AI가 점점 더 매끄럽고 편리해질수록, 우리의 창의성과 혁신을 이끄는 핵심적인 사고 과정을 대체할 위험이 커지고 있습니다. 진정한 경쟁 우위는 AI를 가장 많이 �ѫ��하는 기업이 아니라, AI왶� 함께 사고하도록 설계하는 기업에 있습니다.

글쓴이: 애니어스 스탠코스키(Aeneas Stankowski), 말리니 르베크(Malini Leveque)
번역: 클로드(Claude)

거대���어모델(������)은 유창함과 마찰 없는 상호작용에 최적화되어 있습니다. 즉각적이고 설득력 있게 응답하며, 강력한 지능이라는 착각을 만들어냅니다. 하지만 이러한 시스템이 유기적이 될수록, 전략적 사고를 뒷받침하는 바로 그 노력을 대체할 위험이 커집니다.

모든 노력이 비효율은 아닙니다. 어떤 노력은 필수적입니다. 모호함과 씨름하고, 가정을 검증하고, 장단점을 따져보고, 적절한 단어를 선택하는 순간들에서 창의성과 명확성이 나타납니다. 그 노력을 제거하면 남는 것은 분별력이 아니라 편의성입니다.

AI �ѫ��에서 조용한 변화가 일어나고 있습니다. 사려 깊은 의사결정이 자동화의 편리함과 교환되고 있습니다. LLM이 더욱 강력해지면서 세 가지 미묘하지만 심각한 위험을 초래합니다.

• 첫 번째는 그럴듯한 해결책의 함정입니다. 구체적으로 들리지만 일반적인 가정에 기반한 답변들로, 실제 의사결정에 필요한 깊이가 부족합니다.
• 두 번째는 인지적 위임의 딜레마입니다. AI가 저수준 업무왶� 고부가가치 업무를 모두 처리하면서, 더 이상 사용하지 않는다는 이유만으로 비판적 사고 능력이 퇴화할 수 있습니다.
• 세 번째는 성찰의 결핍입니다. 마찰 없는 인터페이스가 잠시 멈춤과 숙고의 순간들을 제거하여, 혁신과 건전한 판단을 뒷받침하는 깊은 사고를 약화시킵니다.

조직은 제한된 집중력과 판단력의 저장고에 의존합니다. AI가 반복적인 업무의 부담을 덜어줄 수 있지만, 만약 성찰을 대체한다면 혁신과 장기적 가치를 이끄는 사고를 공허하게 만들 위험이 있습니다.

정신적 작업의 숨은 경제

모든 조직은 인지적 노동의 스펙트럼을 관리합니다. 한쪽 끝에는 낮은 보상, 높은 노력의 업무들이 있습니다. 슬라이드 서식 맞추기, 송장 검토하기, 문법 확인하기, 회의록 정리하기, 또는 헬프데스크 플랫폼에서 지원 티켓에 태그 달기 등입니다. 이런 업무들은 정신적 대역폭을 소모하지만 전략적 추진력에는 거의 기여하지 않습니다. 운영에는 필요하지만, 목적상 변혁적이지 않습니다.

다른 한쪽 끝에는 조직을 끌어올리는 높은 보상, 높은 노력의 업무들이 있습니다. 제품 비전 수립하기, 경영진 워크숍에서 장단점 토론하기, 모순되는 사용자 피드백을 로드맵에 통합하기, 또는 차세대 리더들을 멘토링하기 등입니다. 이런 업무들은 인지적으로 힘들지만, 정렬, 혁신, 그리고 장기적 가치 창출을 이끄는 것들입니다.

“노력을 기울인 처리는 지속적인 ��습으로 이어집니다. 과정을 단축하면 깊이도 단축됩니다.” —다니엘 카너먼, 『생각에 관한 생각』

여기서 보이지 않는 경제는 바로 주의력이라는 제한된 통화입니다. AI가 이제 이 스펙트럼 전체에서 쉽게 작동할 수 있다는 점이 조용하지만 증가하는 위협을 만듭니다. 바로 지적 이탈입니다. AI가 일정 관리부터 전략 초안 작성까지 모든 것을 처리할 때, 인간의 인지는 천천히 원래 사상가에서 가끔씩 승인하는 자로 변화합니다.

문제는 시간이 지나면서 악화됩니다. 리더들은 모호함과 씨름하기를 멈춥니다. 팀들은 토론을 멈춥니다. 전략은 빈칸 채우기 연습이 됩니다. 결과가 정확하더라도 더 깊은 무언가가 사라집니다. 바로 인간의 대화왶� 마찰을 통해서만 나타나는 공유된 맥락입니다.

이 변화는 미묘하기 때문에 특히 위험합니다. 실패나 눈에 보이는 비효율성으로 자신을 드러내지 않습니다. 대신 그럴듯하지만 얄팍한 결과에 대한 과도한 의존을 통해 품질을 침식합니다. 전략은 스타일 가이드가 됩니다. 협업은 비동기 편집이 됩니다. 한때 공유된 이해를 구축했던 고보상, 고노력 작업이 분열되고 거래적이 됩니다.

잃어버리는 것은 단순히 정신적 엄격함이 아닙니다. 조직의 기억입니다. 사람들 사이에 살아있는 뉘앙스, 정렬을 이끄는 행간의 의미, 혁신으로 이어지는 창의적 긴장감 등. 이것들은 한번 사라지면 쉽게 포착하거나 재창조할 수 없습니다. AI가 의도적으로 이것들을 지우는 것은 아닙니다; 단지 점진적으로 이것들을 개발할 필요를 대체할 뿐입니다.

자동화의 사각지대

오늘날 AI 시스템은 콘텐츠를 생성하고, 감정을 요약하고, 다음 단계를 제안하고, 심지어 비전 선언문까지 초안을 작성합니다. 하지만 더 많은 결정이 기계에 의해 제안되면서, 팀들은 창조자에서 편집자로, 종합자에서 선택자로 변할 수 있습니다.

결과는? 전략 형성이 템플릿화됩니다. 판단이 반응적이 됩니다. 시간이 지나면서 팀들은 복잡성을 헤쳐나가는 것에서 오는 인지적 근육 기억을 잃습니다. 이는 새로운 분열을 만듭니다. 여전히 사고에 투자하는 팀들과 “수락”을 클릭하는 팀들 사이의 분열입니다.

이 변화의 장기적 비용은 단순히 혁신 감소가 아닙니다. 어려운 문제를 생각해낼 능력을 잃는 문화입니다. 복잡한 작업의 대부분이 AI에 의해 사전 처리될 때, 장단점을 따져볼 필요가 사라집니다. 사람들은 답이 맞는지 묻기를 멈추고, 맞아야 한다고 가정하기 시작합니다.

이는 단순히 인간의 문제가 아닙니다. 시스템의 문제입니다. 조직의 회복력은 모호함 속에서 추론하도록 실전을 통해 훈련된 사람들에게 달려 있습니다. 그렇게 하지 않는 비용은 단순히 낮은 성과가 아니라, 혼란의 순간에서의 취약성입니다.

