2026�Ƅ 10월 28일, 섵Ӛ� – �鶹ԭ��는 개발자를 위한 연례행사인 �鶹ԭ�� 테크에드(TechEd) 2026에서 개발자 포트폴리오를 확장하는 다양한 AI ˳�신을 발표했다. 이번 발표에는 최신 �鶹ԭ��의 테이블 ˳�식(tabular) 파운데이션 모델을 포함한 쥴 스튜디오(Joule Studio) 및 쥴 워크(Joule Work) 솔루션 및 �鶹ԭ�� �ѫ��니스 AI ���랫폼(�鶹ԭ�� Business AI Platform)의 향상된 기능이 포함됐다. 이를 기반으로 기업은 AI 에이전트를 구축하고 확장할 수 있는 새로운 툴과 에이전트가 추론에 홵Ӛ�할 더욱 풍부한 데이터와 �ѫ��니스 컨텍스트, 그리고 전사적으로 에이전트를 책임감 있게 운영하기 위한 강화된 거버넌스 제어 기능을 홵Ӛ�할 수 있다.

�鶹ԭ�� �ѫ��니스 AI ���랫폼은 조직이 �鶹ԭ�� 및 서드파티 환경 전반에서 AI를 구축하고 맥락을 더하며 거버넌스를 적용할 수 있는 단일 공간을 제공한다. �ѫ��니스 사용자와 개발자는 쥴 스튜디오를 통해 노코드(no-code) 및 프로코드(pro-code) 툴을 사용하여 70개 이상의 AI 모델 중 원하는 것을 선택해 에이전트를 구축하고 확장할 수 있다. 또한 쥴 스튜디오 얼리 어답터 프로그램에 참여하는 고객은 쥴 스튜디오에서 n8n 워크플로우를 설계하고 실행할 수 있으며, 향후 더 많은 사용자에게 해당 기능이 제공될 예정이다. 또한 �鶹ԭ�� �ѫ��니스 데이터 클라우드(�鶹ԭ�� Business Data Cloud)와 �鶹ԭ�� 지식그래프(�鶹ԭ�� Knowledge Graph) 솔루션은 에이전트가 신뢰할 수 있는 �ѫ��니스 데이터와 맥락을 바탕으로 작동하도록 하여, 조직이 각 사용 사례에 적합한 모델을 선택하고 AI 가치와 소비를 더욱 잘 관리할 수 있도록 지원한다. 특히 �鶹ԭ�� 고객들의 데이터는 고객의 소유로 남으며, �鶹ԭ��는 대규모 언어 모델(LLM)을 학습시키거나 개선하기 위해 고객 데이터를 그 누구와도 공유하지 않는다.

필립 헤르치히(Philipp Herzig) �鶹ԭ�� 최고기술책임자(CTO)는 “�鶹ԭ�� 테크에드는 항상 개발자들이 미래를 설계하는 자리였다”며 “올해 �鶹ԭ��는 AI가 고객의 �ѫ��니스를 학습하는 단계를 넘어 직접 실행하는 단계로 어떻게 진화하고 있는지 보여주고 있다. 쥴 워크는 사용자가 의도를 입력하고 업무를 완수하는 곳으로, �鶹ԭ�� 전체 환경은 물론 그 너머까지 아우르는 단일 경험을 제공한다. 이것이 바로 우리가 대규모로 실현하고 있는 변화다. 이러한 모든 기능은 �鶹ԭ�� �ѫ��니스 AI ���랫폼을 기반으로 실행된다. 이를 통해 기업은 즉시 홵Ӛ� 갶ĵ�한 �ѫ��니스 이해도와 높은 정확성, 그리고 첫 배포부터 안전하고 거버넌스가 적용되며 규정을 준수하는 엔터���라이즈 준비 역량을 확보할 수 있다. 여기에 50�Ƅ 이상 축적된 프로세스 및 산업 전문 지식을 바탕으로 모든 에이전트 작업에 내재된 독보적인 컨텍스트 레이어가 더해져, 기업은 더 빠르게 가치를 실현할 수 있다. 이것이 바로 실제 업무가 이루어지는 곳에 구축된 AI다”라고 말했다.

