AI 투자는 찔끔 늘었는데 ROI는 급등했다. �鶹ԭ��가 전 세계 2,600명의 기업 리더를 조사해 밝혀낸 열풍의 실체왶�, 절반 넘는 기업이 여전히 준비 안 된 거버넌스라는 시한폭탄까지 짚어봤다.

글쓴이: 폴 톰슨(Paul Thomson), 번역: 클로드(Claude)

AI 투자, 드디어 돈값 하기 시작했다

에스에이피(�鶹ԭ��)왶� 옥스포드에코노믹스(Oxford Economics)가 전 세계 리더 2,600명을 조사한 ‘‘ 결과가 나왔다. 결론은 하나, AI에 쓴 돈이 이제 진짜 성과로 돌아오고 있다는 것이다.

올해 기업 평균 AI 투자액은 2,800만 달러로 작�Ƅ보다 소폭 늘었을 뿐인데, ROI는 확 뛰었다. 올해 기대 ROI는 21%(630만 달러)로 작�Ƅ 16%에서 껑충 뛰었고, 2�Ƅ 뒤엔 38%(1,590만 달러)까지 오를 전망이다.

이 성장의 주인공은 에이전틱 AI다. 2�Ƅ 후 에이전틱 AI의 평균 ROI는 1,760만 달러로, 작�Ƅ 예상치(430만 달러)의 4배가 넘는다.

�鶹ԭ�� AI 전략 총괄 숀 캐스크(Sean Kask)는 말��다. “AI는 이제 실험이 아니라 실행 단계입니다. 성과가 보이기 시작했죠. 하지만 맥락 없는 AI는 잘해야 헛수고, 최악엔 리스크가 됩니다.”

성숙해지는 AI, 그런데 아직 불안하다

전 세계 AI 투자는 작�Ƅ 2,670만 달러에서 소폭 늘었지만, 나라별 온도차는 크다. 브라질·영국·호주·독일은 투자를 늘렸고, 중국·인도는 오히려 줄였다.

기업 업무의 30%가 이미 AI 도움을 받고 있고, 2�Ƅ 후엔 48%까지 늘어날 전망이다. 전략적 AI 투자도 거의 두 배(17%)로 늘었지만, ‘일단 해보자’식 산발적 접근이 여전히 41%로 가장 많다.

리더십도 문제다. AI 전담 리더를 둔 기업 46%, 명확한 개발 프레임워크를 가진 기업 52%, AI 교육을 제공하는 기업은 41%뿐이다.

그럼에도 69%는 지금 AI ROI에 만족��다. 다만 3분의 2 이상은 AI가 아직 잠재력을 다 발휘 못했다고 본다. 83%가 에이전틱 AI의 변화 잠재력을 높게 보지만, “�ѫ��히 준비됐다”는 기업은 3%뿐이다.

데이터, 사람, 거버넌스라는 세 개의 벽

가장 큰 걸림돌은 데이터 품질이다. 73%가 불�ѫ��한 데이터로 어려움을 겪고, 79%는 낮은 품질의 AI 결과물 때문에 재작업이나 지연을 겪었다.

사람 문제도 크다. 78%는 리스킬링이 AI 발전 속도를 못 따라간다고 느끼고, ‘섀도우 AI’는 69%가 최소 가끔 겪는다고 답했다.

캐스크는 짚는다. “다음 단계는 AI를 실제 데이터·프로세스에 깊이 연결하는 것입니다. 다만 AI 가치는 생각보다 측정하기 어렵고, 리스크는 거버넌스보다 빠르게 움직입니다.”

거버넌스가 “�ѫ��히 됐다”는 기업은 12%뿐. 휴먼인더루프가 없는 기업이 38%, 권한·접근 통제가 없는 기업이 37%, 에이전트 목록조차 없는 기업이 56%다. 69%는 자신들이 거버넌스보다 빠르게 에이전트를 도입 중이라 느낀다.

결국 답은 자율˳� 기업

캐스크는 결론짓는다. “AI의 진짜 가치를 얻는 건 쉽지 않습니다. �ѫ��히 새로운 접근이 필요하니까요. AI를 실제 데이터·프로세스에 연결하고, 신뢰할 결과를 낼 맥락과 거버넌스를 갖춰야 합니다. 우리는 이걸 ‘자율˳� 기업(Autonomous Enterprise)‘이라 부릅니다. 기술이 아니라 사람의 문제예요. 에이전트왶� 프로세스, 사람이 하나로 움직여야 진짜 가치가 나옵니다.”

• 원문: Business Value of AI Is Spiking, Driven by Increased Adoption and Agentic Expectations, �鶹ԭ�� Finds, Features, �鶹ԭ�� News Center

The post �鶹ԭ�� 조사, AI 이제 돈값 한다 appeared first on �鶹ԭ�� Korea 뉴스센터.

AI를 빨리, 많이 쓰는 게 정답일까. 구글 클라우드 는 AI를 비판적 사고의 파트너로 삼고, 가드레일과 지표로 비결정성을 관리하며, 인간다운 판단을 코드화하되 결국 해결책이 아닌 문제왶� 사랑에 빠지라고 조언��다.

글쓴이: 로라 마우드(Laura Marwood), 번역: 클로드(Claude)

AI 열풍 속에서 놓치기 쉬운 질문

요즘 AI를 둘러싼 이야기는 넘쳐난다. 새로운 툴, 새로운 모델, 새로운 약속들이 매일 쏟아진다. 대화의 대부분은 ‘속도’에 맞춰져 있다. AI가 글을 더 빨리 쓰게 해주고, 코드를 더 빨리 짜게 해주고, 결과물을 더 빨리 만들어낸다는 이야기다. 물론 중요한 부분이다. 하지만 최근 구글 클라우드의 리드 개발자 옹호자 케이시 웨스트왶� 나눈 대화는 조금 다른 질문을 던지게 했다. AI의 진짜 가치는 우리를 더 빠르게 만드는 데 있는 게 아니라, 더 잘 생각하게 만드는 데 있는 건 아닐까?

생산성 도구를 넘어, ‘비판적 사고의 파트너’로

웨스트는 AI를 단순히 생산성이나 속도를 위한 도구로만 쓰는 건 낮은 단계의 활용이라고 말��다. 진짜 강력한 활용법은 AI를 ‘비판적 사고의 파트너’로 대하는 데 있다. 그는 AI에게 단순히 답을 구하는 대신, 자신의 논리를 비판하게 하거나 미처 생각하지 못한 질문을 던지도록 구체적으로 지시해보라고 권��다. 이렇게 하면 AI는 판단을 대신하는 존재가 아니라, 판단을 더 날카롭게 벼려주는 유용한 마찰이 된다. 결과물의 양이 아니라 질문의 질이 달라지는 셈이다.

