ZDNet 검색 페이지

'사이냅 에디터 3.0'통합검색 결과 입니다. (708건)

직원들 'SW 사용' 헤매는 동안…美기업들 연 600만 달러 날린다

글로벌 디지털 직원 경험 관리 기업 넥스씽크(Nexthink)가 발표한 '디지털 전환에서 직원 경험을 소홀히 할 때의 높은 대가(The High Cost of Neglecting Employee Experience in Digital Transformation)' 보고서에 따르면, 기업의 디지털 전환 과정에서 직원들의 소프트웨어 사용 경험 관리가 제대로 이뤄지지 않아 막대한 비용 손실이 발생하고 있는 것으로 나타났다. 디지털 전환으로 인한 업무 환경 변화 코로나19 이후 기업들의 디지털 전환이 전례 없는 속도로 진행되었다. 넥스씽크가 실시한 설문조사에서는 직원의 58%가 2020년 3월 이후 사용하는 업무용 애플리케이션이 증가했다고 답했다. 더욱 주목할 만한 점은 직원의 76%가 하루 최대 6시간을, 22%는 6시간 이상을 업무용 애플리케이션 사용에 할애하고 있다는 것이다. 업종별로는 미디어/마케팅/광고 업계가 76%로 가장 높았고, 법률 서비스 67%, 금융 및 회계 64%, 호텔 및 레저 업계가 63%로 그 뒤를 이었다. 생산성 저해하는 '컨텍스트 스위칭' 새로운 애플리케이션이 추가될 때마다 직원 경험의 복잡성도 증가하고 있다. 특히 서로 다른 애플리케이션이나 창을 전환하며 작업해야 하는 '컨텍스트 스위칭' 현상이 직원들의 업무 흐름을 방해하고 있다. 심리학자 제럴드 웨인버그의 연구에 따르면, 작업 전환이 발생할 때마다 전체 생산성의 20~80%가 손실된다고 한다. 이메일이나 메신저 알림과 같은 불가피한 전환도 있지만, 직관적이지 않은 사용자 경험으로 인한 전환이 문제를 더욱 악화시키고 있다. 하루 30분씩 헤매는 직원들... 기업은 수십억 날린다 넥스씽크의 조사 결과, 업무용 애플리케이션을 사용하는 직원의 39%가 하루 최대 30분을 기술 지원을 찾는 데 소비하는 것으로 나타났다. 이는 직원 1인당 연간 3주가 넘는 시간이다. 직원들은 각기 다른 지식베이스, 챗봇, 헬프데스크를 오가며 필요한 정보를 찾아야 하고, 때로는 검색엔진이나 내부 리소스를 통해 외부에서 해결책을 찾아야 한다. 금전적 손실로 환산하면 영국 대기업의 경우 연간 71,183시간(약 1백만 파운드), 미국 대기업은 연간 172,091시간(약 6백만 달러)에 달한다. 더 심각한 문제는 직원들이 기술 지원 자료를 찾는 데 소비하는 시간(주 2.7시간)이 실제로 그 자료를 읽는 시간(주 1.5시간)보다 더 길다는 점이다. 넥스씽크의 분석에 따르면, 업무 흐름 내에서 지원 자료를 제공할 경우 지원 검색 시간이 50% 감소하고 작업 수행 시간도 절반으로 줄어드는 것으로 나타났다. 숨겨진 기회비용 이러한 시간 낭비는 단순한 생산성 저하를 넘어 기회비용으로 이어진다. 직원들이 기술 지원을 찾는 대신 할 수 있었던 활동으로는 전략 및 기획, 수익 창출 업무, 자기계발, 타인 교육 등이 있다. 또한 작업 탐색에만 평균 10%의 시간을 소비하는 '내비게이션 버닝' 현상으로 인해 미국 대기업의 경우 연간 529,464시간의 생산성이 추가로 낭비되고 있다. 기술 투자 효과 측정도 미흡 넥스씽크의 디지털 도입 보고서에 따르면 기술 투자의 성과 측정도 제대로 이루어지지 않고 있다. 기술 도입 후 1-2년간 성과를 지속적으로 측정하는 기업은 12%에 불과했으며, 3년 이상 측정을 유지하는 기업은 5%에 그쳤다. 더불어 대기업 직원의 5분의 1이 코로나19 이전보다 업무용 애플리케이션에 대한 불만이 증가했다고 응답했으며, 특히 법률(27%)과 교육(24%) 분야에서 불만족도가 높게 나타났다. 직원 경험 개선을 위한 해결책 이러한 문제를 해결하기 위해서는 직원들의 일상적인 기술 사용 행태를 이해하고 분석하는 것이 중요하다. 기업들은 실시간 설문조사를 통해 직원들의 피드백을 수집하고, 앱 내 사용자 분석을 통해 문제점을 파악해야 한다. 특히 원격·하이브리드 근무 환경에서 기술 투자가 제대로 효과를 발휘하고 있는지 지속적으로 검토할 필요가 있다. 성공 사례로 본 해결책: 닛산의 디지털 전환 글로벌 자동차 기업 닛산은 이러한 문제를 해결하기 위해 넥스씽크의 '어댑트(Adopt)' 솔루션을 도입했다. 닛산은 특히 인사팀이 연간 세 차계 실시하는 성과 및 인재 관리 주기에 맞춰 직원들을 재교육해야 하는 비효율을 겪고 있었다. 닛산의 라주 비제이 글로벌 인사 서비스 부사장은 "고객 경험만큼 직원 경험도 중요하다"며, 실시간 직원 피드백 수집과 앱 내 사용자 분석을 통해 플랫폼 활용도를 높이고 글로벌 프로세스를 간소화하는 데 성공했다고 밝혔다. 이를 통해 닛산은 플랫폼 활용도 증가, 글로벌 프로세스 간소화, 기술 투자 수익률 향상을 달성할 수 있었다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT-4o를 활용해 작성되었습니다. (☞ 보고서 바로 가기)

