정에서 AI 선행 처리 + 인간 최종 검수 모델
문제 식별과 도메인 전문가 중심 의사결정 완벽한 엔드투엔드 해결 사례를 목표로 하기보다는, 반복적이고 체계적으로 AI가 잘할 수 있는 영역을 식별해야 한다. 무엇을 해결할지에 대한 의사결정이 핵심이며, 도메인 전문성이 절대적으로 중요하다. 도메인 전문가와 AI 전문가가 함께 높은 가치의 타깃을 발굴하고, 탑다운이 아닌 도메인 전문가가 의사결정을 주도하는 구조가 필요하다. 엔드투엔드 완결 집착 지양, AI 강점 영역 식별 도메인 전문가와 AI 전문가의 협업으로 높은 가치 타깃 발굴 탑다운 의사결정 대신 도메인 전문가 주도 구조
프로액티브 에이전트와 확장성 에이전트 경쟁력은 사용자 이해를 바탕으로 문제를 선제적으로 해결하는 능동성(프로액티브)과 더 많은 업무를 자동화하는 확장성에 달려 있다. 콘텍스트와 데이터가 충분하면 선제적 제안과 콘텍스트에 어울리는 응답이 가능하며, 단일 태스크를 넘어 다양한 업무를 복합적으로 해결하고 스스로 할 일을 제시하며 가능성을 확장한다. 프로액티브 에이전트: 충분한 콘텍스트·데이터·분석로 선제적 해결 및 제안 콘텍스트에 어울리는 응답 제공 단일 태스크 → 복합 업무 해결로 확장, 능동적 수행 범위 확대
에이전트 개발 필수 요소와 AI 친화적 구조 사용자와 도메인에 최적화된 AI 에이전트를 위해 3가지가 필수: 1) 기업 내 도메인 전문가와 AI 전문가의 컨설팅, 2) AI 친화적 개발 구조 적용(MCP 최적화, 모델 학습을 위한 데이터 처리·검증 등), 3) 누구나 쉽게 접근 가능한 확장성 있는 AX 플랫폼. 스탠트업 생태계 발굴 등 AI 전문 기업과의 긴밀한 협업이 필요하다. 도메인 전문가가 공정 내 가장 큰 페인 포인트와 비용 집약적 공정 식별 AI 친화적 개발 구조: MCP 최적화, 데이터 처리·검증, 모델 최적화 학습 스탠트업 생태계 발굴 및 AI 전문 기업과 협업 확장성 있는 AX 플랫폼: 다채널 전개, 사용자 관리 정보 고도화, 피드백 루프로 에이전트 능력 고도화
네이버 클라우드의 AX 플랫폼 전략 네이버 클라우드는 누구나 AI 에이전트를 쉽게 만들고 연결하는 개방형 기반을 제공하며, 강력한 인센티브 정책으로 더 많은 전문가와 기업을 생태계로 유입시킨다. 공급자에게 AX 업체 매칭, 에이전트 활동 파트너십 확대, 공통 데이터 제공으로 더 좋은 에이전트 개발을 지원한다. 더 많은 에이전트가 시너지를 만들어 사용자 가치를 증대하도록 에이전트 고도화를 지원한다. 개방형 AI 에이전트 제작·연결 플랫폼 제공 강력한 인센티브 정책으로 생태계 참여 확대 공급자 지원: AX 업체 매칭, 파트너십 확대, 공통 데이터 제공 피드백 루프로 에이전트 능력 고도화
범국민 AI 비전과 포용적 AI 에이전트 사례 범국민 AI는 AI를 지능형 공공재로 만들어 기술로 사람과 기회를 잇고 모든 국민이 증강 되는 대한민국을 지향하는 국가 비전이다. 자 AI 파운데이션 모델 프로젝트와도 연계해 진행 중이며, 포용적 AI에서 시작한다. 첫 사례로 기술 소외계층 지원 에이전트를 선보이며, 농민 지원 에이전트는 매일매일 영농 예지를 작성해 부가지원을 받을 수 있도록 AI QOF로 접근성을 높인다. 네이버 밴드 등에서 민생정보 에이전트를 통해 정부 지원 사업, 맞춤형 재배정보를 쉽게 제공한다. 생산·출연·판매 지원까지 통합 AI 에이전트로 확산 가능하다. 포용적 AI 에이전트는 어린이 감성계층 에이전트, 우울증 청소년 일기 쓰기 에이전트, 시니어 취약계층 지원, 발티컬 산업용 특허 에이전트, 정부 AX에도 기여할 수 있다. 기술적 소외계층 지원에서 시작해 정부 AX 연계를 통해 큰 범위로 확장하고 모든 산업을 아우르는 전문성 생태계로 진화한다. 범국민 AI: AI를 지능형 공공재로, 사람과 기회를 잇는 국가 비전 자 AI 파운데이션 모델 프로젝트와 연계 포용적 AI 출발: 기술 소외계층 지원 에이전트 농민 지원 에이전트: 매일매일 영농 예지 작성, AI QOF 통한 접근, 부가지원 혜택 네이버 밴드의 민생정보 에이전트: 정부 지원 사업, 맞춤형 재배정보 제공 생산·출연·판매 지원으로 통합 에이전트 확산 어린이 감성계층, 우울증 청소년 일기 쓰기, 시니어 취약계층, 발티컬 산업용 특허, 정부 AX 지원
미래 지향: 전문성 생태계와 고부가가치 창출 AI 에이전트를 누구나 만들고 유통하는 형태를 갖추어 제조업과 버티컬 도메인으로 확장하고, 사업주들에게 새로운 사업 기회를 제공하며 기술이 새로운 고부가가치를 창출하는 미래를 지향한다. 네이버 클라우드는 모두가 성공적으로 AI를 활용할 수 있도록 필요한 기술, 데이터, 플랫폼 환경을 제공하는 조력자가 될 것을 약속했다. AI 에이전트의 개방적 제작·유통 체계 제조업 및 버티컬 도메인으로 확장 사업주에게 새로운 사업 기회 제공 기술로 고부가가치 창출 네이버 클라우드의 기술·데이터·플랫폼 지원 약속
박성현, 리벨리온 CEO
회사 소개 및 비전 리벨리온은 AI 반도체 스타트업으로, 엔비디아 GPU와 유사한 목적의 칩을 개발하지만 범용용도보다는 특정 인프라와 특정 조건에서 에너지 효율과 CAPEX/OPEX 측면에서 가격 효율적인 서빙을 목표로 한다. 2020년 9월 창업 이후 약 5년 만에 기업가치가 1조 9천억에 도달했으며, 3,400억 라운드에서 삼성 단기 참여로 기술력을 인정받았다. 글로벌 매출을 이미 창출 중이며, 향후 5년 내 50조 규모로 성장하는 비전을 제시했다. 엔비디아 GPU와 유사한 칩 개발이나 범용성은 낮고 특정 인프라/조건에서 최적화 에너지 효율, CAPEX/OPEX를 합친 가격 효율적 서빙 전략 2020년 9월 창업, 현재 약 5년 경과 기업가치 1조 9천억, 3,400억 라운드 진행, 삼성 단기 참여 향후 5년 내 50조 회사로 성장 목표 글로벌 매출 발생: 일본, 싱가포르, 프랑스, 사우디아라비아, 미국 등
글로벌 파트너십 및 투자 구조 전략적 투자자로 SK하이닉스, 삼성 등 대한민국 대표 메모리·파운드리 기업이 참여. KT 등 통신사와의 협력으로 실제 칩 커머셜라이제이션을 추진하고 있으며, 사우디아라비아 아람코로부터 투자를 받은 한국 최초의 스타트업이다. ARM 관련 보도에서 누락 이슈가 있으나 국내 반도체 생태계와 긴밀히 연결되어 있다. 전략적 투자자: SK하이닉스, 삼성 커머셜라이제이션 파트너: KT 등 통신사 사우디아라비아 아람코 투자 유치: 한국 최초 스타트업 ARM 관련 기사에서 누락 언급 글로벌 매출 지역: 일본, 싱가포르, 프랑스, 사우디아라비아, 미국(펨피 솔루션즈, 뉴욕 아이디어 설비조립)
제품 포지셔닝: 트레이닝 vs 인퍼런스 엔비디아는 트레이닝에서 하드웨어, 인터커넥트(NVLink), 소프트웨어 스택까지 압도적이며, 리벨리온은 인퍼런스에 집중해 오픈소스 생태계(예: 오픈 AI/메타 지향, Triton 등)와 다른 소프트웨어/하드웨어 최적화를 통해 모델 서빙 단계에서 비용·에너지 효율을 제공한다. 모델 제작(굽기)은 엔비디아에서, 서빙은 대체재로 전환하는 전략을 제안한다. 트레이닝과 인퍼런스를 구분해야 한다는 강조 엔비디아 트레이닝 우위: 하드웨어, NVLink, 소프트웨어 플랫폼 인퍼런스는 다른 접근: 오픈소스 기반, Triton 언급, 자체 소프트/하드 최적화 모델 제작(굽기)은 엔비디아 사용 권장, 모델 서빙은 엔비디아 대체 가능
경제성: 마진 구조와 OPEX/전력 부담 엔비디아의 마진스택 80%는 지속 가능성에 의문이 있으며, 인텔 제온급 서버 제품의 과거 마진스택 30%와 대비된다. 고성능 GPU는 스포츠카에 비유될 정도로 전력 소모가 커 OPEX 부담이 크며, 한 달 전기세 300억 수준의 사례를 언급했다. CAPEX/OPEX 부담을 줄이는 대체재 필요성이 크다. 엔비디아 마진스택: 80% 언급(지속 가능성 문제 제기) 인텔 제온급 과거 마진스택: 30% (월가 비판 사례) 고성능 GPU=스포츠카 비유: 전력 소모 큼 한 달 전기세 300억 사례 언급 CAPEX/OPEX 절감형 인퍼런스 솔루션의 필요성
