MIT Archives - �鶹ԭ�� Korea 뉴스센터

AI 시대의 트롤리 문제: 달리는 전차를 멈추는 법

Adam Park — Fri, 27 Mar 2026 02:17:29 +0000

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), 글쓴이: 클로드(Claude)

핵심 메시지

트롤리 딜레마의 해법은 딜레마 안에 없다. 공리주의냐 의무론이냐를 따지기 전에, 그 상황 자체가 발생하지 않도록 한 차원 위에서 시스템을 재설계하는 것이 진짜 해법이다.
윤리에는 보편적 정답이 없다. MIT 모럴머신이 보여주듯 문화권마다 도덕 판단이 다르기 때문에, AI 알고리즘에 특정 가치를 일방적으로 코딩하는 것은 또 다른 편향이 된다.
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 것들��특집 기사

우리는 보이는 것, 측정 가능한 것만 중요하다고 착각합니다. ��지만 생존 편향,��데이터 편향,��측정 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 행위와 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 구조와 의도까지 함께 작동한다는 사실을 이 사고실험은 섬뜩할 만큼 정확하게 드러낸다.

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

2026년 AI 트렌드 – 리더들을 위한 핵심 인사이트��특집 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 데이븐포트와 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 �ѫ��했다.

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. 개인주의와 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 구조와 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. 언어와 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 ERP��특집 기사

가트너의 최근 �ѫ��에 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 보행자와 1명 사이에서 선택해야 한다면, 알고리즘은 어떻게 반응해야 하는가?

그런데 자율주행 업계의 실제 대답은 대부분 사람들의 기대와 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 논리와 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 의사와 가족이다. 자율주행차가 사고를 최대한 예방하도록 설계되지만, 그 설계의 윤리 기준을 결정하는 것은 사회와 입법자다. AI는 트롤리 딜레마를 해결하는 것이 아니라, 그 딜레마가 가능한 한 발생하지 않도록 돕는 도구다.

AI를 빠르게 쓸수록, 창의력은 왜 느려질까?��특집 기사

AI는 빠른 완성품을 내어주는 도구가 아니라,��내가 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,��멈출 것인지 말 것인지를 결정하는 판단력과 책임감은 여전히 사람에게 있어야 한다.

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

2026년 AI 트렌드 – 리더들을 위한 핵심 인사이트

Adam Park — Fri, 30 Jan 2026 01:44:00 +0000

발표자: 톰 데이븐포트(Tom Davenport), 랜디 빈(Randy Bean), 번역: 클로드(Claude)

2026년 AI 트렌드 핵심 메시지:

에이전틱 AI의 한계 – 실수, 환각, 보안 취약성으로 인해 광범위한 채택까지 5년 소요 예상
AI 버블 붕괴 예고 – 과대평가된 AI 스타트업 가치가 현실화되고, 측정 가능한 가치 부족으로 경제 조정 불가피
개인→기업 차원 전환 필요 – 개인 생산성 도구가 아닌 전사적 워크플로우에 GenAI를 통합해야 실질적 가치 창출
데이터/AI 리더십 제도화 – 최고 데이터 책임자(CDO) 임명률 90%, 성공률 70%로 상승하며 C-레벨로 격상
AI 팩토리의 부상 – 도구, 데이터, 프로세스를 통합한 AI 개발 역량 구축으로 배포 시간 단축 및 가치 가속화
아마라의 법칙 – 기술은 단기적으로 과대평가되지만 장기적 변혁 영향은 과소평가됨

서론: 2026년 AI 예측

레슬리 브로코(Leslie Brokaw): 올해가 AI 스타트업들의 하늘 높은 줄 모르는 기업 가치가 현실로 돌아오는 해가 될까요? 톰 데이븐포트와 랜디 빈은 그렇게 생각하고 있으며, 그들은 이전에도 이러한 예측에서 정확했습니다.

이 데이터 전문가들은 2025년 에이전틱 AI를 둘러싼 과열된 과대광고에 대해 옳았고, 이번 영상에서 그들은 MIT Sloan Management Review에 게재한 새로운 기사를 바탕으로 2026년에 대한 다섯 가지 예측을 가지고 돌아왔습니다.

그들은 왜 대부분의 생성형 AI(GenAI) 프로젝트가 가치를 제공하지 못하는지, AI 팩토리는 무엇인지, 그리고 가장 똑똑한 기업들이 앞서 나가기 위해 무엇을 하고 있는지 알려드릴 것입니다. 지금 시작하겠습니다.

보이지 않는 것의 힘: AI 시대에 정말 중요한 것들��특집 기사

트렌드 1: 에이전틱 AI 가치는 여전히 달성하기 어려워

톰 데이븐포트(Tom Davenport): 작년에 우리의 가장 두드러진 예측은 에이전틱 AI에 관한 것이었습니다. 우리만 그런 것은 아니었습니다. 우리는 그것이 과대광고되었고 더욱 과대광고될 것이라고 말했는데, 적어도 그 점에 관해서는 우리가 정말 옳았습니다.