전략적 마찰을 위한 설계

좋은 UX는 오랫동안 속도를 성공과 동일시해왔습니다. 하지만 디자인 이론은 우리에게 상기시켜줍니다. 모든 마찰이 나쁜 것은 아닙니다. 행동 디자인의 선구자인 돈 노먼(Don Norman)은 진행을 방해하는 방해적 마찰과 성찰을 장려하는 생산적 마찰 사이의 핵심적인 구분을 했습니다. 이 통찰은 지능형 시스템을 설계할 때 중요합니다.

생산적 마찰은 결정하기 전에 잠시 멈출 공간을 만듭니다. 고위험 결정에서 그 순간은 정렬과 오류 사이의 차이가 될 수 있습니다. 디지털 플랫폼들은 수�Ƅ간 마찰 없는 흐름을 위해 최적화해왔습니다—클릭 줄이기, 양식 단순화하기, 피드 큐레이션하기. 하지만 이 편의성은 종종 비용을 수반합니다: 행위자성 감소, 얕은 사고, 놓친 뉘앙스. 같은 패턴이 이제 AI 시스템에서도 나타납니다.

세 가지 원칙이 더 의도적인 AI 설계를 안내할 수 있습니다:

• 중요한 곳에서의 마찰: 가치, 장단점, 또는 위험이 관련된 순간에는 신중한 사고를 장려하는 프롬프트를 사용��세요.
• 인지적 계약 명확화: 어떤 업무가 기계를 위한 것이고 어떤 업무가 인간의 감독을 필요로 하는지 명확하게 신호를 보내세요.
• 위임의 비용 보여주기: 기계적 사고의 범위를 투명하게 만드세요. 사용자들이 해결된 것뿐만 아니라 건너뛴 것도 볼 수 있게 ��세요.

“디자인에서 마찰은 적이 아닙니다. 사려 없는 마찰이 적입니다. 올바른 종류의 마찰은 사용자를 더 똑똑하게 만들고 시스템을 더 안전하게 만듭니다.” —자레드 스풀(Jared Spool)

일부 LLM들은 이제 성찰적 프롬프팅을 사용합니다. 답변을 생성하기 전에 명확화 질문을 묻는 것입니다. 이런 넛지들은 속도 저하가 아닙니다. 인간의 통찰을 루프에 유지하는 디자인 특징입니다.

디자이너들은 전략적 정렬이 가장 중요한 워크플로우에 의도적 지연의 순간들을 통합함으로써 이 노력을 더욱 발전시킬 수 있습니다. 이는 협업 체크포인트, 강제 설명 프롬프트, 또는 사용자들에게 생각할 시간과 가정을 도전할 공간을 주는 구조화된 검토 단계를 포함할 수 있습니다. 잘 수행되면 이것은 작업을 늦추지 않습니다. 개선합니다. 공유된 소유권과 더 깊은 명확성을 구축합니다. 성찰하도록 훈련된 팀들은 더 잘 생각하고, 가장 중요할 때 더 빠르게 정렬됩니다.

유기적 AI의 진짜 비용

미래는 가장 많은 AI를 배치하는 사람들이 아니라, AI가 우리를 위해서가 아니라 우리왶� 함께 생각하도록 설계하는 사람들이 승리할 것입니다. 이는 다음과 같은 더 나은 질문들을 묻는 것에서 시작됩니다:

• 어떤 인지적 업무들이 완전한 자동화에서 진정으로 이익을 얻는가? 그리고 어떤 것들이 신뢰왶� 통찰을 보존하기 위해 인간의 판단을 필요로 하는가?
• 전략적 가치를 이끄는 사고가 조용히 침식되기 전에 이를 보호하기 위해 우리의 시스템과 워크플로우에서 무엇이 변해야 하는가?
• 어떻게 깊이를 희생하지 않고 속도를 제공할 수 있는가?

진짜 위험은 단순히 AI에 대한 과도한 의존이 아닙니다. 너무 늦을 때까지 우리가 무엇을 잃었는지 깨닫지 못한 채 조용히 우리의 지능을 아웃소싱하는 것입니다. 그것이 매끄러운 AI의 숨겨진 비용입니다.

• 원문: , , Forbes.com

The post 지능의 아웃소싱: 유기적 AI의 숨은 비용 appeared first on �鶹ԭ�� Korea 뉴스센터.

AI는 디자이너를 대체하는 대신 디자이너의 역할을 재정의하고 있으며, AI를 도구로 활용하면서도 비판적 사고왶� 인문학적 소양을 바탕으로 AI의 방향을 이끌어가는 디자이너가 성공합니다. �鶹ԭ��의 AI 경험 담당 부사장의 통찰을 확인��세요.

글쓴이: 제니퍼 오(Jennifer Aue), 번역: 클로드(Claude)

이 엄청난 속도로 계속 발전하면서, 제품뿐만 아니라 이를 만드는 사람들의 역할 자체를 재편하고 있습니다. �鶹ԭ��의 AI 경험 담당 부사장 제니퍼 오(Jennifer Aue)가 AI가 개인의 기술부터 기업 전체 전략에 이르기까지 모든 차원에서 디자인을 어떻게 변화시키고 있는지에 대한 솔직한 생각을 공유합니다.

AI라는 새로운 디자인 파트너

AI는 모든 디자인 역할에서 편재하게 될 것입니다. 문제는 언제가 아니라, AI가 디자이너들의 일상적인 워크플로우에 얼마나 깊이 스며들 것인가입니다. 중요한 것은 우리 사고의 질과 속도, 즉 우리가 얼마나 빠르게 연구하고, 프로토타이핑하고, 결과물을 내놓느냐입니다. 이제 디자이너들은 단순한 직감이 아닌 데이터왶� 연구를 바탕으로 자신의 관점을 정립해야 합니다. AI는 이러한 사이클을 가속화하는 데 도움이 되지만, 동시에 기준을 높이기도 합니다.

분절된 기능에서 전체적인 여정으로

2024�Ƅ까지 �鶹ԭ��의 초기 AI 진출은 맞춤형 AI 모델과 독립형 기능을 구축하는 것이었습니다. 하지만 회사는 이후 초점을 전환했습니다. 이제 우리는 20개 이상의 거대���어모델(������)을 통합하고 있습니다. 이들은 단순한 멋진 챗봇이 아닙니다. 글로벌 협업을 가능하게 하고, 규제의 복잡성에 적응하며, 규모에 맞는 대화형 인사이트를 제공하는 도구들입니다.

이러한 전환을 통해 �鶹ԭ�� 팀들은 여정 우선(journey-first) 관점에서 디자인할 수 있게 되었습니다. 제품 전반에 AI 기능을 뿌리는 것이 아니라, 수백 개의 엔터프라이즈 애플리케이션에 걸쳐 지능적이고 일관된 UX를 구현하는 것이 목표입니다. 우리는 고립된 사용 사례에서 AI로 전체 사용자 여정을 풍부하게 만드는 방향으로 나아가고 있습니다. 그 결과는 더 나은 맥락, 더 나은 결과, 그리고 AI 지원 시스템에 대한 더 많은 신뢰입니다.

AI가 대체할 수 없는 것?

