는 단순히 사람들이 더 빨리 보다 효율적으로 일하도록 돕는 데 그치지 않습니다. 이 기술의 진정한 ˳�신 잠재력을 보여주는 여러 시장 분석 전문기관의 예측을 통해 2024�Ƅ 기업용 애플리케이션 영역의 4가지 트렌드를 진단해 봅니다.

긶�쓴이: 수전 게일러(Susan Galer)

약간은 정신줄을 놓은 듯한 생성 AI 관련 열풍이 어느 정도 잦아 들면서 전문가들의 예측이 이 기술의 진정한 ˳�신 역량을 보다 명확히 드러내 보이고 있습니다. 생성 AI(GenAI)는 단순히 사람들이 더 빨리 더 스마트하게 보다 효율적으로 일하도록 돕는 일이 전부는 아닙니다. 생성 AI에 관한 예측을 파면 팔수록 이 기술의 촉매재 역할은 더욱 분명해집니다. 다가올 2024�Ƅ에 생성 AI가 기업용 애플리케이션 시장을 영원히 뒤바꿀 네 가지 트렌드를 소개합니다.

1. 회의론자 설득하기: 신뢰받는 AI를 표준으로

2024�Ƅ 최고 전략 기술 트렌드 보고서에서 밝힌 제1의 트렌드는 바로 AI TRiSM입니다. 신뢰, 리스크, 보안관리의 줄임말이죠.

이 부문에 우선순위를 두는 이유는 충분합니다. 2024�Ƅ 예측 보고서에서 연구원들은 AI에 댶��� 들어본 적이 있는 온라인 상의 성인들을 대상으로 한 조사에서 미국은 50%, 프랑스는 43%의 응답자가 생성 AI는 사회에 위협이 된다고 밝혔습니다. 그럼에도 이들 분석가는 회의론자의 60%가 알건 모르건 간에 생성 AI를 이용하고 사랑하게 될 것으로 내다봅니다. 기업용 AI 이니셔티브도 생산성과 창의적 문제 해결을 50% 촉진할 것으로 예측하며, 이를 통해 “고객 중심 ˳�신을 촉진하고 전례 없는 �ѫ��니스 가치를 창출할 전망입니다.”

가트너 애널리스트는 훨씬 더 낙관적인 전망을 내놓습니다. 오는 2026�Ƅ까지 기업들은 TRiSM 통제장치를 AI 애플리케이션에 적용해 잘못된 정보나 불법 정보를 80% 제거해 의사결정 정확도를 높일 것으로 예측합니다.

몇몇 시장 리더는 이러한 경고의 소리를 귀담아 듣고 신뢰받는 데이터로 훈련시킨 거대언어모델(LLM)을 만들고 있습니다. 예컨대 최근 진행된 임원 질의응답에서 �鶹ԭ��의 유르겐 뮐러(Juergen Mueller) 최고기술책임자(CTO)겸 이사회 임원은 가 어떻게 연관성과 신뢰성이 높고 책임 있는 AI인지를 설명했습니다. 사람들은 자기 조직의 실제 �ѫ��니스 프로세스의 맥락에 맞게 AI 적용사례를 만들고 일상적으로 사용하는 �鶹ԭ�� 시스템에 내장하고 있다고 합니다. 선도적인 윤리 및 데이터 개인정보보호 표준을 기반으로 구축된 이들 적용사례는 �ѫ��니스 데이터에 대한 이해뿐 아니라 �ѫ��니스 프로세스 내에서 이들 데이터가 어떤 의미를 갖는지에 대한 이해를 바탕으로 합니다.

연구원들은 오는 2026�Ƅ까지 클라우드 및 소프트웨어 플랫폼 사업자의 70%가 생성 AI 안전 및 거버넌스 패키지를 주요 서비스에 번들 형태로 제공해 리스크 시나리오를 3분의 1로 줄일 것으로 전망합니다. 는 내�Ƅ까지 대다수 국가에서 설명 가능한 AI 기술 사용에 관한 규제를 만들고 내장된 편견 증폭 통제장치를 포함할 것으로 예측합니다.