에이전틱 AI가 우리가 예상했던 것보다는 조금 더 느리게 성장할 것이라고 말하는 것이 아마 공정할 것 같습니다. 그래서 우리의 첫 번째 예측은 그것이 여전히 우리와 함께 있으며, 올해는 작년만큼 과대광고되지 않을 것이고, 정말로 효과적이 되기까지는 시간이 걸릴 것이라는 것입니다.

지난 한 해 동안 에이전틱 AI에 대한 여러 실험을 통해 우리가 알아낸 것은 그것이 상당한 양의 실수를 한다는 것입니다. 매장을 운영하게 했는데 잘 하지 못했고, 일반적인 비즈니스 거래를 수행하게 했는데 많은 실수를 범했습니다. 이것은 좀 문제입니다.

둘째, 생성형 AI를 사용하기 때문에 환각 현상이 발생합니다. 이것이 실수의 한 가지 원인입니다.

셋째, 해커들이 에이전틱 AI 시스템에 침투하는 것이 비교적 쉬운 것으로 보이며, 일반적으로 프롬프트 인젝션이라고 불리는 것을 사용��지만 다른 접근 방식도 있습니다.

이 모든 문제들을 고려할 때, 많은 조직들이 에이전틱 AI를 실제로 채택하는 데 있어 보수적이었습니다. 이러한 보수주의는 내년에도 계속될 것으로 생각합니다.

기업들은 계속해서 확인을 위해 루프 안에 인간을 배치할 것이며, 인간을 루프에서 제거하는 것이 에이전틱 AI의 큰 잠재적 생산성 이점 중 하나였기 때문에, 이것 역시 채택을 늦추었다고 생각합니다.

��지만 실제로 에이전틱 AI가 이러한 모든 문제들을 10년 정도 동안은 정말로 해결하지 못할 것이라는 예측도 있었습니다.

우리는 그 정도로 부정적이지는 않습니다. 5년 내에 꽤 광범위한 채택이 이루어질 것으로 예측합니다. 우리는 내년에는 에이전틱 AI에 대해 이야기하면서 4년 정도 후에 올 것이라고 말하지 않을 것을 약속합니다.

AI 시대의 트롤리 문제: 달리는 전차를 멈추는 법��특집 기사

트렌드 2: AI 버블이 수축될 전망

랜디 빈(Randy Bean): 우리의 두 번째 트렌드는 AI 버블이 수축되고 경제가 타격을 받을 것이라는 것입니다. 이것을 좀 더 자세히 �ѫ��해 보겠습니다.

저는 경제학자도 아니고 펀드 매니저도 아니지만, 명확한 한 가지는 부풀려진 기대가 있고 우리는 그 기대들이 수정될 것으로 예상할 수 있다는 것입니다.

톰과 제가 가진 관점 중 하나는 우리가 이전에 이것을 경험했다는 것입니다. 우리는 인터넷의 부상과 그 후 인터넷 버블의 붕괴를 경험했습니다.

그리고 이 모든 것에서 이해하는 것이 중요한 한 가지는 포천 1000대 기업 중 90%가 레거시 기업이라는 것입니다. 그들은 ‘빨리 움직이고 무언가를 깨뜨리는’ 무리와 경쟁할 필요가 없습니다. 그들은 AI 주도형이나 AI로 시작된 기업들과 경쟁할 필요가 없습니다. 그들은 다른 90%와 경쟁하기만 하면 됩니다.

따라서 그들은 더 느린 속도로 새로운 기술을 변혁하고 채택하는 경향이 있습니다.

불과 5년 전, 팬데믹 동안, 미국 최대 보험회사의 최고 디지털 책임자가 저에게 이렇게 말했습니다. “있잖아요, 랜디, 우리는 지난 6개월 동안 이전 20년 동안 했던 것보다 더 많은 디지털 전환 전략을 실행했습니다.” 그리고 그것은 그들이 고객들과 상호작용해야 했지만 대면으로 할 수 없었던 팬데믹 기간 동안 생존해야 했기 때문입니다.

그래서 제가 조직들에게 권장하는 것은 장기적 관점을 취하고 향후 3년, 5년, 10년, 심지어 향후 25년 동안 조직에 어떤 영향이 있을지 생각하는 것입니다. 무엇을 달성하려고 하십니까? 그것을 달성하기 위해 AI를 어떻게 활용할 수 있습니까?

그리고 전반적으로, 우리의 관점이자 아마라의 법칙으로 알려진 것은, 기술은 단기적으로 과대평가되는 경우가 많지만, 그들의 변혁적 영향은 장기적으로 매우 과소평가된다는 것입니다.