소버린 AI의 정의와 국내 전략 소버린 AI는 ‘우리끼리 쓰는 AI’를 만드는 것이 아니라 국내 레퍼런스를 기반으로 글로벌에서 승부하는 전략으로 규정된다. 국내 대기업은 2~3년간 글로벌 확장을 위해 수백억 적자를 감수하기 어렵지만 스타트업은 1천억 적자도 감수하며 최전선에서 추진할 수 있다. 대한민국은 AI 밸류체인 전체에서 도전이 어렵지만 인퍼런스 인프라와 반도체 영역에서 ‘비벼볼’ 가능성이 있다고 본다. 소버린 AI=국내 레퍼런스를 글로벌 확장에 활용하는 전략 대기업은 수백억 적자 용인 어려움, 스타트업은 1천억 적자 감수 가능 대한민국의 강점 영역: 인퍼런스 마켓, 인프라, 반도체 리벨리온이 최전선에서 추진 의지 표명
아랍어 NLM 및 모델 규모 아람코와의 협업 맥락에서 아랍어 NLM 수요가 있으며, 종교적 색채 등 문화적 맥락을 반영해야 함을 언급. 관련해 13B 모델 수준에서 대응 중이다. 아람코 투자·협업 맥락의 아랍어 NLM 수요 종교적·문화적 요구 사항 반영 필요 13B 규모 모델 언급
엔비디아에 대한 평가와 시장의 균형 엔비디아는 위대한 회사로 평가되며, 에디슨·스티브 잡스·일론 머스크를 넘어 제스사까지 갈 정도로 위대하다고 표현. 그러나 서스테이너블 한 AI 에코시스템을 위해서는 대체재와 경쟁이 필요하며, 인퍼런스 마켓에서 대한민국이 경쟁할 기회가 있다고 본다. 엔비디아의 위대함 강하게 인정 지속 가능한 에코시스템에 대체재·경쟁 필요 인퍼런스 마켓에서 대한민국의 기회 강조
AI 인프라와 시장 배경 대한민국의 고속도로, 항만 등 물류 인프라처럼 AI 서비스와 모델의 성장은 AI 인프라(인터커넥트, GPGPU 등)가 선행되어야 가능하다는 점을 강조했다. 3G, 4G, 5G로 이어진 통신 인프라 위에 IT 서비스가 성장했고, AI도 동일한 논리로 인프라가 핵심이다. 물류·통신 인프라가 IT·AI 서비스 성장의 기반 AI 인프라 요소: 인터커넥트, GPGPU(NVIDIA 등) 트레이닝과 인퍼런스 모두 인프라 의존
인퍼런스 마켓의 3가지 테이크어웨이 인퍼런스 마켓은 새로운 성격을 띠며, 기존 솔루션의 슈퍼셋을 요구하는 전기차 사례처럼 단순 치환이 어렵다. 시장 규모는 DRAM보다 크며(‘150 빌리어... 보다 DRAM 규모가 큽니다’라는 비교적 표현), LLM 중심에서 Non-LLM 워크로드까지 확장될 것이다. 빨간색으로 표시된 ‘새로운 마켓’이 등장 전기차는 기존 마켓 참조가 필요해 진정한 뉴마켓으로 보기 어렵다는 비유 AI 인퍼런스 전용 마켓의 출현으로 새로운 솔루션 기회 마켓 사이즈가 DRAM보다 큼(비교 언급) LLM에서 Non-LLM(음악, 그림 생성 등) 워크로드로 확장
최 훈, 업스테이지 사업개발 총괄 이사
업스테이지 소개와 성과 업스테이지는 솔라 LLM과 다큐먼트 AI(OCR 기반)를 핵심으로 하는 AI 기업으로, 창업 약 5 년 만에 국내외에서 기술성과 사업성을 인정받았다. 창업 1년 차에 시리즈 A 대규모 투자 유치, 2023 년 자체 소형 모델로 글로벌 오픈소스 차트 1 위 달성, 2024 년경 1000 억 원의 투자수가와 20 밀리언(260 억 원 이상)의 매출로 실질적 수익 창출을 입증했다. CB 인사이트 AI 100 대 기업 선정 및 5 대 국가대표 AI 선정, 아마존의 아시아 지역 유일 투자 사례로 글로벌 신뢰성을 확보했다. 솔라 LLM 직접 개발 및 다큐먼트 AI 솔루션 제공 창업 약 5 년, 네이버 클로바 AI 및 글로벌 빅테크 출신 엔지니어 합류 창업 1년 차 시리즈 A 대규모 펀딩 다큐먼트 AI로 금융권 첫 상용화, 매출 견인 2023 년 자체 소형 모델로 글로벌 오픈소스 차트 1 위 1000 억 원의 투자수가, 20 밀리언(260 억 원 이상) 매출 달성 CB 인사이트 AI 100 대 기업 선정, 5 대 국가대표 AI 선정 아마존 투자: 엔트로픽 이후 유일, 아시아 지역 유일 투자
공동사업(코마케팅·리셀·온프레미스) 사례 업스테이지는 핵심 엔진(솔라 LLM·다큐먼트 AI)을 파트너의 도메인·채널에 결합하는 공동사업으로 수익을 확장했다. 언론, 오피스 소프트웨어, 법률, 전자서명 등 다양한 산업에서 온프레미스·웹 확장·SaaS 형태로 적용 중이다. 조선일보: 교열·팩트체크·기사 번역 적용, 기존 맞춤법 검사기·글로벌 SOTA 파인튜닝 모델 대비 우수 성능 인정, 웹브라우저 익스텐션으로 조선일보 및 자회사·타 언론사 판매 한컴: HWP에서 보고서·보도자료 초안, 스타일 서식, 요약, 표 처리 등 AI 어시스턴트 기능에 솔라 모델 탑재. 금융·공공 온프레미스 도입. 2027 년도까지 수만 개 기존 고객사 대상 공동판매 및 이익 공유 로앤컴퍼니(슈퍼로이어): 법률 특화 모델 공동 개발, 책임 회피·망각 방지 로직 반영, 한국변호사협회 등록 3 만 5 천명 중 30% 이상 유료모드 사용, 온프레미스 공동사업 병행 모두싸인: 한 달 100 만 장 이상 계약서 처리에 LLM 기반 데이터 추출·리마인더·통합검색·대시보드 구현, 백엔드에 업스테이지 모델 운용
비용 효율성과 성능 포지셔닝 업스테이지 모델은 중량급(70p 이상) 성능을 유지하면서 비용 효율성에서 글로벌 거의 TOP3 수준을 지향한다. 대규모 실제 서비스(예: 160만 명 대상 BPO)에서 토큰 사용량이 큰 태스크에 적합하며, 최신 SOTA 대비 비용을 거의 25 분의 1 수준으로 절감 가능하다는 사례가 제시되었다. 고객 니즈 변화: 가성비 우선으로 전환 쿼리파이 사례: 일본 DPO로 160만 명 고객 대상, 평균 인풋 6000 톤·아웃풋 3000, 대량 트래픽에서 비용 차이 극대화 클로드·GP5 등 최신 SOTA 대비 거의 25 분의 1 비용으로 충분한 성능 제공 GPU 대규모(20 만 장→40 만 장) 투입의 초거대 모델 대비, 소형·효율형 모델 전략
다큐먼트 AI(OCR)+LLM의 해자와 활용 LLM의 환각·인식 한계를 OCR 기반 다큐먼트 AI로 보완해 원문 보존·정확 추출·근거 제시가 가능한 엔드투엔드 문서지능을 구현했다. 보험, 공공, 통계, 행정 등 문서 집약 산업에서 높은 자동화율과 거의 리얼 제로에 가까운 환각 억제로 성과를 창출했다. LLM 한계: 이미지·작은 글자 인식 불안정, 환각·누락 센싱 불가 업스테이지 접근: 다큐먼트 AI(속기사처럼 원문 정확 추출)+LLM(통역사) 결합 벤치마크: 이미지 내 작은 글자 인식에서 GPT·GEMINI 등 탑티어 모델 편차, 중국산 모델 왜곡. 업스테이지 조합은 문맥 보존 재현 한화생명: 진료 세부 내역서 자동화, 96% 이상 자동 처리. 수백만 건 문서 분석 통해 질환·수술·약제 트렌드 포착, 신상품 개발에 기여 국가기관 난해 문서(악필·스캔 품질 저하·방언급 필기)도 업스테이지 조합으로 높은 정확도로 디지털화 가능 통계청 사례: 수백 페이지 문서로부터 상위 10 개 융합업종 통계표 생성, 모든 수치·서술에 사이테이션 제공. 그래프 이미지에서도 ‘상용 근로자 53 만 증가, 임시·일용 근로자 43 만 감소’ 자동 추출 결과: 환각 거의 리얼 제로에 근접한 서비스 가능
정부과제·로드맵·글로벌 전략 업스테이지는 5 대 국가대표 AI 선정으로 5,000 억 이상의 정부 지원 하에 데이터 확충·GP 도입을 통해 더 나은 모델 개발을 추진한다. 2027 년 상반기까지 생존·성장하여 국가대표 AI 프로바이더로 자리매김하고, 한국 TOP 2 및 아세안·중동 등으로 확장하는 것을 목표로 한다. 연말까지 백비 사이즈 MOE, 언어·토큰 확장 및 산업 특화(금융·법률·제조·교육·의료), 내년 하반기 멀티모달(VLM)과 아세안 언어(베트남·태국) 확장을 계획한다. 5 대 국가대표 AI 선정: 유일 스타트업 선발 5,000 억 이상의 정부 지원으로 데이터·GP 확충 목표: 2027 년 상반기 생존 및 국가대표 AI 프로바이더 자리매김 연말까지: 백비 사이즈 MOE 모델 개발 언어 확장·토큰 확장·산업 특화(금융·법률·제조·교육·의료) 내년 하반기: 멀티모달(VLM) 탑재, 아세안 언어(베트남·태국) 확장 지리전략: 한국 TOP 2 달성, 아세안·중동 등 미국·중국이 닿지 않는 지역 공급 국제 비교: 미국·중국 2 강 구도 속에서도 한국은 이스라엘·프랑스·캐나다보다 좋은 모델을 만들고 있으며, 정부 지원 시 3 강 근접 가능