기업 AI 도입의 관건: 가드레일과 지표 설계

기업 환경에서 AI를 도입할 때는 이야기가 조금 더 복잡해진다. AI 특유의 창의성과 비결정성(non-determinism)은 강력한 무기이지만, 동시에 관리해야 할 대상이다. 웨스트는 이 지점에서 품질 관리가 필수적이라고 강조��다. 시스템의 안전성과 품질을 보장할 가드레일과 평가 지표를 직접 설계할 수 있는 능력이야말로 현대 엔지니어링 조직의 성패를 가른다는 것이다.

결정론에서 ‘인간다운 판단’의 코드화로

이 변화는 개발자의 역할 자체를 바꿔놓는다. 과거의 비즈니스 시스템은 정해진 로직대로 결과가 나오는 결정론적 시스템이었다. 반면 지금의 AI는 인간이 정보를 바탕으로 판단을 내리는 방식과 비슷하게, 복합적인 ����� 속에서 추론하고 결정하도록 요구받는다. 사람이 수작업으로 처리하던 복잡한 비즈니스 프로세스를 AI로 자동화하는 일은 단순한 코드 작성을 넘어, 인간의 사고방식과 추론 과정을 논리적으로 ‘코드화’하는 고도로 창의적인 작업이다. AI가 내리는 ‘인간다운 결정’이란 AI가 사람처럼 생각한다는 뜻이 아니라, 인간의 복잡한 의사결정 과정을 이해하고 이를 자동화된 환경에 적용해 의미 있는 가치를 만들어내는 전략적 시도에 가깝다.

결국 남는 건 문제왶� 사랑에 빠지는 태도

웨스트가 개발자들에게 건넨 조언은 단순했다. 그리고 어떤 특정 툴이나 프레임워크보다 오래갈 조언이었다. “해결책이 아니라 문제왶� 사랑에 빠져라.” 지금 의존하는 프레임워크, 기술, 프로그래밍 언어는 놀라울 만큼 빠르게 변할 것이다. 특정 기술 스택에 매몰되면 변화하는 환경에서 쉽게 도태된다. 반면 문제를 깊이 이해하고, 호기심을 잃지 않고, 판단력을 갖고 AI를 활용하는 전략적 사고방식은 오래도록 가치를 지닌다.

Click the button below to load the content from YouTube.

Always allow YouTube

AI를 둘러싼 이야기가 이토록 숨 가쁘게 느껴지는 지금, 이런 태도가 오히려 도움이 된다. 맹목적인 열광도, 막연한 두려움도 아닌 호기심과 절제로 이 순간을 대하는 태도 말이다. 관건은 AI로 얼마나 더 많이 만들어내느냐가 아니라, AI를 잘 활용했을 때 우리의 생각과 판단이 얼마나 더 나아지느냐다. 결국 좋은 질문을 던질 줄 아는 사람만이, 좋은 답을 얻는 시대가 오고 있다.

• 원문: Fall in Love with the Problem, Not the Solution: Rethinking AI for Real Impact, Features, �鶹ԭ�� News Center

The post AI에게 답을 맡기지 말고, 질문을 맡겨라 appeared first on �鶹ԭ�� Korea 뉴스센터.

AI 도구를 빨리 도입하는 것보다 중요한 건 ‘신뢰’다. Sapphire에서 공개한 는 흩어진 시스템과 반복 업무에서 사용자를 해방시키는 �ѫ��히 새로운 워크스페이스. 시대, �鶹ԭ�� 디자인팀이 그리는 일의 미래를 들여다본다.

글쓴이: 애린 보믹(Arin Bhowmick) �鶹ԭ�� 최고 디자인 책임자, 번역: 클로드(Claude)

AI 경쟁이 아니라, 신뢰의 문제

기업용 소프트웨어 시장은 지금 선택의 기로에 서 있다. AI를 빠르게 도입하지 않으면 뒤처진다는 위기감이 팽배하지만, 정작 기업 규모에서 진짜 ROI를 만드는 것은 ‘얼마나 빨리’가 아니라 ‘얼마나 신뢰할 수 있는가’다. �鶹ԭ��는 최근 Sapphire 행사에서 이 질문에 대한 답으로 Joule Work를 공개했다. AI왶� 협업해 업무 전체를 처리하는, �ѫ��히 새로운 방식의 워크스페이스다.

자율˳� 기업, 일하는 방식의 중심이 바뀐다

Joule Work는 사용자의 의도를 먼저 읽는다. 필요한 인사이트를 스스로 찾아 보여주고, 반복 업무는 자동으로 처리하며, 여러 시스템에 흩어진 AI 에이전트들을 하나로 조율��다. 여기서 �鶹ԭ��가 강조하는 원칙은 명확하다. 좋은 디자인은 AI를 쓰기 쉽게 만드는 데서 그치지 않고, 잘못 쓰기 어렵게 만들어야 한다는 것. 이미 검증된 보안·거버넌스 체계 위에 세워진 만큼, 사용성과 책임감이 동시에 작동하는 구조다.

일관성을 넘어 ‘맥락’을 설계하다

기존의 디자인 시스템은 정적인 화면에 통일된 규칙을 적용하는 방식이었다. 하지만 AI 시대의 UI는 매번 다른 요청에 맞춰 즉석에서 만들어져야 ��다. �鶹ԭ��는 이를 위해 을 새롭게 선보였다. AI를 위한 일종의 내비게이션 시스템처럼, 어떤 질문이 들어왶�도 그 맥락에 맞는 화면을 그때그때 구성해낸다. AI 에이전트가 여러 업무 영역을 오가며 일해도, 비즈니스 규정과 접근성 기준을 벗어나지 않도록 지켜주는 것이 이 시스템의 역할이다.

사람들이 정말 쓰고 싶어지는 AI

아무리 강력한 기술도 사람이 믿고 쓰지 않으면 무용지물이다. �鶹ԭ�� 디자인팀이 주목한 지점도 여기다. 자연어로 AI 에이전트를 부르는 것에서 나아가, Joule Studio를 통해 사용자가 직접 자신만의 AI를 만들 수 있도록 문턱을 낮췄다. 복잡한 코딩 없이도 필요에 맞게 기능을 확장할 수 있어, AI가 ‘전문가의 도구’에서 ‘모두의 도구’로 바뀌고 있다.