톰: 그럼 어떻게 생각하세요, 랜디? AI 채택을 가속화하기 위해 또 다른 팬데믹이 필요하다고 생각하세요?

랜디: 예상치 못한 다양한 종류의 사건들이 발생할 수 있습니다. 헤밍웨이는 “그것은 점진적으로 일어났다가 갑자기 일어났다”는 말을 했는데, 역사상 변혁적 사건들이 종종 그렇게 일어났습니다.

AI 혁신: 기업 경쟁력 확보 위한 4단계��특집 기사

기업이 AI를 통해 실질적인 경쟁 우위를 확보하려면 가장 유망한 사용 사례 우선순위 설정, 지능형 에이전트 배포, 일상 업무 프로세스에 AI 통합, 상호 운용 가능한 AI 도구 생태계 구축이라는 4단계 접근법이 필요합니다.

트렌드 3: GenAI가 기업 자원으로 자리매김

톰: 우리가 이 버블이 다소 수축될 가능성이 있다고 생각하는 이유 중 하나는 조직들이 이러한 벤더들의 가치 평가를 정당화할 만큼 AI로부터 실제로 많은 측정 가능한 가치를 얻지 못했기 때문입니다. 그리고 그렇지 못한 주요 이유 중 하나는 대부분의 조직들이 특히 생성형 AI에 대해 개인 수준의 접근 방식을 취했기 때문이라고 생각합니다.

그들은 “자, 블로그 포스트에 이것을 사용해 보세요” 또는 “이것으로 이메일 속도를 높이세요”라고 말했습니다. 그리고 그들은 그 개인이나 전체 조직의 워크플로우와 프로세스에 대해 신중하게 생각하지 않았습니다.

결과적으로, 얻게 되는 이점의 종류는 여기서 1분 절약, 저기서 1분 절약이며, 집계하고 정량화 가능한 형태의 가치로 전환하기가 매우 어렵습니다.

반면에, 조직들이 생성형 AI 사용에 있어 더 기업 지향적이었다면 가치를 창출하는 데 더 성공적이었을 것이라고 생각합니다. 신제품 개발이나 고객 관계 등을 어떻게 수행하는지에 대해 작업하는 기업 차원의 것들은 수행하기가 훨씬 더 어렵고 일반적으로 더 오래 걸리고 비용도 더 많이 들지만, 일반적으로 측정 가능한 가치를 제공합니다.

여러 조직들이 있었는데, 존슨앤드존슨이 그 중 하나로 “우리는 900개의 다른 개별 사용 사례를 시도했습니다. 그것들로부터 많은 가치를 얻지 못했습니다. 대신 우리는 우리에게 훨씬 더 전략적이고 가치를 산출할 가능성이 훨씬 더 높은 약 9개의 기업 사용 사례를 수행하고 있습니다”라고 말했습니다. 따라서 내년에는 기업 지향적 접근 방식으로의 전환이 더 많이 나타날 것으로 생각합니다.

모든 AI 전략 성공의 기반, 클라우드 ERP��특집 기사

트렌드 4: 누가 AI를 관리할 것인가? 논쟁 계속

랜디: 우리 조사의 다음 트렌드는 데이터와 AI 관리가 제도화되고 있지만, 조직 구조 문제는 여전히 남아 있다는 것입니다. 이것을 조금 �ѫ��해서 먼저 제도적 측면에 대해 말씀드리겠습니다.

제가 수행해 온 일 중 하나는, 올해로 실제로 15년째가 되는데, 포천 1000대 기업의 데이터 �ѫ�� 및 AI 리더들을 대상으로 한 임원 설문조사를 수행하는 것입니다. AI와 데이터 리더십 역할의 제도화와 관련하여 몇 가지 발견 사항을 공유하겠습니다.

2012년에 설문조사가 처음 수행되었을 때, 최고 데이터 책임자를 임명한 조직은 12%에 불과했습니다. 2017년이 되어서야 그 수치가 50%를 넘었고 올해는 90%였습니다.

따라서 분명히 그 역할은 잘 확립되어 있지만, 더 중요한 것은 2023년에만 해도 35%만이 그 역할이 자신의 조직 내에서 성공적이라고 생각했습니다. 그리고 올해 그 수치는 70%로 두 배가 되었습니다. 따라서 다시 한번, 이 데이터와 AI 리더십이 계속될 것이라는 확인입니다.

또한 93%의 조직들이 AI에 대한 초점이 조직 내 데이터에 대한 더 큰 우선순위 부여와 투자로 이어졌다고 말했습니다. 따라서 분명히 훌륭한 AI는 신뢰할 수 있는 데이터에 의존한다는 인식이 있습니다.