자율˳� 엔터���라이즈를 ˳ѫ��로 만드�� 쥴 워크왶� 쥴 스튜디오

쥴 워크의 새로운 기능은 A2A와 모델 컨텍스트 프로토콜(MCP)을 포함한 개방형 프로토콜을 통해 AI 에이전트가 복잡한 �ѫ��니스 프로세스를 더 효과적으로 처리할 수 있도록 돕는다. 이러한 ˳�신은 쥴 워크가 컨텍스트를 더 잘 이해하고, 결정을 내리며, 엔터���라이즈 시스템 및 �ѫ��니스 도메인 전반에서 다단계 �ѫ��니스 워크플로우를 실행할 수 있도록 발전시킨다. 주요 내용은 다음과 같다.

• 새로운 에이전틱 사고 ��력은 ���시스턴트 및 에이전트가 �鶹ԭ�� 환경 전반에서 복잡한 다단계 �ѫ��니스 워크플로우를 안정적으로 완료하는 데 필요한 단계들을 계획하고 조율한다.
• �鶹ԭ�� 짶�식그래프의 새로운 기능은 각 고객의 고유한 추가 �鶹ԭ�� 및 비(非)�鶹ԭ��데이터 소스를 통합할 예정이다. 이를 통해 사용자는 자연어로 맞춤형 데이터를 쿼리하고 탐색하며 자체 정보에 기반한 정확한 답변을 얻을 수 있다.
• �����운용성 강화로 서드파티 에이전트는 거버넌스가 적용된 에이전트 게이트웨이를 통해 쥴 에이전트를 안전하게 호출할 수 있도록 해준다. 이러한 접근 제어를 통해 다양한 제공업체의 에이전트는 거버넌스나 통제력을 잃지 않고 �ѫ��니스 워크플로우 전반에서 협업할 수 있다.
• 새로운 �鶹ԭ�� 엔터���라이즈 AI 게이트웨이(�鶹ԭ�� Enterprise AI Gateway) 솔루션은 AI 상호 작용까지 거버넌스를 확장하며 인증, 정책 적용, 라우팅, 모니터링, 사용량 추적 및 감사를 통합하여 기업 전반의 AI 트래픽을 관리하는 중앙 집중식 방법을 제공할 예정이다.
• 새로운 쥴 ���시스턴트 및 �鶹ԭ�� AI 에이전트 ��브(�鶹ԭ�� AI Agent Hub)는 거버넌스 역량을 확장하며, 새로운 AI 거버넌스 ���시스턴트(AI Governance Assistant)는 고객이 유럽연합 AI 법(EU AI Act)의 규정 준수 요건을 충족할 수 있도록 돕는다. 이는 AI 시스템을 분류하고 규정 준수 상태로 유지하며, 조직이 정의한 가드레일 및 컨텍스트 내에서 운영되도록 함으로써 엔터���라이즈 AI 확장의 주요 장벽을 해결하도록 설계됐다.

�鶹ԭ��는 또한 개발자와 관리자가 에이전트 동작, 모델 사용 및 지출에 대한 가시성을 확보할 수 있도록 쥴 스튜디오에 새로운 가시성 및 관리 제어 기능을 추가했다고 발표했다. 쥴 스튜디오는 기업용 에이전트 구축 및 확장을 위해 쥴 워크를 통해 접근할 수 있는 �鶹ԭ��의 AI 퍼스트 개발 환경이다. 쥴 스튜디오는 선별된 고객을 대상으로 한시적인 프로모션을 진행하며, �鶹ԭ�� 관리형 쥴 스튜디오 런타임에 맞춤형 에이전트를 배포하고 실행하는 것은 2026�Ƅ 12월까지 무료로 제공된다. AI 지원 개발을 통해 에이전트 및 n8n 워크플로우를 구축하고 테스트하기 위한 설계 도구 역시 공정 사용 한도 내에서 무료로 이용할 수 있다.