AI의 힘이 계속 커지고 있음에도 불구하고, 비판적 사고는 여전히 대체할 수 없습니다. AI는 방대한 양의 데이터를 처리할 수 있지만, 인간이 할 수 있는 방식으로 문화적, 윤리적, 전략적 함의를 해석할 수는 없습니다. 미래에 뛰어날 디자이너는 AI를 단순히 사용하는 것이 아니라 질문하고, 종합하고, AI의 방향을 이끌어가는 사람들일 것입니다.

AI 네이티브 되기

그렇다면 디자이너들은 이 새로운 환경에서 어떻게 자신을 재포지셔닝할 수 있을까요? AI를 사용��세요. 가지고 놀아보세요. 만들어보세요. 이는 프롬프트를 넘어서는 것을 의미합니다. 크리에이터가 되세요. 디자인을 실험해보세요. 대화왶� 트랜잭션 사이에 존재하는 UX를 깊이 탐구해보세요. 더 많이 탐구할수록 더 많은 아이디어를 생성하게 될 것이고, 더욱 고유하고 가치 있는 존재가 될 것입니다.

다음 세대를 위한 조언

초기 경력 디자이너들은 철학, 미술사, 미래주의 문학에 집중해야 합니다. 이러한 학문들은 현재 순간을 넘어 인간 임팩트의 긴 호를 생각하도록 마음을 훈련시킵니다. 읽고, 보고, 듣고, 그리고 가장 중요하게는 향후 300�Ƅ간 AI가 우리에게 어떻게 봉사해야 하는지에 대한 자신만의 관점을 형성��세요.

�鶹ԭ��왶� 그 너머에서, AI는 디자이너를 대체하는 것이 아니라 디자이너의 존재왶� 역할에 대한 의미를 재정의하고 있습니다. 기회는 무궁무진하지만, 이는 호기심과 용기, 그리고 자동화를 넘어선 무언가에 대한 비전, 즉 의미 있고 책임감 있는 진보에 대한 비전을 요구합니다.

• 원문: ,

The post AI가 우선시 되는 미래를 위한 디자인 appeared first on �鶹ԭ�� Korea 뉴스센터.

에서 �鶹ԭ��는 AI, 클라우드, 고객 중심 솔루션을 통해 �ѫ��니스 소프트웨어의 미래를 선도하는 다양한 혁신을 발표했습니다. 확장성 강화, AI 활용 확대, �鶹ԭ�� Knowledge Graph왶� 데이터 분석 강화 등 지금 바로 확인��세요.

번역: 챗G�ʰ�(ChatGPT)

고도로 구성 가능하고 확장성 있는 소프트웨어

오늘 우리는 AI, 클라우드, 고객 중심 솔루션의 힘을 통해 �鶹ԭ��가 �ѫ��니스 소프트웨어의 미래를 어떻게 선도하는지 보여주는 획기적인 혁신을 소개하고자 합니다.

첫째, 우리의 소프트웨어는 여러분의 독특한 요구를 충족할 수 있도록 고도로 구성 가능하고 확장 가능해야 합니다.

둘째, 전체 솔루션 포트폴리오에 걸쳐 유기적인 스위트(제품군) 같은 통합된 경험을 제공하고자 합니다. �鶹ԭ��의 혁신은 독립적인 것이 아니라, 제품 포트폴리오 전반에 깊이 내재되어 있습니다.

�鶹ԭ��의 생성 AI왶� 거대언어모델

이미지에서 텍스트에 이르기까지, 또 소프트웨어 개발까지 가능성을 넓혀가는 생성형 AI왶� 거대���어모델(������)은 혁신의 최전선에 있습니다. 개발자들에게는 매우 흥미로운 시기입니다.

저는 �鶹ԭ�� �ѫ��니스 기술 플랫폼(�鶹ԭ�� BTP)의 최고 제품 책임자로서 고객들과 자주 대화를 나누며 고객 여러분의 도전과 기회, 그리고 기술이 어떻게 고객의 요구를 충족할 수 있을지 논의합니다. �鶹ԭ�� BTP는 이러한 과제를 해결할 수 있도록 돕는 플랫폼입니다.

�鶹ԭ�� Build왶� AI 통합

오늘 저는 최신 �鶹ԭ�� 빌드 릴리스에 ABAP 클라우드가 포함되었음을 발표하게 되어 기쁩니다. �鶹ԭ�� 빌드는 이제 모든 확장 솔루션의 중심이 됩니다. 우리는 �鶹ԭ�� S/4HANA에서 확장을 손쉽게 할 수 있는 �鶹ԭ�� 빌드 확장성 마법사(�鶹ԭ�� Build Extensibility Wizard)를 �ѫ��했습니다.

�鶹ԭ�� 빌드에 Joule이 통합되면서 개발자의 생산성이 향상되었고, 새로운 기능 덕분에 �鶹ԭ�� 지식을 바로 활용할 수 있습니다.

AI 기반 �ѫ��니스 통찰력과 자동화

BTP의 AI 파운데이션을 통해 일상 업무에 AI를 통합하여 �鶹ԭ�� 데이터왶� 프로세스를 최대한 활용할 수 있습니다.

여러분은 주요 사업자의 파운데이션 모델을 하나의 통합된 법적, 상업적 프레임워크에서 사용할 수 있는 생성형 AI 허브를 통해 다양한 선택지를 갖게 됩니다.

또한 은 전문 AI 에이전트를 통해 자율적으로 복잡한 문제를 해결할 수 있도록 합니다.

�鶹ԭ�� HANA 클라우드 지식 그래프 엔진은 HANA 클라우드 벡터 엔진을 보완하여 문맥 기반의 결정을 내릴 수 있도록 돕습니다.

�鶹ԭ�� 빌드는 이제 HANA 클라우드의 생성형 AI 툴킷을 포함하여 일반적인 데이터 분석 작업을 수행하고 복잡한 머신러닝 작업을 처리할 수 있게 합니다.

의 Compass는 복잡한 리스크 시나리오 모델링을 지원하며, �鶹ԭ�� Datasphere에 새롭게 내장된 데이터 레이크 기능을 통해 �ѫ��니스 데이터 패브릭을 쉽게 구현할 수 있습니다.

우리는 또한 �鶹ԭ�� 통합 제품군에 AI 생성 추천 기능을 추가하고, GROW with �鶹ԭ�� 고객을 위한 �鶹ԭ�� SuccessFactors의 새 라이선스를 제공하는 스타터 에디션을 �ѫ��했습니다.

새로운 솔루션 영역인 는 지속적인 �ѫ��니스 변화를 지원합니다.

개발자를 위한 새로운 기능과 도구

다음 단계에서는 �鶹ԭ��의 제품 엔지니어링 팀이 이러한 비전을 어떻게 실현하는지 보여드리겠습니다. �鶹ԭ�� 에코시스템에 원활하게 통합되는 도구왶� 글로벌 �ѫ��니스 애플리케이션 확장, 그리고 무리 없이 AI를 활용할 수 있도록 지원합니다.

연말까지 �鶹ԭ��의 가장 많이 사용되는 워크플로우 중 80%가 Joule에 통합될 예정입니다. 기본으로 제공되는 콘텐츠가 많지만, 이는 충분하지 않습니다.