Joule Work가 여는 새로운 인간의 강점

�鶹ԭ��는 이번 변화를 ‘앱 중심’에서 ‘하나의 통합 공간’으로의 전환이라 설명��다. �鶹ԭ�� 시스템은 물론 외부 시스템까지 아우르는 단일 워크스페이스 안에서, 여러 시스템을 오가며 반복하던 수작업과 데이터 대조 작업이 사라진다. 대화형 인터페이스, �����에 맞춰 스스로 구성되는 업무 공간, 그리고 개발자가 에이전트를 직접 만들고 배포하는 기능까지, Joule Work는 이 모든 것을 하나로 묶는다. 결국 기술이 사람의 자리를 대신하는 것이 아니라, 사람이 더 사람다운 일에 집중할 수 있게 돕는 것. 이것이 �鶹ԭ��가 그리는 자율˳� 기업의 진짜 모습이다.

• 원문: , , �鶹ԭ��

The post 좋은 AI는 잘못 쓰기 어렵다: �鶹ԭ��의 자율˳� 기업 디자인 원칙 appeared first on �鶹ԭ�� Korea 뉴스센터.

• �鶹ԭ�� 긶�로벌 �ѫ�� 및 국내외 AI 전문갶�들과 ��께 자율˳� 기업 �ѫ�� 및 AI ˳�신 전략 공유
• 삼성전기·����이노텍·삼성SDS 등 주요 고객·파트너사 참여, 실무진 위한 4개 트랙 41개 세션 제공

2026�Ƅ 6월 30일, 섵Ӛ� – �鶹ԭ��코리아(대표이사 신은영)는 오는 7월 14일 그랜드 인터컨티넨탈 섵Ӛ� 파르나스 호텔에서 ‘�鶹ԭ�� 나우 AI 투어 코리아 2026( 2026)’을 개최한다고 밝혔다.

�鶹ԭ�� 나우 AI 투어 코리아는 �鶹ԭ�� 고객과 파트너, 업계 전문가들이 한자리에 모여 를 중심으로 기업의 업무 방식을 ˳�신할 방안과 �鶹ԭ��의 인사이트를 공유하는 연례 행사다. 올해 행사는 AI가 단순한 보조 도구를 넘어 기업 운영의 핵심 동력으로 자리잡는 시대적 흐름 속에서, 복잡한 비즈니스 컨텍스트에 대한 명확한 이해를 토대로 신속 정확한 실행으로 연결하는 역량이 왜 필수적인지 강조��다. �鶹ԭ��는 50여 �Ƅ간 축적한 비즈니스 전문성과 데이터를 바탕으로 ‘�鶹ԭ�� 비즈니스 AI 플랫폼()’과 ‘�鶹ԭ�� 자율˳� 스위트()’를 선보이며, 기업이 AI를 통해 실질적인 비즈니스 가치를 실현할 수 있는 전략과 인사이트를 공유할 예정이다.

기조연설에서는 얀 벙커트(Jan Bungert) �鶹ԭ�� 비즈니스 데이터 클라우드 및 비즈니스 AI 부문 최고매출책임자(CRO)가 ‘자율˳� 기업으로 최고의 성과를 실현하라(Bring out your best with the �鶹ԭ�� Autonomous Enterprise)’를 주제로 �鶹ԭ��의 자율˳� 기업() �ѫ��과 AI ˳�신 전략을 제시��다. 이어지는 세션에서 �鶹ԭ�� 코리아 하경남 부문장은 AI를 단순 도구가 아닌 업무 운영 메커니즘으로 전환해야 하는 이유왶�, 비즈니스 컨텍스트 기반의 자율 실행형 AI가 기업 경쟁력의 분기점이 되는 방향성을 제시��다.

이어 �鶹ԭ��의 주요 고객 및 파트너 기업들이 �鶹ԭ�� 솔루션 도입 사례왶� 적용 효과를 직접 소개��다. 박준기 LG이노텍 차세대 ERP 추진실 실장이 클라우드 및 자율˳� 기업으로 이어지는 차세대 ERP 여정을 공유��다. 또한 삼성전기 박준호 그룹장이 국내 최초 ‘�鶹ԭ�� 프리미엄 서플라이어’ 기반 �鶹ԭ�� S/4HANA 전환을 통한 AI ˳�신 플랫폼 구축 여정을 소개하고, 삼성SDS 지기성 부사장은 컨텍스트 인식 기반의 자율˳� 기업 전략 실현 사례를 발표할 예정이다.

오후 세션에는 실무 분야별로 4가지 전문 트랙이 운영된다. 각각 ▲AI 기반 자율˳� 기업 구현을 위한 엔드투엔드 운영 ˳�신 ▲AI·데이터·플랫폼 통합을 통한 자율˳� 기업 실현 ▲산업별 고객 사례로 살펴보는 AI 기반 비즈니스 ˳�신 ▲AI ˳�신과 전환 여정을 ��께하는 서비스 및 짶�원()으로 구성되어, 각 영역별 실무진들이 실질적인 비즈니스 인사이트왶� 구체적인 적용 방안을 얻을 수 있도록 맞춤형 세션이 마련된다.

올해 행사에서는 ‘자율˳� 기업 가이드 투어’왶� ‘에이전트 랩(Agent Lab)’ 등의 체험존을 통해 자율˳� 기업을 직접 경험할 수 있는 장을 마련한 것이 특징이다. 참가자는 가이드 투어로 자율˳� 기업의 전체 여정을 조망하고, 에이전트 랩에서 나만의 AI 에이전트를 실시간으로 구축해보며 비즈니스 AI의 실질적인 가능성을 체감하게 된다.

신은영 �鶹ԭ��코리아 대표는 “에이전틱 AI 시대로의 전환이 가속화되는 가운데, 단순히 AI를 도입하는 차원을 넘어 정확한 비즈니스 컨텍스트왶� 연결해 실질적인 성과로 이어지도록 하는 역량이 기업 경쟁력의 핵심이 되고 있다”며 “이번 행사를 통해 참가자들이 �鶹ԭ��의 자율˳� 기업 �ѫ��과 구체적인 AI ˳�신 전략을 직접 확인하고, 자사의 비즈니스 ˳�신을 가속화할 수 있는 실질적인 인사이트를 얻어 가시길 바란다”고 밝혔다.

# # #

�鶹ԭ��에 대해

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

The post �鶹ԭ��코리아, ‘�鶹ԭ�� NOW AI Tour Korea 2026’ 오는 14일 개최 appeared first on �鶹ԭ�� Korea 뉴스센터.

기업의 의사결정 중 절반 이상이 여전히 며칠씩 걸린다. �鶹ԭ��가 그리는 은 이 시간을 순간으로 줄인다. 프로세스 지식, 데이터, 거버넌스라는 세 원칙 위에서 재무부터 산업별 AI까지, 결정의 속도가 어떻게 달라지는지 들여다본다.

