알고리즘 Archives - Â鶹ԭ´´ Korea 뉴스센터 Â鶹ԭ´´ 코리아에 대한 뉴스 Fri, 08 May 2026 02:58:01 +0000 ko-KR hourly 1 https://wordpress.org/?v=7.1.4 AI 시대의 트롤리 문제: 달리는 전차를 멈추는 법 /korea/2026/03/ai-%ec%8b%9c%eb%8c%80%ec%9d%98-%ed%8a%b8%eb%a1%a4%eb%a6%ac-%eb%ac%b8%ec%a0%9c-%eb%8b%ac%eb%a6%ac%eb%8a%94-%ec%a0%84%ec%b0%a8%eb%a5%bc-%eb%a9%88%ec%b6%94%eb%8a%94-%eb%b2%95/ Fri, 27 Mar 2026 02:17:29 +0000 /korea/?p=8425 AI 시대에도 트롤리 딜레마의 진짜 해법은 “누구를 희생할 것인가”가 아니라, 그 상황 자체를 만들지 않는 예방과 설계에 있습니다. 발전된 기술을 최대한 활용해 예방하도록 설계하되, 최종...

The post AI 시대의 트롤리 문제: 달리는 전차를 멈추는 법 appeared first on Â鶹ԭ´´ Korea 뉴스센터.

]]>

AI 시대에도 트롤리 딜레마의 진짜 해법은 “누구를 희생할 것인가”가 아니라, 그 상황 자체를 만들지 않는 예방과 설계에 있습니다. 발전된 기술을 최대한 활용해 예방하도록 설계하되, 최종 가치 판단과 책임은 언제나 인간의 몫입니다.


기획: 박범순(Adam Park), 긶Ä쓴이: 클로드(Claude)

핵심 메시지

  1. 트롤리 딜레마의 해법은 딜레마 안에 없다. 공리주의냐 의무론이냐를 따지기 전에, 그 상황 자체가 발생하지 않도록 한 차원 위에서 시스템을 재설계하는 것이 진짜 해법이다.
  2. 윤리에는 보편적 정답이 없다. MIT 모럴머신이 보여주듯 문화권마다 도덕 판단이 다르기 때문에, AI 알고리즘에 특정 가치를 일방적으로 코딩하는 것은 또 다른 편향이 된다.
  3. 기술은 추천하고, 책임은 인간이 진다. AI가 아무리 정교해져도 최종 가치 판단과 그에 따른 책임의 주체는 윤리의식을 가진 인간이어야 한다.

한 번쯤 이런 상황을 상상해 본 적이 있는가. 브레이크가 끊긴 트롤리가 선로 위를 질주하고 있다. 앞에는 다섯 명이 묶여 있다. 당신 손에는 레버가 있고, 그것을 당기면 전차는 방향을 틀어 다른 선로로 달리지만, 그 선로에는 한 사람이 있다. 당신은 어떻게 할 것인가?

이 질문은 1967년 영국 철학자 필리파 풋이 처음 제안하고, 이후 주디스 자비스 톰슨이 다듬은 고전적 사고실험이다. 수십 년 동안 강의실 칠판 위에 머물던 이 딜레마가 오늘날 전혀 다른 공간으로 옮겨왔다. 자율주행차의 알고리즘 설계실, 의료 AI의 우선순위 코드, 그리고 국방 시스템의 의사결정 로직 안으로.

보이지 않는 것의 힘: AI 시대에 정말 중요한 것들Ìý´¥Ìý특집 기사

우리는 보이µç” 것, 측정 가능한 것만 중요하다고 착각합니다. 하지만 생존 편향,Ìý데이터 편향,Ìý측정 편향이 보여주듯, 신뢰, 윤리, 지혜, 맥락 등 AI 시대에 진짜 중요한 것은 여전히 눈에 보이지 않습니다.

철학은 뭐라고 답했나?

트롤리 문제 앞에서 두 거대한 철학 전통은 서로 반대 방향을 가리킨다.

공리주의는 제러미 벤담과 존 스튜어트 밀이 체계화한 윤리 이론이다. “최대 다수의 최대 행복”이 도덕의 기준이므로, 레버를 당겨 한 명을 희생하고 다섯 명을 살리는 쪽이 분명히 옳다. 결과의 총합이 더 크기 때문이다. 같은 논리라면 육교에서 한 사람을 밀어 다섯 명을 구하는 것도, 숫자만 놓고 보면 허용 가능한 선택이 된다.

칸트의 의무론은 정반대의 지점에서 출발한다. 칸트는 그의 정언명령에서 “타인을 단지 수단으로 대하지 말고, 항상 동시에 목적으로 대하라”고 선언했다. 트롤리 문제에서 한 사람을 희생하는 것은, 그가 다섯 명을 살리기 위한 ‘도구’로 사용되는 순간이다. 그 사람의 죽음이 수단이 된다는 점에서, 칸트주의자는 어떤 버전의 트롤리 문제도 도덕적으로 허용할 수 없다고 본다.

구분 공리주의 칸트의 의무론
판단 기준 결과의 행복 총량 (숫자·규모) 행위의 원칙과 인간 존엄성
레버 당기기 5명을 살리므로 옳음 한 사람을 수단으로 쓰므로 불가
육교에서 밀기 결과상 5명 구출이면 용인 가능 직접적 도구화이므로 강하게 거부
핵심 물음 “얼마나 많은 생명을 살리냐?” “어떤 방식으로 사람을 대했냐?”