자율˳� 엔터���라이즈의 ��심 기반 엔진, �鶹ԭ�� �ѫ��니스 데이터 클라우드

�鶹ԭ�� �ѫ��니스 데이터 클라우드(�鶹ԭ�� BDC)의 �鶹ԭ�� �ѫ��니스 데이터 클라우드 온톨로지 매니저(�鶹ԭ�� Business Data Cloud Ontology Manager)는 �鶹ԭ�� 및 서드파티 데이터 전반에서 온톨로지 구축을 위한 AI 네이티브 저작 경험을 제공할 예정이다. 여러 팀, 시스템 및 애플리케이션의 데이터가 어떻게 서로 연관되어 있는지 AI가 이해하도록 도움으로써 AI 에이전트는 기업 전반에서 보다 정확하게 추론하고 의사 결정을 내릴 수 있다. 이 솔루션은 �鶹ԭ�� 데이터에 대한 풍부한 �ѫ��니스 컨텍스트를 제공하는 �鶹ԭ�� 지식그래프를 보완한다.

아울러 �鶹ԭ��는 드레미오(Dremio)를 통해 레이크하우스(lakehouse) 기능을 확장하고 있으며, 아파치 아이스버그(Apache Iceberg) 및 아파치 폴라리스(Apache Polaris)에 대한 기본 지원과 더불어 데이터를 이동하거나 복사하지 않고도 통합된 데이터 액세스를 가능하게 하는 고성능 페더레이션 쿼리 엔진을 추가한다. �鶹ԭ��는 데이터브릭스(Databricks)와의 파트너십을 확댶��� 데이터 엔지니어링 및 엔터���라이즈 AI 역량의 전체 범위와 최신 ˳�신 기술을 ‘�鶹ԭ�� 데이터브릭스(�鶹ԭ�� Databricks)’라는 이름으로 �鶹ԭ�� �ѫ��니스 데이터 클라우드에 도입한다. 레이크플로우(Lakeflow), 에이전트 브릭스(Agent Bricks), 유니티 게이트웨이(Unity Gateway), 레이크베이스(Lakebase)와 같은 ��심 ˳�신 기술은 고객이 데이터 관리를 간소화하고 AI 여정을 위한 강력한 데이터 기반을 마련하도록 지원한다. �鶹ԭ�� �ѫ��니스 데이터 클라우드와의 심층적인 통합과 새로운 �鶹ԭ�� 애플리케이션 데이터 파운데이션(�鶹ԭ�� Application Data Foundation) 및 쥴과 지니(Genie) 간의 통합을 바탕으로, �鶹ԭ��와 데이터브릭스는 고객이 자율˳� 엔터���라이즈 및 쥴 워크의 토대가 되는 전사적 레이크하우스를 구축할 수 있도록 지원한다.

�ѫ��니스에서 신뢰받고 우주에서 겶�증된 테이블 ˳�식 파운데이션 모델

�鶹ԭ��는 최신 �鶹ԭ�� 테이블 ˳�식 AI 모델인 �鶹ԭ��-RPT-2.0을 발표했다. 이 모델은 분류 및 회귀 분석을 넘어 이상 및 특이치 탐지를 지원하고, 임베딩을 통해 더욱 풍부한 AI 기반 분석을 제공하도록 확장될 예정이다. 이러한 네이티브 멀티 테이블 기능은 수동 엔지니어링 작업을 더욱 줄이는 동시에 구조화된 데이터에서 더 빠르고 심층적인 인사이트를 제공한다. 또한 새로운 �鶹ԭ��-RPT-TS 모델은 고객이 맞춤형 머신 러닝 없이도 �鶹ԭ�� 통합 �ѫ��니스 계획(�鶹ԭ�� Integrated Business Planning) 솔루션을 사용하여 주요 예측 사용 사례에 대한 시간 계열 기반 �ѫ��니스 지표 값을 예측할 수 있도록 지원한다.