프로모션·접근성(SaaS·플레이그라운드) 소·중·고·대학교·대학병원·기업·단체를 대상으로 AI Initiative 하에 솔라 프로·다큐먼트 AI를 무상 제공하는 프로모션을 진행 중이며, 2026-03-30까지 신청 시 혜택을 받을 수 있다. 모든 서비스는 SaaS로 오픈되어 있으며, OCR과 LLM을 동시에 시험 가능한 플레이그라운드를 제공한다. 대상: 소, 중, 고, 대학교, 대학병원, 기업, 단체 프로모션: 솔라 프로 및 다큐먼트 AI 무상 사용 개방 신청 기한: 2026-03-30 SaaS AI 전면 오픈, OCR+LLM 동시 체험 가능한 플레이그라운드 제공 한국 내에서 OCR과 LLM 동시 체험 제공은 사실상 유일
임은영, LG CNS AI클라우드 사업부 AI센터 GenAI담당
에이전틱 AI 도입 배경과 필요성 생성형 AI는 요약·번역·검색 등에서 혁신적이었지만 실제 업무 적용 시 의미 있는 ROI와 생산성 체감이 어려웠다. 에이전틱 AI는 RPA와 달리 자율 설정·워크플로우 자동화·자기 재수행 능력을 통해 근본적 비즈니스 혁신 가능성이 크며, 경쟁사가 AI로 생산성을 크게 높이면 시장 독점 위험이 있어 이미 시작된 미래로서 도입이 불가피하다는 메시지다. 생성형 AI 초기 혁신성 대비 실무 ROI·생산성 체감 어려움 에이전틱 AI: 자율 설정, 워크플로우 자동화, 오류 판단 후 재수행 DX 성공 사례(예: 넷플릭스)가 전통 산업을 흔듦 AI 미도입 시 경쟁사 생산성 우위로 시장 독점 가능성 에이전틱 AI는 이미 시작된 미래로 도입 필요
에이전틱 AI 초기 운영상 고려사항과 책임 AI는 100% 정확하지 않으며 과거 학습을 기반으로 미래를 예측하므로 오류(할루시네이션) 가능성이 상존한다. 자동화에 맡긴 후 사람의 관심이 줄어드는 특성 때문에 정확도 저하 모니터링, 재학습 시점·주체·데이터 준비 책임을 명확히 정의해야 한다. 기업 확산을 위해 플랫폼 기반 관리가 필요하다. AI 정확도는 100%가 아니며 오류(할루시네이션) 가능 자동화 후 인적 관심 이탈로 성능 저하 위험 정확도 모니터링·재학습 주기·주체·데이터 준비 책임 정의 필요 플랫폼 기반으로 에이전트 운영·감시·거버넌스 요구
도입 난제: 데이터·인프라·모델·규제·보안·컴플라이언스 기업 문서가 AI가 읽을 수 있게 정제되어 있지 않고, 업무 전문가도 질문·답변 셋조차 10개 만들기 어려운 현실이 생산성 저해 요인이다. GPU 수급은 기업 단위에서도 어렵고, 클라우드 활용은 규제로 제약되며 프라이빗 랜밍턴 등 기술적 조치에는 큰 투자 필요. 최적 모델 선정, 보안·컴플라이언스 검토가 병행되어야 실제 적용 가능하다. AI 리더블 데이터 부족: 문서 정제 미흡 업무 전문가의 학습 데이터(질문·답변 셋) 준비 난도 높음: 10개도 만들기 어려움 GPU 수급 어려움, 클라우드 규제 존재, 프라이빗 랜밍턴 등 기술 조치에 큰 투자 필요 모델 선택의 어려움: 비용·성능·태스크 적합성 고려 보안·컴플라이언스 동시 검토 필수
조직 협업과 R&R 거버넌스의 핵심성 에이전틱 AI 도입은 기술 자체보다 범위 선정과 현업 협업이 핵심 과제다. 도입 부서는 IT/디지털 조직이지만 실제 핀포인트는 현업에 있어 협업이 필수. 정확도 유지·데이터 준비·코드 수정·최종 책임 등 R&R을 명확히 해야 하며, 일부 고객사는 AI 플랫폼 구축 후 별도의 R&R 거버넌스 프로젝트를 요청할 정도로 중요하다. 탑의 의지와 밑단 변화·보상 체계가 조화를 이루지 않으면 조직 불만이 발생한다. 기술은 이미 존재, 문제는 범위 선정과 현업 협업 도입 주체(IT/디지털)와 수혜자(현업)의 역할 분담 필요 정확도 유지 책임, 데이터 준비, 코드 수정, 최종 책임 명확화 탑의 의지와 현장 변화·보상(서섹서스) 미흡 시 갈등 발생 과제 발굴·개발·운영까지 높은 난도
컨설팅·운영 프레임: 파괴적 프로세스 재설계와 운영 최적화 모 은행에서 AI 전환을 위한 PI 컨설팅을 시작해 현업 비즈니스 가치를 극대화하는 프로세스를 설계 중이다. 기존 사람 프로세스를 그대로 AI로 반복하는 것은 의미가 없으며 파괴적 재설계가 필요. 인프라·플랫폼·애플리케이션(Channywary, Webuwile, 기존 시스템 연계)까지 결정하고, 운영에서는 에이전트 성능 향상·최적화·신규 에이전트 개발 책임 및 법률(개인정보보호법, AI 기본법, 근무법, 정보통신법) 준수 거버넌스를 포함해야 한다. 모 은행 대상 AI 전환 PI 컨설팅 착수 사람 프로세스의 단순 치환은 무의미, 파괴적 재설계 필요 인프라·플랫폼·앱 형태(Channywary, Webuwile)·기존 연계 결정 운영: 에이전트 성능 향상, 최적화, 신규 개발 책임 체계 법률 준수: 개인정보보호법, AI 기본법, 근무법, 정보통신법
LG CNS 플랫폼 라인업과 AgentWorks 소개 LG CNS는 정형 데이터 분석 DAPMLOps, 생성형 AI 기반 GMP Zena(2023년 출시) 이후 에이전틱 개념 확산에 맞춰 DMP 제니아이를 확장한 AgentWorks를 개발했다. 데이터 전처리부터 모델 학습·평가, 서비스 개발·배포·운영까지 End-to-End 제공하며 6개 모듈로 구성, 각 모듈 개별 구매 가능. 온프레미스·하이브리드·퍼블릭 클라우드 모두 지원. DAPMLOps: 정형 데이터 분석 플랫폼 GMP Zena: 23 년도 출시, 생성형 AI로 AI 카드 서비스 구축 DMP 제니아이 확장: AgentWorks 개발 End-to-End 제공: 데이터 전처리→모델→서비스→운영 6개 모듈, 모듈화·개별 구매 가능 온프레미스·하이브리드 클라우드·퍼블릭 클라우드 지원
AgentWorks 6개 모듈과 프로세스 AgentWorks는 Knowledge Rate(데이터 전처리), 리파인더(LLMOps: 모델 학습·평가), 빌더(전문 개발자 에이전트 개발), 허브(모니터링·관계·성공/실패 관리), 스튜디오(배포·로우코드 개발·에이전트 실현), 라우터(비용·성능 최적 모델 선택)로 구성된다. 프로세스는 Knowledge Rate 전처리→리파인더 학습·평가→빌더 서비스화→허브 통해 스튜디오 배포. API로 레거시 연계 가능. 허브가 가장 중요한 기술로 전체 에이전트 운영 상태를 모니터링한다. WAP와 황소 리더십을 함께 만들어 플랫폼에 탑재했다. Knowledge Rate: 데이터 전처리 리파인더(기존 LLMOps): 온프레미스 설치 가능한 모델 학습·평가 빌더: 전문 개발자 에이전트 개발 허브: 에이전트 관계·성공/실패 모니터링(가장 중요한 기술) 스튜디오: 배포, 비전문가 로우코드 에이전트 개발, 에이전트 실현 라우터: 비용·성능 최적 모델 선택·답변 프로세스: 전처리→학습/평가→개발→허브→스튜디오 배포 API로 레거시 시스템 연계 가능 WAP와 황소 리더십을 함께 만들어 플랫폼 탑재(어제 뉴스)
생성형 AI의 근본적 한계와 운영 체계 생성형 AI는 할루시네이션을 포함한 근본적 한계를 가지며, 정확도는 시간이 지나면 90%→80%→70%로 하락할 수 있다. 이를 방지하기 위해 조직 차원의 AX 운영 체계 리뷰와 R&R 확립이 필요하며, 탑의 의지와 현업의 노력에 대한 적절한 보상(서섹서스)이 없으면 조직 갈등이 생긴다. 정확도 저하: 90%→80%→70%로 하락 가능 AX 운영 체계 리뷰 필요 R&R 명확화와 현업의 데이터 준비·운영 기여 인정 필요 탑의 의지와 현장 보상 체계 부재 시 갈등
엔터프라이즈 적용 현황과 과제 발굴 지원 생성형 AI를 직접 업무에 사용하는 비율은 채 10%도 되지 않는다. 완결형 서비스(챗GPT, 퍼플렉스, 젠미나이 등) 접근은 쉽지만 업무 적용은 훨씬 많은 고민이 필요하다. LG CNS는 디스커버리부터 유니버설 오퍼레이션까지 지원하고, 고객 밸류체인별 유스케이스를 제시하되 실제 과제는 현업 담당자로부터 나와야 한다. 전문가와 인재육성 프로그램을 보유. 업무 적용 사용자 비율: 채 10%도 안 됨 완결형 서비스 접근 쉬우나 엔터프라이즈 적용 난도 높음 디스커버리→유니버설 오퍼레이션까지 지원 유스케이스 제공 가능하나 과제 발굴은 현업 주도 필요 전문가·인재육성 프로그램 보유
LG CNS 내부 적용 사례: 채용 업무 에이전틱 AI
LG CNS는 인사업무에 에이전틱 AI를 적용했으며 이번 하반기 채용에도 활용했다. 지원자가 많아 서류 검토 부담을 줄이기 위해 한 화면에서 지원자의 환경·이력서·논문 등을 볼 수 있게 Azure 그룹을 개발, 인사업무 생산성을 개선했다. 각 현업 부서별로 개별 업체 도입 후 운영 실패가 발생하는 현상도 언급됐다.