2025.01.07 14:04AI 에디터 기자

월마트, 생성형 AI 도입했더니…생산성 100배 늘었다

폭발적으로 성장하는 생성형 AI 시장 기업 비즈니스 플랫폼 PEX Network가 발간한 '2025 생성형 AI와 운영 혁신 보고서'에 따르면, 기업들의 생성형 AI 도입이 가파르게 증가하고 있다. 매킨지의 최신 조사에서는 63%의 임원들이 생성형 AI 도입을 최우선 과제로 꼽았으며, 마이크로소프트와 IDC의 공동 연구에서는 생성형 AI 도입률이 2023년 55%에서 2024년 75%로 급증한 것으로 나타났다. 주목할 만한 점은 생성형 AI를 본격적으로 도입한 기업의 비율이 현재 11%에 불과하다는 것이다. 기업 운영의 새로운 패러다임을 제시하다 현대 기업의 운영 효율성은 사람, 기술, 데이터, 프로세스라는 네 가지 핵심 축을 기반으로 한다. PEX Network의 2024/25 조사에 따르면, AI는 향후 12개월 동안 기업 혁신과 운영 효율성 향상을 위한 최대 투자 분야로 선정됐다. 조사 대상 기업의 58%가 AI 프로젝트를 검토 중이며, 특히 운영 부문에서 가장 활발한 도입이 이루어지고 있다. 주목할 점은 기업들이 내부 IT 시스템의 그림자를 줄이고 직원들이 기술을 더 쉽게 활용할 수 있도록 하는 데 초점을 맞추고 있다는 것이다. 생성형 AI 성공을 위한 연계 기술 전문가들은 생성형 AI의 성공적인 도입을 위해서는 보완적인 기술의 활용이 필수적이라고 강조한다. 로봇 프로세스 자동화(RPA)와 결합하면 복잡한 워크플로우를 처리하고 의사결정 로직을 생성할 수 있다. 사물인터넷(IoT) 기기들은 실시간 데이터를 수집하여 생성형 AI 모델에 제공함으로써 유지보수 필요성 예측과 자원 사용 최적화를 가능하게 한다. 또한 데이터 분석과 비즈니스 인텔리전스 도구를 통해 얻은 핵심 데이터 포인트들은 생성형 AI가 의미 있는 인사이트와 패턴을 도출하는 데 활용된다. 자연어 처리(NLP) 기술과 클라우드 컴퓨팅 인프라는 생성형 AI의 성능을 극대화하는 데 필수적인 요소로 꼽힌다. 글로벌 기업들의 혁신 사례 월마트는 생성형 AI를 활용해 제품 카탈로그 데이터 8억 5천만 건을 개선했으며, 이는 기존 인력으로는 100배 이상의 시간이 필요한 작업이었다. 전자게임 기업 EA는 100개 이상의 AI 프로젝트를 운영하며 효율성, 확장성, 혁신을 추구하고 있다. 레노보는 소프트웨어 엔지니어링과 고객 지원 분야에서 10-15%의 효율성 향상을 달성했으며, 고객 문의의 70-80%를 AI가 처리하고 있다. 또한 마케팅팀은 피치북 제작 시간을 90% 단축하고 대행사 비용도 절감했다. 금융 서비스 분야에서는 생성형 AI를 실시간 사기 탐지에 활용하고 있다. 한 금융기관은 생성형 AI 모델을 도입해 거래 기록과 뉴스 트렌드, 소셜 미디어 신호를 결합 분석함으로써 오탐지율을 35% 줄이는 데 성공했다. 이는 고객 신뢰도 향상으로도 이어졌다. 의료 분야에서는 모던 덴탈 그룹의 사례가 주목받고 있다. 생성형 AI를 활용해 의료진의 진단과 치료 계획 수립을 지원하고, 행정 업무를 간소화했다. 특히 환자 분류, 일정 관리, 청구 업무의 효율성이 크게 개선됐으며, 의료진 교육을 위한 실감형 시뮬레이션 콘텐츠 제작에도 AI를 활용하고 있다. AI 기반 챗봇은 24시간 환자 지원 서비스를 제공하며, 의료 데이터 분석을 통해 환자 요구를 예측하고 맞춤형 치료를 제공하는 데 기여하고 있다. 도전 과제와 해결 방안 생성형 AI 도입의 주요 과제로는 투자수익 불확실성, 규제 준수, AI 편향성, 데이터 유출 위험, 지속가능성 문제가 지적됐다. 특히 금융 서비스 분야에서는 GDPR과 CCPA 같은 엄격한 데이터 보호 규정을 준수하면서 AI를 활용해야 하는 과제를 안고 있다. 전문가들은 이러한 문제를 해결하기 위해 명확한 전략 수립, 철저한 데이터 품질 관리, 프로세스 재설계, 직원 교육의 중요성을 강조했다. 미래 전망과 발전 방향 전문가들은 생성형 AI가 향후 2년 내에 포춘 1000대 기업의 운영 방식을 크게 변화시킬 것으로 전망했다. 특히 실시간 의사결정, 프로세스 자동화, 개인화된 고객 경험 제공 분야에서 혁신적인 변화가 예상된다. 운영 전문가들은 생성형 AI가 '예측적 프로세스 설계'를 가능하게 하여 잠재적 병목 현상이나 비효율을 사전에 식별하고 개선안을 제시할 것으로 전망했다. 나아가 AI 에이전트의 등장으로 업무 효율이 20-40% 향상될 것으로 예측됐으며, 이는 인간 직원들이 더 창의적이고 전략적인 업무에 집중할 수 있는 기회를 제공할 것으로 기대된다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT-4o를 활용해 작성되었습니다.