이어 �鶹ԭ��는 HPE와의 파트너십을 통해 국제우주정거장(ISS)에 탑재된 HPE 스페이스본 컴퓨터-2(HPE Spaceborne Computer-2)에 �鶹ԭ��-RPT를 배포한다고 발표했다. 이는 현재까지 기업용 AI 모델을 대상으로 수행된 엣지 컴퓨팅 검증 중 가장 의미 있는 사례다. �鶹ԭ��-RPT는 ISS 내에서 직접 실행될 예정이며, 분석을 위해 데이터를 지구로 다시 전송할 필요가 없다. 이를 통해 이상 징후를 분류하고 장애가 커지기 전에 문제를 사전 예측하며, 과거 데이터에서 누락된 센서 값을 복원하고, 우주비행사와 지상 팀을 위해 설명 갶ĵ�한 미션 상태 보고서를 생성할 수 있다.

필립 헤르치히 CTO는 “글로벌 공급망을 구동하는 신뢰할 수 있는 �鶹ԭ��-RPT 모델은 우주에서도 동일하게 작동할 수 있다”고 말했다. 이어 “�鶹ԭ��의 깊이 있고 겶�증된 전문성 덕분에 국제우주정거장에서는 궤도 내에서 발생할 수 있는 잠재적인 미션 크리티컬 장애를 예측하기 위해 �鶹ԭ��의 테이블 ˳�식 파운데이션 모델을 도입하게 됐다. �鶹ԭ��는 프라이어 랩스(Prior Labs)의 탭PFN(TabPFN)과 �鶹ԭ�� RPT를 통해 테이블 ˳�식 AI의 고유한 기능을 기업 및 모든 영역으로 확장하고 있다”고 밝혔다.

즉시 홵Ӛ� 갶ĵ�한 ���시스턴트 및 에이전트를 통한 경쟁력 강화

�鶹ԭ��는 지난 50�Ƅ 동안 고객의 �ѫ��니스를 운영하는 기록 시스템을 구축해 왔다. 향후 �鶹ԭ��는 5개의 수평적 도메인 전반에 걸쳐 즉시 홵Ӛ� 갶ĵ�한 ���시스턴트 및 에이전트 제품군을 제공할 예정이다. 이 제품군은 �鶹ԭ�� �ѫ��니스 AI ���랫폼에서 실행되며 산업별 특화 기능을 갖추고, 인텔리전스 시스템과 실행 시스템의 토대가 된다.

생태계 파트너와 ��께��는 ���랫폼 기능 확장

�鶹ԭ��의 글로벌 파트너 생태계는 �鶹ԭ�� �ѫ��니스 AI ���랫폼 기반 솔루션의 지속적인 운영 및 확장에 새로운 기능을 제공하여 고객이 자율˳� 엔터���라이즈로 나아갈 수 있도록 지원한다. 이번 행사에서 강조된 주요 파트너 발표는 다음과 같다.

인텔(Intel)과의 협력은 피지컬 AI를 통해 정보 기술(IT)과 운영 기술(OT)을 연결함으로써, 엔터���라이즈 워크플로우와 자율 로봇 간의 간극을 해소한다.

이와 함께 ,  , 와의 새로운 �鶹ԭ�� 솔루션 확장을 통해 고객의 자율적 역량을 한층 더 확대하며, 시스템 간 업무 인계 없이 ��심 프로세스를 엔드-투-엔드로 실행할 수 있도록 돕는다.

기술 부문을 넘어, �鶹ԭ��는 �鶹ԭ�� 테크에드에 앞서 수만 명이 참여한 를 비롯해 행사 현장 및 집에서 직접 체험할 수 있는 새로운 레퍼런스 아키텍처, 튜토리얼 및 실습 기회 등 새로운 지원 및 참여 프로그램을 통해 강력한 개발자 커뮤니티에 힘을 싣고 있다.

이번 발표에 대한 자세한 내용은 에서 확인할 수 있다.

�鶹ԭ�� 테크에드 2026에 대한 자세한 내용은 에서 확인할 수 있다.