2. 반도체 부족으로 ROI에 대한 초점 강화

미국에 본사를 둔 기업들은 2022�Ƅ 통과 이후 반도체와 전자제품에 1,660억 달러를 투자해왔습니다. 그럼에도 반도체 생산과 연구개발, 인력 훈련 등을 늘려 생성 AI의 약속을 이행하는 일은 힘겨운 일이 될 전망입니다. 포레스터 분석가들은 여러 조직이 “가용성과 실리콘 경제, 짶�속가��성 등을 중심으로” AI에 댶��� 실용적인 접근법을 취할 것으로 예측합니다. 이들 분석가는 AI 처리 능력이 “2024�Ƅ 벽에 부딪힐 것”으로 예측하며 이로 인해 “기업들은 가장 분명한 투자효과(ROI)가 있는 분야에 우선순위를 둘 수 밖에 없을 것”이라고 덧붙였습니다.

3. 보다 스마트하고 안전한 AI 주도형 고객 경험

는 2027�Ƅ까지 생성 AI 디지털 비서가 소프트웨어 개발 영역을 비롯해 기업용 소프트웨어 상호작용의 25%를 차지하는 사용자 인터페이스가 될 것으로 내다봅니다. 고객 응대 부문의 사용자에 댶���서는 이보다 높은 비율을 보입니다.

고객경험(CX) 분야의 기회는 거의 미개척지입니다. 포레스터는 기업의 71%가 챗봇에 투자했지만 미국 온라인 성인 사용자의 16%만 챗봇을 이용해 도움을 얻는 것으로 나타났습니다. 이 회사의 2024�Ƅ 예측 보고서에 따르면 효과적인 챗봇 만들기가 어렵다고 인정합니다. 개발자들이 대화형 AI에 기반을 둔 경험을 창출하는 데 있어 전문역량이 필요하다고 밝힙니다.

조직은 다양한 개인정보보호 및 규제준수 리스크를 헤쳐나갑니다. 단기적으로 포레스터 전문가들은 챗GPT를 이용하는 앱이 개인 식별이 가능한 정보를 처리하면서 벌금을 부과 받게 될 것으로 예측했습니다.

에 따르면 합성 데이터가 개인 고객 데이터 수집을 줄여 2025�Ƅ까지 개인정보보호 위반 제재조치의 70%를 예방할 수 있을 것으로 내다봅니다.

4. 생성 AI로 직원 경험 재설계

모든 사회의 지각변동괴 마찬가지로 사람들은 생성 AI의 장점으로 효과를 보려면 적응과 새로운 직무기술 학습이 필요합니다. 분석가들은 2027�Ƅ까지 글로벌 2000대 기업이 생성 AI를 채택하면서 현행 직무 역할의 40%가 재정의되거나 사라질 것으로 예측합니다. 제품 및 서비스 지출에 비해 직무기술에 대한 이해가 부족할 경우 기업의 65%가 2026�Ƅ까지 AI와 기타 투자로부터 완벽한 가치를 실현하지 못할 수 있다고 경고합니다.

가트너 연구원들은 지능형 기술로 직원 경험을 증강하도록 조직들에 조언합니다. 이들 도구를 이용해 통찰과 가이드 방식의 추천을 얻는 게 목표이며 이로써 “직원들이 기존의 시간과 인지 역량 내에서 다른 방식으로는 불가능했던 일들을 달성하도록 도와야 한다”고 제안합니다.

생성 AI 리스크 완화 역시 직원 성과에 영향을 줍니다. IDC 분석가들은 대기업의 60%가 정식 데이터 판독력과 책임있는 AI 교육훈련을 의무화해 인력의 만연한 생성 AI 사용으로 야기될 새로운 리스크를 완화하고자 할 것으로 내다봅니다.

이들 업계 예언자 중에서 누구의 말이 맞을지는 몰라도 생성 AI 투자는 눈이 휘둥그레질 정도입니다. 는 AI 솔루션에 대한 글로벌 지출이 2027�Ƅ까지 5000억 달러를 넘어설 것으로 전망합니다. 는 한술 더 떠서 오는 2027�Ƅ까지 조직들이 AI에 3조 달러를 지출할 것으로 내다봅니다. 이처럼 큰 돈벌이가 되는 대규모 시장의 상당 부분을 포착하려면 신뢰받는 표준과 직원 스킬 재교육, 현실적인 �ѫ��니스 성과에 제대로 뿌리내린 견실한 전략이 요구됩니다.