그리고 그것 외에도, 조직들은 데이터 및 AI 리더십 측면에서 혁신 역할로 이동하고 있습니다. 2020년에는 54%의 설문 참가자들만이 규제 및 준수 활동이 아닌 혁신 및 공격적 활동에 집중하고 있다고 말했습니다. 올해는 85%였습니다.

따라서 다시 한번, 데이터와 AI는 비즈니스를 혁신하고 변혁하는 데 사용되고 있습니다. 그리고 흥미롭게도 올해 38%의 조직들이 최고 데이터 책임자 역할에 더하여 이제 최고 AI 책임자를 임명했다고 말했습니다.

이러한 조직들의 많은 과제가 있는 곳은 이러한 역할들이 어디에 보고하는가입니다. 그것은 계속해서 여기저기 흩어져 있습니다. 올해 최고 데이터 책임자가 어디에 보고하는지에 관해서는 27%가 비즈니스 리더십에 보고한다고 말했고, 34%는 기술 리더십에 보고한다고 말했으며, 9%는 변혁 리더십에 보고한다고 말했습니다.

톰과 저는 최근에 비즈니스 리더십에 보고하는 통합된 최고 데이터 �ѫ�� 및 AI 책임자를 임명함으로써 이 문제를 해결할 수 있을 것이라고 썼습니다.

몇몇 기업들이 이제 이 역할을 경영위원회 내에 배치했다는 것을 덧붙이고 싶습니다. JP모건에서는 최고 데이터 �ѫ�� 및 AI 책임자가 해당 조직에서 제이미 다이먼에게 보고하는 14명으로 구성된 경영위원회의 일원입니다. 따라서 AI가 중요성을 얻으면서 C-레벨 역할로 승격되고 있습니다.

AI 시대에도 고객이 끊임없이 찾아오는 브랜드의 비밀��특집 기사

AI 시대, 제로클릭 시대에 가장 신뢰받는 브랜드가 되는 비결이 있을까? 타조처럼 고객의 질문을 회피하는 대신, 가격, 단점, 경쟁사 비교 등 고객이 가장 알고 싶어 하는 것을 먼저 말하고 보여주는 것이 바로 끊임없는 고객을 만드는 비결이다.

트렌드 5: AI 팩토리가 가치를 가속화할 전망

톰: 우리가 보고 있고 2026년에 더욱 가속화될 것으로 생각하는 트렌드는 이러한 AI 팩토리의 생성입니다. 이것은 실제로 건물이 아니며, 일반적으로 단지 기술 플랫폼이 아니라, 조직이 편안하게 사용할 수 있는 도구 세트, 재사용될 수 있는 일부 데이터, 아마도 광범위하게 적용될 수 있는 조직에 맞춤화된 일부 언어 모델, 그리고 모든 필요한 윤리 및 거버넌스 문제와 함께 AI를 개발하기 위한 방법 및 프로세스 세트를 포함하는 역량입니다.

이것은 이전에 일부 대형 은행에서 수행되었습니다. 랜디가 JP모건 체이스를 언급했는데, 그들은 몇 년 전에 이것을 했고, 스페인 은행인 BBVA가 유럽에서 이 점에서 일찍 시작했지만, 이제 우리는 이 트렌드가 다른 종류의 산업으로 침투하는 것을 봅니다.

AI 팩토리의 정의 (MIT Sloan Management Review)

우리는 실제로 최근에 Sloan Management Review에서 AI 팩토리를 채택한 프록터앤드갬블(Procter & Gamble)에 관한 AI in Action 기사 중 하나를 작성했고, 그들은 사용 사례를 개발하고 배포에 투입하는 시간을 상당히 단축할 수 있습니다.

우리는 이전에 터보택스 때문에 세금 신고 시즌에 인튜잇(Intuit)에 관한 AI in Action 칼럼을 작성했고, 그들은 유사한 종류의 역량을 개발했지만, 그들은 이것을 GenOS, 즉 전체 조직이 사용할 생성형 AI 운영 시스템이라고 부르며 많은 사람들이 이것을 채택했습니다.

이것은 조직들이 AI와 관련하여 가졌던 문제 중 하나라고 생각합니다. 그들은 충분한 사용 사례를 프로덕션 배포에 투입하지 않았고, 그 경우 경제적 가치를 얻지 못합니다. AI 팩토리가 그 문제를 해결하는 데 도움이 될 것이라고 생각합니다. AI 버블의 붕괴나 수축을 막을 만큼 빠르게 일어날지는 확실하지 않지만, 조직들이 이 인상적인 새로운 기술로 가치를 창출할 수 있다면 분명히 도움이 될 것입니다.

AI 팩토리 대 데이터 센터

랜디: 그리고 AI 팩토리는 AI 데이터 센터와는 매우 다른 것이죠, 톰?