따라서 우리는 �鶹ԭ�� 빌드의 Joule Studio를 소개하게 되어 기쁩니다. Joule Studio는 다양한 애플리케이션에 Joule의 지능과 기능을 강화할 수 있도록 해줍니다. 이제 Joule Studio를 사용해 새로운 맞춤형 기능을 설계할 수 있습니다.

�鶹ԭ�� TechEd에서 새로운 생성 AI 허브 개발 기능도 발표되었습니다. 오케스트레이션 서비스, 데이터 마스킹 및 콘텐츠 필터링 기능, 프롬프트 템플릿, 프롬프트 관리 기능 등으로 나만의 개발 프로젝트를 위한 강력한 기능을 제공합니다.

메���(Meta)왶� 미스트랄(Mistral)의 새로운 모델, Java, JavaScript 및 ABAP SDK가 제공됩니다.

저는 또한 �鶹ԭ�� HANA 클라우드 지식 그래프 엔진과 함께 �鶹ԭ�� Knowledge Graph를 발표하게 되어 매우 기쁩니다. 이를 통해 개발자는 �鶹ԭ��의 전체 의미 모델에 거대언어모델을 접목하여 새로운 차원의 �ѫ��니스 애플리케이션을 개발할 수 있습니다.

�鶹ԭ�� Knowledge Graph에는 45만 개 이상의 ABAP 테이블, 8만 개의 CDS 뷰 및 700만 개 이상의 속성과 필드가 포함되어 있습니다. 이는 자연어왶� �鶹ԭ��의 구조적 메���데이터 모델을 연결하는 중요한 역할을 합니다.

�鶹ԭ��는 기술이 복잡함을 가중시키기보다는 단순하게 하고, 혼란 대신 명확함을 제공해야 한다고 믿습니다. 우리는 여러분의 �ѫ��니스 목표를 중심에 두고, 가능성의 한계를 끊임없이 확장하고 있습니다.

Click the button below to load the content from YouTube.

Always allow YouTube

The post �鶹ԭ�� TechEd 기조연설 하이라이트: �鶹ԭ��의 혁신적 변화 appeared first on �鶹ԭ�� Korea 뉴스센터.

• �鶹ԭ�� 엔터프라이즈 클라우드 포트폴리오 전반에 �ѫ��니스 AI �ѫ��… “고객이 최고의 성과 내도록 지원“
• 구글 클라우드, 메���, 마이크로소프트, 미스트랄 AI, 엔비디아 등 파트너사 협업 통해 �鶹ԭ�� �ѫ��니스 AI 혁신과 창의성 점화

2024�Ƅ 6월 5일, 섵Ӛ� – �鶹ԭ��가 4일(현지시간) 미국 플로리다 올랜도에서 �鶹ԭ��의 연례 컨퍼런스 ‘ ‘행사를 개최했다. 이번 행사에서 AI 시대에 �ѫ��니스를 한 단계 더 발전시키는 방법을 보여주는 혁신적인 AI 혁신과 파트너십을 공개했다. �鶹ԭ��는 세계에서 가장 미션 크리티컬한 프로세스를 지원하는 엔터프라이즈 클라우드 포트폴리오에 를 �ѫ��하고 AI의 한계를 뛰어넘는 기업들과 협력함으로써 글로벌 �ѫ��니스에 새로운 인사이트왶� 독창성을 불어넣고 있다.

크리스찬 클라인(Christian Klein) �鶹ԭ�� CEO 및 이사회 임원은 “사파이어 2024에서 발표한 혁신적인 �ѫ��니스 AI가 업무 방식 전반에 변화를 가져올 것“이라며 “�鶹ԭ��는 빠르게 변화하는 �ѫ��니스 환경에서 고객이 민첩함과 독창성을 발휘할 수 있도록 실제 성과에 기여하는 혁신 기술을 제공하겠다“고 말했다.

�ѫ��니스를 위한 AI

�鶹ԭ��는 엔터프라이즈 솔루션 전반에 �ѫ��니스 AI를 탑재해 사용자에게 풍부한 인사이트를 제공함으로써 더 나은 결과를 제공하고 인간이 가장 잘 할 수 있는 창의적인 문제 해결력을 높일 수 있도록 지원한다. ▲보상 추천 기능으로 인사 관리자를 지원하는 �鶹ԭ�� 석세스팩터스(�鶹ԭ�� SuccessFactors)의 AI 생성 보고서 ▲판매가 가장 높을 것으로 예측되는 영업사원과 제품의 조합을 예측하는 �鶹ԭ�� 세일즈 클라우드(�鶹ԭ�� Sales Cloud)의 예측 기능 등이 바로 대표적인 사례로 꼽힌다.

��편, 은 아마존웹서비스(AWS), 메���(Meta) 및 미스트랄 AI(Mistral AI)의 대규모 언어 모델을 ‘생성 AI 허브(Generative AI Hub)’에 추가하고 있다. AI 코어(�鶹ԭ�� AI Core)의 이 기능을 통해 �鶹ԭ�� 애플리케이션용 생성 AI 적용 사례를 더 쉽게 구축할 수 있다.

�鶹ԭ��의 자연어 생성 AI 코파일럿 솔루션 ‘쥴(���dzܱ���)‘도 �鶹ԭ��솔루션 포트폴리오 전반으로 확장하고 있다. 쥴은 여러 시스템의 데이터를 신속하게 정렬하고 맥락화하여 스마트한 통찰력을 제공하는 생성 AI다. 지난해 가을 �鶹ԭ�� 석세스팩터스 솔루션에 �ѫ��되었으며, 현재 �鶹ԭ�� S/4HANA 클라우드 솔루션과 �鶹ԭ�� 빌드, �鶹ԭ�� 통합 스위트(�鶹ԭ�� Integration Suite) 등에도 내장돼 있다. 오는 연말까지 �鶹ԭ�� 아리바(�鶹ԭ�� Ariba)왶� �鶹ԭ�� 분석 클라우드(�鶹ԭ�� Analytics Cloud) 솔루션에도 적용될 예정이다.

또한 �鶹ԭ��는 더욱 풍부한 인사이트를 제공하고자 쥴을 마이크로소프트 365의 코파일럿(Copilot)과 통합해 쥴의 활용 범위를 확장할 계획도 발표했다. 이 심층적인 양방향 통합은 사용자에게 워크플로에 내장된 통합 환경을 제공하고, �鶹ԭ�� 왶� 마이크로소프트 365의 �ѫ��니스 애플리케이션이 상호작용하면서 사용자가 정보에 원활하게 접근할 수 있게 해준다.

�ѫ��니스 AI의 중요성이 높아지고 있는 만큼, �鶹ԭ��는 이번 행사에서 신뢰할 수 있는 AI에 대한 원칙도 강조했다. 사파이어 2024 현장에서 유네스코 인공짶ĵ� 윤리 권고안의 10가지 기본 원칙을 채택한 것이다. 이 원칙들은 AI 기술이 인권을 존중하며 공정성과 지속가능한 발전에 기여하는 방식으로 개발되고 사용되어야 한다는 내용을 담고 있다.