• 원문: , , Forbes.com

The post 2024�Ƅ 생성 AI 4대 트렌드: 기업용 ERP 애플리케이션 영역 appeared first on �鶹ԭ�� Korea 뉴스센터.

�ѫ��니스 전문성 제고를 위한 �鶹ԭ�� 빌드(�鶹ԭ�� Build) 춵Ӌ�

코세라(��dzܰ��������)왶� 파트너십 체결��고 차세댶� 개발자 역량 강화

2022�Ƅ 11월 16일, 섵Ӛ� – �鶹ԭ��는 �鶹ԭ�� 테크에드(�鶹ԭ�� TechEd) 컨퍼런스에서 �ѫ��니스 사용자의 전문 지식을 활용해 차세댶� �ѫ��니스 ˳�신을 주도할 강력한 신제품 춵Ӌ�를 발표했다. 이번에 공개된 기반의 는 �鶹ԭ��의 세계적인 엔터프라이즈 기술을 �ѫ��니스 사용자에게 제공하는 이다.

�鶹ԭ�� 빌드는 �ѫ��니스 사용자가 보다 현명한 결정을 내리고 ˳�신을 신속하게 추진하는 데 필요한 엔드투엔드 프로세스, 데이터 및 컨텍스트에 직접적이고 안전한 액세스를 제공한다. 또한, 최소한의 기술적 전문 지식을 갖춘 �ѫ��니스 사용자가 엔터프라이즈 애플리케이션을 개발 및 확장하고 하며 드래그앤드롭 방식으로 �ѫ��니스 사이트를 설계할 수 있도록 지원한다.

위르겐 뮬러(Juergen Mueller) �鶹ԭ�� 최고기술책임자(CTO) 겸 이사회 임원은 “�鶹ԭ�� 빌드는 세계에서 가장 강력한 �ѫ��니스 애플리케이션과 �ѫ��니스 사용자의 전문 지식을 신속하게 활용하도록 설계된 플랫폼을 결합한다”며, “�鶹ԭ�� 빌드와 코세라와의 새로운 파트너십 및 포트폴리오 전반에 걸친 개선 사항 등 이번 행사에서 발표하는 모든 ˳�신을 통해 고객은 변동적인 �ѫ��니스 환경 속에서 미래에 대비하고 기술 투자로부터 최대의 가치를 창출할 수 있다”고 말했다.

�鶹ԭ�� 빌드를 통해 �ѫ��니스 사용자는 �鶹ԭ�� BTP의 모든 기능과 �鶹ԭ��의 �ѫ��니스 애플리케이션 데이터를 손쉽게 이용할 수 있다. 사용자는 외부 시스템으로 데이터를 이동하지 않고도 시스템을 쉽게 통합하고, 프로세스를 지능적으로 모니터링, 분석 및 자동화하며, ˳�신을 위한 애플리케이션을 구축할 수 있다. 또한, 솔루션과의 네이티브 통합을 통해 모든 프로세스에 대한 심층적인 가시성도 확보할 수 있어, ˳�신 및 자동화 과정에서 효율성을 위해 집중이 필요한 분야를 파악할 수 있다.

4,000개 고객의 275,000개 이상의 프로세스 레퍼런스 포인트와 1,300개의 사례별 워크플로 및 자동화를 통해 사용자는 �鶹ԭ��의 기술에 내장된 모든 �ѫ��니스 전문 지식을 즉시 활용 가능하다. �鶹ԭ�� 빌드는 非�鶹ԭ�� 시스템에서도 구동이 가능하다. 또한 사용자는 새로운 �鶹ԭ�� 빌더스(�鶹ԭ�� Builders) 프로그램의 선진사례를 공유할 수 있는 실습 세션 및 포럼을 통해 다양한 정보를 얻고 다른 사용자와 소통할 수 있다.