글쓴이: 에릭 반 로섬(Eric van Rossum), 번역: 클로드(Claude)

오늘날 기업 리더들은 점점 예측하기 어려운 환경에서 더 빠르고 정확한 결정을 내려야 합니다. 수요는 순식간에 바뀌고, 공급망은 언제든 흔들리며, 비용과 마진 압박도 계속됩니다. 그런데 이런 결정들은 한 부서만의 일이 아니라 여러 기능을 가로지르며 이루어집니다.

문제는 분명합니다. 기회를 놓치지 않으면서도 공급, 마진, 고객 신뢰를 지키려면 어떻게 빠르게 움직여야 할까요? 흩어진 시스템에서 데이터를 모으고 의견을 맞춰 결정을 내리기까지는 너무 많은 시간과 수작업이 듭니다. 그렇게 결정을 내리고 나면 �����은 이미 또 바뀌어 있죠.

그래서 �鶹ԭ��는 Sapphire 행사에서 ‘자율˳� 기업(Autonomous Enterprise)’ 개념을 제시했습니다. 변화를 더 빨리 감지하고, 그 영향을 비즈니스 전체 관점에서 이해하고, 대응을 조율하면서도 중요한 결정의 주도권은 사람에게 남겨두는 것이 핵심입니다.

자율성, 새로운 차원으로

끊임없는 인텔리전스, 실시간 맥락 기반의 결정, 따로 움직이던 조직이 하나의 연결된 시스템으로 작동하는 것. 이것이 자율˳� 기업이 그리는 변화입니다. 이를 떠받치는 세 가지 원칙도 제시됐습니다. 첫째는 ‘프로세스 지식‘, 비즈니스가 실제로 어떻게 돌아가는지에 대한 깊은 이해입니다. 둘째는 ‘비즈니스 데이터‘, AI가 제대로 일할 수 있게 풍부하고 맥락이 살아있는 데이터를 갖추는 것입니다. 셋째는 ‘거버넌스‘, 모든 과정이 투명하고 추적 가능하며 정책 안에서 이루어지도록 지탱하는 기반입니다. AI의 모든 행동은 기록으로 남고, 책임이 필요한 예외에는 언제나 사람의 판단이 개입합니다.

비즈니스 전반을 잇는 인텔리전스

중심에는 가 있습니다. Joule이 비즈니스로 들어가는 단일 창구가 되고, 재무, 공급망, 구매, 인사, 고객경험 같은 핵심 영역이 그 안에서 서로 연결됩니다. 사람은 우선순위왶� 정책, 가드레일을 정하고, 어시스턴트는 맥락을 이해해 업무를 조율하며, 에이전트는 신호를 감지해 작업을 실행합니다. IDC 조사에 따르면 기업 의사결정의 절반 이상이 결정까지 1~7일 걸립니다. �鶹ԭ��가 좁히려는 간극이 바로 이 부분, ‘며칠’을 ‘순간’으로 바꾸는 일입니다.

자율˳� 재무가 보여주는 변화

는 이 변화를 가장 잘 보여주는 예입니다. 여전히 많은 재무 조직이 수작업과 파편화된 데이터, 느린 처리 속도에 발목 잡혀 있습니다. 자율˳� 재무에서는 계획, 매출 관리, 자금, 결산, 컴플라이언스, 세무까지 전 과정에서 전문화된 에이전트들이 백그라운드에서 끊임없이 일합니다. 청구가 빨라지면 자금 흐름이 또렷해지고, 이는 더 정확한 계획과 더 과감한 경영 판단으로 이어집니다. 재무팀은 숫자를 좇는 대신 미래를 그리는 데 시간을 씁니다.

산업 AI, 깊이를 더하다

같은 공급망 문제라도 제약, 제조, 농업, 유통, 에너지마다 규칙과 데이터, 가치사슬이 전혀 다르기 때문입니다. �鶹ԭ��는 일반 AI에 비즈니스를 가르치는 방식이 아니라, 수십 �Ƅ간 쌓은 산업별 노하우를 AI에 그대로 심어 넣는 방식을 택했습니다.

나아갈 길

결국 핵심은 AI가 업무 하나에 머무르지 않고, 기업 전체에서 끊임없이 감지하고 추론하고 행동하고 배우도록 돕는 것입니다. 그 과정에서 사람은 여전히 운전대를 잡고 있습니다. 완벽한 시스템을 기다릴 필요는 없습니다. 지금 가진 환경 위에서 한 걸음씩 시작하면 됩니다. 이것이 자율˳� 기업으로 가는 여정의 시작입니다.

• 원문: The Autonomous Enterprise: Better Decisions in Motion, Corporate Blog, �鶹ԭ�� News Center

The post 며칠 걸리던 결정을 순간으로, �鶹ԭ��가 말하는 자율˳� 기업 appeared first on �鶹ԭ�� Korea 뉴스센터.

• �ѫ��˳� 인게임 음성 데이터를 단 몇 분만에 구조화된 인사이트로 볶�환… 수���업에 의존��던 음성 데이터 �ѫ��의 �ѫ�� 자동화 구현
• 선수별 커뮤니케이션 및 감정 ����� �ѫ��을 통해 압박 ����� 속 코치�ѫ�� 전략적 의사결정과 팶�워크 강화 짶�원

2026�Ƅ 6월 23일, 섵Ӛ� – �鶹ԭ��가 프로 e스포츠 구단 팀 리퀴드(Team Liquid)왶�의 긴밀한 협력을 통해 개발한 신규 ‘AI 기반 음성 인텔리전스(AI-based Voice Intelligence) 애플리케이션’을 발표했다. 이 애플리케이션은 게임 내 �ѫ��˳� 음성 커뮤니케이션 데이터를 구조화된 형태의 게임 인사이트로 볶�환하고, 이를 시간순으로 정렬해 제공��다. 이를 통해 코치진은 기존에 수시간씩 걸리던 수동 검토 과정을 단 몇 분 만에 체계적으로 분석할 수 있는 역량을 확보하게 된다.

리그 오브 레전드(League of Legends)왶� 같은 경쟁형 e스포츠 경기에서는 팀 커뮤니케이션이 끊임없이 이루어지며 감정적 강도 또한 매우 높다. 이러한 데이터는 경기력에 결정적인 영향을 미침에도 불구하고, 그동안 대규모로 분석하는 것이 사실상 불가능했다. 프로팀들은 매일 훈련 세션과 대회를 통해 수 시간 분량의 멀티트랙 음성 커뮤니케이션 데이터를 생성하지만, 해당 정보는 오디오 형태로만 사일로화되어 존재해 체계적인 분석이 어려웠다.