Click the button below to load the content from YouTube.

Always allow YouTube

혁신을 확장하는 파트너십

�鶹ԭ��는 업계 최고의 기술 리더들과 파트너십을 맺고 생성 AI가 엔터프라이즈 수준에서 구현할 수 있는 한계를 뛰어넘기 위해 노력하고 있다. AWS및 마이크로소프트왶�의 협력 확대왶� 더불어 구글 클라우드(Google Cloud), 메���, 미스트랄 AI, 엔비디아(NVIDIA)왶�의 파트너십을 통해 �鶹ԭ��는 AI 지원 기술의 힘을 활용하여 빠른 속도로 혁신하고 더욱 풍부한 실제 결과를 제공할 수 있다.

구글 클라우드

�鶹ԭ��왶� 구글 클라우드는 파트너십을 확대하여 �ѫ��니스 AI를 통해 기업이 공급망 리스크를 더 잘 예측하고 완화하여 운영 중단을 최소화하고 최적의 재고 수준을 유지할 수 있도록 지원한다. 양사는 쥴 및 에 구글 클라우드의 제미나이(Gemini) 모델 AI 어시스턴트 및 구글 클라우드 코텍스(Google Cloud Cortex) 프레임워크의 데이터 기반을 통합할 예정이다.

메���

�鶹ԭ��는 메���의 라마 3(Llama 3)를 활용해 에서 고도로 맞춤화된 분석 애플리케이션을 렌더링하는 스크립트를 생성할 예정이다. 메���의 차세대 AI 모델은 언어의 뉘앙스왶� 문맥 이해에 탁월하여 기업의 �ѫ��니스 요구 사항을 가시적인 성과로 전환하는 데 이상적이다.

미스트랄 AI

�鶹ԭ��는 미스트랄 AI의 새로운 거대���어모델(������)도�鶹ԭ�� AI 코어의 생성 AI 허브에 추가할 예정이다. 미스트랄 AI는 생성 AI에 특화된 글로벌 회사로 프랑스 파리에 본사를 두고 있다.

엔비디아

�鶹ԭ��왶� 엔비디아는 엔터프라이즈급 �ѫ��니스 애플리케이션에 최첨단 기술을 탑재하기 위해 을 강화한다.

• �鶹ԭ��가 쥴을 구현을 위한 AI 비서 역할을 하도록 훈련시키면, 엔비디아의 최첨단 AI 모델이 �鶹ԭ�� 컨설팅 자산을 선별하여 구현 관련 질문에 대한 관련성 있고 정확한 답변을 제공
• �鶹ԭ��가 ABAP 클라우드 모델에 쥴을 내장하여 �鶹ԭ�� 개발자를 위한 ABAP 코드를 생성하면, 엔비디아의 가속화된 인프라는 ABAP 코드 생성을 위한 �鶹ԭ��의 생성 AI 모델을 실행, 확장 및 관리
• �鶹ԭ��가 �鶹ԭ�� 인텔리전트 제품 추천 솔루션에 생성 AI를 �ѫ��함에 따라, 엔비디아 옴니버스 클라우드 API(NVIDIA Omniverse Cloud API)는 복잡한 제조 제품 및 구성을 산업용 디지털 트윈으로 시뮬레이션 할 수 있도록 지원한다.

민첩성 및 지속 가능성을 높이는 클라우드 기술

AI 시대의 �ѫ��니스 성공은 클라우드에 달렸다고 해도 과언이 아니다. �鶹ԭ��는 고객이 복잡한 �鶹ԭ�� S/4HANA 클라우드 전환에 필요한 전문가를 쉽게 찾을 수 있도록 지원하는 이니셔티브를 통해 그 어느 때보다 쉽게 전환할 수 있도록 지원하고 있다. 아울러 사파이어 현장에서는 전 세계 조직이 지속가능성 전략을 측정, 관리, 실행할 수 있도록 지원하는 클라우드 혁신 기능도 다뤘다. �鶹ԭ��의 왶� 솔루션은 탄소 배출량을 추적하며 기업들이 규제 기준을 충족할 수 있도록 지원한다.

# # #

�鶹ԭ��에 댶���

�鶹ԭ��(NYSE:�鶹ԭ��)는 기업용 애플리케이션과 분야의 선도기업으로 �ѫ��니스왶� 기술을 연결하고 있다. 지난 50�Ƅ 동안 기업들은 기업 성과를 극대화하기 위해 재무, 구매, 인사, 공급망, 고객 경험 등 핵심 �ѫ��니스 영역을 통합함으로써 �鶹ԭ��에 대한 신뢰를 지속해 오고 있다. 보다 자세한 정보는 에서 확인할 수 있다.

The post 연례 컨퍼런스 ‘�鶹ԭ�� 사파이어 2024’에서 새로운 �ѫ��니스 AI 기능 대거 발표 appeared first on �鶹ԭ�� Korea 뉴스센터.

2024�Ƅ 3월 7일, 섵Ӛ� – �鶹ԭ��가 AI 시대에 고객이 데이터의 모든 역량을 활용해 더 깊은 인사이트를 확보하고, 더 빠르게 성장하며, 효율성을 높일 수 있도록 지원하는 데이터 혁신을 발표했다. 새로운 등 솔루션의 새로운 기능은 간소화된 데이터 환경과 더욱 직관적인 데이터 상호작용을 통해 전사적 관리를 혁신한다.

위르겐 뮐러(Juergen Mueller) �鶹ԭ�� 최고기술책임자(CTO) 겸 이사회 임원은 “양질의 데이터에 의존하는 AI가 �ѫ��니스의 모든 측면을 혁신함에 따라 더 나은 결정을 내리기 위한 데이터 확보는 기업 기술의 필수 요소로 점점 더 중요해지고 있다”며 “최신 �鶹ԭ�� 데이터스피어 혁신과 콜리브라(Collibra)왶�의 파트너십 확대는 고객이 데이터를 통해 을 추진할 수 있도록 지원하는 비약적인 도약을 보여준다”고 말했다.

이번 발표의 핵심은 데이터를 단순한 자산이 아닌 모든 전략적 이니셔티브의 핵심으로 가져오는 �ѫ��니스 데이터 패브릭이다. 오늘 발표한 혁신과 파트너십을 통해 조직은 �ѫ��니스 컨텍스트왶� 로직을 그대로 유지하면서 모든 데이터 사용자에게 의미 있는 데이터를 제공할 수 있다.

아킴 웰터(Achim Welter) 허쉬(Hershey’s)사의 ERP, 디지털 및 IT 전략 부문 시니어 디렉터는 “허쉬는 환경과 함께 최신 �ѫ��니스 데이터 패브릭 아키텍처를 위해 �鶹ԭ�� 데이터스피어를 활용하기로 결정했다. 이를 통해 신뢰할 수 있는 데이터왶� 데이터 모델을 기반으로 �ѫ��니스 셀프 서비스 기능을 지원하는 현대적인 데이터 분석 플랫폼을 효과적으로 구축할 수 있게 됐다”고 말했다.