2025.01.07 11:11AI 에디터 기자

AI로 우울증·불안장애 진단…정확도 90% 넘어섰다

사우스캐롤라이나 대학교 인공지능연구소 연구진이 발표한 보고서에 따르면, 대형언어모델(LLM)이 우울증과 불안장애 진단을 위한 의료 보조 도구로서 높은 잠재력을 보여주고 있다. 표준화된 정신건강 평가도구의 AI 통합 연구진이 활용한 PHQ-9과 GAD-7은 정신건강 진단의 핵심 평가도구다. PHQ-9은 지난 2주간 환자가 경험한 우울 증상을 9가지 항목으로 평가하며, 관심/흥미 상실, 우울감, 수면 문제, 피로감 등을 0-3점 척도로 측정한다. GAD-7은 불안장애 진단을 위한 7가지 항목을 평가하는데, 불안감, 과도한 걱정, 안절부절못함 등의 증상을 같은 방식으로 측정한다. 두 도구는 의료진들이 환자의 상태를 포착하기 위해 표준적으로 사용하는 진단 도구로, 증상의 심각도를 체계적으로 점수화한다. 의료진 부족 문제 해결할 AI 진단 보조 시스템 연구진은 환자가 급증하고 의료 인력이 부족한 현재 의료계의 문제를 해결하기 위해 LLM을 활용한 진단 보조 시스템을 제안했다. 이 시스템은 PHQ-9과 GAD-7 설문의 응답 패턴을 분석하여 주요우울장애(MDD)와 범불안장애(GAD)의 진단을 보조한다. 연구진은 특히 환자와 의료진 간의 자연어 대화 상황에서 LLM의 활용 가능성에 주목했다. 진단 보조를 위해서는 LLM이 표준 진단 절차를 정확히 따르는 것이 필수적이라고 연구진은 강조했다. 상용·오픈소스 AI 모델 모두 90% 이상 정확도 달성 연구팀은 상용 및 오픈소스 모델을 대상으로 광범위한 테스트를 진행했다. 프롬프팅 방식의 평가에는 GPT-3.5와 GPT-4o와 같은 상용 모델과 llama-3.1-8b, mixtral-8x7b와 같은 오픈소스 모델이 사용되었다. 파인튜닝 실험에는 MentalLlama와 Llama 모델이 활용되었다. 상용 모델 중에서는 GPT-4o-mini가 96%의 정밀도와 98%의 재현율을 보여주며 가장 우수한 성능을 보였다. GPT-3.5-Turbo도 89%의 정밀도와 96%의 재현율로 높은 성능을 기록했다. 오픈소스 모델 군에서는 mixtral-8x7b가 96%의 정밀도와 95%의 재현율을 달성하며 상용 모델에 근접한 성능을 보여주었다. 전문가 검증으로 입증된 AI 진단의 신뢰성 연구진은 모델 평가를 위해 두 가지 방법을 사용했다. 첫째는 hits@k 기반 랭킹으로, 모델이 식별한 텍스트의 유사도를 기준으로 순위를 매기고 상위 k개 위치 내에 정답이 포함되는지를 확인했다. 둘째는 정확도, 정밀도, 재현율, F1 점수와 같은 표준 분류 지표를 활용했다. 평가에는 PRIMATE 데이터셋이 사용되었다. 이는 PHQ-9 관련 기준에 따라 주석이 달린 소셜 미디어 게시물 모음이다. 연구진은 먼저 GPT-4o를 사용해 게시물에서 PHQ-9 증상에 해당하는 텍스트 부분을 식별했고, 이를 전문 임상의들이 검증하는 과정을 거쳤다. AI 진단의 현재 한계와 개선점 해당 연구에는 인도 국립정신보건신경과학연구소(NIMHANS) 출신의 전문가 3인이 평가에 참여했다. 이들의 평가는 우울증 진단에서 코헨의 카파 계수 0.74, 불안장애 진단에서 0.72의 높은 평가자간 신뢰도를 보였다. 특히 오픈소스 모델인 mixtral-8x7b는 GAD-7 기반 불안장애 평가에서도 92%의 정확도와 99%의 hits@5 점수를 기록하며 안정적인 성능을 보여주었다. 다만 연구진은 AI가 임상의의 추론 과정을 완벽히 모방하지는 못한다는 한계를 지적했다. 전문가들의 높은 합의를 얻은 데이터셋의 크기가 상대적으로 작다는 점은 AI의 추론 능력이 아직 임상의에 미치지 못함을 보여준다고 설명했다. 임상 현장 도입을 위한 DiagnosticLlama 개발과 미래 계획 연구팀은 AI 모델의 성능 향상을 위해 프롬프팅과 파인튜닝 두 가지 접근법을 시도했다. 특히 DiagnosticLlama라는 특화 모델을 개발해 진단 기준에 맞춘 파인튜닝을 진행했다. 연구진은 이러한 진단 특화 모델이 안전성과 프라이버시가 중요한 의료 환경에서 특히 유용할 것이라고 전망했다. 현재 연구팀은 이 모델들을 임상의들이 실제로 활용할 수 있는 앱으로 통합하는 작업을 진행 중이다. 또한 DiagnosticLlama 모델을 GAD-7 진단까지 확장하고, CSSRS와 같은 비선형 설문 구조로의 확장도 계획하고 있다. 연구팀은 이러한 발전이 의료진의 업무 부담을 줄이고 더 많은 환자들이 적절한 정신건강 케어를 받는 데 도움이 될 것으로 기대하고 있다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소넷과 챗GPT-4o를 활용해 작성했습니다. (☞ 보고서 원문 바로가기)