톰: 네, 단지 큰 데이터 센터를 세우고 GPU 칩으로 가득 채우는 것이 아닙니다. 그것은 일반적으로 벤더로부터가 아니라 조직 내의 역량으로, AI를 성공적으로 구축하기 위한 방법, 도구, 프로세스 등을 포함합니다.

요약 및 결론

레슬리: 요약하자면, 에이전틱 AI는 아직 준비되지 않았습니다. AI 버블은 수축될 가능성이 있으며, GenAI를 단지 개인 생산성 도구가 아니라 기업 자원으로 취급하는 조직들이 실제로 수익을 보는 조직이 될 것입니다.

더 자세히 알고 싶으시면, ““라는 전체 기사를 읽어보세요.

Click the button below to load the content from YouTube.

Always allow YouTube

The post 2026년 AI 트렌드 – 리더들을 위한 핵심 인사이트 appeared first on �鶹ԭ�� Korea 뉴스센터.

데이븐포트 교수, 빅데이터와 직관의 역할

Adam Park — Tue, 09 Aug 2022 03:32:51 +0000

직관과 데이터 위주의 �ѫ��을 적절히 조합하는 역량을 키우는 것이 이러한 움직임에서 성공하는 궁극적인 열쇠라고 할 수 있습니다. 직관만을 고수하거나 �ѫ��만을 최우선으로 하는 접근법으로는 약속의 땅에 닿을 수 없기 때문입니다.

글쓴이: 톰 데이븐포트(Tom Davenport)

많은 사람이 지난 몇 년간 �ѫ��과 데이터 주도형 조직에서 직관의 역할이 있는지 제게 물어 왔습니다. 항상 직관이 힘을 발휘할 분야가 여전히 충분히 많다고 답을 드렸죠. 예컨대 가설은 여러분이 세상에 대해 보유한 데이터가 무슨 의미인지 밝히는 직관입니다. 물론 의 다른 점은 직관에서 그치지 않고 가설을 시험해보고 직관이 옳은지 배우게 된다는 점입니다.

가치와 복잡성을 기준으로 한 �ѫ��의 네 가지 유형

|

모든 데이터에는 비즈니스를 폭발적으로 성장시킬 인사이트가 숨어 있습니다. 문제는 이러한 인사이트를 찾는 일입니다. 바로 이 부분에서 �ѫ��이 필요합니다.

�ѫ�� 초기에 직관이 중요해

�ѫ��중심 기업에서 직관을 발견할 수 있는 분야는 �ѫ�� 프로젝트를 수행할 사업영역을 선택할 때입니다. 이 가장 많이 필요한 분야를 결정하는 데 있어 집중적인 �ѫ�� 조사를 수행하는 기업은 거의 없습니다. 대상 분야의 선택은 보통 임원들의 직감에 의존합니다. 예컨대 사업에 �ѫ��을 활용 중인 시저스엔터테인먼트(Caesars Entertainment)의 경우 초기의 초점은 고객 충성도 및 서비스 �ѫ��이었습니다.

게리 러브맨(Gary Loveman) 회장은 시저스(당시 해라스)의 전국 카지노 전반에 걸쳐 고객 충성도가 낮다는 사실을 알고 있었다고 지적합니다. 또한 하버드경영대학원 재학 시절 고객 서비스 개선이 재무 실적 개선에 기여한다는 이론인 “서비스 수익 체인”에 관한 연구도 했습니다. 여러 산업에서 적용, 시험한 이론이지만 게임 회사에 적용된 적은 없었습니다. ��지만 충성도와 서비스의 가치에 관한 러브맨의 직관만으로도 이들 분야에 대한 수년 간의 �ѫ�� 프로젝트를 추진하기에 충분했습니다.

물론 가설과 마찬가지로 어느 분야에 �ѫ��을 적용할지에 관한 여러분의 직관이 실제로 타당한지 확인하는 일이 중요합니다. 러브맨은 시저스의 �ѫ�� 프로젝트 각각에 대한 투자효과(ROI)를 밝히도록 주장합니다. ��지만 �ѫ�� 전략의 초기 단계에서는 직관이 중요한 역할을 합니다. 간단히 말해 고도로 �ѫ��적인 회사에서는 직관의 역할이 더욱 제한적일 수 있지만 아예 사라지는 일은 거의 없습니다.

�鶹ԭ��와 Databricks, 데이터와 AI의 새로운 시대를 열다��특집 기사

�鶹ԭ��는 모든 �鶹ԭ�� 데이터를 통합, 관리하며 서드파티 데이터와 연결되는 완전 관리형 SaaS 솔루션 를 발표하고, Databricks와의 전략적 파트너십을 통해 AI 및 데이터 �ѫ�� 역량을 강화할 방침입니다.

빅데이터가 있으니 직관은 소용없다?