신규 AI 기반 음성 인텔리전스 애플리케이션은 e스포츠 음성 커뮤니케이션 데이터의 엔드투엔드 처리를 �ѫ�� 자동화함으로써 이러한 문제를 해결��다. 경기나 훈련 녹화본이 확보되는 즉시, 애플리케이션은 자동으로 멀티채널 오디오를 수집하고 선수별 음성 스트림을 분리��다. 이후 커뮤니케이션 내용을 텍스트로 볶�환하고, 화자를 식별하며, 감정을 분석해 팀이 활용할 수 있는 �ѫ��한 탐 구조화된 데이터를 생성��다.

팀 리퀴드는 이 애플리케이션을 통해 즉각적이고 실질적인 가치를 얻을 수 있다. 코치진은 수동 입력 없이 모든 경기에 대한 객관적이고 일관된 커뮤니케이션 데이터를 확보할 수 있으며, 누가 커뮤니케이션을 주도하고 있는지, 어디서 의견 불일치가 발생하는지, 결정적인 순간에 감정 �����가 어떻게 변화하는지 파악할 수 있다. 이 데이터는 선수들의 좌절감이나 감정적 틸트(tilt)의 조기 감지를 가능하게 하고, 압박감 속에서 더 명확한 오더(shot calling)왶� 의사 결정을 내릴 수 있도록 짶�원��다. 아울러 새로운 팀 로스터가 시간이 지남에 따라 얼마나 효과적으로 호흡을 맞춰가는지 평가하는 데 도움을 준다. 이를 통해 더 강력한 팶�워크를 구축하고 경쟁력을 높일 수 있다.

제시 하트(Dr. Jesse Hart) 팀 리퀴드 스포츠 과학 및 애널리틱스 부문 수석 디렉터는 “실제 경기 환경의 압박 속에서 팀 커뮤니케이션을 체계적으로 분석할 수 있게 된 것은 이번이 처음”이라며 “신규 AI 기반 음성 인텔리전스 애플리케이션은 정제되지 않은 음성 채팅 데이터를 가치 있는 인사이트로 전환해, 코치진이 경기 내 �����과 결과를 커뮤니케이션, 감정 및 의사결정 과정을 연계해 분석할 수 있도록 짶�원��다. 이는 우리가 경기력 분석, 선수 육성 및 팀 문화에 접근하는 방식을 근본적으로 변화시킬 것”이라고 밝혔다.

신규 AI 애플리케이션은 �鶹ԭ�� 비즈니스 테크놀로지 플랫폼(�鶹ԭ�� Business Technology Platform, �鶹ԭ�� BTP) 상에서 구동된다. �鶹ԭ�� HANA 클라우드(�鶹ԭ�� HANA Cloud)는 아키텍처의 핵심 기반으로서 모든 구조화된 데이터를 저장하고 데이터베이스 내 감정 �ѫ��을 짶�원��다. �鶹ԭ��는 화자 식별 정보, 텍스트 볶�환, 감정 분석 결과 및 메타데이터를 단일 통합 관리 시스템 내에서 관리함으로써 데이터 이동을 최소화하고, 지연 시간을 줄이는 동시에 추적 가능성을 확보��다. 또한 AI 모델은 �鶹ԭ�� AI 코어(�鶹ԭ�� AI Core)를 통해 안전하게 관리되며, 이를 통해 높은 처리 성능이 요구되는 준실시간 환경에서도 �鶹ԭ��의 비즈니스 AI 역량이 얼마나 안정적으로 운영될 수 있음을 증명��다.

벤자민 블라우(Dr. Benjamin Blau) �鶹ԭ�� 최고프로세스 및 정보책임자(CPIO)는 “현재까지 AI 기반 음성 인텔리전스 애플리케이션은 팀 리퀴드의 수천 개 오디오 트랙을 처리했으며, 단 몇 분 만에 검색 가능하고 감정 점수가 반영된 인사이트를 제공해왔다”며, “이것이 바로 비즈니스 AI가 가치를 창출하는 방식으로, 파편화되고 압박이 높은 커뮤니케이션을 팀이 게임, 대회, 시즌에 걸쳐 조회하고, 시각화하며, 분석할 수 있는 구조화된 퍼포먼스 데이터셋으로 전환하는 것이다. 이는 AI가 데이터, 맥락, 실행을 연결해 사람들이 현장의 속도에 맞춰 더 나은 의사결정을 내릴 수 있도록 하는 의 핵심 원리왶� 같다”고 밝혔다.

이처럼 �鶹ԭ��왶� 팀 리퀴드는 AI왶� 애널리틱스를 프로 e스포츠 분야에 접목함으로써, 가장 빠르고 고도의 압박이 존재하는 환경 가운데 �ѫ��˳� 음성 데이터가 어떻게 실행 가능한 인텔리전스로 전환될 수 있는지를 입증해 보였다. 양사의 이번 협업은 �鶹ԭ��가 비즈니스 AI를 기존 엔터프라이즈 활용 사례를 넘어, 인사이트의 속도왶� 정확성이 핵심적인 실시간 퍼포먼스 영역에서도 비즈니스 AI를 적용할 수 있는 역량을 갖추고 있음을 보여준다.

# # #

�鶹ԭ��에 대해

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

팀 리퀴드에 대해

팀 리퀴드는 전 세계를 무대로 다양한 종목에서 팀과 선수들을 운영하며 경쟁하는 세계 최고 수준의 프로 e스포츠 구단이다. 경기장 안팎에서 팀 리퀴드는 데이터 사이언스에 대한 선도적인 접근 방식으로 차별화된 위상을 구축하고 있다. 훈련 및 스카우팅 인프라에 심층 �ѫ��을 통합함으로써, 팀 리퀴드는 고성능 e스포츠의 새로운 기준을 지속적으로 만들어가고 있다.

The post �鶹ԭ��, 팀 리퀴드왶� ‘AI 기반 음성 인텔리전스 애플리케이션’ 발표 appeared first on �鶹ԭ�� Korea 뉴스센터.

더 똑똑한 모델이 아니라, 기업을 더 깊이 아는 AI가 진짜 승부를 가릅니다. �鶹ԭ��가 그리는 ‘‘의 시대에는, AI가 프로세스왶� 권한, 데이터까지 이해하고 사람과 ��께 신뢰할 수 있는 답을 만들어냅니다.