오늘날의 �鶹ԭ�� 데이터스피어 혁신은 고객이 컨텍스트왶� 로직을 유지하면서 데이터 환경을 단순화하는 통합 데이터 뷰를 지원해 시장 변화에 더 빠르게 적응하고 보다 효율적인 결정을 내릴 수 있도록 돕는다. 생성 AI 결과물의 �ѫ��니스 컨텍스트를 일정하게 유지하는 새로운 코파일럿 및 벡터 데이터베이스 기능부터 복잡한 데이터에서 인사이트왶� 패턴 도출을 돕는 새로운 지식 그래프까지, �鶹ԭ��의 데이터 혁신은 고객이 손끝에서 데이터의 모든 기능을 활용할 수 있도록 지원한다.

생성형 AI 코파일럿 및 AI 거버넌스

�鶹ԭ�� 생성 AI 비서��이 왶� 통합돼 보고서, 대시보드, 계획 등의 제작 및 개발을 자동화한다. 이는 ��벡터 기능을 통해 구현된다. 벡터 기능은 대규모 언어 모델의 성능과 조직의 모든 관련 데이터를 결합해 생성 AI 결과물에 대한 �ѫ��니스 컨텍스트가 불변수로 유지되도록 지원한다.

신뢰할 수 있고 관리되는 데이터 없이는 �ѫ��니스 전반에 걸쳐 생성 AI를 통합할 수 없다. �鶹ԭ��는 조직에 AI 정책, 프로세스, 관행을 관리할 솔루션을 제공하기 위해 콜리브라왶� 파트너십을 확대해 콜리브라의 AI 거버넌스 플랫폼을 �鶹ԭ�� 데이터 자산과 통합한다고 발표했다. 이는 조직에 투명성과 책임성을 제공하고 규제, 컴플라이언스, 개인정보 보호 정책 준수를 돕는다.

지식 그래프로 숨겨진 인사이트왶� 패턴 도출

새로운 �鶹ԭ�� 데이터스피어 지식 그래프를 통해 조직은 애플리케이션과 시스템 전반에서 숨겨진 인사이트왶� 패턴을 도출할 수 있다. 이를 통해 기술 및 �ѫ��니스 사용자는 데이터, 메���데이터, �ѫ��니스 프로세스 간의 관계를 심층적으로 이해할 수 있고, 머신러닝 및 LLM 모델의 효율성을 높일 수 있다.

통합된 고급 계획 및 분석

새로운 �鶹ԭ�� 데이터스피어왶� �鶹ԭ�� 분석 클라우드의 통합은 단일 데이터 관리 시스템과 고급 분석을 통해 조직 간 계획 수립을 강화한다. 계획 수립 담당자는 데이터 준비, 모델링, 계획 수립을 위한 하나의 도구를 사용하는 유연한 단일 모델을 활용하여 계획 간의 사일로(정보 단절)를 해소할 수 있다.

또한 �鶹ԭ�� 분석 클라우드의 새로운 나침반 기능은 �ѫ��니스 사용자가 데이터 기반 시뮬레이션을 통해 계획 및 분석에서 더 나은 결과를 실현할 수 있도록 지원한다. 이 기능을 통해 조직은 채팅 인터페이스를 통해 복잡한 시뮬레이션을 실행하여 예측 결과를 평가하고, 제어 가능한 변수를 지속적으로 조정하여 최적의 계획을 찾을 수 있다.

이는 고객이 재무, 운영, 공급망 및 인력 계획을 통합하고 �鶹ԭ�� 애플리케이션 및 타사 데이터에 대한 기본 연결을 통해 계획을 혁신하도록 지원한다.

보다 자세한 정보는 블로그 링크에서 확인할 수 있다.

# # #

�鶹ԭ��에 댶���

�鶹ԭ��의 전략은 모든 기업이��으로 운영될 수 있도록 지원하는 것이다. �鶹ԭ��는 기업용 애플리케이션 소프트웨어 시장의 선두주자로서 규모왶� 업종에 관계 없이 모든 기업이 최고로 운영될 수 있도록 지원하고 있다. 전 세계 거래의 87%가 �鶹ԭ��^®��시스템을 통해 처리된다. �鶹ԭ��의��,��, 고급����기술은 고객의 �ѫ��니스를 지능형 기업으로 전환하도록 지원한다.

�鶹ԭ��는 사람과 조직에 깊은 �ѫ��니스 인사이트를 제공하고 경쟁 우위를 유지하도록 지원하는 협업을 촉진한다. �鶹ԭ��는 기업이 소프트웨어를 중단 없이 원하는 방식으로 사용할 수 있도록 기술을 단순화한다. �鶹ԭ��의 엔드투엔드 애플리케이션 및 서비스 제품군을 통해 전 세계 25개 업종의 기업 및 공공 고객이 수익성 있게 운영하고, 지속적으로 바뀌는 상황에 적응하며, 변화를 이끌어내고 있다.

�鶹ԭ��는 고객, 파트너, 직원 및 업계 선구자로 구성된 글로벌 네트워크를 통해 세계가 더 잘 운영되고 사람들의 삶을 개선할 수 있도록 지원한다. 보다 자세한 정보는��에서 확인할 수 있다.

The post �鶹ԭ��, AI 시대의 고객 성공 지원하는 데이터 기반 �ѫ��니스 혁신 발표 appeared first on �鶹ԭ�� Korea 뉴스센터.

챗G�ʰ� 덕분에 미래를 변화시킬 핵심 기술로 평가 받는 AI는 새로운 가능성을 열고 디지털 이니셔티브의 효율성을 개선해 을 주도하는 데 있어 중요한 역할을 합니다. 월간 인사이트에서 AI 트랜스포메이션으로 디지털 혁신을 촉진하고 �ѫ��니스를 개선할 방안을 확인��세요.

글쓴이: 오지연(Jiyeon Oh), 박범순(Adam Park)

이미 우리 곁에 왶� 있는 미래

안전한 핫윙을 만드는 품질 예지관리

초연결시대로 대변되는 인더스트리 4.0 시대에는 넘쳐나는 데이터를 활용해 통찰을 얻는 기업이 앞서갑니다. 이 각광 받는 이유도 여기에 있죠. 정보기술(IT)과 운영기술(OT) 데이터를 디지털 제조 관리 클라우드 상에 모아 훈련을 시키면 보다 빨리 의미 있는 기계 ��습과 패턴 파악을 통한 이해가 가능합니다.

실제로 핫윙을 만드는 회사에서 약 50장 가량의 닭 날개 사진과 핫윙 제품 사진을 이용해 품질 불량 유형을 ��습 시켰습니다. 그 후 생산 현장에 투입해 기존에 육안 검사로 진행하던 품질 관리를 머신 비전과 머신러닝을 활용해 개선한 사례입니다. 닭 날개 크기왶� 색상, 관절과 절단면 주변에 노출된 혈관 등을 측정해 ��습하고 불량이 발생할 지를 예측하는 품질 예지관리가 가능해진 것이죠.