��지만 는 어떤가요? 물론 �ѫ��에 쓸 대량의 데이터가 있다면 직관이 그다지 유용하지 않습니다. 빅데이터를 일찍 도입한 온라인 비즈니스 기업의 대표주자인 구글, 페이스북, 링크드인 등의 경우 사용자의 클릭스트림(clickstream) 데이터가 넘쳐나기 때문에 더 이상 직감은 필요 없습니다. 그렇죠?

실은 그렇지가 않다고 합니다. 신상품이나 서비스를 만들기 위한 주요 빅데이터 프로젝트는 종종 직관에 따르는 경우가 있습니다. 구글의 자율주행 차량의 경우 빅데이터 프로젝트라고 책임자들은 말합니다. 구글 펠로우 세바스티안 트룬(Sebastian Thrun) 스탠포드대학 교수가 이 프로젝트를 이끌고 있습니다.

트룬 교수는 필요한 모든 데이터와 지도, 인프라가 확보되기 한참 전부터 자율주행 차량이 가능하다는 직관이 있었습니다. 교통사고로 친구를 잃은 사건에 동기를 얻어 자신이 무슨 일을 하는 지조차 모르면서 스탠포드대학교에서 이 문제를 다룰 팀을 꾸렸다고 인터뷰에서 밝혔습니다.

|

빅데이터는 우리가 매일 사용하는 컴퓨터, 모바일 기기, 기계 센서에서 흐르는 방대한 제타바이트급 데이터로 구성된 정보의 바다를 가리킵니다. 빅데이터는 조직이 의사결정을 내리고 프로세스와 정책을 향상하며 고객 중심 제품과 서비스, 경험을 구축하는 데 사용됩니다.

여러분이 알 수도 있는 사람

링크드인(LinkedIn)의 가장 성공한 데이터 상품 중 하나인 PYMK (People You May Know) 기능의 경우 예전 급우나 직장 동료가 무슨 일을 하고 있는지에 관해 사람들이 관심을 가질 지 모른다는 직관을 토대로 조너선 골드먼(Jonathan Goldman; 현재는 Intuit에서 근무 중)이 개발했습니다. 골드먼은 인터뷰에서 “사람들이 인맥을 넓히는 일을 도울 아이디어를 이리저리 궁리하던 중”이었다고 밝혔습니다. 이리저리 궁리하는 과정이야말로 직관적인 과정이라 할 수 있죠.

PYMK가 개발된 지 몇 년 후에 링크드인의 최고 데이터 과학자에 오른 피트 스코모록(Pete Skomorock)은 데이터 상품을 성공적으로 개발하려면 창의성과 직관이 핵심이라고 믿습니다. 이번 주 인터뷰를 통해 스코모록은 아직은 아이디어가 성공할지 증거가 충분치 않은 상황에서 데이터 과학자들의 직관을 믿고 후원할 용기가 있는 기업들이 성공하는 데이터 상품을 개발하는 주인공이라고 전했습니다.

모든 �ѫ��에 창의성과 직관이 중요해

전통적인 �ѫ��과 마찬가지로 결국에는 창의성을 데이터와 �ѫ��으로 시험해야 한다고 스코모록은 지적합니다. ��지만 실제로 아이디어가 성과를 낼 지는 몇 년이 지나서야 비로소 알게 될 수도 있다고 말합니다.

2026년 AI 트렌드 – 리더들을 위한 핵심 인사이트��특집 기사

따라서 빅데이터건 전통적인 �ѫ��이건 간에 직관은 중요한 역할을 합니다. 직관과 데이터 위주의 �ѫ��을 적절히 조합하는 역량을 키우는 것이 이러한 움직임에서 성공하는 궁극적인 열쇠라고 할 수 있습니다. 직관만을 고수하거나 �ѫ��만을 최우선으로 하는 접근법으로는 약속의 땅에 닿을 수 없기 때문입니다.

원문 출처 –

토마스 데이븐포트(Thomas H. Davenport) 교수는 MIT 디지털비즈니스센터 연구교수이자 뱁슨대학(Babson College) IT 경영학 교수로서, 국제�ѫ��연구소(International Institute for Analytics) 공동 창업자이며 딜로이트 애널리틱스(Deloitte Analytics)의 수석고문입니다. 베스트셀러 ��젶�자이자 를 공동 집필했습니다.

The post 데이븐포트 교수, 빅데이터와 직관의 역할 appeared first on �鶹ԭ�� Korea 뉴스센터.