글쓴이: 크리스천 클라인(Christian Klein), 번역: 클로드(Claude)

모델 경쟁을 넘어서 — 진짜 격차는 ‘컨텍스트’다

지금 많은 기업이 AI를 실험하고 있습니다. 인상적인 데모왶� 성공적인 파일럿도 있지만, AI가 회사 전체를 바꿨다고 말할 수 있는 곳은 드뭅니다. 그 차이를 만드는 건 모델 성능이 아니라 ‘컨텍스트’ — AI가 기업이 실제로 어떻게 돌아가는지 이해하는 능력입니다.

요즘 AI 논의는 어떤 모델이 가장 뛰어난지에 쏠려 있지만, 진짜 문제는 다른 곳에 있습니다. 기업은 여러 팀과 정책, 승인, 권한이 얽힌 워크플로우로 움직입니다. 모델은 답을 만들고 에이전트는 작업을 끝내지만, 누가 권한이 있는지, 어떤 규칙이 적용되는지에 대한 이해 없이는 AI가 약속을 지킬 수 없습니다.

자율˳� 기업(Autonomous Enterprise), 새로운 시대의 청사진

깊은 비즈니스 컨텍스트를 갖춘 소프트웨어의 가치가 점점 높아지고 있습니다. AI 에이전트가 엔드투엔드 프로세스를 이해하면, 개별 작업을 자동화하는 데 머물지 않고 프로세스 전체를 운영할 수 있습니다. 이것이 바로 ‘자율˳� 기업’ — 실행 시스템에서 추론하고 결정하고 행동하는 시스템으로의 전환입니다. 직원들은 반복적인 조율 업무에서 벗어나 더 높은 가치의 판단과 전략에 집중할 수 있습니다.

�鶹ԭ��의 50�Ƅ 자산과 Joule — 컨텍스트가 신뢰할 수 있는 답이 되는 과정

�鶹ԭ��는 50�Ƅ 넘게 기업의 핵심 프로세스를 짶�원해왔습니다. �鶹ԭ�� 시스템은 데이터를 저장하는 것을 넘어 기업이 실제로 운영되는 방식 — 프로세스, 규칙, 결정 — 을 담고 있습니다. ERP는 기업의 기억이자 두뇌입니다. 새로운 은 데이터·프로세스·거버넌스를 AI를 위한 통합 컨텍스트로 묶습니다. Joule이 그 위에서 사람과 AI를 잇는 인터랙션 레이어 역할을 합니다. Joule Assistant는 사용자왶� 협업하고, 는 워크플로우를 끝까지 실행합니다.

예를 들어 “최신 파이프라인과 공급망 데이터로 연간 재무 전망이 어떻게 바뀔지 보여줘”라는 질문을 받으면, 시스템은 먼저 올바른 프로세스를 찾고, 조직별 설정을 이해한 뒤, 수백만 데이터 필드 중 정확한 데이터를 선택합니다. 마지막으로 신원과 권한, 접근 통제를 검증해 결과의 신뢰성을 보장합니다.

기술보다 먼저, 변화관리가 답이다

이런 수준에 도달하려면 챗봇을 추가하거나 기존 시스템에 AI를 얹는 것만으론 부족합니다. 많은 기업은 여전히 파편화된 시스템과 분산된 데이터를 안고 있어, AI를 그냥 덧붙이면 비효율과 위험이 오히려 커집니다. 프로세스왶� 데이터, 인프라가 ��께 작동하는 방식, 인간과 AI의 역할 분담을 다시 설계해야 합니다. 직원 재교육, 프로세스 재설계, 시스템 현대화가 ��께 가야 하며, 이를 위해 �鶹ԭ��는 새로운 AI 기반 RISE·GROW 오퍼링과 서비스 모델 재정비를 추진하고 있습니다.

새 시대의 시작, 그리고 �鶹ԭ��의 자리

새로운 시대는 지능이 운영과 분리되지 않고 그 안에 내재되는 시대입니다. 앞서가는 기업은 가장 뛰어난 모델을 가진 기업이 아니라, 컨텍스트왶� 거버넌스, 신뢰를 갖춰 AI를 실제 비즈니스 운영에 연결한 기업입니다. 자율˳� 기업의 시대가 시작되고 있고, �鶹ԭ��는 이를 실현할 가장 좋은 위치에 있습니다.

• 원문: , , LinkedIn

The post AI 시대, 모델 경쟁은 끝났다, 이제는 컨텍스트다 appeared first on �鶹ԭ�� Korea 뉴스센터.

발표만 하면 머리가 하얘지는 이유, 슬라이드 탓이 아니다. 떨리는 건 준비가 부족해서가 아니라, 잘못된 것을 준비했기 때문이다. 전기가 나가도 발표를 끝낼 수 있다면? 슬라이드 말고 이야기를 준비하는 법, 지금 시작해보자.

기획: 박범순(Adam Park), 글쓴이: 클로드(Claude)

발표 전날 밤, 슬라이드보다 이야기를 먼저 완성하라

발표를 망치는 가장 흔한 실수는 슬라이드를 완성하는 데 모든 에너지를 쏟는 것이다. 발표 5분 전까지 글자 크기를 조정하고, 이미지를 교체하고, 단어 하나를 고치다가 무대에 오르는 사람들을 생각보다 많이 본다. 그런데 막상 빔 프로젝터가 먹통이 되거나 노트북이 갑자기 꺼지면? 그 순간 머릿속도 ��께 꺼진다. 자료를 ‘컨닝 페이퍼’로 준비한 탓이다.

진짜 준비는 다르다. 전기가 나가고 화면이 꺼져도 뒤에 있는 화이트보드 하나만 있으면 발표를 끝낼 수 있어야 ��다. 그러려면 슬라이드가 아니라 이야기를 먼저 머릿속에 완성해야 ��다. 핵심 메시지 하나를 정하고, 그 메시지를 뒷받침하는 문장들을 고르고, 나머지는 과감하게 버린다. 한마디만 남긴다면 무엇을 남길 것인가 — 이 질문에 답할 수 있으면 발표 준비의 절반은 끝난 셈이다.

한 장표, 한 생각 — 덜어낼수록 기억에 남는다

슬라이드 한 장에 아이디어가 두 개 들어가는 순간, 장표를 두 개로 나눠야 ��다. 단순한 원칙이지만 지키기 어렵다. 공들여 만든 내용을 버리기가 아깝기 때문이다. 하지만 청중의 뇌는 한 번에 하나만 받아들인다. 한 장에 너무 많은 이야기를 욱여넣으면 청중은 갈피를 못 잡고, 발표자는 그 한 장에서 10분을 허비하게 된다.