# # #

�鶹ԭ��에 댶���

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

The post �鶹ԭ��, AI 개발자의 ��심 솔루션 구축 및 의도 기반 자율 실행 전환 지원 appeared first on �鶹ԭ�� Korea 뉴스센터.

생산성은 올랐는데, 이익은 그대로인 이유

생성형 AI 덕분에 글쓰기, 리서치, 프로그래밍이 훨씬 빨라졌지만 숨은 문제가 있습니다. 에서 AI 사용자의 80%는 개인 생산성이 올랐다고 답했지만, 영업이익이 크게 늘었다는 기업은 6%뿐이었습니다.

이 간극을 메우는 열쇠는 기업이 리스크, 부도, 손실, 유동성 압박을 더 일찍 감지하고 더 잘 관리하도록 돕는 것입니다.

기계 공학, 자동차 부품 공급망, 제조·물류가 강점인 독일과 유럽에는 특히 중요한 과제입니다. 독일경제연구소는 AI가 2034�Ƅ까지 독일에서 약 4,400억 유로의 추가 부가가치를 만들 수 있다고 추산합니다.

LLM이 약한 곳, 표 ˳�식 데이터

이 목표에는 다른 종류의 AI가 필요합니다. 언어를 다루는 데서 그치지 않고, 기업이 가장 많이 쓰는 데이터를 이해해야 하기 때문입니다. 여기서 일반적인 LLM은 한계를 보입니다.

“�鶹ԭ��의 ��심 �ѫ��니스는 정형 데이터이고, 정형 데이터는 대개 표에 저장됩니다.”

Philipp Herzig, �鶹ԭ�� 최고기술책임자(CTO)

표 속 숫자 같은 정형 데이터는 지금 무슨 일이 일어나는지, 다음엔 무엇이 올지 알려 줍니다. 2026�Ƅ 에서도 성능 좋은 LLM이 표에서 결론을 끌어내고 관계를 찾는 과제는 언어 과제보다 크게 약했습니다.

표의 값은 열, 행, 기간, 거래 사이의 관계 속에 있습니다. 표 ˳�식 AI(Tabular AI)는 기업 시스템을 이루는 여러 테이블에 걸쳐 이런 패턴을 찾도록 설계됩니다. 예를 들어 대금을 늦게 낼 고객을 미리 찾으려면 결제·주문 이력, 배송 데이터, 외부 업종 정보가 함께 필요합니다.

모델 하나로 수백 개를 대신합니다

기존 머신러닝은 수요 예측, 대금 부도 위험, 영업 우선순위처럼 용도마다 모델을 따로 개발하고 운영해야 했습니다. 표 ˳�식 파운데이션 모델은 이를 바꿉니다. 질문마다 새로 만들 필요 없이 범용으로 쓸 수 있어, 앞으로는 �鶹ԭ��가 이번에 고객에게 공개한 �鶹ԭ��-RPT-1.6 같은 모델 하나면 충분해질 수 있습니다.

“흥미로운 점은 이렇게 전혀 다른 홵Ӛ� 사례가 모두 같은 모델을 기반으로 한다는 것입니다. 원리는 늘 같습니다. 일정량의 표 ˳�식 데이터를 모델에 넣으면 바로 예측을 시작할 수 있습니다.”

Philipp Herzig, �鶹ԭ�� 최고기술책임자(CTO)

방대한 데이터로 사전 학습된 만큼, 데이터가 적을 때 개별 모델이 놓치는 패턴도 사례를 넘나들며 찾아냅니다. 비용과 시간은 줄고, 얻는 통찰은 늘어납니다.

Prior Labs 인수, 그리고 LLM과의 조합

�鶹ԭ��는 지난 7월 Prior Labs를 인수해 기업용 AI의 다음 단계를 앞당기고 있습니다. Prior Labs의 기초 연구에 �ѫ��니스 프로세스에 AI를 적용해 온 �鶹ԭ��의 경험을 결합하는 것입니다. Prior Labs의 오픈소스 모델 TabPFN-3, �鶹ԭ��-RPT 계열 모델, 가 만나면 기업 고유의 데이터와 맥락에서 안전하게 예측을 만들어 내는 인프라가 완성됩니다. 시계열로 학습한 파운데이션 모델도 등장하는 등 모델은 갈수록 다양해지고 있습니다.