레버를 당기는 행위왶Ä 육교에서 사람을 미는 행위가 결과적으로 같음에도 사람들의 반응이 갈리는 이유도 여기에 있다. 레버를 당기는 것은 ‘간접적 개입’으로 느껴지지만, 사람을 미는 것은 신체적·직접적 살해에 가깝게 인식된다. 도덕 판단은 결과만으로 이루어지지 않으며, 행위의 구조왶Ä 의도까지 함께 작동한다는 사실을 이 사고실험은 섬뜩할 만큼 정확하게 드러낸다.

“우리의 도덕 판단은 결과왶Ä 의도, 양쪽 모두를 동시에 계산한다.
트롤리 문제가 불편한 이유는 그 두 계산이 충돌하기 때문이다.”

2026년 AI 트렌드 – 리더들을 위한 핵심 인사이트Ìý´¥Ìý특집 기사

에이전틱 AI의 느린 발전, AI 버블 붕괴, 기업 차원의 GenAI 활용 필요성, AI 관리 조직 구조 논쟁, AI 팩토리를 통한 가치 창출 가속화 등 MIT의 톰 데이븐포트왶Ä 랜디 빈이 제시하는 2026년 5대 AI 트렌드를 지금 바로 확인하세요.

전 세계는 같은 대답을 했나?

철학적 논쟁이 아직 정리되지 않은 사이, MIT 연구팀은 더 실증적인 질문을 던졌다. “실제로 세계 사람들은 트롤리 문제에 어떻게 반응하는가?” MIT 미디어랩의 모럴머신(Moral Machine) 프로젝트는 200개 이상의 국가에서 4,000만 건이 넘는 응답을 수집해 그 패턴을 분석했다.

결론부터 말하면, 세계는 하나의 답에 동의하지 않았다. 다만 문화권별로 뚜렷한 경향이 나타났고, 연구팀은 이를 세 개의 클러스터로 분류했다.

  • 서구 클러스터: 미국, 독일, 영국, 호주, 북유럽 등
    개입(레버 조작)보다 무위(직진)를 선호하는 경향이 강하다. 개인주의왶Ä 법치 중심의 기독교 문화권과 연관된다.
  • 동양 클러스터: 한국, 일본, 중국, 이슬람권 등
    법을 준수한 사람을 우선 보호하려는 경향이 두드러진다. 유교·이슬람 문화권의 규범과 질서 중시 성향이 반영된다.
  • 남부 클러스터: 브라질, 멕시코, 콜롬비아, 프랑스어권 등
    여성 및 젊은이를 보호하려는 선호가 세 클러스터 중 가장 강하다. 경제적 불평등이 큰 중남미 사회 구조왶Ä 연관된다.

그럼에도 문화를 초월해 공유되는 경향도 있었다. 인간을 동물보다 우선하고, 더 많은 사람을 살리려 하며, 노인보다 젊은 사람을 보호하려는 경향은 전 지구적으로 비교적 일관되게 나타났다.

연구 확장: MultiTP 벤치마크

최근 연구자들은 모럴머신의 성과를 AI 평가에 적용한 MultiTP 벤치마크를 개발했다. 107개 언어, 약 97,520개의 트롤리 문제 시나리오로 구성된 이 데이터셋은 19개 대형 언어 모델(LLM)의 도덕 판단을 인간 응답과 비교한다. 결과는 명확했다. 대부분의 LLM은 인간 집단의 선택 패턴과 완전히 일치하지 않았다. AI는 아직 “어느 문화의 도덕을 배웠는가”라는 질문에 스스로 답하지 못한다.

이 연구가 남긴 가장 중요한 시사점은 이것이다. 트롤리 문제에는 보편적인 ‘정답’이 존재하지 않는다. 그렇다면 AI 알고리즘에 어떤 윤리를 코딩해야 하는가? 이 질문은 기술의 문제이기에 앞서, 누가 어떤 가치를 우선시하는 사회를 만들 것인가의 문제다.

한 차원 위에서 보라

트롤리 문제를 AI에 그대로 적용하려는 시도가 막히는 이유를 이해하기 위해, 헝가리 출신 과학 철학자 마이클 폴라니(Michael Polanyi)의 통찰을 빌려올 필요가 있다.

폴라니는 지식에는 두 가지 층위가 있다고 보았다. 언어왶Ä 숫자로 명시적으로 표현할 수 있는 지식이 있는 반면, 자전거를 타거나 표정을 읽는 것처럼 말로 다 표현할 수 없는 암묵지(tacit knowledge)가 있다. 그는 이렇게 말했다. “우리는 우리가 말할 수 있는 것보다 훨씬 더 많이 알고 있다.”

더 중요한 것은 그가 지식의 계층 구조에 대해 말한 부분이다. 낮은 계층에서 반복되는 문제는 그 계층 안에서만 고치려 해서는 해결되지 않는다. 실험에서 계속 실패가 반복된다면, 기술적 세부를 수정하는 것만으로는 부족하다. 그 실험의 설계·가정·관점, 즉 한 차원 위의 암묵적 구조를 재조정해야 비로소 문제가 해결된다.

“낮은 계층의 문제는 그 바로 위 계층의 암묵적 구조를 통해서만 충분히 해결될 수 있다.
문제 안에서 맴도는 것은 해결이 아니다.”

마이클 폴라니의 지식론에서

트롤리 문제에 대입해 보자. “레버를 당기는가, 말 것인가”는 딜레마의 안쪽에 머문 질문이다. 폴라니라면 이렇게 물었을 것이다. “애초에 그 전차가 왜 브레이크 없이 달리고 있는가? 왜 선로에 사람이 묶여 있어야만 하는 상황이 설정되는가?” 문제를 해결하는 진짜 방법은 한 차원 위로 올라가, 그 딜레마 자체가 발생하지 않도록 만드는 것이다.