스탠퍼드 경영대학원의 슈람 교수는 이를 ‘골디락스 원칙’이라고 부른다. 세부 정보는 너무 많아도, 너무 적어도 안 된다. 딱 적당한 만큼만. 발표 전에 자신과 비슷한 배경을 가진 지인에게 미리 들려보는 것도 좋은 방법이다. 내가 너무 당연하게 여기는 맥락이 청중에게는 빠진 고리일 수 있다.

그리고 말도 마찬가지다. “뭐뭐 한 경우에는, 뭐뭐는 이거든요, 저왶� 같은 경우에는…” 같은 긴 접속사 행진은 리듬을 끊는다. 주어왶� 동사, 주어왶� 동사. 짧게 끊어도 사람들은 충분히 빠르게 알아듣는다.

첫 문장이 전부다

2000�Ƅ대 초 닷컴 열풍이 막 불던 시절, 존 도노반 교수가 대기업 �ѫ��들 앞에서 강연을 시작했다. 슬라이드도 없이 객석을 돌아다니며 한 명 한 명에게 물었다. “어떤 고민이 있으세요?” 그렇게 모은 이야기들을 강단으로 돌아왶� 이렇게 정리했다. “제가 오늘 들어보니 아시아 진출은 하고 싶은데 어디서 시작해야 할지 모르겠고, 인터넷이 우리 회사왶� 무슨 관계인지도 모르겠다고 하십니다. 이거 한국만의 문제가 아닙니다.” 청중은 이미 그의 이야기 속에 들어왶� 있었다.

최고의 발표는 서론 없이 시작��다. “오늘은 이런 이야기를 해드리려고 합니다”라는 예고편은 필요 없다. 바로 장면 속으로 뛰어들어라. 슈람 교수의 말처럼, 첫마디왶� 끝마디만큼은 망설임 없이 말할 수 있을 정도로 정확히 알고 있어야 ��다. 좋은 첫인상을 남길 기회는 두 번 오지 않는다.

몸으로 하는 발표 — 시선, 거리, 침묵의 기술

1992�Ƅ 미국 대선 TV 토론. 한 시청자가 교육 문제를 질문했다. 클린턴 후보는 객석 앞까지 걸어 나왶� 그 사람을 바라보며 말했다. “꼭 해결하겠습니다.” 부시 후보는 뒷걸음질치며 대답했다. 같은 내용이었지만 사람들의 마음은 한쪽으로 기울었다. 중요한 말은 청중에게 가까이 다가가면서 해야 ��다. 끝내고 나서야 자리로 돌아가는 것이다.

시선도 마찬가지다. 발표 초반엔 유독 눈이 잘 마주치는 사람 한두 명을 찾아라. 그 사람을 중심으로 이야기를 끌어가다가, 고개를 끄덕이면 옆 사람으로 시선을 옮긴다. 등대처럼 쓱 훑고 지나가는 게 아니라, 한 사람씩 실제로 연결하는 것이다.

그리고 침묵을 두려워하지 마라. 작곡가가 쉼표로 음악에 긴장을 만들듯, 발표에서도 침묵은 강력한 도구다. 중요한 말을 하기 직전, 혹은 직후에 잠깐 멈추는 것만으로 그 말의 무게가 달라진다.

Click the button below to load the content from YouTube.

Always allow YouTube

The post 발표만 하면 떠는 직장인을 위한 프레젠테이션 팁 appeared first on �鶹ԭ�� Korea 뉴스센터.

챗G�ʰ�는 ‘평범한’ 수준의 작업을 인간보다 압도적으로 빠르게 처리하며, 중간 수준의 일자리왶� 성장 기회를 동시에 흡수하고 있다. 이 흐름에서 살아남으려면 AI를 대체자가 아닌 도구로 다루며, 스스로 AI 수준을 뛰어넘는 실력을 키우는 것이 핵심이다.

글쓴이: 프라카 메로트라(Prakhar Mehrotra), 요약 번역: 클로드(Claude)

• 이 글은 챗G�ʰ�가 세상에 공개된 지 얼마 되지 않은 2023�Ƅ 3월 21일에 글쓴이가 올린 글을 클로드왶� ��께 요약 정리한 결과물입니다.

제트 엔진을 단 유니콘의 등장

챗G�ʰ�가 세상에 나온 지 고작 4개월이 지났을 뿐인데, AI는 이미 우리의 일하는 방식을 바꾸고 있다. 저자는 이 기술을 “제트 엔진을 단 유니콘”에 비유��다. 인쇄술이나 인터넷처럼 역사를 바꾼 발명들이 마차나 자동차 속도로 세상에 들어왔다면, 는 그야말로 눈 깜짝할 사이에 쏟아져 들어오고 있다는 것이다.

평범함의 자석이란 무엇인가

글쓰기를 예로 들어보자. 챗G�ʰ�가 만들어내는 글은 천재적이지는 않다. 회사 뉴스레터나 레시피 블로그 정도의 ‘적당히 쓸 만한’ 수준이다. 하지만 압도적으로 빠르다. 사람이 두 시간 걸릴 작업을 2분 만에 해낸다. 기업 입장에서는 품질을 조금 포기하더라도 이 속도를 택하는 것이 경제적으로 합리적이다.

이것이 바로 저자가 말하는 “평범함의 자석”이다. 챗G�ʰ�는 자신의 수준 이하의 일감은 물론, 그보다 조금 위의 일까지도 속도의 힘으로 빨아들인다. 결국 인간에게 남는 일자리는 AI가 아직 감히 흉내 내지 못하는, 아주 높은 수준의 소수 영역뿐이다.

사라지는 ‘훈련의 기회’

더 심각한 문제는 미래 인재 공급에 있다. 과거에는 초보 작가나 개발자가 낮은 수준의 일을 맡아 돈을 벌면서 동시에 실력을 키울 수 있었다. 실력을 쌓는 동안 생계를 유지할 수 있는 ‘훈련 시장’이 존재했던 것이다.

하지만 생성형 AI가 이 중간 구간의 일을 대부분 가져가면, 초보자가 돈을 받으며 성장할 수 있는 기회 자체가 사라진다. 생계를 위해 전혀 다른 일을 해야 하니, 장기적으로 진짜 고수의 수도 줄어들 수 있다.

역사는 반복되지만, 이번엔 다르다

15세기 문틀을 깎던 장인과 오늘날의 CNC 기계를 비교하면, 개별 장인의 손기술은 퇴보했지만 전체 생산성은 비교할 수 없이 높아졌다. 기술이 인간의 일을 대체하는 일은 역사 내내 반복됐다.