인�Ϊ갶ĵ�성, 혁신이 일어나는 교차로

Adam Park — Mon, 01 Aug 2022 09:11:39 +0000

동그라미를 그려 보세요. 둥근 원 안쪽은 현재입니다. 경계선 바깥은 현재를 둘러싼 가까운 미래의 기술과 아이디어입니다. 바로 인�Ϊ갶ĵ�성이죠. 혁신은 이곳에서 일어납니다. 2007년 애플의 아이폰이 등장할 수 있었던 배경에는 무선 인터넷, 터치스크린, CPU의 소형화 등 인�Ϊ갶ĵ�성이 있었죠. 그렇기에 1997년에는 불가능했지만 2007년에는 아이폰이 나올 수 있었다는 말씀.

글쓴이: 조너선 베커(Jonathan Becher)

문득 떠올랐나? 주변에서 찾았나?

혁신은 천재가 문득 유레카 하고 깨닫는 순간 생겨나 새로운 아이디어로 이어진다며 유명한 발명이나 발견에 관한 일화를 널리 퍼트리곤 합니다. ��지만 혁신의 대다수는 인�Ϊ갶ĵ�성(adjacent possible)에 대한 탐구에서 생겨납니다.

급격한 도약보다는 점진적인 걸음

이라는 개념은 생물의 진화에 관한 복잡성 과학자 스튜어트 카우프만(Stuart Kauffman)의 연구에서 나왔습니다. 카우프만 박사의 이론에 따르면 보다 먼 가능성이나 급격한 도약보다는 작고 점진적인 걸음을 통해서 생물 시스템이 보다 복잡한 시스템으로 변신한다고 합니다. 이처럼 작은 행보는 에너지 소모량도 적어서 실천하기가 더 쉽죠. 혁명적 변화가 아니라 점진적 진화입니다. 아니면 요즘 뉴스에 자주 거론되는 표현처럼 입니다.

경계 탐색, 새로운 연결 형성, 시스템 증강

카우프만 박사의 연구 결과는 복잡한 적응형 시스템에 모두 적용됩니다. 자연에서 발생하는 복잡계뿐 아니라 사람이 만든 도시나 경제, 기술 등에도 적용되죠. 인�Ϊ갶ĵ�성은 현행 시스템이 경계선에 해당하는 영역을 탐색하고 새로운 연결을 형성하며 시스템을 증강함으로써 확장할 기회를 제시합니다.

혁신의 원천은 작은 변화와 모방

혁신도 마찬가지입니다. 를 축하하는 여러 이야기로 넘쳐나지만 사실은 작은 변화와 모방이 입니다. 대다수 혁신가는 인�Ϊ갶ĵ�성을 탐구합니다.

젶�서 에서 스티븐 존슨(Steven Johnson)은 인큐베이터의 기원과 추후 재설계에 관한 이야기를 들려줍니다.

지난 1800년대말 조산으로 예정보다 일찍 태어난 미숙아의 은 60%를 넘었습니다. 휴가를 내고 동물원을 찾은 산부인과 의사 는 갓태어난 병아리들을 따뜻하게 데운 상자에 보관하는 모습에 주목했습니다. 이 아이디어를 토대로 타니에는 최초의 인큐베이터를 만들었고 미숙아 유아 사망률은 반으로 줄었습니다. 타니에는 동물원의 기술에 대해 인�Ϊ갶ĵ�성을 성공적으로 탐색했죠.

그로부터 100년도 넘게 지나 메사추세츠공대(MIT) 교수는 인큐베이터를 새롭게 구상해야만 했습니다. 인도네시아 병원에 기증한 인큐베이터가 모두 고장나 있었기 때문이죠. 복잡한 인큐베이터는 무더운 기후에 맞지 않아 고장이 났고 직원들은 수리 방법을 몰랐습니다. 기존 디자인에서 인�Ϊ갶ĵ�성을 탐색하는 대신에 프레스테로 교수의 혁신은 인도네시아 현지인들이 풍부한 전문지식이 있는 자동차 수리 분야에서 시작했습니다.

자동차와 인큐베이터, 병아리

라고 명명한 새로운 디자인은 자동차 전조등(헤드라이트)을 히터로 쓰고 대시보드 팬을 환풍기로, 깜빡이(방향지시등)를 경고등으로, 오토바이 배터리를 전원으로 썼습니다. 인큐베이터 고치는 법을 가르치기보다 인도네시아 병원들은 현지의 풍부한 자동차 정비기사들의 도움을 받으면 됐습니다. 프레스테로 교수는 제품 중심의 디자인 대신 결과 혹은 성과(수리 가능한 인큐베이터) 중심의 디자인을 완성했습니다.

타니에가 인큐베이터를 발명할 수 있었던 배경에는 누군가가 병아리를 보호하기 위해 유사한 장치를 발명했다는 사실이 주효했죠. 프레스테로 교수가 네오너처를 발명할 수 있었던 건 타니에가 인큐베이터를 발명했기 때문입니다. 아이작 뉴턴(Isaac Newton)의 말처럼, “내가 멀리 볼 수 있었던 건 거인들의 어깨 위에 서 있었기 때문입니다.”