이경수, 세라젬 대표이사
세라젬 소개와 역사 세라젠은 창업 27 년 된 회사로 98 년도에 창업했다. 의료기기를 개발하며 성장을 했고 메드패드 제품은 디스크 협착증, 혈액질환 등 생리성·식물성 및 혈정치 예방에 대해 KFF 허가를 받았으며 중국·미국·유럽에도 진출했다. 전 세계에 3000 개의 체험회장을 구축해 27 년간 운영했고 해외 70 개국에 진출하여 중소기업에서 전경기업으로 성장, 한 3 차만 매출로 성장했다. 창업 27 년, 98 년도 창업 메드패드 제품 KFF 허가, 중국·미국·유럽 진출 전 세계 3000 개 체험회장, 27 년 운영 해외 70 개국 진출 중소기업에서 전경기업으로 성장, 한 3 차만 매출로 성장
성장 한계와 리모델링, 핵심 역량 재정의 단일제품 중심 성장의 한계를 느끼고 2018 년도에 한국에서 사업 리모델링을 추진했다. 핵심 역량으로 ① 세상에 없던 새로운 헬스케어 제품 발명, ② 고객통신과 체험서비스를 겸하는 고객부품 서비스 강화, ③ 디자인 역량 강화 및 부담 없는 방법경영·확신 통합 구매·구매고객 관련 전반체 추천 체계 구축을 정리했다. 2018 년도 한국에서 사업 리모델링 새로운 헬스케어 제품 발명 역량 고객통신 및 체험서비스 강화 디자인 역량 강화와 방법경영, 통합 구매, 추천 체계
고객 인사이트와 ‘세븐케어’ 프레임 중국 쓰촨 성 고객 방문을 통해 척추관리 외에도 다양한 웰니스 수요가 있음을 확인하고 고객과 가족의 건강하고 행복한 삶을 위한 ‘세븐케어’ 7 가지 습관 영역을 정의했다. 7 가지는 척추관리, 운동관리, 휴식(수면 핵심), 뷰티·외모관리, 정신건강·사회활동, 에너지(물·공기·햇빛·열), 좋은 환경 조건이다. 이후 본질 문제 해결에 집중해 제품·서비스 개발을 8 년 전부터 투자해 왔다. 고객은 척추관리 외 다양한 웰니스 니즈와 기기 사용 세븐케어: 척추관리, 운동관리, 휴식/수면, 뷰티·외모관리, 정신건강·사회활동, 에너지(물·공기·햇빛·열), 환경 조건 웰니스 헬스케어의 본질에 기반한 제품·습관 형성 설루션 개발 8 년 전부터 설적인 투자로 개발
제품·서비스 개발 사례와 수상 척추관리 가정용제품, 운동·휴식·수면 질 측정·관리, 피부 측정·진단·처방·반복관리, 혈액순환 메디컬 체험, 우아한 디자인 체험, 스타일러형 체형·의류 관련 제품, 사우·라이트·비디오·아로마, 건강한 물·공기·햇빛·열 관리 등 본질 기반 제품을 개발했다. CS 두 번째 CS에서 협심상 6 개를 수상했다. 가정용 척추류 의료기기 고도화 수면 질을 매트리스·실내가 아닌 ‘측면의 그래프’로 정확 측정·관리, 개인 바탕 최적 그래프 통제 피부: 측정·진단·처방·반복관리 홈케어 메디컬 체어로 혈액순환 개선 체험 스타일러처럼 서상하는 체형·의류 관련 제품 사우·라이트·비디오·아로마 통합 물의 PH·근거, 공기 질, 햇빛·열 관리 CS 두 번째 CS 에서 협심상 6 개 수상
웰 라운지와 체험 중심 판매 세라젠 웰 라운지를 고도화해 제품 판매보다 세븐케어 7 가지 습관의 중요성을 알리고, 제품을 통해 습관을 도와 자연스러운 구매를 유도하는 체험 중심 모델을 구축했다. 세라젠 웰 라운지 고도화 습관 교육 → 제품 연계 → 자연스러운 구매
개인 맞춤 솔루션을 위한 데이터 수집과 AI 개인 맞춤형 솔루션 제공을 위해 고객 데이터를 수집한다. 유전자 정보, 건강검진 결과(누적 경영상증거), 매장 고도화 측정장비로 육체·정신건강 데이터, 체지방·혈압·혈당·데크 등 웨어러블보다 정확도 높은 측정, 소변 데이터까지 수집한다. 이 데이터로 제품과 서비스가 ‘살아있는’ 케어를 제공하도록 시스템을 설계한다. 유전자 정보 수집 건강검진 결과 및 경영상증거 누적 매장 고도화 장비로 육체·정신건강 데이터 체지방·혈압·혈당·데크 데이터(정확도 우선) 소변 데이터 수집 데이터 기반 살아있는 디바이스·서비스 구현
제조 혁신과 디지털 휴먼 서비스 천안 공장을 Pyspal AI 기반 제조시설로 전환 투자 중이며, 데이터와 서비스를 연계해 Starda 라는 디지털 휴먼이 대화형으로 헬스케어·웰니스 정보를 제공하고 제품·서비스를 연결한다. 천안 공장: Pyspal AI 기반 제조시설 전환 Starda 디지털 휴먼: 대화형 정보 제공·제품/서비스 연계
표준·연구·얼라이언스 카이스트와 미래 호스케 연구센터를 설립해 RND 협력, 코메스 IOT 국제표준 입안 주도, 6 년동안 국제표준과제를 수행했으며 올 연말에 국제 코메스 IT 국제표준 채택 예정. 코맥스 얼라이언스를 통해 건강한 집을 위한 각 영역 서비스팀과 협력 중. 카이스트 미래 호스케 연구센터 공동 연구 코메스 IOT 국제표준 입안, 6 년 국제표준과제 올 연말 국제 코메스 IT 국제표준 채택 예상 코맥스 얼라이언스로 다수 서비스팀 협력
AI 웰스 포럼/웰스 홈 비전 세라젠의 꿈은 얼라이브 인텔리전스 기반의 ‘세라젠 웰스 포럼’과 ‘AI 웰스 홈’이다. 숨쉬고 반응하며 가족 모두의 건강을 지키는 살아있는 공간으로, 세라가 고객을 이해하고 관리하는 AI 기반 집. 커뮤니티로 웰카페·웰 라운지·웰파크·웰브레인·웰스팝·웰스클럽을 개인 맞춤으로 제공한다. 아이 방, 부부·부모님 공간을 맞춤 설계하고 구독형 서비스 모델로 발전 예정이다. 얼라이브 인텔리전스: AI 를 살아있는 지능으로 정의 세라젠 웰스 포럼/웰스 홈: 맞춤형 건강 관리 집 커뮤니티: 웰카페, 웰 라운지, 웰파크, 웰브레인, 웰스팝, 웰스클럽 가족 구성원별 맞춤 공간(아이 방 포함) 구독형 서비스 모델로 발전 계획
모델하우스와 구체적 경험 시나리오
모델하우스는 하드웨어 중심처럼 보이나 내부에 데이터와 AI 에이전트 서비스가 내장된다. 수면을 들여다보고 가장 잠을 잘 오는 난방과 집안 환경을 컨트롤, 활동·건강상태에 따른 마사지 모듈 생성, 집중력 있는 뇌 환경을 위한 의자·책상, 메디컬 체어 조명과 심상태 연계, 가족별 맞춤 물·영양 제공, 10 가지 사용목적의 헬스케어 팟을 의료기관과 연계해 가족 케어, 외모·체형 관리, 우울증 치료·불면증 치료·인지장애 개선 등 구현.
홍성봉, 아모레퍼시픽 상무
AI 도입의 어려움과 개인화 피부 상담의 가치 전문 상담의 높은 효용성과 낮은 접근성의 격차를 해소하기 위해, AI 기술을 활용하여 전문적인 피부 진단 및 상담 서비스를 모바일과 온라인으로 제공함으로써 더 많은 고객에게 높은 가치를 제공하고 비즈니스 기회를 창출하는 것을 목표로 삼음. 코카콜라나 설화수 같은 제품에 AI를 어떻게 적용할지에 대한 어려움이 존재함. 화장품은 판매자와 소비자 간의 정보 비대칭이 큰 제품으로, 많은 소비자들이 자신에게 맞는 제품을 고르는 데 어려움을 겪음. 전문가의 개인화된 피부 상담은 효용감이 매우 높아 90% 이상의 구매 전환율을 보임. 그러나 전문적인 피부 진단 및 상담 서비스는 전국에 단 한 곳뿐이며, 하루에 약 8명만 상담이 가능해 접근성이 매우 낮음.