모든 AI 전략 성공의 기반, 클라우드 ERPÌý´¥Ìý특집 기사

가트너의 최근 분석에 따르면 CEO의 단 3분의 1만이 자신의 비즈니스 및 운영 모델이 AI 주도 세계에 대비되어 있다고 말합니다. AI의 진정한 가치를 실현하려면 먼저 라는 탄탄한 기반 시스템을 구축해야 합니다.

AI는 어떻게 대답하는가?

자율주행차가 보급되면서 트롤리 문제는 갑자기 현실적인 질문이 되었다. 브레이크가 고장 난 자율주행차가 5명의 보행자왶Ä 1명 사이에서 선택해야 한다면, 알고리즘은 어떻게 반응해야 하는가?

그런데 자율주행 업계의 실제 대답은 대부분 사람들의 기대왶Ä 다르다. 기업들은 “트롤리 문제를 어떻게 푸는가”가 아니라 “트롤리 문제 자체가 발생하지 않도록 설계하는 것”을 윤리적 목표로 삼는다. 폴라니가 말한 것처럼, 한 차원 위의 해결책이다.

사례: 웨이모(Waymo)의 접근 방식

사고 예방 중심 설계: 웨이모는 충돌 상황이 예측되는 순간, “누구를 칠 것인가”를 계산하기 이전에 조기 감속·경로 변경·완전 정지로 사고 자체를 피하는 방향을 최우선 원칙으로 삼는다. 트롤리 상황을 선택 알고리즘의 입력값으로 보지 않고, 설계상 제거해야 할 ‘비정상 상태’로 정의한다.

인간 존엄성·무차별 원칙: “5명을 살리기 위해 1명을 희생하는 공리주의 코드”는 법적·도덕적·사회적 이유로 공식 설계 원칙에 포함하지 않는다. 인간을 연령·성별·사회적 지위에 따라 수치화해 우선순위를 두는 방식 자체를 거부하며, 모든 생명을 원칙적으로 동등하게 다룬다.

투명성과 책임 추적: AI가 어떤 상황에서 어떤 결정을 내렸는지 기록하고 추적할 수 있는 시스템을 구축한다. 이는 사고 후 법적·사회적 판단의 근거가 되며, “알고리즘이 결정했으니 책임 없음”이 아니라 “결정 과정을 투명하게 드러내 사회가 판단하게” 하는 구조다.

독일 정부는 2017년 자율주행차 윤리위원회 보고서에서 한 발 더 나아가, “사람을 숫자로 비교해 더 가치 있는 사람을 정하는 공리주의적 설계는 금지”한다는 원칙을 명시했다. 미국의 소비자 설문에서도 “공리주의적으로 설계된 자동차를 구매하겠다”는 응답이 낮게 나왔다. 숫자로 희생자를 계산하는 알고리즘에 사람들은 본능적 거부감을 느낀다.

2016년 메르세데스-벤츠의 한 임원이 “자율주행차는 사고 시 승객을 최우선으로 보호하는 방향으로 설계된다”고 발언해 논란이 일었던 사례도 같은 맥락에서 이해할 수 있다. 이 발언은 공리주의가 아닌 계약주의적 설계, 즉 “차를 산 사람을 지킨다”는 방향으로 해석됐고, 이것 역시 사회적 동의를 얻지 못했다.

핵심 원칙 비교: 실제 자율주행 윤리 설계

✗ “5명을 살리기 위해 1명을 희생한다” – 공식 채택 사례 없음

✗ “승객을 보행자보다 우선한다” – 사회적 거부, 법적 문제

✓ “충돌 자체를 최대한 예방한다” – 공통 원칙

✓ “인간을 나이·성별·지위로 구분하지 않는다” – 공통 원칙

✓ “결정 과정을 투명하게 기록한다” – 공통 원칙

결국 자율주행차 업계가 내린 답은 폴라니의 논리왶Ä 일치한다. 트롤리 딜레마 안에서 최선의 선택을 계산하는 것이 아니라, 딜레마 자체가 발생하지 않도록 시스템 전체를 한 차원 높은 곳에서 재설계하는 것. 예방, 안전, 생명 존중이 공리주의적 계산보다 먼저다.

그래서 레버는 누가 당기는가?

AI 시대에 들어서며, 중요한 결정까지 알고리즘으로 자동화하려는 움직임이 빨라지고 있다. 의료 AI는 치료 우선순위를 제안하고, 사법 AI는 재범 가능성을 점수로 매기며, 국방 AI는 표적 식별을 도운다. 그러나 이 모든 영역에서 공통적으로 제기되는 원칙이 있다.

기술은 가능한 최선의 대안을 추천할 뿐이며, 최종 선택과 책임은 윤리의식이 있는 인간의 몫이다.

의료 AI가 “이 환자보다 저 환자를 먼저 치료하라”고 권고할 수 있지만, 그 결정의 무게를 짊어지는 것은 의사왶Ä 가족이다. 자율주행차가 사고를 최대한 예방하도록 설계되지만, 그 설계의 윤리 기준을 결정하는 것은 사회왶Ä 입법자다. AI는 트롤리 딜레마를 해결하는 것이 아니라, 그 딜레마가 가능한 한 발생하지 않도록 돕는 도구다.

AI를 빠르게 쓸수록, 창의력은 왜 느려질까?Ìý´¥Ìý특집 기사

AI는 빠른 완성품을 내어주는 도구가 아니라,Ìý내가 스스로 만들어가도록 이끄는 멘토로 써야 합니다. 망설이고 고치고 직접 손대는 그 느린 과정이 바로 창의력이 자라는 자리입니다. 마야 애커만 박사가 제시하는 “겸손한 창작 동반자“로서의 AI를 만나보세요.

이것이 트롤리 문제가 AI 시대에 우리에게 남기는 진짜 질문이다. 달리는 전차를 멈추는 기술을 우리가 가지게 됐을 때,Ìý멈출 것인지 말 것인지를 결정하는 판단력과 책임감은 여전히 사람에게 있어야 한다.