아르날 다야라트나(Arnal Dayaratna) IDC 소프트웨어 개발 담당 리서치 부사장은 “현대 디지털 솔루션에 대한 수요가 전문 개발자의 공급 능력보다 크다는 점을 감안할 때, IDC는 �ѫ��니스 전문가들이 시급한 �ѫ��니스 문제를 해결하기 위한 디지털 솔루션 개발 이니셔티브에 점점 더 많이 참여할 것으로 예상하고 있다”며,

“IDC는 향후 10�Ƅ 동안 전 세계적으로 1억 명 이상의 �ѫ��니스 전문가가 디지털 솔루션 개발에 참여할 것으로 예상하고 있다. �鶹ԭ�� 빌드의 로코드 개발 솔루션을 통해 �ѫ��니스 사용자는 각자의 전문 지식을 활용해 규모에 맞는 디지털 솔루션을 신속하게 구축할 수 있다”고 말했다.

�鶹ԭ�� 빌드는 이미 효과를 입증하고 있다.

스펜서 쿡(Spencer Cook) ��경험관리 어드보케이트(XM Advocates) 총괄은 “�鶹ԭ�� 빌드 덕분에 고객에게 더 나은 경험을 쉽게 구축하면서 개발 비용을 90%까지 대폭 절감할 수 있었다”며, “고객의 만족도를 높일 수 있는 고객 레퍼런스 프로그램을 개선하기 위한 애플리케이션을 신속하게 구축할 수 있었다”고 말했다.

모든 기업이 기술 기업이 되면서 �鶹ԭ��는 전문 개발자만이 제공할 수 있는 기술과 인사이트에 대한 프리미엄이 높아지고 있음을 인지하고 있다. 이에 따라, �鶹ԭ��는 2025�Ƅ까지 전 세계 200만 명의 개발자를 하고 있다. �鶹ԭ��는 ▲가 제공하는 무료 학습을 3배 늘리고, ▲세계적인 학습 플랫폼 공급업체 코세라(��dzܰ��������)왶� 협력해 인재들이 �鶹ԭ�� 에코시스템 내에서 경력을 시작할 수 있도록 지원하고, ▲테크 업계에서 그 동안 상대적으로 기회가 없었고 잘 드러나지 않았던 인력을 위해 다양한 지원을 제공한다는 방침이다.

제프 마지온칼다(Jeff Maggioncalda) 코세라 CEO는 “�鶹ԭ��가 오늘 코세라에서 전문가 인증 프로그램 신입 단계를 춵Ӌ�한 것을 매우 자랑스럽게 생각한다”며, “해당 코스는 대학 학위나 관련 경험과 무관하게 다양한 배경을 가진 수강생이 수요가 많은 분야의 신입 사원으로 입사할 수 있도록 고안됐다. �鶹ԭ��와 파트너십을 맺어 취업연계 기술 및 경제적 기회에 대한 접근성을 높일 수 있어 영광”이라고 말했다.

해당 발표는 �鶹ԭ�� 고객과 파트너가 성공을 유지하는 데 필요한 ˳�신을 지속적으로 추진할 수 있도록 지원하기 위해 �鶹ԭ�� 테크에드에서 댶�거 공개된 ˳�신의 일환이다. 이번 행사에서는 상에서 생산성을 높이고 즉시 사용할 수 있는 완전히 새로운 �ѫ��니스 애플리케이션용 네이티브 웹 엔트리 포인트부터 지능형 �鶹ԭ�� 애플리케이션, 및 전반에 걸친 ˳�신에 이르기까지 다양한 발표가 진행됐다.

# # #

�鶹ԭ��에��댶���

�鶹ԭ��의 전략은 모든 기업이��으로 운영될 수 있도록 지원하는 것이다. �鶹ԭ��는 기업용 애플리케이션 소프트웨어 시장의 선두주자로서 규모와 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�� 테크에드(�鶹ԭ�� TechEd)에서 ˳�신 댶�거 공개 appeared first on �鶹ԭ�� Korea 뉴스센터.

머신러닝은 구체적인 프로그래밍 작업 없이 대량의 데이터를 활용해 컴퓨터가 스스로 학습하도록 합니다. 전세계적으로 가장 관련성 높은 기업 데이터가 �鶹ԭ��의 시스템과 �ѫ��니스 네트워크 상에 존재합니다.