아모레퍼시픽의 AI 솔루션: 닥터아모레와 뷰티카운셀러 피부 진단 서비스인 '닥터 아모레'와 AI 상담원인 '뷰티 카운셀러'를 결합하여, 고객이 제품 탐색부터 구매에 이르는 전 과정에서 개인화된 AI 에이전트의 도움을 받을 수 있는 통합적인 경험을 제공하고자 함. 이는 다양한 리테일 채널로 확장될 예정임. 약 5년간의 노력을 통해 두 가지 핵심 AI 서비스를 개발함. 닥터 아모레 (Dr. Amore): 모바일을 통해 주름, 여드름, 색소침착 등 피부 상태를 진단하는 서비스. 비전 AI를 기반으로 하며, 고가 측정 장비 대비 약 90%의 정확도를 가짐. 150만 건 이상의 고객 데이터를 활용해 48가지 피부 타입을 분류하고, 다인종 데이터로 확장 중. 아모레 뷰티 카운셀러 (AIBC): 생성형 AI 기반의 대화형 에이전트로, '뷰티에 관련된 모든 것을 물어보세요'라는 컨셉을 가짐. 전문 연구원의 개인화된 상담을 AI로 대체하는 것을 목표로 함. CES에서 '닥터 아모레' 소프트웨어가 탑재된 스마트미러를 삼성과 함께 전시하여 큰 호응을 얻음. 올해 연말에는 '닥터 아모레'와 '뷰티 카운셀러'가 결합되어 피부 진단과 상담이 동시에 이루어지는 새로운 버전의 대고객 서비스를 제공할 예정.
AI 에이전트 개발의 기술적 과제 AI 에이전트 개발은 LLM의 다중 호출로 인한 응답 지연 및 불안정성, 그리고 복잡한 사용자 의도 파악의 어려움이라는 기술적 과제를 안고 있음. 이를 극복하기 위한 기술적 해결책 마련이 중요함. AI 에이전트는 복잡한 AI 애플리케이션으로, 사용자 질의 한 번에 답하기 위해 LLM(거대 언어 모델)을 평균 4~5번 호출함. 각 LLM 호출은 최소 2~3초가 걸리는 비동기 작업이며, 이로 인해 전체 응답 시간이 길어지고 중간에 실패할 확률이 높아져 애플리케이션이 불안정해지는 문제가 발생함. 에이전트는 단편적인 질문에는 우수한 답변을 제공하지만, 여러 의도가 혼합된 복잡한 인간의 질문을 처리하는 데에는 어려움을 겪음. 방대하고 다양한 도메인 데이터를 에이전트가 정확하게 처리하기 위해서는 'AI 리네이블된 메타데이터 플랫폼(AI-enabled Metadata Platform)'의 구축이 필수적임.
민간 기업의 AI 에이전트 개발 도전 과제와 해결 방안 발표자는 AI 에이전트 개발 시 겪는 네 가지 도전 과제(AI 에이전트 성능 및 품질, 데이터, 개인정보보호 및 법규, 시스템 아키텍처)를 공유했으며, 이는 아모레퍼시픽뿐만 아니라 모든 기업에 동일하게 적용될 수 있는 문제라고 언급했습니다. 사용자들은 '티존은 유분이 많고 유존은 건조한데, 헤라 블랙 쿠션을 겨울에 쓰니 건조해서 안 맞는다. 뭘 써야 하나?'와 같이 여러 복합된 의도를 가진 질문을 합니다. 기존 RAG(검색 증강 생성) 방식으로는 이런 복잡한 질문에 답변하기 어렵습니다. 천만 명이 넘는 고객 데이터, 3만~5만 개의 거래처 등 페타바이트 규모의 데이터 안에서 사용자의 의도에 맞는 데이터를 찾는 것이 어렵습니다. AI 에이전트의 성능과 품질을 위해 에이전트 프레임워크에서 시스템 아키텍처를 재정의하고, 강력한 추론 엔진을 탑재해야 합니다. 최신 GPT-5 버전 이후의 추론 엔진 도입을 통해 고객의 복잡한 정보를 플래닝하고 오케스트레이션해야 적절한 답을 얻을 수 있습니다. 데이터를 구축하는 데 있어 시맨틱 레이어 구축은 필수적입니다. 개인정보 보호, 콘텐츠 안전성, 법규 준수를 위해 기업 내에 레드팀이 활동할 수 있는 모니터링 체계와 조직을 갖추는 것이 중요합니다.
창성중, 삼성SDS C&C 사업팀장
AI 에이전트의 개념과 엔터프라이즈 요구 AI 에이전트는 단순 시나리오 기반 챗봇/어시스턴트를 넘어 특정 목적에 맞게 기업 데이터와 업무 시스템을 활용해 자율적으로 업무를 수행하는 단계로 발전해야 한다. 엔터프라이즈에서 정확하고 맥락 맞는 답변을 위해서는 LLM, 기업 시스템/데이터 접근, 적재적소 데이터 활용 능력의 3요소가 필요하다. 챗봇은 스크립트/시나리오 기반으로 예외 상황 대응에 한계 LLM 발전으로 자연어 이해/응답은 향상되었으나 기업 맥락 정확 응답은 부족 엔터프라이즈 AI 에이전트 요건: LLM 엔진, 기업 업무 시스템/데이터 접근, 상황 맞춤 데이터 검색/활용
삼성 SDS의 AI·협업 플랫폼 구성 삼성 SDS는 인프라(IaaS, GPU/AGA 서비스, 클라우드), 생성형 AI 플랫폼(페트 패브리티), 엔터프라이즈 애플리케이션(브리티웍스, 오토메이션 등)을 종합 제공하며, 협업 데이터 기반 생성형 AI 서비스 '브리티 코파일럿'을 통해 업무 혁신을 지원한다. 인프라: GPAGA 서비스, 클라우드 서비스 플랫폼: 생성형 AI 플랫폼 '펫 패브리티' 애플리케이션: 브리티웍스(메일, 결재, 메신저, 미팅, 드라이브), 오토메이션 등 브리티 코파일럿: 브리티웍스 데이터 활용 생성형 AI
브리티웍스/브리티 코파일럿 현황과 성과 브리티웍스는 국내 협업 솔루션 시장 IDC 기준 1위이며, 브리티 코파일럿 MAU는 20 만명, 그중 45%가 실제 업무에 활용 중이다. 삼성과 성장 기업들을 중심으로 광범위하게 사용되고 있다. 국내 협업 솔루션 시장 IDC 기준 1 위 브리티 코파일럿 MAU: 20 만명 업무 활용 비중: 45% 메일·채팅·미팅 사용량이 매우 큼
브리티 코파일럿 기능: 메일/채팅/드라이브/웹 연동 사용자는 업무 위치(메일 작성/답장, 채팅 협업, 문서 저장/검색)에서 직접 생성형 AI를 호출해 초안 작성, 요약, 스레드 맥락 정리, 액션 아이템/인물 중심 요약, 벡터 검색·출처 지정·통합 요약, 웹 정보(퍼플시티 API)와 사내 지식 결합 등을 수행할 수 있다. 메일: 프롬프트로 초안 작성, 언어·스타일·길이 조정, 수신 메일/첨부 요약, 긴 스레드 맥락/시간순 정리 채팅: 시간순/액션 아이템/특정 인물(보스 등) 지시사항 중심 요약 드라이브/사내 지식: 벡터라이징 통해 통합 검색·요약·출처 지정 외부 웹 연동: 퍼플시티 API로 외부 정보 결합, 원페이지 요약 공유 업무 시스템과 API 연계로 데이터 호출·가공·활용
MS 오피스 애드인 및 문서 작업 지원 브리티 코파일럿은 MS 오피스용 애드인을 제공하여 워드·엑셀·파워포인트에서 템플릿 기반 초안 생성, 관련 정보 검색, 드래그앤드랍 삽입, 표 변환, 서식 변경 등 문서 작업 튜닝을 쉽게 수행하게 한다. MS 코파일럿과 유사 기능의 애드인 제공 워드·엑셀·파워포인트 모두 지원 드래그앤드랍으로 본문 삽입, 표 형태 변환 등 편의 기능
브릿미팅: 실시간 다국어 자막/통번역 브릿미팅은 최대 60 개 언어를 하나의 회의에서 동시에 인식해 각 참가자에게 편한 언어로 실시간 자막·통번역을 제공한다. 기업 전문용어집을 적용해 인식 정확도를 높이고, 자동 회의록에 필요한 회사 정보를 정확히 반영한다. 최대 60 개 언어 동시 인식 실시간 자막 정확도 높음 하나의 회의에서 멀티언어 인식 기능 제공 전문용어집으로 직무/업무 용어 정확도 향상 자동 회의록에 필요한 정보 반영
퍼스널 에이전트 비전과 핵심 요소 브리티 코파일럿은 퍼스널 에이전트로 진화하며, 사용자의 맥락·스타일·데이터를 이해해 복합적 업무를 수행하는 개인비서가 되는 것을 목표로 한다. 핵심은 데이터(메일·회의·문서·업무 시스템)의 적시 접근·재가공·관리, 그리고 인터랙션(피드백 기반 보정)과 메모리 기능을 통한 개인화 고도화다. 퍼스널 에이전트: 나를 잘 아는 AI 개인비서 핵심 요소: 데이터와 인터랙션, 메모리 기능 LLM이 모든 데이터를 학습하는 것은 불가능 → 필요 시 데이터 접근/재가공 구조 필요 피드백을 통한 지속적 보정으로 개인화 향상
퍼스널 에이전트 5 종과 사용 시나리오 새롭게 선보이는 5 종 에이전트는 브리핑 에이전트(일정/메일 기반 중요 업무·뉴스 브리핑), 인터프리팅 에이전트(회의 실시간 통번역, 최대 60 개 언어 동시 인식), 큐레이팅 에이전트(맥락 기반 자료 추천), 보이스 에이전트(외근/운전 중 음성으로 업무 처리·메일 알림/답장), 엔터링 에이전트(회의 중/집중 업무 시 대리 응답)이다. 캐릭터 스타일 설정과 데이터 접근 범위 설정을 통해 개인 맞춤 적용 가능하다. 5 종: 브리핑/인터프리팅/큐레이팅/보이스/엔터링 에이전트 최대 60 개 언어 동시 인식(인터프리팅) 사용자 스타일·데이터 접근 범위 설정 자료 탐색 시간·노력 획기적 절감(큐레이팅) 음성으로 중요 메일 알림·즉시 답장(보이스) 대리 응답으로 동료는 즉시 정보 획득, 사용자는 집중 유지(엔터링)
출시 계획 및 체험 안내 브리티 코파일럿 퍼스널 에이전트 5 종 기능은 지속적으로 출시·업데이트될 예정이며, 행사장 왼쪽 부스에서 에이전트 기능을 직접 확인할 수 있다. 강연은 2025-10-01 13:30:37에 생성된 컨텐츠 기준으로 진행 소개되었다. 5 종 에이전트 기능 지속 출시 예정 데이터 이해·인터랙션 능력이 핵심 과제 행사장 왼쪽 부스에서 기능 확인 가능
다니엘 조, 깃허브(Github) 이사
한국 GitHub의 성장과 개발자 커뮤니티 지난 5년간 한국의 GitHub 개발자 수는 76만 명에서 240만 명 이상으로 크게 성장했으며, 이는 다양한 산업 분야에서 활동하는 개발자들의 노력과 역량이 바탕이 된 결과이다. 발표자 다니엘준은 GitHub 한국기술영업 담당이다. 2020년 약 76만 명이었던 한국의 GitHub 개발자 수는 현재 240만 명 이상으로 성장했다. 이는 대구광역시 전체 인구보다 큰 규모이다. 이러한 성장은 제조, 하드웨어, 소비자 기술 등 주요 산업에서 한국 개발자들의 끊임없는 노력 덕분이다.