The post AI 시대의 트롤리 문제: 달리는 전차를 멈추는 법 appeared first on Â鶹ԭ´´ Korea 뉴스센터.

]]>
ERP왶Ä AI, 사이버보안 환경의 변화 /korea/2024/06/erp%ec%99%80-ai-%ec%82%ac%ec%9d%b4%eb%b2%84%eb%b3%b4%ec%95%88-%ed%99%98%ea%b2%bd%ec%9d%98-%eb%b3%80%ed%99%94/ Thu, 20 Jun 2024 16:52:33 +0000 /korea/?p=6740 AI가 잘못 사용될 가능성은 있지만 사이버공격에 대한 방어수단으로서의 잠재력이 막대합니다. 방대한 데이터세트로 훈련 받은 AI가 복잡한 싵ӊ¤텵ӗ�서 위협을 적극 식별해 내는 성공적인 적용사례가 속속 등장하고...

The post ERP왶Ä AI, 사이버보안 환경의 변화 appeared first on Â鶹ԭ´´ Korea 뉴스센터.

]]>

AI가 잘못 사용될 가능성은 있지만 으로서의 잠재력이 막대합니다. 방대한 데이터세트로 훈련 받은 AI가 복잡한 싵ӊ¤텵ӗ�서 위협을 적극 식별해 내는 성공적인 적용사례가 속속 등장하고 있습니다.


긶Ä쓴이: 랄리트 파틸(Lalit Patil)

왶Ä , 나아가 처럼 새롭게 등장한 여러 기술로 인해 우리의 비즈니스 방식이 바뀌었습니다. 하지만 동시에 새로운 사이버보안 당면과제도 생겨났죠. 지난 2023년 한 해에만 데이터 유출 사고로 인해 비즈니스에 평균 445만 달러의 손실이 발생했고 데이터 유출 사실을 탐지하는 데 평균 207일이 걸렸습니다. 이처럼 변화 발전하는 위협 환경 때문에 보다 정교한 보안 조치가 필요합니다.

생성 AI 시대의 보안 당면과제

전통적으로 두꺼운 성벽이 첫 번째 방어선이었습니다. 유사하게 방화벽이 액세스 컨트롤 리스트나 침입 예방 시스템과 함께 디지털 자산에 대한 최외곽 방어선 역할을 했습니다. 하지만 오늘날의 ‘짶ĵç¥형 지속보안위협(APT)’은 기존의 방어체계를 우회할 새로운 방안을 찾아 내는 데 훨씬 능숙합니다.

클라우드 ERP왶Ä AI 시대의 사이버보안 환경을 상징하는 무지개색 자물쇠
AI가 잘못 사용될 수 있지만 사이버공격에 대한 방어수단으로서의 잠재력이 막대합니다. 방대한 데이터세트로 훈련 받은 AI가 복잡한 싵ӊ¤텵ӗ�서 위협을 적극 식별해 내는 성공적인 적용사례가 속속 등장하고 있습니다. (이미지: GETTY)

클라우드 ERP왶Ä 비즈니스 AI는 복잡한 시스템을 낳았고 기존의 단일 장벽 보안 전략은 불충분합니다. 더욱이 기업 데이터의 60% 이상이 클라우드에 저장되므로 거대한 네트워크가 탄생했죠. 이처럼 확장된 네트워크왶Ä 원격근무 인력이 전통적인 보안 경계 너머에서 액세스하는 상황에서µç” 보안 당면과제가 한층 더 복잡해집니다.

가트너(Gartner)에 따르면 , 생성 AI는 2024년 사이버보안 트렌드를 움직이는 10대 동인 중 하나입니다. 생성 AI를 개발하고 파인튜닝하려면 많은 데이터에 액세스해야 하죠. 엄격한 데이터 분류가 없다면 민감한 데이터가 우연히 기계Çê™습 모델에 내장되어 데이터 유출 잠재력이 커집니다.

2025년 성공전략: 클라우드 ERP왶Ä AI, 짶Ä속가µç¥성의 컨버전스Ìý´¥Ìý특집 기사

2024년 비즈니스 환경에서µç” , AI,Ìý이 기업 성공의 핵심 요소로 부각되었으며, 2025년에는 이러Çêœ 요소들을 전략적 파트너십을 통해 조화롭게 통합하고 균형 있게 활용하는 기업이 지속가능한 성장과 혁신을 이끌어낼 전망입니다.

생성 AI는 사람이 생각하는 방식을 Çê™습하고 흉내내는 스마트한 도구왶Ä 같습니다. 하지만 사람과 마찬가지로 맹점도 있죠. 예컨대 가짜 데이터로 인해 생성 AI가 잘못 배울 수 있고 가짜 기사나 뉴스를 만드는 데 사용될 수 있습니다. 이러Çêœ 취약점은 기계Çê™습 모델 자체의 잠재적 보안 허점과 맞물려 생성 AI를 보안 공격을 부추기는 대상이 될 수 있죠.

안전한 디지털 영역 만들기

이상의 당면과제에 대응하기 위해서는 기존의 사이버보안 전략을 다시 생각해야 합니다. 우리의 시스템을 안전하게 지키려면 몇 가지 사전 대응 조치가 필요합니다.

보안 프레임워크 수용: NIST CSF 같은 프레임워크는 체계적인 접근법을 제공합니다. 단순한 체크박스 중심의 규정 준수 마인드를 벗어나 늘 변화 발전하는 위협에 대비하는 사전 대응식 마인드를 만듭니다.