“기존 LLM은 같은 프롬프트를 여러 번 입력해도, 예를 들어 온도 설정에 따라 다른 답이 나올 수 있습니다. 우리 모델은 다릅니다. 같은 샘플을 입력하면 같은 예측, 같은 신뢰도를 얻습니다.”

Philipp Herzig, �鶹ԭ�� 최고기술책임자(CTO)

중요한 건 LLM이냐 표 ˳�식 모델이냐가 아니라 둘을 결합하는 것입니다. 언어와 지식은 LLM이, 정형 �ѫ��니스 데이터 기반 예측은 표 ˳�식 모델이 맡습니다. 제대로 쓰면 AI는 생산성 도구를 넘어 더 나은 의사결정과 더 강한 경제의 토대가 됩니다.

The post 같은 질문엔 같은 답, �鶹ԭ�� 표 ˳�식 AI의 승부수 appeared first on �鶹ԭ�� Korea 뉴스센터.

가 업종을 불문하고 파괴적 �ѫ��니스 ˳�신을 초래하고 있습니다. 고용주는 직원이 AI를 효과적으로 홵Ӛ�할 직무 ��력을 확보하도록 도와야 할 뿐 아니라 기계가 대신할 수 없는 비판적 사고, 창의적 사고 등의 직무기술도 배양해야 합니다.

글쓴이: 토마스 사워레시히(Thomas Saueressig)

일대 ˳�신을 가져올 넥스트 빅씽이 등장했습니다. 생성 AI(GenAI)는 산업 전반에 걸쳐 �ѫ��니스에 파괴적인 ˳�신을 가져오고 있습니다. 이처럼 �ѫ��니스 세계를 훨씬 뛰어넘어 많은 사람의 관심을 불러 일으킨 기술도 드물죠. 오픈AI(OpenAI)의 챗G�ʰ�(��󲹳ٳұʰ�)로 인해 AI에 대한 관심과 열정이 주류로 자리잡고 있습니다. 간편한 사용법, 직관적 디자인, 사람이 만든 듯한 콘텐츠를 제작하는 ��력 등으로 집중조명을 받게 되었죠. 이제 기업은 생성 AI가 기업 내부는 물론 고객을 위한 가치를 제공할 잠재력을 탐색 중입니다.

�ѫ��니스 AI 혁명을 선도하는 �鶹ԭ��

인공지능을 �ѫ��니스에 접목시키려면 여러 요소가 추가로 요구됩니다. 풍부한 �ѫ��니스 데이터에 대한 액세스, 복잡한 업무 프로세스에 대한 이해, 분야별 업종별 전문역량, 무엇보다 고객의 데이터를 보호할 역량에 대한 고객의 신뢰가 필요하죠. 그런 점에서 이 모든 요건을 충족하는 저희 회사는 지금 이 순간 믿기 어려울 만큼 커다란 차별화 요소를 확보했습니다. 바로 이 점 때문에 저희 회사는 연관성, 책임감, 신뢰성 등을 두루 갖춘 �ѫ��니스 AI 솔루션 제공에 헌신합니다.

연관성이 높은 이유는 저희 회사의 AI 애플리케이션이 저희 고객사의 �ѫ��니스 맥락에 기반을 두고 있기 때문입니다. 는 업계를 선도하는 저희 기업용 애플리케이션과 �ѫ��니스 기술 솔루션에 내장되어 있습니다. 책임감이 있는 이유는 바로 지난 50여 �Ƅ간 고객들이 가장 미션 크리티컬한 �ѫ��니스 프로세스를 저희에게 믿고 맡겨 오셨기 때문이죠.