GitHub 코파일럿의 도입과 영향 세계 최초의 AI 개발자 도구인 GitHub 코파일럿은 개발자 생산성을 55% 이상 향상시키고 소프트웨어 개발 방식 자체를 바꾸는 등 혁신을 주도하고 있다. GitHub 코파일럿은 세계 최초의 AI 개발자 도구로, 2021년 처음 발표되었다. 코파일럿을 활용하는 개발자들은 생산성을 55% 이상 향상시켰다. AI 기반 도구인 코파일럿은 소프트웨어 개발 방식을 바꾸며 혁신을 가속화하고 있다.
AI 에이전트 시대의 도래와 미래 GitHub는 코파일럿을 넘어 스스로 계획하고 작업을 실행하는 'AI 에이전트' 시대를 준비하고 있다. 미래에는 개발자들이 각자 특화된 AI 에이전트 팀을 활용하여 생산성과 창의성을 극대화하게 될 것이다. GitHub는 AI 에이전트의 시대가 왔으며, 그 주인공은 개발자라고 보고 있다. AI 에이전트는 스스로 계획, 실행, 피드백 변경, 검증까지 수행할 수 있다. 코파일럿은 단순 페어 프로그래머를 넘어 강력한 코딩 에이전트로 진화했다. 장기적으로 개발자들은 자신만의 특화된 AI 에이전트 팀을 구성하여 효율성과 창의성을 극대화할 것이다.
GitHub 스파크와 개발의 민주화 AI는 개발의 장벽을 낮추었고, 특히 'GitHub 스파크'는 자연어 설명만으로 아이디어를 실제 코드로 구현하여 개발의 민주화를 이끌고 있다. 이는 개발 인력 부족 문제를 해결하는 데 기여할 수 있으며, 현재 기업 고객을 대상으로 공개되었다. AI 덕분에 소프트웨어 개발의 문턱이 낮아져 아이디어만 있으면 누구나 개발에 도전할 수 있게 되었다. GitHub 스파크는 자연어로 아이디어를 설명하면 프론트엔드, 백엔드, 데이터 파이프라인 등을 자동으로 구성하고 생성하는 기능이다. GitHub 스파크는 강연 시점 기준 이번 주 초부터 기업용으로 공식 공개되었으며, 현재 코파일럿 엔터프라이즈 고객을 대상으로 퍼블릭 프리뷰 단계에 있다.
김종윤, 야놀자 대표
AI 시대의 혁신과 마인드셋 AI 시대에 성공하기 위해서는 '불가능하다'는 기존의 사고방식을 버리고 혁신적인 마인드셋을 갖추는 것이 중요하다. 이는 단순히 좋은 기술을 도입하는 차원을 넘어, 생태계 전체의 변화로 접근해야 하는 문제이다. 10년 전이나 10년 후나 혁신을 얘기할 때 "불가능하다"고 말하지만, 이 생각을 깨는 것이 AI 성공의 기본이다. AI 시대의 혁신은 특정 기술을 사용하는 문제가 아니라, 혁신하려는 마인드셋의 문제이다. AI는 개별 회사의 문제가 아닌 생태계의 문제이며, 인터넷이나 모바일 시대보다 더 큰 임팩트를 가질 것이다.
시장의 변화와 개인화의 미래 기술 혁신에 따라 시장은 마진 중심에서 성장 중심으로 선호도가 바뀌고 있다. AI는 상품과 정보의 양을 무한대로 확장시켜, 가격 경쟁이 아닌 '초개인화' 시대를 열 것이며, 이는 각 개인에게 맞는 고유한 제품과 서비스를 제공하는 것을 의미한다. 혁신 시대에는 마진 중심 기업보다 성장률이 높은 기업의 가치가 더 선호된다. (예: 30% 성장/10% 마진 기업보다 40% 성장/0% 마진 기업 선호도 증가) 과거 오프라인 마트에서 대형마트, 온라인 쇼핑으로 진화하며 상품의 가짓수가 늘어났다. AI 시대에는 상품과 서비스의 가짓수가 무한대가 되어, 가격 비교가 무의미해지고 개인화가 핵심이 된다. 개인화란 단순 추천을 넘어, 개인을 위한 유니크한 제품/서비스를 만들어 가격 비교가 불가능하게 만드는 것이다.
AI 생태계의 구성과 데이터의 중요성 미래 AI 생태계는 생성형 AI(두뇌)와 피지컬 AI(오감)가 범용화되고, 이를 연결하는 '하이 퀄리티 데이터'가 핵심 경쟁력이 된다. 이 데이터는 클라우드 기반으로 잘 연결되고, 통제 가능하며, 산업별로 맞춤화되어 있어야 한다. 생성형 AI(두뇌)와 피지컬 AI(손, 발 등 오감)는 전기처럼 누구나 똑같이 쓰는 유틸리티 서비스가 될 것이다. 이 두 가지 범용 AI를 연결하는 신경계(뉴런) 역할, 즉 'Zero to one'을 만드는 핵심은 누구도 따라 할 수 없는 '하이 퀄리티 데이터'이다. 하이 퀄리티 데이터의 세 가지 조건: 1. Streamline: 클라우드 기반으로 잘 연결된 데이터. 2. Proprietary: 내가 통제할 수 있는 데이터. 3. Customized: 산업별(버티컬별)로 잘 정리되어 조합 가능한 데이터.
AI가 가져올 미래와 야놀자의 비전 AI는 고객에게 완벽히 맞춤화된 서비스를 제공하고 가격 구조를 혁신할 것이다. 야놀자는 이러한 변화에 맞춰 여행 산업에 특화된 '버티컬 AI' 솔루션을 구축하여 글로벌 비즈니스를 전개하고 있으며, 미래에는 데이터 기반의 신속한 문제 해결이 핵심이 될 것이다. AI를 통해 고객 맞춤형 제품/서비스와 이에 연동된 동적 가격 책정(Dynamic Pricing)이 가능해진다. (예: 호텔 이용 패턴에 따른 요금 차등화) AI는 온라인 쇼핑몰과 같은 중간 유통 단계를 건너뛰고 생산자와 소비자를 직접 연결할 수 있다. 야놀자는 여행 산업의 '버티컬 AI' 기업으로, 백엔드 솔루션에 집중하여 전 세계 호텔 및 여행 기업에 서비스를 제공한다. 야놀자는 200개국, 약 100만 개의 호텔, 18,000개의 여행 기업과 협력하며, 30개국 70개 도시에 오피스를 운영 중이다.