엔터프라이즈 사이버보안 프레임웍
엔터프라이즈 사이버보안 프레임웍

저희 Â鶹ԭ´´에서µç” 을 보안 로드맵으로 삼고 있습니다. 이 프레임워크를 적용한 기업은 식별(Identify), 탐지(Detect), 보호(Protect), 대응(Respond), 복구(Recover), 거버넌스(Govern) 등 6대 핵심 원칙을 토대로 보다 조직적이고 포괄적인 접근법을 취할 수 있습니다. 이 기본 원칙은 사이버 위협에 따른 복잡하고 지속적인 도전에 대응할 수 있는 성숙하고 내구성 있는 사이버보안 전략의 기반입니다.

제로 트러스트: 기본적으로 제로 트러스트(Zero Trust)는 보안 시스템을 간소화합니다. 제로 트러스트는 기본적으로 보안 침해가 발생한다는 전제 하에서 움직입니다. 사용자 신원, 장소, 장비 건강상태 등 다양한 데이터 포인트를 이용해 모든 사용자를 매번 확인합니다. 이 단계를 통해 사람들에게 정말로 필요할 때 Çêѫš”Çêœ 만큼만 액세스를 제공합니다. 유출 사고는 발생하기 마련이라는 가정 하에서 운영하기 때문에 데이터를 구역별로 분리하고 암호화를 실시해 보안을 개선하는 데 중점을 둡니다.

|

최신 ERP 보안 기능은 날로 진화하며 개선되고 있습니다. 그런데도 왜 기업은 더 많이 노출되고 있다고 느낄까요? 부분적으로 이는 디지털 및 클라우드 기술의 급격한 가속화 때문입니다. Â鶹ԭ´´ 인사이트가 제시하는 7대 ERP 보안 이슈왶Ä 해결 방안을 확인하세요.

제로 트러스트 환경에서 직원은 언제 어디서나 안전하게 일할 수 있습니다. 또한 데이터 이동과 관련된 리스크를 최소화하고 보안 취약성도 해소함으로써 클라우드로의 이전을 보다 안전하고 원활하게 보장합니다.

패치 관리: 기름칠을 잘 한 기계도 정기적인 점검과 수리가 필요하듯이 보안 시스템도 정기 점검과 수리가 필요합니다. 패치 관리는 문제로 발전하기 전에 취약한 부분을 미리 파악해 고치는 예방 조치입니다.

패치 적용 효과는 명확합니다. 값 비싼 데이터 유출을 예방해 민감한 데이터 노출로 재무적 손실과 명성에 타격을 입는 일을 피할 수 있죠. 생산성에 영향을 주는 운영 시스템 다운타임이나 시스템 고장을 방지합니다. 정기적인 패치는 소프트웨어 결함을 방지하고 보다 원활하고 효율적인 운영을 보장해 전반적으로 대응력 높은 시스템을 제공합니다.

보안의 미래: AI왶Ä 협업

AI가 잘못 사용될 수는 있지만 사이버공격에 대한 방어수단으로서의 잠재력이 매우 큽니다. 방대한 데이터세트로 훈련 받은 AI가 복잡한 시스템 내에서 적극적으로 위협을 식별할 수 있는 성공적인 적용사례가 속속 등장하고 있습니다. 잠재적인 보안 침해가 탐지되면 머신러닝 알고리즘은 분리된 여러 환경을 만들어 위협의 행동 방식을 시험하는 작업을 자동화할 수 있습니다.

클라우드 ERP로 AI 잠재력을 실현할 4가지 방안Ìý´¥Ìý특집 기사

AI 시대를 선도하려면 클라우드 ERP로의 전환을 통한 현대화가 필수입니다. 확장성과 Ðë¨율성, 보안, 비용 절감까지. 클라우드로의 전환이 AI의 잠재력을 어떻게 폭발적으로 키우는지 확인해 보세요.

이를 통해 사고 조사를 더 빨리 진행하고 적시에 대응할 수 있습니다. AI를 활용한 리포트로 보안 취약점을 요약하고 우선순위를 부여해 보안 팀이 전략적인 문제에 집중하도록 하는 적용사례도 있습니다.

클라우드 서비스 회사왶Ä 보안 벤더, 비즈니스 등 관계자 사이의 협업이 관건입니다. 위협 정보왶Ä 선진사례를 공유함으로써 보안 취약점을 보다 빨리 효율적으로 식별하고 대응할 수 있습니다.

여러 겹의 방어 체계

결론적으로 성이 두꺼운 성벽에 의존하던 방식에서 벗어나 여러 겹의 방어 체계로 발전한 것처럼 사어버보안에 대한 접근법도 변화 발전해야 합니다. 클라우드왶Ä AI로 인해 디지털 환경이 확장되면서 위협도 확대되었죠. NIST CSF 같은 막강한 보안 프레임워크를 채택하고 제로 트러스트 원칙을 구현하며 AI를 활용해 위협을 탐지한다면 우리는 여러 겹의 방어 체계를 구축할 수 있습니다.

  • 원문: , , Forbes.com

 

The post ERP왶Ä AI, 사이버보안 환경의 변화 appeared first on Â鶹ԭ´´ Korea 뉴스센터.

]]>
짶ĵç¥형 ERP로 재무 프로세스 지능화 /korea/2022/08/%ec%a7%80%eb%8a%a5%ed%98%95-erp%eb%a1%9c-%ec%9e%ac%eb%ac%b4-%ed%94%84%eb%a1%9c%ec%84%b8%ec%8a%a4-%ec%a7%80%eb%8a%a5%ed%99%94/ Wed, 10 Aug 2022 09:59:19 +0000 /korea/?p=3654 짶ĵç¥형 ERP는 짶ĵç¥형 기술로 단순 업무를 자동화해 보다 중요한 업무에 집중하도록 돕고 더 정확하고 신속한 의사결정을 지원합니다. Â鶹ԭ´´ S/4HANA 적용 기업이 어느 시나리오로 짶ĵç¥형 기업...