저희 회사의 명확한 목표는 바로 최고 수준의 보안과 개인정보보호, 규제준수, 윤리를 갖춘 �ѫ��니스 AI를 제공하는 데 있습니다. 저희 AI 솔루션이 신뢰성이 높은 이유는 바로 AI가 액세스하는 데이터의 품질에 좌우되기 때문이죠.

저희 �ѫ��니스 AI(�鶹ԭ�� Business AI)는 프로세스 흐름과 방대한 고객 데이터 세트에서 큐레이션된 수십�Ƅ 어치의 귀중한 �ѫ��니스 데이터에 의존합니다. 저희 회사는 25,000여 고객사와 협약을 맺고 고객사 데이터를 홵Ӛ�해 저희 인공지능 모델을 훈련합니다. 이 데이터를 이용해 생성 AI 모델에 맥락을 부여하면 현업 사용자를 위한 업무에 특화된 성과를 낼 수 있습니다.

저희만의 파운데이션 모델을 만드�� 데 투자하고 있으며 이 모델을 �ѫ��니스 프로세스와 �鶹ԭ�� 데이터에 대한 저희의 깊은 이해와 결합합니다. 이렇게 맥락에 맞는 강력한 성과를 저희 고객사를 위해 만들 수 있죠. 저희 파운데이션 모델은 다양한 시나리오에 맞게 세부 조정이 가능해 내장형 AI 분야에서 저희의 선도적인 입지를 더욱 공고히 할 전망입니다.

이처럼 귀중한 고객 데이터가 없다면 생성 AI 사용자는 �ѫ��니스를 뒤바꿀 통찰과 응답 대신 탁상공론에 지나지 않는 결과만 얻게 됩니다. 저희 클라우드 솔루션을 이용하는 테넌트(입주민을 뜻하는 용어로 동일한 클라우드 솔루션을 이용 중인 개별 고객사를 지칭함)에 맞는 맥락을 위해 사용하는 데이터는 바로 그 테넌트만을 위해 사용되며 보호됩니다. 다른 용도로 재사용하는 일은 없습니다.

쥴(Joule): �鶹ԭ��의 생성 AI 코파일럿

필수적으로 내장형 AI는 �ѫ��니스 프로세스를 강화하는 기본 요소로 자리할 전망입니다. 바로 이 점 때문에 새로운 생성 AI 코파일럿 쥴(Joule)을 최근 발표했으며 전체 �鶹ԭ�� 클라우드 엔터���라이즈 포트폴리오 전반에 걸쳐 내장됩니다.

쥴은 저희 고객사가 �ѫ��니스 성과를 더 빨리 달성하도록 돕습니다. 재무, 공급망, 조달, 인사(HR), 고객경험 등 전 부문에 걸쳐 사용 중인 애플리케이션에서 통찰을 얻도록 지원하기 때문이죠.

평이한 언어로 질문을 던지기만 하면 저희 고객사는 �鶹ԭ�� 포트폴리오와 제3자 소스에 걸쳐 수집된 데이터를 홵Ӛ�해 스마트한 답을 얻을 수 있습니다. 쥴은 꾸준히 새로운 통찰을 제공하며 시간이 지날수록 보다 지능화합니다.

AI가 일하는 방식을 바꾸는 3가지 방식

1. 지능형 �ѫ��니스 추천

�ѫ��니스 추천이란 직장에서 우리의 일상 행동을 안내하는 통찰을 말합니다. 관련 정보를 처리, 이해, 연결하는 데 기반을 두고 있어야 하죠. 생성 AI는 이러한 지능형 추천을 몇 초 안에 만들 수 있습니다. 관련 데이터로 훈련을 받으면 사람들이 고려할 법한 정보를 제공해 �ѫ��니스의 운영 방식에 일대 ˳�신을 가져옵니다.

재무 보고서를 예로 들어보죠. 전형적으로 복잡한 여러 시스템에서 추출한 데이터가 요구됩니다. 생성 AI는 이처럼 긴 시간이 소요되는 프로세스를 자동화할 수 있습니다. 출장 예약을 할 때 직원은 자신의 출장 요구사항을 설명하기만 하면 회사 정책에 맞는 오퍼링을 제안 받을 수 있습니다. 창고나 수퍼마켓의 AI 주도형 예측 계획은 자원 홵Ӛ�을 최적화 할 수도 있습니다.