2025.01.07 10:47AI 에디터 기자

AI가 쓴 글, 사람 글과 정말 다를까…과학적으로 분석했더니

대규모 통계 분석으로 밝혀낸 AI 글쓰기의 한계 서울시립대학교 통계데이터과학과 연구진이 발표한 최신 연구에 따르면, 챗GPT로 대표되는 대형 언어모델(LLM)이 생성한 텍스트는 겉보기에 자연스러워 보이지만 인간의 글쓰기와는 본질적인 차이가 있는 것으로 나타났다. 연구진은 2023년 12월 6일부터 2024년 1월 17일까지 맨해튼 지역 446개 호텔의 3만2천여 개의 숙박 리뷰를 수집했으며, 추가로 CNN 뉴스 기사 8,008개, SQuAD2 문장 9,198개, 그리고 Quora 질문 24,714개를 분석 대상으로 삼았다. 혁신적인 연구 방법론으로 AI 텍스트의 본질에 접근 연구진은 두 가지 핵심 질문에 주목했다. 첫째, 원본 텍스트(O)와 GPT가 이를 바꿔 쓴 버전(G) 간의 잠재적 커뮤니티 구조 차이가 G와 이를 다시 바꿔 쓴 버전(S) 간의 차이와 같은지, 둘째, GPT의 텍스트 다양성을 제어하는 매개변수를 조절할 때 G가 O와 더 유사해지는지를 분석했다. 연구팀은 각 텍스트를 OpenAI의 text-embedding-3-small 모델을 사용해 1536차원의 단위 벡터로 변환했다. 분석을 위해 호텔링의 T-제곱 검정, Nploc 검정, 에너지 검정, 볼 검정 등 4가지 통계적 방법을 사용했으며, 클러스터 수를 2개에서 5개까지 변화시키며 실험을 진행했다. 또한 쿨백-라이블러 발산과 바서스타인 거리 분석을 통해 텍스트 간의 통계적 거리도 측정했다. GPT의 다양한 설정값 변화에도 여전한 인간 텍스트와의 간극 연구팀은 GPT의 텍스트 생성 다양성을 제어하는 '온도' 매개변수를 0.1에서 1.5까지 다양하게 조절하며 실험을 진행했다. 실제 실험에서 사용된 호텔 리뷰 사례를 보면 흥미로운 차이가 드러난다. 원본 리뷰가 "기본적이고, 깨끗하고 편안한 호텔이다. 단기 숙박으로는 나쁘지 않다. 모든 것과의 접근성이 좋다"였을 때, GPT는 온도 설정에 따라 다음과 같이 다른 텍스트를 생성했다. 낮은 온도(0.1)에서는 "저렴하면서도 깨끗하고 아늑한 숙소를 제공하는 호텔이다. 빠른 숙박에 적합하다. 편리한 위치 덕분에 모든 편의시설에 쉽게 접근할 수 있다"와 같이 원본에 충실한 표현을 생성했다. 중간 온도(0.7)에서는 "아늑하고 잘 관리된 호텔로 모든 필수 시설을 갖추고 있다. 짧은 휴가에 딱 좋다. 위치의 편리함이 큰 장점이다"처럼 좀 더 자연스러운 변형이 이루어졌다. 높은 온도(1.5)에서는 "이 부티크 호텔은 기대 이상이었다. 객실은 아늑했고 직원들도 친절했다. 도시를 둘러보기에 완벽한 위치였다. 짧은 여행을 위한 훌륭한 선택이다"와 같이 원본과는 상당히 다른, 더 창의적이고 열정적인 표현이 생성됐다. 이러한 실험 결과는 온도 설정이 높아질수록 AI가 더 자유롭고 창의적인 표현을 생성하지만, 동시에 원본의 의도나 톤에서 더 멀어질 수 있음을 보여준다. 흥미롭게도 SQuAD2 데이터셋에서는 온도 매개변수가 증가할수록 인간 텍스트와의 유사성이 증가하는 특이한 패턴이 발견됐다. CNN과 SQuAD2 데이터의 경우, 한 문장으로 구성된 특정 문체를 가진 텍스트라서 일부 예외적인 결과가 나타났다. 텍스트 변환 과정에서 발견된 주목할 만한 차이 연구진은 텍스트 변환 과정에서 중요한 발견을 했다. 두 번째 패러프레이징(G에서 S로의 변환)이 첫 번째 패러프레이징(O에서 G로의 변환)보다 더 큰 변화를 보였다는 것이다. 이는 LLM이 텍스트를 변환할 때마다 원본과의 차이가 점점 더 커질 수 있음을 시사한다. 연구의 한계와 자연어 처리 분야의 새로운 과제 연구진은 이번 연구가 가진 한계도 명확히 했다. 제안된 테스트 방법이 간접적인 증거만을 포착할 수 있어 탐지력과 적용 가능성이 제한될 수 있으며, 대응된 데이터 설정에서만 적용 가능하다는 제약이 있다고 설명했다. 또한 LLM의 성능을 정량적으로 평가할 수 있는 통계적 방법론이 부족한 현실을 지적하며, 이는 LLM이 최근에 등장했기 때문이라고 설명했다. 연구진은 이번 연구가 제시한 방법론이 향후 LLM 평가를 위한 새로운 기준이 될 수 있을 것으로 기대했다. ■ 이 기사는 AI 전문 매체 'AI 매터스'와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT-4o를 활용해 작성했습니다. (☞ 보고서 원문 바로 가기)