채용 담당자의 생산성을 높이는 생성 AI

의 새로운 생성 AI 기능을 통해 채용 관리자는 각 역할의 원하는 직무기술과 속성을 포착하는 강력하고 정확한 직무 기술서를 작성할 수 있습니다. 마이크로소프트 365 코파일럿(Microsoft 365 Copilot)과의 통합으로 내용을 더욱 정교하게 조정한 후에 석세스팩터스 소프트웨어에 신속하게 게시할 수 있습니다.

석세스팩터스 솔루션의 생성 AI 기능은 또한 특정 직무 설명과 후보자의 이력서에 맞는 인터뷰 질문을 생성해 포용적인 언어 사용을 보장하는 데 도움을 줍니다. 이러한 �ѫ��니스 AI 기능의 결합 효과는 채용 관리자의 소중한 시간을 절약하고 인터뷰 품질을 향상시켜 채용 프로세스의 효과를 극대화합니다.

균형 잡힌 데이터로 성장하는 AI

성장기에 아이가 편식을 하면 건강하게 자라기 어렵습니다. 인공짶ĵ�도 마찬가지죠. 머신러닝을 통해 세상을 배워가는 인공짶ĵ� 입장에서는 디지털 데이터가 바로 아이가 먹는 밥이나 반찬과 같습니다. 처음 세상에 나왶� 세상을 배우고 그 안의 다양한 사람과 사물을 알아가는 인공짶ĵ� 아이에게 균형 잡힌 식단을 제공해야 최대한 편견 없이 세상을 바라보게 되겠죠?

인공짶ĵ� ��습을 위한 데이터 전처리는 필수

디지털 혁신을 위해서는 데이터를 결합하고 처리하는 과정이 자연스럽게 모든 면에서 가능해야 합니다. 데이터 분석을 기반으로 한 AI 모델은 데이터 소스에서 데이터 추출 및 분류, 데이터 정제, 분석 모델 저장, 모델 개발, 운영 환경 적용 등의 과정을 거칩니다.

그런데 대부분의 데이터는 각 시스템 사일로에 분산 저장된 채로 관리합니다. 그래서 �ѫ��니스 트랜잭션의 중심이 되는 ERP 시스템 내의 트랜잭션 데이터를 기준으로 주변의 사일로에 각기 다른 형태로 분산되어 있는 데이터를 분석에 필요한 데이터 세트의 구조로 연결하는 작업이 필요합니다. 분산된 데이터 소스를 연결, 정제하는 데이터 전처리 과정이 분석 업무의 대부분을 차지하게 되죠.

좋은 머신러닝 모델이 좋은 결과를 이끄는 만큼 좋은 ��습 데이터가 좋은 결과를 냅니다. 과거에 기업의 �ѫ��니스 문제를 머신러닝과 AI로 해결하기 어려웠던 이유도 좋은 ��습 데이터가 충분치 않았기 때문입니다.

합성 데이터로 AI 서비스 개발 촉진

오픈AI 재단의 챗G�ʰ�가 각광을 받으면서 켶�냐가 세간의 주목을 받았습니다. 거대���어모델(������)을 ��습시키기 위해 필요한 자료를 사전에 준비하는 작업을 영어가 되는 켶�냐 인력이 지원했기 때문이죠. 테슬라의 자율주행차가 사람과 사물을 분간하는 일에도 켶�냐 사람들의 도움이 컸습니다.��이처럼 인공짶ĵ�이 ��습을 하려면 제대로 라벨을 붙여 분류한 데이터가 필요합니다.

문제는 개별 단위로 구분할 수 있는 라벨(레이블)로 분류되어 있는 데이터가 터무니 없이 부족하다는 점이죠. 한 바 있습니다. 합성데이터는 현실의 데이터가 아니지만 그왶� 유사하게 개별 단위로 구분이 가능하도록 라벨을 붙여 분류해 인공짶ĵ�이 실제 세계에 가까운 상세 데이터로 ��습하도록 돕습니다.

개인정보 보호왶� 맞물려 민감한 금융 데이터나 의료 데이터 등을 기계��습에 직접 활용할 수는 없습니다. 인공짶ĵ�이 제대로 세상을 ��습하려면 라벨로 분류된 데이터 세트가 필요하다는 점에서 합성데이터가 균형잡힌 데이터의 대안으로 각광받고 있습니다. 시장 분석기관 가트너(Gartner)에서는 오는 2030�Ƅ까지 합성 데이터가 실제 데이터를 넘어설 것으로 전망합니다.

기업의 AI 활용 전략: AI 트랜스포메이션(AX)

인공짶ĵ� 전문기업 오픈AI가 챗G�ʰ�를 선보인 뒤 분위기는 달라졌고, AI는 이제 앞서 제시한 3대 카테코리의 예측과 분류를 넘어 생성을 가능하게 합니다. ��이러한 변화에 가장 민감한 국내 외 주요 기업들이 챗G�ʰ� 적용 현황을 분석하고 활용 가능성과 부작용, 더 나은 대응 방안 마련에 나서고 있습니다. 그런 점에서 지금이야말로 발빠르게 구체적인 적용시점과 구현 방안, 구현 속도를 논의할 때라고 하겠습니다.

이제�� AI 기반의 디지털 혁신, 즉 AI 트랜스포메이션(AX)을 추진하지 않는다면 뒤쳐질지도 모른다는 걱정과 우려가 더 커지고 있습니다. AI왶� 빅데이터 분석 같은 디지털 기술의 급속한 발전과 더불어 디지털 기술을 �ѫ��니스에 적용함으로써 디지털 혁신을 추진한 혁신 기업은 전통적인 기업과 성장 속도, 규모, 매출 등 성과 측면에서 경쟁우위를 확보하고 기업 가치도 높은 평가를 받습니다.

플랫폼 �ѫ��니스 모델을 �ѫ��하고, 기존의 관성에서 벗어나 온오프라인을 통합하고 AI 기반의 을 개선할 수 있는 데이터 기반 의사결정, 궁극적으로 새로운 고부가가치 창출은 모든 기업이 원하는 궁극적인 방향입니다. 이런 측면에서 볼 때 이제�� ‘AI 트랜스포메이션(AX)’의 기회를 놓칠 경우 변화하는 기업과 변화하지 않는 기업 사이의 격차는 훨씬 더 커질 것이 분명합니다.

생성 AI 중점 투자 부문에 관한 가트너 조사 결과

경영진의 68%는 생성 AI의 이점이 위험보다 크다고 생각하는 것으로 나타났으며, 이익보다 위험이 크다고 응답한 비율은 5%에 그쳤습니다.

AI에 대한 이해를 토대로 �ѫ��니스 개선 방안 모색해야

과거 디지털 트랜스포메이션에 실패하는 기업들은 일반적으로 AI, 빅데이터, 클라우드 같은 디지털 기술 �ѫ��을 ‘디지털 트랜스포메이션(DX)’의 완성이라고 착각하거나, AI 솔루션, 머신러닝 모델을 �ѫ��만 하면 저절로 �ѫ��니스 혁신을 가져온다고 오해했습니다. 수많은 형태의 다양한 데이터를 쌓아놓기만 하면 분석할 수 있고 골치 아픈 과제도 해결할 수 있으리라는 기대가 있었죠.