김정길, 사람인 AI LAB실장
AI 시대 HR의 도전과 초기 여정 다양한 AI 서비스를 출시하여 조회수 18~30% 증가와 같은 수치적 성과를 거두었지만, 이는 채용 방식의 근본적인 변화를 이끌어내지 못했습니다. 반복적인 인사 업무는 여전하여 실질적인 체감 효과는 크지 않았습니다. 대부분의 기업이 AI의 중요성은 인지하지만, 구체적인 실행 방법과 방향에 대해 혼란을 겪고 있습니다. 사람인은 2022년부터 AI를 도입하여 2023년부터 다양한 서비스를 출시했습니다. 2023년 4월: 이력서 기반 AI 면접 질문 생성 및 피드백 서비스를 3주 만에 출시했으나, 텍스트 기반 소통의 한계를 느꼈습니다. 커뮤니티 활성화를 위해 3시간 동안 답변이 없는 글에 AI가 자동으로 답변을 다는 기능을 도입했고, 사용자들의 긍정적인 반응을 확인했습니다. 2023년 6월에는 AI 공고 자동 생성 서비스를, 7월에는 공고에 맞는 이미지 생성 기능을 추가했습니다. 그 결과, AI가 적용된 공고는 조회수가 18% 증가했고, 이미지가 포함된 공고는 입사지원 조회수가 30% 증가하는 성과를 보였습니다. 2023년 10월에는 LLM을 활용해 기존 공고의 품질을 개선하는 서비스를 출시했으며, 이는 팀의 '한 달에 하나씩 AI 서비스 런칭' 목표의 일환이었습니다.
사람인의 새로운 비전: AI를 활용한 토탈 HR 서비스 사람인의 새로운 방향은 단순 매칭 서비스를 넘어, AI를 핵심 도구로 삼아 HR 산업의 모든 영역을 통합하고 개인의 삶 전반에 걸친 토탈 라이프 패턴 서비스를 제공하는 것입니다. 사람인은 기존의 구인-구직자 매칭 중심의 비즈니스 모델에서 벗어나고자 합니다. 헤드헌터, 기업평판 조회, 평판체크, 직업평가사(국내 약 8만여 명), 교육업체 등을 모두 아우르는 HR 산업 생태계 구축을 목표로 합니다. AI를 핵심 '도구'로 활용하여, 채용부터 시작해 개인의 라이프 패턴 전반을 아우르는 토탈 서비스를 제공하고자 합니다. '모두의 재능형 AI 서비스'를 통해 AI를 활용한 명확한 성장 경로를 제시하고자 합니다.
사례 연구: AI 모의 면접 서비스 AI 휴먼을 도입한 모의 면접 서비스는 사용자에게 실제와 유사한 면접 경험을 제공함으로써 면접 스킬을 실질적으로 향상시키는 데 효과적임을 입증했습니다. 이는 AI를 '목적'이 아닌 '도구'로 성공적으로 활용한 사례입니다. 기존 텍스트 기반 면접 연습의 한계를 극복하기 위해 2025년 3월, 현실에 가까운 'AI 모의 면접' 서비스를 출시했습니다. 이 서비스는 지원한 공고와 사용자의 이력서에 기반한 맞춤형 질문을 제공합니다. 실제 사람과 대화하는 듯한 경험을 제공하기 위해 'AI 휴먼'을 도입했습니다. AI 휴먼 도입 이유: HR 분야는 본질적으로 사람 대 사람의 상호작용이 중요하며, 구체적인 실체가 없을 경우 AI에 대한 신뢰도가 떨어지기 때문입니다. 실제 사용자가 면접 연습 중 입술이 떨리고 같은 말을 반복하는 등 실제 면접처럼 긴장하는 모습을 통해 서비스의 현장감과 효과를 확인했습니다.
사례 연구: AI 자기소개서 코칭 AI를 활용한 자기소개서 작성은 '대신' 해주는 것이 아니라 '도와주는' 개념으로 접근해야 합니다. 코칭 전문가들의 노하우 분석을 통해, AI로 체계적인 지원이 가능함을 확인했습니다. 자기소개서 작성을 돕기 위해 AI를 활용하는 것은 내비게이션을 사용하거나 온라인 강의를 듣는 것처럼 기술을 활용하는 자연스러운 현상입니다. AI의 사용은 모두를 평준화시키는 것이 아니라, 그 안에서 새로운 수준의 차이를 만들어냅니다. 최근 기업들은 KPI에 AI 활용 능력을 포함시키는 추세입니다. 사람인은 2019년부터 자기소개서 코칭 서비스를 제공해왔습니다. 당시 유료 코칭 비용은 적게는 3만 원에서 많게는 150만~200만 원에 달했습니다. 30명의 코칭 전문가 인터뷰 결과, 약 28개의 유사한 규칙을 공통적으로 사용하고 있음을 발견했으며, 이는 코칭 과정이 AI를 통해 충분히 지원될 수 있음을 시사합니다.
자기소개서 코칭 서비스의 발전 단순히 범용 규칙을 적용하던 초기 모델에서 발전하여, 이제는 AI와의 상호작용을 통해 개인의 고유한 경험과 잠재력을 끌어내고, AI 생성 콘텐츠에 대한 구직자들의 불안감까지 해소하는 방향으로 서비스가 진화하고 있습니다. 2019년에 런칭한 초기 NLP 기반 서비스는 28가지의 범용적인 규칙만을 적용하여 개인 맞춤 코칭이 부족했습니다. 2025년 8월에 런칭한 대화형 AI 코칭 서비스(ADI)는 AI와의 대화를 통해 사용자가 잊고 있던 경험과 강점을 이끌어내 '나다움'을 살리는 코칭을 제공합니다. AI가 작성한 것처럼 보이는 이력서에 대한 구직자의 우려를 해소하기 위해, AI 작성 확률을 알려주고 원할 경우 사람이 쓴 것처럼 보이도록 문장을 수정해주는 서비스를 제공합니다.
AI를 활용한 채용 프로세스 자동화 AI는 공고 분석부터 후보자 추천, 면접 일정 조율까지 채용의 전 과정을 자동화하여, 채용 담당자가 수십 시간을 소모하던 작업을 수 분 내로 단축시키고, 보다 가치 있는 핵심 업무에 집중할 수 있도록 지원합니다. 기존 채용 프로세스에서 공고 작성, 후보자 검색, 평가, 면접 조율 등에 평균적으로 8시간, 60시간, 64시간, 30시간 등 총 240시간이 소요됩니다. AI를 통해 이 시간을 수 분으로 단축시키는 것을 목표로 합니다. AI 자동화 프로세스는 공고 요약 및 키워드 추출, 조건에 맞는 후보자 필터링(예: 최근 2주 내 활동한 5,300명), 후보자 데이터 수집 및 평가, 최적 후보자 8명 선별, 맞춤형 메시지 제안, 면접 일정 자동 조율 등의 기능을 포함합니다. AI는 면접 질문을 추천하고, 구직자의 동의 하에 AI 모의면접 영상을 기업에 미리 제공하여 면접의 질을 높일 수 있습니다.
AI 시대의 일의 미래와 인간의 역할 AI가 인간의 일자리를 빼앗을 것이라는 막연한 두려움과 달리, AI는 반복적이고 비효율적인 업무를 자동화함으로써 인간이 더 창의적이고 본질적인 가치를 창출하는 업무에 집중하도록 돕는 긍정적인 역할을 할 것입니다. AI는 인간의 일을 대체하는 것이 아니라, 귀찮고 반복적인 업무를 대신 처리해주는 조력자 역할을 할 것입니다. 이를 통해 인간은 더 가치 있고 의미 있는 일에 집중하게 될 것입니다. 감정적 소통이 중요한 고객센터 상담원이나, 예측 불가능한 외부 환경에서 일하는 환경미화원과 같은 직업은 AI로 대체하기 어렵습니다. 오히려 외과 수술처럼 제한된 공간에서 이루어지는 업무가 자동화의 난이도가 더 낮을 수 있습니다. 예를 들어, 의사는 AI의 도움으로 반복 업무를 줄이고, 환자와의 소통과 정신적 케어에 더 많은 시간을 할애할 수 있습니다.
AI를 통한 구인-구직 미스매칭 해결 AI에 기업의 실제적인 채용 조건을 입력하게 함으로써, 구직자의 특성과 기업의 숨은 니즈를 정확히 연결하여 채용 시장의 고질적인 문제인 정보 비대칭과 미스매칭을 효과적으로 줄여나갈 수 있습니다. 기업들은 인재를 폭넓게 모집하기 위해 '경력 무관', '연봉은 내규에 따름' 등 모호한 공고를 올리지만, 실제로는 '연봉 6천만원 이하', '경력 5년차 이상' 등 구체적인 내부 기준을 가지고 있습니다. AI를 통해 채용 담당자가 '연봉 7천만원 이상은 제외', '경력 5년 이상 필수' 등 구체적인 숨은 조건을 시스템에 입력할 수 있습니다. AI는 이 숨겨진 조건을 바탕으로 수백만 명의 구직자 데이터 안에서 가장 적합한 인재를 찾아 전략적으로 공고를 추천합니다. 이러한 AI 추천을 통한 입사 지원 수는 이미 전체 입사 지원 수의 거의 절반에 육박하고 있습니다.
사람인 AI가 추구하는 가치와 목표 사람인 AI의 궁극적인 목표는 기술 과시가 아닌, 채용 시장의 실질적인 문제를 해결하고 구직자와 기업 모두가 자신의 본질적인 가치에 더 집중할 수 있도록 돕는 신뢰할 수 있는 파트너가 되는 것입니다. 채용 시장의 현실적인 문제를 해결하는 실용적인 AI를 지향합니다. 시간과 장소의 제약 없이 면접 스킬을 실질적으로 향상시킬 수 있는 모의 면접 서비스를 제공합니다. 사용자 자신도 잊고 있던 잠재력을 깨워 '나다운 모습'을 찾고 강점을 부각할 수 있도록 돕습니다. 궁극적으로 구직자와 기업의 시간과 노력을 절약하여, 모두가 더 가치 있고 의미 있는 일에 집중할 수 있도록 지원하고자 합니다.