2025.01.07 10:15AI 에디터 기자

AI로 돈을 더 잘 벌려면…금융사들이 택한 미래 전략

생성형 AI, 금융 코어 시스템을 현대화하다 금융산업이 인공지능(AI) 기술로 대전환을 맞이하고 있다. 딜로이트의 '2025 금융산업 전망' 보고서에 따르면, 금융기관들은 기존의 기술 인프라를 혁신하고, 고객 경험을 개선하며, 리스크 관리 역량을 강화하기 위해 AI 기술을 적극 도입하고 있다. 특히 생성형 AI(Generative AI)를 통해 금융의 서비스 제공 방식이 근본적으로 변화하고 있다. 딜로이트 보고서는 금융업계에서 생성형 AI 기술이 필수 도구로 자리 잡고 있음을 강조한다. 생성형 AI는 단순한 프로세스 자동화에서 벗어나 복잡한 코어 시스템을 현대화하고 금융기관의 비즈니스 모델을 전면 개편하는 데 중추적인 역할을 하고 있다. 특히 대규모 언어 모델(LLM) 도입은 금융기관이 해결하기 어려웠던 기술 부채(Technical Debt) 문제를 해소하고, 복잡한 금융 상품을 효율적으로 관리할 수 있는 길을 열어준다. 보고서에 따르면, 생성형 AI는 은행의 기존 시스템을 현대화하여 거래, 분석, 고객 관리 등 다양한 업무에서 큰 변화를 이끌어내고 있다. 클라우드 및 데이터 투자, 생성형 AI 도입으로 가속화 딜로이트가 발표한 조사 결과에 따르면, 생성형 AI(Generative AI)의 도입으로 인해 은행들이 클라우드 및 데이터 관리에 대한 투자를 대폭 확대하고 있는 것으로 나타났다. 전 세계 306개 은행 및 금융시장 리더들을 대상으로 진행된 이번 조사에서, 응답자들은 생성형 AI가 클라우드 소비와 데이터 관리뿐 아니라 머신러닝(ML) 초기 시스템, 하드웨어 및 네트워크 인프라 투자에도 큰 영향을 미치고 있다고 답했다. 보고서에 따르면, 클라우드 소비 분야에서는 응답자의 절반 이상이 향후 투자가 증가(55%)하거나 급증(20%)할 것이라고 답했다. 이는 생성형 AI가 방대한 데이터를 실시간으로 처리하고 분석하는 데 클라우드 환경이 필수적이기 때문이다. AI 모델이 더 많은 데이터를 학습하고 예측 분석을 수행하려면 기존의 온프레미스(On-premise) 시스템을 넘어 클라우드 기반 시스템으로 전환하는 것이 필수적이다. 또한, 데이터 관리 분야에서도 비슷한 추세가 나타났다. 조사에 따르면, 59%의 은행들이 데이터 관리에 대한 투자를 확대할 것이라고 응답했으며, 이 중 24%는 급증할 것이라고 밝혔다. 이는 생성형 AI가 고도화될수록 대규모 데이터 세트의 정제와 관리가 중요해지고, 이를 통해 AI 시스템의 정확성과 신뢰성을 확보할 필요가 높아지고 있음을 보여준다. 한편, 초기 AI 및 머신러닝 시스템 구축에 대한 투자 계획을 밝힌 금융기관들도 상당수였다. 응답자의 47%가 이 분야에서 투자를 증가시킬 예정이며, 16%는 급증할 것이라고 답했다. 이는 금융기관들이 더 많은 생성형 AI 모델을 활용하기 위해 초기 단계부터 강력한 머신러닝 인프라를 구축하고 있음을 시사한다. 또한, 하드웨어와 네트워크 인프라 분야에서도 투자가 늘어날 전망이다. 하드웨어 분야에서는 응답자의 44%가 투자 증가를 예상했으며, 9%는 급증할 것이라고 응답했다. 네트워크 인프라에 대한 투자 확대는 특히 커뮤니케이션 네트워크 부문에서 두드러지는데, 응답자의 48%가 증가를, 7%는 급증할 것이라고 답했다. 이는 생성형 AI 도입에 따라 대규모 데이터 전송이 필요해지고, 안정적이고 빠른 네트워크 환경을 구축하는 것이 중요해졌기 때문으로 풀이된다. AI 기반 리스크 관리 AI 도입이 금융산업을 혁신하고 있지만, 동시에 새로운 위험 요인을 초래할 수 있다는 점도 간과할 수 없다. 