역주:

이 부분에서 뉴턴과 편지를 주고 받으며 만유인력 법칙에 관해 격한 논쟁을 벌인 로버트 훅이 등장합니다. 심한 언쟁이 오가던 중에 뉴턴은 체구도 작은 훅이 자신의 과학 이론 발전에 아무런 도움도 안되었고 자신은 플라톤이나 코페르니쿠스 같은 거인들의 도움을 받았을 뿐이라는 취지로 키 작은 훅을 꼬집은 셈이죠. 마냥 겸손��지만은 않다는..

인�Ϊ갶ĵ�성을 탐색하면서 거인들의 어깨 위에 선다면 여러분도 혁신에 성공할 수 있습니다.

원문: , Jonathan Becher, Manage By Walking Around
글쓴이: 조너선 베커() 새너제이 샥스 사장
- 글쓴이의 다른 글:

The post 인�Ϊ갶ĵ�성, 혁신이 일어나는 교차로 appeared first on �鶹ԭ�� Korea 뉴스센터.

MIT Archives - �鶹ԭ�� Korea 뉴스센터

AI 시대의 트롤리 문제: 달리는 전차를 멈추는 법

핵심 메시지

보이지 않는 것의 힘: AI 시대에 정말 중요한 것들������특집 기사

철학은 뭐라고 답했나?

2026년 AI 트렌드 – 리더들을 위한 핵심 인사이트������특집 기사

전 세계는 같은 대답을 했나?

연구 확장: MultiTP 벤치마크

한 차원 위에서 보라

모든 AI 전략 성공의 기반, 클라우드 ERP������특집 기사

AI는 어떻게 대답하는가?

사례: 웨이모(Waymo)의 접근 방식

핵심 원칙 비교: 실제 자율주행 윤리 설계

그래서 레버는 누가 당기는가?

AI를 빠르게 쓸수록, 창의력은 왜 느려질까?������특집 기사

2026년 AI 트렌드 – 리더들을 위한 핵심 인사이트

서론: 2026년 AI 예측

보이지 않는 것의 힘: AI 시대에 정말 중요한 것들������특집 기사

트렌드 1: 에이전틱 AI 가치는 여전히 달성하기 어려워

AI 시대의 트롤리 문제: 달리는 전차를 멈추는 법������특집 기사

트렌드 2: AI 버블이 수축될 전망

AI 혁신: 기업 경쟁력 확보 위한 4단계������특집 기사

트렌드 3: GenAI가 기업 자원으로 자리매김

모든 AI 전략 성공의 기반, 클라우드 ERP������특집 기사

트렌드 4: 누가 AI를 관리할 것인가? 논쟁 계속

AI 시대에도 고객이 끊임없이 찾아오는 브랜드의 비밀������특집 기사

트렌드 5: AI 팩토리가 가치를 가속화할 전망

AI 팩토리 대 데이터 센터

요약 및 결론

데이븐포트 교수, 빅데이터와 직관의 역할

|

�ѫ�� 초기에 직관이 중요해

�鶹ԭ��와 Databricks, 데이터와 AI의 새로운 시대를 열다������특집 기사

빅데이터가 있으니 직관은 소용없다?

|

여러분이 알 수도 있는 사람

모든 �ѫ��에 창의성과 직관이 중요해

2026년 AI 트렌드 – 리더들을 위한 핵심 인사이트������특집 기사

인�Ϊ갶ĵ�성, 혁신이 일어나는 교차로

문득 떠올랐나? 주변에서 찾았나?

급격한 도약보다는 점진적인 걸음

경계 탐색, 새로운 연결 형성, 시스템 증강

혁신의 원천은 작은 변화와 모방

자동차와 인큐베이터, 병아리

보이지 않는 것의 힘: AI 시대에 정말 중요한 것들��특집 기사

2026년 AI 트렌드 – 리더들을 위한 핵심 인사이트��특집 기사

모든 AI 전략 성공의 기반, 클라우드 ERP��특집 기사

AI를 빠르게 쓸수록, 창의력은 왜 느려질까?��특집 기사

보이지 않는 것의 힘: AI 시대에 정말 중요한 것들��특집 기사

AI 시대의 트롤리 문제: 달리는 전차를 멈추는 법��특집 기사

AI 혁신: 기업 경쟁력 확보 위한 4단계��특집 기사

모든 AI 전략 성공의 기반, 클라우드 ERP��특집 기사

AI 시대에도 고객이 끊임없이 찾아오는 브랜드의 비밀��특집 기사

�鶹ԭ��와 Databricks, 데이터와 AI의 새로운 시대를 열다��특집 기사

2026년 AI 트렌드 – 리더들을 위한 핵심 인사이트��특집 기사