생성 AI의 잠재력은 단순한 콘텐츠 생성을 넘어 확장됩니다. 창고를 고려해 보세요. 출하 지시서를 고객 주문서와 일치시켜야 하죠. 이 프로세스를 자동화할 수 있어 수작업 공수를 줄입니다. 송장(인보이스)과 지급 매칭에 AI를 적용하면 보다 빨리 효율적으로 오류 없이 처리해 생산성 제고 효과가 있습니다.

2. �ѫ��니스 프로세스 자율 최적화

경쟁력을 유지하려면 기업은 꾸준히 운영을 최적화하고 효율성을 개선해야 하죠. �ѫ��니스 프로세스 관리 솔루션을 이용해 프로세스를 설계, 분석, 모니터, 수정, 관리합니다.

생성 AI는 이 관행을 최적화합니다. 각 단계를 일일이 거치는 대신 프로세스 오너(책임자)는 자연어로 설명함으로써 프로세스를 직접 최적화 할 수 있으며 바로 구성 갶ĵ�한 결과를 즉시 받아볼 수 있습니다.

이게 갶ĵ�한 비결은 바로 깊이 있는 프로세스 지식, 벤치마크, 성과 데이터, 고객 고유의 데이터 등으로 훈련한 거대언어모델(LLM)입니다. 바로 저희 �鶹ԭ��가 생성 AI를 솔루션에 내장시킨 이유입니다.

장기적으로 저희는 생성 AI가 자율적으로 변경사항을 구성해 애플리케이션의 상시 자율 최적화가 일어나는 세상을 구상하고 있습니다.

3. 코드 생성 자동화

시판중인 생성 AI 도구는 이미 개발자의 삶을 한결 수월하게 합니다. 프로그래머의 프롬프트를 토대로 이들 도구는 다양한 언어로 코드를 생성하고 기존 코드 라인을 설명하며 잠재적인 결함을 파악할 수 있습니다.

하지만 기업용으로 적합한 애플리케이션을 구축하는 일은 복잡할 수 있죠. 조직의 여러 시스템과 구체적인 요구사항은 물론 향후 니즈에 대한 깊은 이해가 요구됩니다. 검증과 테스팅은 여전히 중요하며 포괄적인 문서화에 대한 필요와 잠재적인 보안 취약성에 대한 처리 역시 중요합니다.

�ѫ��니스는 이상의 모든 역량을 깊은 도메인 전문역량과 결합한 생성 AI 도구를 이용할 때 생산성 제고 효과를 누릴 수 있습니다. 간단히 문제를 설명하기만 하면 확장 기능에 대한 코딩 작업이 갶ĵ�한 세상, 혹은 다양한 맥락에 맞게 자신을 통합시킬 방안을 직관적으로 이해하는 애플리케이션을 상상해 보세요.

우리의 일하는 방식에 찾아올 변화는 더 많습니다. 고용주는 직원들이 AI를 효과적으로 홵Ӛ�하는 데 필요한 직무기술을 보유하도록 보장하는 일뿐 아니라 기계가 대체할 수 없는 비판적 사고와 창의적 사고처럼 중요한 인재를 유치, 유지하고 성장시키는 데 초점을 맞춰야 합니다.

디지털 ˳�신에 있어서 몇몇 기업이 실패한 이유는 충분히 빨리 움직이지 않아서였습니다. 이제 AI에 있어서 시간을 훨씬 더 빨리 움직입니다. 지금 이 순간이야말로 변화를 수용하고 앞길을 선도하며 궁극적으로 자신을 파괴적으로 ˳�신하는 이들에게 큰 기회를 선사할 것입니다.

• 원문: , , Forbes.com

The post 생성 AI, 업무 방식의 일대 ˳�신 appeared first on �鶹ԭ�� Korea 뉴스센터.