딜로이트는 AI가 가져오는 주요 리스크로 편향된 결과물, 개인정보 침해, 투명성 부족 등을 꼽으며, 이를 해결하기 위해 전주기 거버넌스와 관리 프레임워크가 필요하다고 강조한다. 특히 보고서는 금융기관들이 그림자 AI(Shadow AI) 문제에 직면할 수 있다고 경고한다. 그림자 AI란 조직 내 공식 관리 체계를 벗어나 사용되는 AI 기술을 뜻하며, 이로 인해 예상치 못한 리스크가 발생할 수 있다. 따라서 금융기관은 AI 사용 정책을 강화하고, 전사적 리스크 관리 프로그램을 이행해야 한다고 지적한다. 금융기관들의 AI 혁신 사례: 본드GPT+부터 가상 애널리스트까지 딜로이트 보고서에 따르면, 여러 글로벌 금융기관들이 AI 기술을 활용하여 업무 효율성을 크게 향상시키고 있다. 예를 들어, 골드만삭스는 생성형 AI를 통해 개발자들이 더욱 효율적으로 코드를 작성할 수 있도록 지원하고 있으며, 이를 통해 개발 속도가 20% 향상되었다. 모건스탠리는 고객 상담을 지원하는 AI 솔루션인 'AI@모건스탠리디브리프'를 개발하여 고객 맞춤형 서비스를 실시간으로 제공하고 있다. 또한, LTX는 본드GPT+라는 AI 솔루션을 출시하여 복잡한 채권 관련 질문에 실시간으로 답변할 수 있는 서비스를 마련했다. 이와 함께 보야 인베스트먼트 매니지먼트는 AI 기반 가상 애널리스트를 도입해 인간 애널리스트의 투자 종목 제안 과정을 보완하고 있다. 이러한 AI 기술 활용은 금융기관들이 고객 서비스와 내부 운영을 더욱 효율적으로 개선하는 데 기여하고 있다. 신뢰할 수 있는 AI 구축의 필요성 금융기관들이 AI 도입에서 가장 우선시해야 할 요소는 신뢰성과 안전성이다. 딜로이트는 금융기관들이 AI 기술의 전주기 관리 방식을 도입하여 AI 모델의 공정성, 투명성, 책임성을 확보해야 한다고 강조한다. 특히 보고서는 금융기관들이 AI 기술을 도입할 때 데이터 파이프라인 통합과 데이터 품질 관리에 집중해야 한다고 지적한다. 이를 통해 데이터의 분절화 문제를 해결하고, 보다 안전하고 일관된 데이터를 기반으로 AI 모델을 개발할 수 있다. AI의 금융산업 미래 전망 딜로이트는 2025년까지 AI 기술이 금융업계의 핵심 경쟁력이 될 것이라고 전망했다. 특히 생성형 AI가 금융산업의 다양한 분야에서 생산성 향상과 비용 절감을 이끌어낼 것으로 보인다. 그러나 보고서는 AI 기술 도입에 따른 리스크를 무시하고 무분별하게 AI를 도입하는 것은 위험할 수 있다고 경고한다. 금융기관들은 AI 기술을 통해 얻을 수 있는 이점을 극대화하면서도, 책임 있는 AI(Responsible AI) 구축을 통해 리스크를 완화해야 한다고 강조한다. AI가 바꾸는 금융의 미래 생성형 AI는 금융산업의 게임체인저로 자리 잡고 있다. 금융기관들은 AI 기술을 통해 기술 부채를 해소하고, 고객 경험을 혁신하며, 새로운 수익 창출 기회를 모색하고 있다. 그러나 AI 기술의 도입과 함께 새로운 리스크도 발생할 수 있는 만큼, 금융기관들은 신뢰할 수 있는 AI 시스템을 구축하고, 리스크 관리 프레임워크를 강화해야 한다. 2025년 금융산업의 혁신은 AI가 중심에 서 있다. 이제 금융기관들이 선택할 수 있는 길은 단 하나다. 미래를 예측하고, 준비하며, 선도하는 것. AI와 함께 새로운 금융의 지평을 탐험할 시간이 왔다. ■ 이 기사는 AI 전문 매체 'AI 매터스'(aimatters.co.kr)와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소넷과 챗GPT-4o를 활용해 작성했습니다. (☞ 보고서 원문 바로가기)