긶�쓴이: 유르겐 뮐러(Jürgen Müller)

지난 2016�Ƅ 3월 역사적인 사건이 일어났습니다. 구글 딥마인드 챌린지에서 알파고(AlphaGo) 프로그램이 바둑 고수 이세돌 9단에게����으롵Ӎ� 이 어느 수준까지 왔는지를 잘 보여주었습니다.��“규칙은 간단하지만 복잡한 가능성이 존재하기 때문에 바둑은 AI 연구 분야에서 가장 중요한 마일스톤 중 하나로 자리해왔다”고 더버지(The Verge)에 샘 바이포드(Sam Byford)가��했습니다.

컴퓨터가 자율적으로 학습한다는 아이디어는 이미 수십�Ƅ 동안 관심을 끌어 왔습니다. 그렇다면 최근 들어 어떤 변화가 생긴걸까요? 이 최근 몇�Ƅ 사이 탄탄한 토대를 갖게 된 이유는 뭘까요?

머신러닝이 이제 가능한 이유

컴퓨팅 파워의 증가로 인해 마침내 머신러닝이 가능해졌습니다. 게임 분야를 필두로 3D 그래픽 전용 프로세서인 GPU(graphic processing unit)가 단순 작업의 병렬 연산 차원에서 최근 큰 성능 개선을 이루었는데, 이는 딥러닝(deep learning) 알고리즘이 가장 보편적으로 사용하는 방식입니다. 이는 멀티코어 아키텍처의 폭 넓은 확산 및 와 맞물려 고도로 효율적인 머신러닝 알고리즘의 구현을 위한 길을 열었습니다.

머신러닝이 가능해진 또 다른 요인은 바로 입니다. 다양한 소스(예: 텍스트, 이미지, 지리공간 데이터)에서 나온 거대한 데이터 세트를 활용해 머신을 훈련 시키고 스스로 학습하도록 합니다.

페이스북을 예로 들어 보죠. 사진 속의 개인들의 얼굴에 이름 태그를 추가하면서 세계 최대 규모의 얼굴 데이터베이스가 생겼습니다. 페이스북은 비주얼 인식 측면에서 머신을 가르치고 훈련시킬 수 있습니다. 머신이 데이터를 더 많이 이용할수록 얼굴 인식률이 개선됩니다.

나아가 머신러닝 분야의 기본 연구에 따라 보다 정교한 러닝 알고리즘이 나오고 학습의 기본원칙에 댶���서도 이해가 늘었습니다. 인공신경망과 같은 근본 알고리즘은 인간의 뇌를 흉내냅니다. 신호를 전달하는 뇌의 시냅스를 흉내내고 뉴런과 유사한 단위로 구성된 네트워크를 상상해 볼 수 있습니다.

이러한 인공 신경망은 인풋 데이터의 복잡한 비선형 구조를 학습할 수 있고 머신은 보기, 읽기, 쓰기, 듣기, 말하기 등의 능력을 습득할 수 있습니다. 이를 위해서는 지속적인 머신 훈련 단계에서 을 적용해야 합니다.

강화학습(RL, Reinforcement Learning)은 러닝 알고리즘과 주변 환경 간의 행동과 피드백(상벌)을 모델링��으롵Ӎ� 지도학습을 확장해 자동차를 운전하거나 바둑을 두는 등 복잡한 과제를 처리할 수 있도록 합니다. 머신러닝 알고리즘을 토대로 향후에는 매우 정교한 상황도 해석할 수 있도록 머신을 훈련시킬 수 있습니다.

끝으로 머신러닝이 주류 기술로 자리잡는 이유는 적용이 더 쉽기 때문입니다. 다양한 양질의 프리, 오픈소스 소프트웨어 패키지가 나와있고 이를 이용해 폭넓은 데이터 과학자와 개발자가 머신러닝에 액세스할 수 있게 되었습니다. 마찬가지로 머신러닝에 관한 MOOC (massive open online course)와 서적, 블로그 등 누구나 액세스할 수 있는 온라인 자료도 나와있습니다.