하지만 처음부터 사람이 풀지 못하는 어려운 과제는 기계 입장에서도 어려운 일입니다. AI가 기업에서 벌어지는 많은 난제, 획기적인 문제의 일회성 해결 방안일 수도 있지만, 무엇보다 실질적인 개선 방안이 될 수 있어야 합니다.

�ѫ��니스 프로세스에 내장된 AI 모델이 필요한 이유

�ѫ��니스 AI는 �ѫ��니스의 코어 시스템과 하나로 연결되어야 �ѫ��니스 활동과 의사결정을 즉각 지원하는�� AI 모델이 될 수 있습니다. 그렇지 않으면 AI 모델이 �ѫ��니스 연속성과 민첩성을 보장하기 어렵습니다.

�鶹ԭ��는 이미 �ѫ��니스 프로세스에 내장된 머신러닝과 분석형 AI를 제공합니다. 여기에 생성 AI 기술이 더해짐으로써 혁신적인 고객경험, 능동적인 전략적 의사결정, 몰입도 높은 직원경험과 고객경험을 제공할 수 있고 더 나은 �ѫ��니스 성과로 이어집니다.

AI 트랜스포메이션의 성공 여부는 여러분이 가장 잘 이해하고 있는 �ѫ��니스 위에 AI에 대한 이해왶� 준비, 적용 노력에 달려 있다고 할 수 있겠습니다.

AI �ѫ�� 후 운영 환경에서의 역할과 대안 준비해야

기업이 불확실성을 헤쳐 나가면서 급변하는 �ѫ��니스 요구에 대응하고 효율적으로 가치를 실현하려면 AI 트랜스포메이션을 가속화할 도구왶� 이를 다룰 수 있는 인력이 중요합니다. AI가 핵심 기술로 등극하면서 많은 기업이 전담 조직과 인력 역량 확보를 위해 발빠르게 움직이고 있습니다.

AI 분석 모델을 만들기 위한 인프라왶� 애플리케이션 등을 갖추고 유지보수 인력과 운영시스템 적용을 위한 리소스를 별도 산정하고 있습니다. 모든 역량과 준비를 다 갖춘 상태에서 AI 분석 모델을 자동으로 찍어내고 놀랄만한 �ѫ��니스 성과를 즉시 누릴 수 있으리라 기대하지만 실제로는 그렇지 못한 경우를 이미 많이 경험했습니다.

AI 트랜스포메이션 과정에서 과거 회사의 �ѫ��니스 프로세스왶� ERP 시스템을 내재화하고 기업 본연의 프로세스를 담기 위한 수많은 시간과 노력을 들여왔던 것과 동일한 방식을 재현하고 있는 모습도 볼 수 있습니다. AI 기술을 토대로 자체 개발을 통한 각자도생의 길을 걷다보면 이미 AI 기술은 더 빠른 속도로 발전을 거듭해 한참 앞서 있는 경우도 많습니다.

AI에 대한 높은 기대왶� 시장 요구사항 변화애 부응하려면 �ѫ�� 후에도 AI 모델 훈련과 추론에 필요한 데이터를 지속적으로 업데이트해야 합니다. 이는 기존 �ѫ��니스 로직과 결합하고 내부 시스템과 연결하는 등 AI 운영 시스템으로서의 역할을 생각할 때 현실적으로 �ѫ��니스에 효용성 있는 대안이 될 수 있습니다.

�ѫ��니스를 위해 구축된 AI 모델의 현실적인 대안

�鶹ԭ��는 지난 20�Ƅ동안 ��AI, 빅데이터, 클라우드 같은 새로운 기술과 컨텍스트를 통해 솔루션에 AI를 내장하고 예측가능한 �ѫ��니스를 준비하면서 변화를 이끌어 왔습니다. 솔루션에 AI를 내장하고 대화형 AI 및 지능형 로봇 프로세스 자동화 등 �ѫ��니스 플랫폼으로 기존 �鶹ԭ�� 환경을 확장하는 AI 기반 모듈을 생성함으로써 경쟁력을 갖추고 새로운 변화를 만들어 왔습니다.

여기에 챗G�ʰ�로 대표되는 생성 AI의 획기적인 발전이 가속화되고 응용 범위가 확대된다는 점을 고려할 때 생성 AI 기능을 �ѫ��니스 데이터 및 프로세스의 컨텍스트왶� 결합하고 대규모로 미세조정(fine-tuning) 및 프롬프트 엔지니어링을 적용한 아키텍처를 고려해야 합니다. 이로써 기업의 독립성을 보장하고 �ѫ��니스에 적합한 결과를 창출할 수 있습니다. 이러한 AI 의 결과는 별도의 저장공간이 아닌 현업 사용자가 매일 사용하는 애플리케이션에 내장됩니다.

�鶹ԭ�� 시스템의 SaaS 모델 및 클라우드 배포는 �鶹ԭ�� AI 코어, 론치패드, �鶹ԭ�� AI �ѫ��니스 서비스 같은 AI 서비스를 위한 새로운 기능이 분기별로 출시되면서 AI 서비스 개발 속도를 높이고 지속적으로 업데이트 된다는 사실에 주목��세요.

AI는 관리부터 개발까지 오픈소스 중심으로 혁신이 일어나며 이러한 플랫폼을 직접 구축하려면 다양한 오픈 소스 기술을 잘 알아야 하고 변화의 속도에 뒤쳐져서는 안된다는 것도 중요한 부분입니다. 상용 솔루션으로 구축했다 할지라도 �ѫ��, 검토, 구현, 안정화를 하고 나면 이미 새로운 기술 트렌드가 나온다는 사실도 잊지 마세요.

기존 SI의 관성에서 벗어난 AI

AI 트랜스포메이션을 단순히 AI 엔진 기반의 SI(시스템통합) 프로젝트로 바라보는 기존의 관성에서 벗어나야 합니다. 내재화하면 할수록 더 고립되는 플랫폼은 효용성이 떨어질 수 있습니다. AI는 이제 생성 AI를 넘어 끊임없이 발전될 전망입니다. 그 가운데 파생되는 기술은 꾸준히 발전하고 최신 기술을 적용할 수 있는 유연한 아키텍처야말로 필수 고려 대상입니다.

디지털 트랜스포메이션이 처음 시장에 나왔을 때 �ѫ��니스 또는 조직의 모든 측면에 디지털 기술을 통합해 운영 방식과 고객에게 가치를 제공하는 방식을 근본적으로 변화시킬 것으로 얘기한 바 있습니다. 이제 AI 트랜스포메이션은 우리가 가진 도구를 가장 최신의 진보적인 형태로 업그레이드된 상태라고 할 수 있습니다. 하지만 잊지 마세요. 모든 변화왶� 트렌드의 핵심은 바로 �ѫ��니스를 잘하는 데 있습니다.

예측, 분류, 생성 등의 역량을 두루 갖춘 AI에 대한 이해를 토대로 여러분 기업의 �ѫ��니스를 어떻게 개선할 수 있을지 고민하는 데서 AI 트랜스포메이션을 시작하시기 바랍니다. 고맙습니다.

The post AI 트랜스포메이션으로 �ѫ��니스 개선 지원 appeared first on �鶹ԭ�� Korea 뉴스센터.