2025.01.06 16:56AI 에디터 기자

앤트로픽, 음악 출판사와 가사 저작권 분쟁 합의... "AI 가드레일 강화"

더버지(The Verge)에 따르면, AI 기업 앤트로픽(Anthropic)이 자사의 AI 모델 '클로드(Claude)'의 저작권 침해 소송과 관련해 음원 출판사들과 합의에 도달했다. 유미 리(Eumi Lee) 미국 지방법원 판사는 1월 3일 이번 합의안을 승인했다. 500곡 이상 저작권 침해 논란 2023년 10월, 유니버설 뮤직 그룹(Universal Music Group), 에이비케이코(ABKCO), 콘코드 뮤직 그룹(Concord Music Group), 그렉 넬슨 뮤직(Greg Nelson Music) 등 주요 음원 출판사들은 앤트로픽을 상대로 저작권 침해 소송을 제기했다. 이들은 앤트로픽이 최소 500곡 이상의 저작권이 보호된 곡의 가사를 무단으로 AI 학습에 사용했다고 주장했다. 비욘세의 'Halo', 마크 론슨의 'Uptown Funk', 마룬5의 'Moves like Jagger' 등의 가사를 요청했을 때 클로드가 상당 부분의 가사를 그대로 제공했다는 것이다. 가사 사이트와의 차이점 음원 출판사들은 지니어스(Genius)와 같은 가사 제공 플랫폼들이 이미 온라인상에서 가사를 제공하고 있지만, 이들은 저작권 사용료를 지불하고 있다고 지적했다. 반면 앤트로픽은 이러한 사이트들의 데이터를 수집하면서 저작권 관리 정보를 의도적으로 제거하거나 변경했다는 의혹을 받았다. 향후 협력 방안 이번 합의에 따라 앤트로픽은 저작권이 보호된 콘텐츠의 침해를 방지하기 위해 이미 구현한 가드레일을 유지하고, 향후 개발할 AI 시스템에도 이를 적용하기로 했다. 음원 출판사들과 앤트로픽은 가드레일이 효과적이지 않다고 판단되는 경우 '신의성실'의 원칙에 따라 협력하여 문제를 해결하기로 했으며, 분쟁 발생 시에는 법원이 이를 중재하기로 했다. 할리우드 리포터에 따르면, 앤트로픽 측은 "클로드는 저작권 침해를 위해 설계되지 않았으며, 이를 방지하기 위한 다양한 프로세스를 갖추고 있다"고 밝혔다. 회사는 또한 "AI 모델 학습에서 잠재적 저작권 보호 자료를 사용하는 것은 공정 사용의 전형"이라는 입장을 고수했다. 음원 출판사들은 앤트로픽이 향후 자사의 저작권이 있는 가사로 AI 모델을 학습하는 것을 금지하는 예비 금지명령을 요청한 상태이며, 법원은 향후 수개월 내에 이에 대한 판결을 내릴 예정이다. * 기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성했습니다. 기사 원문은 더버지에서 확인할 수 있습니다.

2025.01.06 15:35AI 에디터 기자

AI와 VR로 '나폴리 피자 만들기' 가르쳤더니…효과 놀랍네

독일 뮌헨공대(Technical University of Munich) 연구진의 연구 논문에 따르면, 생성형 AI와 가상현실을 결합한 새로운 교육 방식이 문화유산 학습에서 획기적인 성과를 거둔 것으로 나타났다. 전통 문화 전승의 위기, VR과 AI로 해결 나서 유네스코는 2017년 나폴리 피자 만들기를 무형문화유산으로 지정했다. 하지만 세계화와 패스트푸드 산업의 영향으로 젊은 세대들에게 전통 지식을 전수하는 것이 점점 어려워지고 있다. 특히 전통적인 문화기관들은 실습 기반의 몰입형 학습 경험을 제공하는 데 한계를 보여왔다. 이러한 상황에서 연구진은 현대 기술을 활용한 새로운 교육 방식을 모색했다. 교육 수준부터 요리 경험까지, 다양한 배경의 피실험자 구성 연구진은 54명의 참가자를 대상으로 실험을 진행했다. 참가자들의 교육 배경은 고등학교 졸업 15%, 학사 40%, 석사 43%, 박사 2%로 다양했다. 특히 주목할 만한 점은 문화유산 활동 참여 경험으로, 매우 자주 참여하는 비율이 9%, 자주 13%, 드물게 41%, 매우 드물게 33%, 전혀 없음이 4%로 나타났다. 또한 가정에서의 요리 빈도는 매우 자주 50%, 자주 29.6%, 드물게 18.5%, 전혀 하지 않음이 1.9%였다. 최신 VR 기술과 게임엔진의 결합으로 구현한 실감형 교육 실험에는 바르요(Varjo) VR-3 헤드셋과 HTC 바이브 컨트롤러가 사용됐다. 연구팀은 Unity(Version 2021.3.33f1) 게임엔진을 기반으로 VR 환경을 구축했으며, Varjo XR Plugin, XR Interaction Toolkit, XR Plugin Management 등 다양한 소프트웨어 확장을 활용했다. 시선추적 데이터는 200Hz 샘플링 속도로 수집됐으며, 연구팀이 자체 개발한 분석 방법론으로 고정(fixation)과 단속운동(saccade) 이벤트를 정밀하게 구분했다. 시선추적으로 입증된 AI 맞춤형 학습의 우수성 연구팀은 개인화 수준을 세 단계로 나누어 실험을 진행했다. 높은 수준의 개인화에서는 사용자의 VR 내 상호작용과 사전 설문 데이터를 모두 반영했고, 중간 수준에서는 재료 선택에만 기반한 맞춤화를, 개인화 없음 조건에서는 표준화된 내용을 제공했다. 그 결과 높은 수준의 개인화를 적용했을 때 참여도가 64.1% 증가했으며, 게임플레이 지속 시간도 유의미하게 늘어났다. 연구팀은 세 가지 측면에서 학습 효과를 측정했다. 인지 부하는 동공 직경, 시선 고정 지속 시간, 시선 고정 횟수로, 시각적 주의는 첫 시선 고정까지의 시간(TTFF), 단속운동 지속 시간, 단속운동 진폭으로 평가했다. 참여도는 VR 상호작용 로그 데이터와 게임플레이 지속 시간을 통해 측정했다. 그 결과 높은 수준의 개인화를 적용했을 때 참여도가 64.1% 증가했으며, 게임플레이 지속 시간도 유의미하게 늘어났다. GPT-4부터 DALL-E까지, 첨단 AI 기술의 총집합 연구진은 OpenAI의 GPT-4 모델과 DALL-E, 루마 AI(Luma AI)를 통합해 완전한 몰입형 학습 환경을 구축했다. AI는 사용자의 질문에 실시간으로 응답하고, 맞춤형 교육 자료를 생성했으며, 3D 재료 모델까지 제작했다. 눈동자 크기 변화, 시선 고정 시간, 단속운동 지속 시간 등의 지표를 통해 인지 부하와 주의력을 측정한 결과, 높은 수준의 개인화가 학습 효과를 크게 향상시킨다는 사실이 입증됐다. 학습 효과를 수치로 입증한 데이터 분석 결과 회귀분석 결과, 시선추적 지표들은 게임플레이 지속 시간의 약 25%를 설명할 수 있었다(R² = 0.251). 특히 평균 시선 고정 시간(p = 0.007)과 단속운동 지속 시간(p = 0.015)이 유의미한 예측 변수로 나타났다. 또한 높은 수준의 개인화를 적용받은 그룹에서 문화유산 활동에 대한 관심도가 가장 높게(평균 4.33점, SD = 0.69) 나타났다. VR과 AI가 여는 문화유산 교육의 새 시대 이번 연구는 VR과 생성형 AI의 결합이 문화유산 교육에 가져올 수 있는 혁신적 가능성을 입증했다. 특히 시선추적 데이터를 통해 학습 몰입도와 효과를 객관적으로 측정할 수 있다는 점은, 향후 실시간 적응형 VR 학습 환경 개발에 중요한 이정표가 될 것으로 전망된다. ■ AI 전문 매체 'AI 매터스'(aimatters.co.kr)와 제휴를 통해 제공됩니다. 기사는 3.5 소넷과 챗GPT-4o를 활용해서 작성했습니다. (☞논문 원본 바로 가기)