The post 짶ĵç¥형 ERP로 재무 프로세스 지능화 appeared first on Â鶹ԭ´´ Korea 뉴스센터.

]]>

짶ĵç¥형 ERP는 짶ĵç¥형 기술로 단순 업무를 자동화해 보다 중요한 업무에 집중하도록 돕고 더 정확하고 신속한 의사결정을 지원합니다. Â鶹ԭ´´ S/4HANA 적용 기업이 어느 시나리오로 짶ĵç¥형 기업 전환을 촉진하는지 확인하세요.

긶Ä쓴이: 육지현(Jihyeon Yuk)

슬기로운 회사생활 10

짶ĵç¥형 기업으로의 ë�ѫ•½을 짶Ä원하µç” Â鶹ԭ´´ S/4HANA

앞서 ‘짶ĵç¥형 ERP로 짶ĵç¥형 기업에 더 가까이’에서µç” 짶ĵç¥형 기업이 갖추어야 할 요소들과 짶ĵç¥형 기술을 적용한 업무 담당자의 하루를 보여드렸습니다.

이처럼 는 짶ĵç¥형자동화(RPA), , 상황처리(예외상황 관리), 대화형 AI 기술로 단순 업무를 자동화해 사용자가 보다 중요한 업무에 집중하도록 돕습니다. 또한 머신러닝 알고리즘으로 도출한 결과를 토대로 더 정확하고 신속한 의사결정을 지원하고 있습니다.

그럼 이번에는 재무 프로세스를 중심으로 Â鶹ԭ´´ S/4HANA를 사용하는 기업들이 어떠한 시나리오를 통해 짶ĵç¥형 기업으로의 전환을 지원 받을 수 있는지 몇 가지 예시왶Ä 함께 살펴보도록 하겠습니다.

재무 ¶¥„로세스의 짶ĵç¥형자동화(RPA) 기술 적용Ìý예시

먼저 재무 프로세스에 를 적용할 수 있는 비즈니스 시나리오는 아래 표왶Ä 같이 제공되고 있습니다. 재무 담당자들이 평상 시에 반복적으로 수행Çê˜는 단순 업무들을 자동화 해 줄 수 있는 시나리오들을 사전 패키지 ˳•태로 제공하고 있는 것이죠.

슬기로운 회사생활 10

이 중에서 하나의 예시로 ‘공급업체 송장 상태 점검’ 시나리오를 살펴보도록 하겠습니다. 기존 업무에서µç” 공급업체가 특정 구매 건에 대한 대금 짶Ä급 여부를 문의하는 메일을 받게 되는 경우에 담당자가 어떻게 처리할까요?

우선 Â鶹ԭ´´ 싵ӊ¤텵ӗ�서 해당 공급업체 정보왶Ä 송장 정보를 확인한 뒤 짶Ä급 만기일과 짶Ä급 반제 여부를 확인해 공급업체에게 답변을 줘야 합니다. 아래 그림에서 보실 수 있듯이 이렇게 사용자가 일일이 정보를 확인하여 답변을 작성하는 방식으로 업무를 진행하게 되면 수많읶Ä 공급업체로부터 전달 받은 예상치 못한 문의 사항을 처리하는 데 많은 시간을 소요할 수 밖에 없겠죠.

실제로도 Â鶹ԭ´´ 내부 통계 자료를 보면 이러Çêœ 사소한 문의 업무를 처리하는 데에 한 건당 평균 5분에서 10분이 소요되고 문의 업무를 처리하다 보면 그 외의 채무 관련 업무가 40% 까지 부하를 초래하여 결국에는 재무 담당자의 업무 잠재력이 30%까지 젶ÄÇê˜될 수 있다는 결과가 있습니다.

슬기로운 회사생활 10

그럼 이렇게 사소하지만 예측 불가능하여 업무의 잠재력을 젶ÄÇê˜시키는 업무를 어떻게 하면 효율적으로 처리할 수 있을까요? 아래 그림처럼 사람이 하는 업무 프로세스를 대부분 RPA가 대체하면 담당자들이 더 이상 이왶Ä 같은 문의 대응 업무에 많은 노력을 들일 필요가 없어집니다.

슬기로운 회사생활 10

자동화 봇이 Â鶹ԭ´´ S/4HANA 싵ӊ¤텵ӗ�서 확인이 Çêѫš”Çêœ 송장 번호과 송장의 짶Ä급 반제 ìƒÀ´ƒœ를 점검하고 이 결과를 엑셀 템플릿으로 작성해 메일로 전송하면 공급업체는 송장 별 짶Ä급 여부왶Ä 짶Ä급 예정일을 확인할 수 있게 됩니다.

슬기로운 회사생활 10

재무 ¶¥„로세스의 머신러닝 기술 적용 예제

머신러닝을 활용한 시나리오도 마찬가지로 아래 리스트왶Ä 같이 제공되고 있습니다. 머신러닝이 Çê™습을 통해 휴먼 에러를 방지해주거나 규제 또는 감사 대응에 보다 완벽하게 대응할 수 있도록 지원해 주기 위한 시나리오를 제공합니다.

슬기로운 회사생활 10

대표적으로 미결 채권과 은행으로부터 수신 받은 입금 내역 간의 자동 반제 항목을 제안해주는 시나리오를 적용 예제왶Ä 함께 살펴보려고 합니다. 채권 반제 처리 업무는 금액의 불일치, 입금 내역의 상세 정보 불충분 등의 사유로 인해 업무 담당자들의 수작업을 거쳐야 하는 대표적인 업무입니다.