�ѫ��니스 소프트웨어와 머신러닝의 만남��

바둑 컴퓨터나 소셜미디어 얼굴 인식은 소비자 및 �ѫ��니스 소프트웨어의 근본적인 변화를 예고합니다. 트랙티카(Tactica)의��에 따르면��“기업용 애플리케이션 부문의 AI 시스템 시장은 2015�Ƅ 2억250만 달러에서 2024�Ƅ에는 111억 달러 규모로 늘어나 56.1%의 연평균성장률(CAGR)을 보일 전망입니다.” 머신러닝이 기업용 솔루션의 필수요소로 자리하고 머신이 인간의 디지털 동료로 활동할 날이 멀지 않았습니다.

보기 – 머신 비전

머신은 이미 볼 수 있습니다. 이미지나 동영상 속의 제품과 같은 물체를 인식합니다. 제약회사에 어떤 영향이 있을지 상상해 보세요. 화학 반응이 생길 수 있는 약품들이 보관 창고에서 서로 너무 가까이 있지 않도록 보장할 필요가 있습니다. 모바일 앱의 도움으로 창고 담당자가 스마트폰으로 사진을 찍으면 머신의 이미지 인식 기능을 토대로 통합 으로부터 해당 품목이 올바로 보관 되었는지 여부에 관해 즉시 피드백을 받습니다.

텍스트 인식과 이해

머신은 텍스트를 읽고 이해할 수도 있습니다. 예컨대 영역에서 기업은 공석을 충원하기 위해 입사 지원자를 선별하는 데 최고 60%의 시간을 쓰고 있습니다. 머신러닝은 채용 담당자를 도와 자동 이력서 매칭을 통해 해당 직무에 맞는 최고의 후보자를 파악하거나 유망한 입사 지원자에 맞는 최상의 직무를 파악합니다. 이렇게 되면 채용 담당자는 수천 건의 이력서를 수작업으로 선별하는 대신에 후보자면접에 더 많은 시간을 투자할 수 있습니다.

글쓰기 – 텍스트 생성

머신은 쓸 수도 있습니다. 정형, 비정형 문맥 정보를 분석해 보고서를 자동 생성할 수 있습니다. 보험업의 경우 모든 클레임을 담당자가 일일이 심사하는 대신 머신이 간단한 보험 케이스에 댶��� 예비 결정을 내리고 응답서한을 작성할 수 있습니다. 이를 통해 보험사는 클레임을 보다 빨리 처리하고 생산성을 높일 수 있습니다.

듣고 말하기

끝으로 머신은 듣고 말할 수 있습니다. 시스템은 사람의 목소리를 속도, 크기, 단조로움 등 40개 가량의 차원으로 분석할 수 있습니다. 이는 고객 서비스에서 매우 중요합니다.

고객 통화에서 고객이 채팅봇과 이야기하다가 점점 화가날 수 있습니다. 음성 데이터를 다양한 맥락에서 수집��으롵Ӎ� 머신은 대화의 분위기를 모니터할 인지 능력을 개선하며 문제가 예상되는 케이스를 콜센터 담당자에게 전달해 보다 복잡한 문제를 사람이 해결하도록 할 수 있습니다.

이상은 머신러닝이 �ѫ��니스 환경에 인텔리전스를 제공할 수 있는 몇 가지 사례에 불과합니다. 분명히 머신러닝은 잠재력이 크며 �鶹ԭ��의 입장에서도 전략적인 주제입니다.

�鶹ԭ�� ˳�신센터네트워크(�鶹ԭ�� Innovation Center Network)의 머신러닝 인큐베이션 팀은 �鶹ԭ�� 애플리케이션을 인텔리전트하게 만들 다양한 머신러닝 적용사례 개발에 여념이 없습니다. 주어진 직무에 맞는 최적의 입사 지원자를 찾거나 지원자를 위한 최적의 직무 포지션을 찾아주는 이력서 매칭 도구에서 영업예측 자동화, 인보이스 매칭에 이르기까지 다양한 분야를 연구 중입니다.

대규모 파트너 에코시스템과 협업하고 25개 산업 특화 솔루션, 업무영역(LoB) 솔루션 부문과 함께 ˳�신적인 지능형 솔루션과 서비스 제공에 최선을 다하고 있습니다.

The post 머신러닝으로 지능형 기업 실현 appeared first on �鶹ԭ�� Korea 뉴스센터.