박진아, 에이블런 대표
AI 교육, 성과 없는 이유와 변화를 만드는 전략 현재 거의 모든 조직에서 임직원 역량 강화를 위해 AI 교육을 진행하고 있지만, 교육만으로 조직이 효과를 보고 있는지에 대한 의문이 제기되고 있습니다. 경영진이나 시니어분들에게 AI 교육의 필요성을 계속해서 설득하고, 특히 직급이 높은 분들을 교육하는 방법에 대한 고민이 많습니다. 국내 리더 기업을 비롯한 많은 기업들이 AI 교육을 진행하고 있으며, 일부 대기업은 사내 자격 제도, 교육 인증 체계, 사내 전문가 양성 과정 등을 운영하고 있습니다.
AI 교육의 성과 측정 문제 및 현황 대다수의 기업이 AI 교육 및 도입에 많은 노력을 기울이고 있음에도 불구하고, 구체적인 성과를 내지 못하고 있으며 효과를 측정하는 데에도 심각한 어려움을 겪고 있다는 충격적인 연구 결과가 있다. 많은 기업이 AI 교육을 진행하지만, 효과 측정이나 성과 관리가 부족한 것이 현실이다. 매킨지는 2024년 7월부터 전 세계 기업 임직원 1,500명을 대상으로, MIT는 2025년부터 6개월간 300개 이상의 기업을 대상으로 AI 도입 효과에 대한 연구를 진행했다. MIT의 최신 보고서에 따르면, AI를 도입하거나 교육을 받은 기업 중 95%의 조직이 측정 가능한 성과를 창출하지 못하고 있으며, 그 효과조차 파악하지 못하고 있다.
AI 도입 효과 창출에 영향을 미치는 12가지 요소 AI 도입의 실질적인 성과는 단순히 새로운 툴을 사용하는 것을 넘어, 명확한 KPI 설정, 체계적인 로드맵, 실제 업무 프로세스와의 연계, 그리고 경영진의 적극적인 참여와 같은 조직적이고 구조적인 변화가 동반될 때 비로소 창출될 수 있다. AI 도입의 실제적인 효과 창출에 영향을 미치는 요소는 12가지가 있으며, 이는 중요도에 따라 세 그룹으로 분류된다. 가장 큰 영향을 주는 4가지 핵심 요소는 ▲정량적 성과 입증을 위한 KPI 설정 ▲전사적 차원의 체계적인 로드맵 ▲실제 업무 프로세스의 변화(내재화) ▲경영진의 직접적인 참여이다. 보조적인 영향을 주는 요소로는 전담팀 설치, 직무별 세부 교육, 피드백 체계 구축, 직원의 신뢰 확보(마인드 변화)가 있다. 정기적인 소통, 성공사례 공유, 고객 신뢰 확보, 인센티브 제공 등은 도입 자체를 장려할 수는 있으나 실제 성과 창출에 미치는 영향은 미미했다.
AI 도입 시 발생하는 4가지 문제점과 해결 방향 AI 도입의 실패는 주로 조직적 확산의 어려움, 워크플로우 재설계 부재, 기술에 대한 맹신 또는 불신, 그리고 성과 측정 지표(KPI)의 부재에서 비롯된다. 이를 해결하기 위해서는 체계적 학습, 업무 프로세스 기반의 교육 설계, AI 리터러시 함양, 정량적 성과 관리가 필수적이다. 문제 1: 실무자들이 바쁘고 업무 연계성이 부족하여 조직 전체로의 확산이 어렵다. → 해결: 파편적인 교육을 넘어, 조직 차원의 지속적이고 체계적인 학습을 장려해야 한다. 문제 2: 생성형 AI를 도입하고도 워크플로우를 재설계한 기업은 21%에 불과하다. → 해결: AI 도입 시 어떤 직무의 어떤 기능을 바꿀 것인지 먼저 설계하고, 그에 맞는 직무별 교육과 구체적인 KPI를 설정해야 한다. 문제 3: 범용 AI(ChatGPT, Gemini 등)는 사내 히스토리 학습이 안돼 장기적 개선에 한계가 있다는 부정적 인식이 생긴다. → 해결: 완벽한 AI를 도입하기보다, 기술과 사람의 역할을 명확히 구분하고 AI를 비판적으로 활용할 수 있는 역량(AI 리터러시)을 키워야 한다. 문제 4: KPI가 없어 도입 효과를 측정 및 보고할 수 없다. → 해결: 정량적이고 가시화된 결과물을 단계적으로(퀘스트나 레벨업처럼) 도출하여, 지속적인 학습의 동기와 명분을 제공해야 한다.
성공적인 AI 도입을 위한 3가지 핵심 전략 성공적인 AI 도입을 위해서는 단발성, 파편적 교육에서 벗어나야 한다. 1) 조직 전체를 대상으로 표준화, 확산성, 지속성을 고려한 체계적 학습을 설계하고, 2) 실제 업무 프로세스를 재설계하는 것부터 시작하며, 3) AI의 한계를 명확히 인지하고 비판적으로 활용할 수 있는 'AI 리터러시'를 조직의 핵심 역량으로 키우는 것이 중요하다. 전략 1: 조직 차원의 지속적, 체계적 학습을 설계해야 한다. 한 사람의 성공(월 2시간 리소스, 3만원 비용 절감)을 1,000명에게 복제하면 효과가 배수 단위로 증대된다. 이를 위해 역량 진단을 통한 '표준화', 조직적 푸시를 통한 '확산성', 교육 후 관리 프로그램을 통한 '지속성'을 확보해야 한다. 전략 2: 워크플로우 재설계를 중심으로 교육을 설계해야 한다. '어떤 툴'이 아닌 '어떤 직무/업무'에 적용할지부터 시작하여, '업무 분해 → 분석 방법 적용 → 과제 수행 → 활용 방안 설계'의 4단계로 접근해야 한다. 특히, 영업/마케팅 외에 재무, 인사 등 백오피스 직무에서 AI 효과가 크다. 전략 3: 비판적 AI 활용 역량(AI 리터러시)을 강화해야 한다. AI를 도구로 인식하고 작동 원리(예: 생성형 AI는 확률에 기반해 답변을 '생성'하며, 원문을 복사-붙여넣기 하지 않음)를 이해하는 것이 중요하다. 역량은 '이해 → 활용 → 문제 해결 → 비판적 평가' 순으로 발전하며, 단순 활용을 넘어 문제 해결과 비판적 평가 역량에 초점을 맞춰야 한다.
AI 교육의 현황과 문제점 현재 대부분의 AI 교육은 도구 사용법 위주로 이루어져 있어, 실제 직무에 적용하고 비판적 역량을 기르는 데 한계가 있다. 시중에 나와 있는 50% 이상의 교육이 특정 목적에 어떤 도구가 유용한지를 알려주는 '툴(Tool) 교육'이다. 이러한 교육은 들을 때는 흥미롭지만, 모든 경우의 수를 외울 수 없어 실제 직무에 적용하기 어렵다.
비판적 역량 기반의 AI 교육 단순한 도구 활용을 넘어 AI를 비판적으로 이해하고, 평가하며, 윤리적으로 사용하는 역량을 갖추어야 실질적인 조직의 성과(ROI) 창출로 이어질 수 있다. 진정한 AI 역량은 학습, 활용, 평가, 윤리의 네 가지 요소를 포함하는 비판적 역량을 의미한다. 학습 역량은 AI의 개념과 이론, 기술적 이해를 포함한다. 활용 역량은 직무나 일상에서 AI를 실제로 사용해보는 것을 의미한다. 평가 역량은 AI가 생성한 결과물에서 환각(Hallucination), 편향, 오류를 식별하는 능력이다. 윤리 역량은 개인정보, 사용 범주 등 AI 사용의 윤리적 문제를 구분하고 판단하는 능력이다.
비판적 AI 활용 역량 교육 과정 비판적 역량 교육은 '혼란 인지 → 해결 전략 학습 → 실제 경험 → 조직 내 표준화'의 체계적인 5단계 과정을 통해 이루어진다. 비판적 AI 활용 교육은 5가지 단계로 진행된다. 1단계: 혼란스러운 상황을 전제로 제시한다. 2단계: 명확한 가이드 없이 AI를 사용하게 하여 스스로 어려움을 인지하게 한다. 구체적인 목표와 기준이 주어질 때 AI의 부족함을 더 잘 파악할 수 있다. 3단계: 문제 해결을 위한 학습 방법과 해소 전략을 제공한다. 4단계: 학습한 내용을 바탕으로 직접 프롬프트를 작성하고, 비판적인 결과물을 받아보는 경험을 한다. 5단계: 성공적인 경험을 바탕으로 조직의 표준 프롬프트를 만들고, 개인과 조직 차원의 평가 기준을 수립한다.
데이터 기반 성과 측정과 평가의 중요성 AI 도입 및 교육의 효과를 입증하고 지속적인 개선을 위해서는, 막연한 기대가 아닌 데이터에 기반한 구체적인 성과 측정이 필수적이다. 옥스퍼드, 사이언스, 맥킨지의 연구에 따르면, AI 사용 시 작은 KPI라도 설정하면 성과가 개선되는 선순환이 일어난다. AI의 효용성은 수치화를 통해 증명될 때 의미가 있으며, 이를 통해 실질적인 성과와의 구조적 격차를 인지하고 개선을 시작할 수 있다.
AI 역량 성과의 네 가지 측정 분류
AI 역량 평가는 단순히 사용 시간이나 접속 횟수가 아닌, 지식, 절차, 메타인지, 비즈니스 성과라는 다각적인 관점에서 종합적으로 이루어져야 한다.
"동네소년"
블로그(브런치) brunch.co.kr/@5more-seconds
페이스북 www.facebook.com/osong.villageboy
인스타그램 https://www.instagram.com/village_______boy/
유튜브 https://www.youtube.com/user/3young1