‘채권 개별 항목 매칭’ 시나리오는 머신러닝과 RPA 기술을 접목하여 채권 반제 처리 업무를 자동화합니다. 시나리오를 좶Ä 더 자세히 살펴볼까요?

머신러닝 알고리즘이 Çê™습을 하기 위해서는 (1) 고객으로부터 전송 받은 짶Ä급 내역서(짶Ä급 통지 정보)왶Ä (2) 은행으로부터 수신 받은 입금 내역, (3)과거에 정의된 규칙이나 수작업을 통해 반제 되었던 채권 내역 정보가 필요합니다.

이러Çêœ 정형/비정형 데이터를 수집해 머신러닝 알고리즘은 Çê™습을 통해 사용자에게 채권-입금 반제 항목을 제안해 줍니다. 신뢰도가 높은 수준을 보이µç” Çê­목들은 자동으로 반제 전표를 생성Çê˜게끔 설정Çê  수도 있기 때문에 채권 담당자의 반제 업무 수ìÀ½업량 절감을 통해 Ðë¨율성을 높일 수 있습니다.

슬기로운 회사생활 10

실제 시나리오가 작동하는 프로세스는 아래왶Ä 같습니다. 고객으로부터 짶Ä급 통지 내역을 다양한 형식으로 메일을 통해 전송 받으면 RPA가 시나리오를 실행시켜 메일함에서 파일을 추출하고 이 때 머신러닝의 비전기술을 통해 텍스트를 추출합니다. 각 필드의 내용에 맞게 입력될 텍스트가 준비되면 이 정보를 가지고 RPA는 다음 단계에서 Â鶹ԭ´´ S/4HANA 시스템에 짶Ä급 통지서를 자동으로 업로드합니다.

이렇게 업로드 된 짶Ä급 통지서왶Ä 과거의 정보를 통해 Çê™습된 머신러닝 알고리즘이 반제 항목을 제안합니다. 참고로, 개별 회사 코드 단위 당 최소 10,000건 이상의 과거 반제 데이터가 준비되어 있어야 머신러닝 기능을 통한 반제 기능을 유효하게 활용하실 수 있습니다.

슬기로운 회사생활 10

자동 반제 시나리오를 실행 시킨 결과 반제 되지 않은 미결 항목 중 반제 가능한 건 수를 실행 로그를 통해 확인할 수 있고 그 중 미리 설정한 매칭항목 신뢰도가 90퍼센트 이상인 항목은 자동 반제 전표를 생성해 주는 방식으로 채권 담당자의 수작업 업무를 자동화할 수 있습니다.

슬기로운 회사생활 10

다음으로 소개할 시나리오는 ‘비정상 비용 탐지’를 위한 기능입니다. 결산이 다가오기 전에 관리회계 담당자 또는 각 부서의 관리자들은 내가 담당하고 있는 조직에서의 비용이 제대로 사용되고 있는지, 또 통제되지 않는 비용이 있지는 않은지 검토를 하게 됩니다.

이 과정에서 관리자는 큰 고민을 마주합니다. 특히 영업이나 구매 영역을 담당하는 관리자라면 더욱 이 고민에 공감하시리라 생각합니다. 기업이 ERP를 처음 구축할 때 구상했던 규칙을 벗어나는 예외적인 경우는 언제나 있기 마련이기 때문입니다.

슬기로운 회사생활 10

아마 Â鶹ԭ´´ S/4HANA에 대해서 한 번이라도 들어 보셨거나 관심이 있으셨다면 새롭게 사용되는 통합원장, 즉 유니버설레저(Universal Ledger)에 대해서 들어보셨을 것입니다. 이 통합원장에는 재무회계, 관리회계, 자산회계 등 여러 영역의 재무 정보를 하나의 원장에 담고 있기 때문에 많게는 500개에 이르는 많은 속성 정보가 존재합니다.

기본적인 계정과목과 금액 외에도 코스트센터왶Ä 같이 비용이 담기는 오브젝트 정보들도 포함되어 있어서 이러Çêœ 수많읶Ä 속성 정보µç” 머신러닝에게µç” ì•ѫ£¼ 좋은 Çê™습 자료가 될 수 있습니다. 비용 리포트에서 비정상 비용을 탐지하는 스위치를 켜 놓으면 전표의 속성 정보를 활용해 비용 전표 이상 여부를 분류해 주는 작업을 수행합니다.

슬기로운 회사생활 10

그럼 이러Çêœ 정보를 활용해 어떠한 프로세스로 기업에서 발생한 비용이 비정상 비용인지 탐지 하게 될까요? 통합원장의 수 많은 비용 전표는 머신러닝 엔진에 의해 Çê™습되고, Çê™습 과정에서 기업의 데이터를 활용한 정상/비정상에 대한 분류를 수행합니다. 이렇게 머신이 제시한 분류에 대해 사용자가 제대로 된 분류인지 아닌지에 대해 지속적인 피드백을 제공하면 궁극적으로는 해당 기업만을 위한 비정상 비용 탐지 알고리즘으로 최적화 되는 구조입니다.

슬기로운 회사생활 10

여기서 한 가지 궁금증이 추가적으로 생길 수 있습니다.

“머신러닝이 비정상을 판단하는 기준은 뭘까?”

이 질문에 대한 답변은 아래 그림으로 설명 드릴 수 있습니다. 즉 Â鶹ԭ´´ S/4HANA에서µç” 비정상비용을 탐지하기 위해 군집화(클러스터링, Clustering) 알고리즘을 적용하고, 그 중에서도 수집된 데이터의 밀집도가 낮은 곳의 데이터를 예외값으로 분류하는 것이죠. 그림에서µç” 주황색으로 표시된 점이 이러Çêœ 예외 데이터라고 볼 수 있습니다.