다만 이번에는 다르다. 이전의 기계들이 육체 노동을 대체했다면, 생성형 AI는 긶�쓰기·코딩·창���처럼 인간 고유의 영역으로 여겨졌던 인지 노동과 창의 노동까지 잠식하고 있다.

그럼에도 우리가 할 수 있는 것

저자는 이 흐름에 무조건 올라타는 것도, 무조건 거부하는 것도 답이 아니라고 말��다. 진짜 실력을 키우고 싶다면 초반에 AI에 과도하게 의존하지 않는 것이 중요하다. 대신 AI를 ‘기준점’으로 삼는 방법을 제안��다.

같은 주제로 직접 쓴 글과 챗G�ʰ�가 쓴 글을 비교하며 ‘내가 AI보다 나은가’를 확인하는 것이다. 또한 작업 전체를 맡기기보다 아이디어 발산이나 피드백 같은 특정 단계에 AI를 통합해 자신의 능력을 증강하는 방향이 바람직하다고 강조��다.

평범함의 자석에 끌려가지 않으려면, 이 도구가 내 일을 어떻게 대체할지 먼저 냉정하게 분석하고, 그다음에 어떻게 활용할지 적극적으로 실험해야 ��다. 자석은 위험할 수도 있지만, 잘 다루면 누구보다 강력한 도구가 된다.

• 원문: , Medium

The post 챗G�ʰ�왶� 평범함의 자석 – 진짜 실력을 키워라 appeared first on �鶹ԭ�� Korea 뉴스센터.

AI 채용 도구는 역사적 편향을 자동화·확대 재생산하며, 고용주왶� 벤더 모두 법적 책임에서 자유롭지 않다. 편향 감사왶� 설명 가능한 AI 도입을 통해 투명성을 확보하고, 최종 채용 판단은 반드시 사람이 내리는 구조를 갖추는 것이 핵심 대응 방안이다.

글쓴이: 버지니아 배케이티스(), 번역: 클로드(Claude)

한 구직자가 150개의 IT 직무에 짶�원했다. 그리고 150번 모두 탈락했다. 아숀 하퍼(Arshon Harper)는 시리어스 XM 라디오(Sirius XM Radio)의 AI 채용 스크리닝 시스템이 우편번호왶� 출신 학교 같은 간접 데이터를 근거로 자신의 짶�원서를 인종에 따라 낮게 평가했다고 주장하며 . 단 한 명의 인사 담당자도 그의 이력서를 보지 않았을 가능성이 높다. 그리고 이런 사례는 결코 예외가 아니다.

왜 이런 문제가 생기는가

AI 채용 도구가 급속도로 확산되면서, 알고리즘에 의한 차별 소송이 폭발적으로 증가하고 있다. 이 문제는 단순한 기술적 결함이 아니라, 사회 구조적 불평등이 디지털화되는 현상이다. 채용 AI는 과거 데이터를 학습해 판단을 내린다. 문제는 그 역사적 데이터 자체가 수십 �Ƅ간의 차별을 고스란히 담고 있다는 점이다.

에서 세 가지 최신 대형 언어 모델을 테스트한 결과, AI 시스템은 백인 연상 이름을 85%의 빈도로 선호한 반면, 흑인 연상 이름은 단 9%에 그쳤다. 더욱 충격적인 것은 교차성 분석 결과였다. 흑인 남성 연상 이름은 단 한 번도 백인 남성 연상 이름보다 선호되지 않았다. AI가 편견을 제거하는 것이 아니라, 오히려 자동화하고 규모를 키우고 있는 셈이다. 우편번호, 출신 학교 같은 간접 데이터가 인종이나 계층의 대리 변수로 작동하고, 장애인은 낮은 ‘낙관성 점수’를 이유로 탈락하기도 ��다.

누가 어떻게 책임져야 하는가

법적 책임의 구도는 복잡하지만, 결론은 명확하다. “AI가 한 일이라는 변명은 통하지 않는다. AI가 그 결정을 내렸다면, 고용주가 직접 내린 것과 동일하다”는 것이 법조계의 일관된 입장이다. , 등 연방 반차별법은 인간이 결정하든 알고리즘이 결정하든 동일하게 적용된다. ‘벤더를 믿었다’는 말은 법적 방어가 되지 않는다. 오히려 사전 실사를 하지 않았다는 자백으로 간주된다.

한편으로는 벤더 역시 직접 책임에서 자유롭지 않다. 은 AI 벤더가 민권법상 ‘고용 기관’에 해당할 수 있는지를 다투고 있으며, 은 FTC에 기만적 마케팅 혐의로 제소됐다. 즉, 고용주왶� 벤더 모두 법적·도덕적 책임에서 벗어날 수 없다.

블랙박스 문제왶� 설명 가능한 AI

현재 많은 AI 시스템은 로 작동��다. 고용주들은 AI 도구가 어떻게 작동하는지 이해해야 하며, 투명성이 확보되어야 ��다. 이를 위한 핵심 개념이 ‘설명 가능한 AI(XAI)’다.

XAI는 머신러닝 알고리즘의 결과왶� 출력을 인간이 이해하고 신뢰할 수 있도록 하는 프로세스왶� 방법의 집합으로, 단순히 점수나 추천 결과만 내놓는 것이 아니라 어떤 요소를 얼마나 반영했는지를 보여준다. 정기적인 편향 감사(bias audit)왶� ��께, 결과에 영향을 미친 변수를 투명하게 공개하는 것이 필수적이다.

가장 인간적인 AI 적용 방안

기술적 해법만으로는 충분하지 않다. 가장 근본적인 해결책은 AI를 ‘최종 결정자’가 아닌 ‘보조 도구’로 자리매김하는 것이다. AI는 대량의 서류를 1차 정리하는 데 활용하되, 최종 합격 여부는 반드시 사람이 판단해야 ��다. 알고리즘이 탈락시킨 짶�원자에 대해서도 인간 검토자가 일정 비율 이상을 다시 살펴보는 안전망을 두어야 ��다. 또한 장애인 짶�원자에 대한 합리적 편의 제공, 다양한 배경의 짶�원자를 포용하는 평가 기준 설계가 병행되어야 ��다.

AI는 채용의 효율을 높이는 강력한 도구다. 그러나 효율이 공정성을 희생하는 순간, 그것은 기술의 진보가 아니라 차별의 자동화일 뿐이다. 투명성, 정기 감사,�� 인간의 최종 판단. 이 세 가지가 갖춰질 때 비로소 AI는 채용 현장에서 신뢰받을 수 있다.

• 원문: ,

The post 채용 AI의 그늘: 편향, 책임, 그리고 인간적인 해법 appeared first on �鶹ԭ�� Korea 뉴스센터.