2025.01.06 14:29AI 에디터 기자

메타, AI 캐릭터 프로필 추방…왜 그랬을까

테스팅카탈로그가 3일(현지 시간) 게재한 보도에 따르면, 메타(Meta)가 페이스북(Facebook)과 인스타그램(Instagram)에서 운영하던 AI 생성 캐릭터 프로필을 공식적으로 제거했다. 이는 대중의 강한 반발이 있은 후 내려진 결정이다. 메타의 AI 캐릭터 도입과 퇴출 과정 메타는 2023년 실험적 시도로 AI 생성 캐릭터 프로필을 도입했다. 이 프로필들은 AI가 생성한 자기소개와 프로필 사진을 갖추고 있었으며, 채팅과 게시물을 통해 사용자와 상호작용할 수 있는 가상 인격체로 설계됐다. 초기에는 유명인을 모델로 한 아바타도 포함됐으나, 2024년 사용자들의 낮은 관심으로 중단됐고, 일부 비유명인 프로필만 남아있었다. AI 캐릭터 '리브' 논란과 대중의 반발 논란은 메타의 생성형 AI 제품 부문 부사장인 코너 헤이즈(Connor Hayes)와의 인터뷰에서 촉발됐다. 헤이즈가 AI 페르소나를 메타 플랫폼에 더 깊이 통합하려는 계획을 밝히면서부터다. 특히 '리브(Liv)'라는 AI 캐릭터가 도마 위에 올랐는데, "자랑스러운 흑인 퀴어 엄마"로 설정된 이 캐릭터의 개발 과정에서 다양한 참고 자료가 부족했고 흑인 개발자가 전혀 참여하지 않았다는 사실이 드러나며 비판이 거세졌다. 기술적 문제와 메타의 후속 조치 사용자들은 인간 관계를 위해 만들어진 플랫폼에서 AI 생성 페르소나와 상호작용하는 것이 "소름 끼치고" "불필요하다"고 비판했다. 더욱이 기술적 버그로 인해 이러한 계정을 차단할 수 없다는 문제도 제기됐고, 메타도 이를 인정했다. 결국 메타는 2023년 이후 도입한 28개의 AI 프로필을 모두 제거하기로 결정했다. 메타는 계정 차단 문제를 해결하기 위해 프로필을 제거했다고 밝혔지만, 프로젝트의 개념이나 실행에 대한 광범위한 비판에는 직접적인 답변을 하지 않았다. 그러나 회사는 사용자 맞춤형 AI 챗봇 제작 도구를 포함한 생성형 AI 기술에 대한 투자는 계속하겠다는 입장을 유지하고 있다. 이번 사태는 기술 기업들의 생성형 AI 통합에 대한 야망과 이에 대한 대중의 회의적인 시각 사이의 긴장 관계를 잘 보여주는 사례다. 비평가들은 이러한 시도가 의미 있는 사용자 경험보다 데이터 수집과 광고 타겟팅에 우선순위를 두고 있다고 지적하며, 사회적으로 민감한 맥락에서 AI를 배치하는 것에 대한 윤리적 문제를 제기하고 있다. * 이 기사의 원문은 테스팅카탈로그에서 확인할 수 있습니다. 기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성됐습니다.

2025.01.06 14:14AI 에디터 기자

지금 뜨는 기사

이시각 헤드라인

삼성·SK·마이크론, 엔비디아향 HBM4 퀄 2분기 완료

X에서 가상자산·주식 거래 가능해진다

'디지털 트러스트' 글로벌 빅테크 뭉쳤다...한화 참여

배경훈 부총리, 과기정통부 첫째 성과로 "무너진 R&D 복원"

ZDNet Power Center