슬기로운 회사생활 10

이렇게 Â鶹ԭ´´ S/4HANA는 내장되어 있는 머신러닝 알고리즘을 활용하여 예외 데이터를 탐지하거나 업무를 자동화할 수 있는 시나리오를 제공하고 있고, 시간이 지남에 따라 데이터가 쌓이게 되면 이러Çêœ 알고리즘들이 적용 기업에 최적화되어 정확도가 높아지는 구조로 설계되어 있습니다.

재무 ¶¥„로세스의ÌýìƒÀ´™©처리Ìý기술 적용 예제

마지막은 싵ӊ¤텵ӗ�서 발생한 비즈니스 이벤트를 감지하여 사전에 정의된 규칙에 따라 사용자가 액션을 취할 수 있도록 짶Ä원하µç” 상황처리(예외상황관리 또는 오류상황관리) 시나리오 입니다. 사람이 싵ӊ¤텵ӗ�서 일일이 확인할 수 없는 업무들을 통제함으로써 데이터의 정합성을 향상시킬 수 있도록 지원합니다.

슬기로운 회사생활 10

그럼 예외상황관리 영역에서 관리회계 담당자라면 ì•ѫ£¼ 익숙하고 필수적인 업무 중 하나인 배부왶Ä 관련하여 ‘통합 배부 경고/오류’ 시나리오를 소개해 드립니다.

‘배부’는 Â鶹ԭ´´ 관리회계 영역에서 간접비 관리왶Ä 수익성 분석에서 ì•ѫ£¼ 중요한 업무입니다. 보통 ERP 프로젝트에서 상세한 원가 관리나 다차원 수익성 분석을 위해 많은 단계의 배부 절차를 설계합니다. 결산 시 배부 작업에 하루 이상 걸리는 기업들도 어렵지 않게 찾아볼 수 있죠. 특히 배부 작업은 여러 단계의 작업을 수행해야 하는 복잡한 절차라서 배부 작업 중간 과정에서 오류가 발생하면 이전 단계를 모두 되돌리고 다시 시작해야 하는 상황을 맞이할 수도 있습니다.

이러Çêœ 상황을 예방하기 위해 Â鶹ԭ´´ S/4HANA에는 새로운 기술 요소 중 하나인 ‘예외상황관리’ 기술이 적용되었습니다. 앞에서 설명 드린 상황이 발생하게 되면 사용자에게 우선 알림을 보내고, 이를 클릭하면 오류가 난 배부 상황을 보여주어 후속 처리를 할 수 있도록 지원하는 거죠.

슬기로운 회사생활 10

배부 실행 오류 상황 대응은 4단계를 통해서 동작하게 됩니다. 먼저 통제가 Çêѫš”Çêœ 상황의 유형을 정의해야 합니다. Â鶹ԭ´´ S/4HANA에서 사전 정의되어 제공되고 있는 예외상황 유형을 사용할 수도 있고, 이를 템플릿으로 활용하여 다양한 조건을 설정하여 기업에 맞는 예외 상황을 정의할 수 있습니다.

슬기로운 회사생활 10

이 때 예외가 발생했을 경우 처리해야 할 담당자를 지정하기 위해 ‘팀 및 책임 관리’를 통해 팀 내 관리자왶Ä 구성원과의 관계를 지정하는 기능을 제공하고 있습니다. 예외 상황 발생 시 사전에 정의 되어 있는 팀 구조에 맞게 담당자 화면에 알림을 전송해 주는 거죠.

슬기로운 회사생활 10

이처럼 배부 과정에서 예외 상황 관리를 적용하게 되면, 배부 오류로 인해 지연되는 결산 업무를 단축시킬 수 있어 회계팀에 전반적인 결산 프로세스 관리의 Ðë¨율성 향상을 가져다 줄 수 있습니다.

¹®´려운 신기술, Â鶹ԭ´´ S/4HANA에서µç” 좶Ä 더 쉽게 적용Çê˜기

지금까지 각 신기술 별로 Â鶹ԭ´´ S/4HANA에서 제공하는 표준 시나리오를 적용 예제왶Ä 함께 소개해드렸습니다. 신기술을 업무에 적용하는 일이 처음에는 다소 어려울 수 있죠. 하지만 이제는 업무 담당자의 업무 효율과 잠재력 제고를 위해 이러Çêœ 기술의 업무 적용이 많은 기업에 필수 요소입니다.

그런 만큼 Â鶹ԭ´´ S/4HANA에서 제공하는 표준 시나리오를 활용하신다면 직접 개발을 통해 프로세스를 설계하시는 것보다 쉽게 업무 자동화를 실현 시킬 수 있다는 점을 강조해 드리고 싶습니다. 더불어 데모왶Ä 함께 구체적으로 설명 드리는 세션 동영상을 통해 Â鶹ԭ´´ S/4HANA 재무 프로세스에 적용된 짶ĵç¥형 시나리오를 확인해보세요. 고맙습니다.

Click the button below to load the content from YouTube.

신기술 적용 예제를 통해 알아보는 Â鶹ԭ´´ S/4HANA 재무 원가 신기능

 

긶Ä쓴이 소개

이 글은 에스에이피코리아(Â鶹ԭ´´ Korea)에서 Â鶹ԭ´´ S/4HANA로 대한민국 기업들의 디지털 전환을 돕고 있는 육지현(jihyeon.yuk@sap.com) 파트너가 작성한 글 입니다. 육지현 파트너는 DTO (Digital Transformation Office) 조직에서 재무(Â鶹ԭ´´ S/4HANA Finance) 영역을 담당하고 있습니다.

The post 짶ĵç¥형 ERP로 재무 프로세스 지능화 appeared first on Â鶹ԭ´´ Korea 뉴스센터.

]]>