경제경영
한 권으로 끝내는 AI 전환
오형섭
하움출판사
0 (0명)
3명이 읽었어요
원스토리 앱에서 볼 수 있는 작품이에요.
- 소장
- 18,400 ⓒ
| 듣기기능 | 미지원 | 파일정보 | |
|---|---|---|---|
| 총 용량 | 12.6MB | 이용기기 | |
| ISBN | 9791173744884 | ||
책 소개
생성형 AI의 등장은 기업과 공공기관, 대학 등 다양한 조직의 업무 방식을 빠르게 변화시키고 있다. 그러나 AI를 업무에 적용하는 과정은 단순히 새로운 기술이나 서비스를 도입하는 것만으로 해결되지 않는다. 『한 권으로 끝내는 AI 전환』은 AI를 조직의 생산성과 경쟁력을 높이는 핵심 자산으로 활용하는 데 필요한 전환 과정을 체계적으로 정리한 실무 안내서이다. AI 전환AX의 개념부터 데이터와 대규모 언어모델LLM, RAG, Agent, AI 인프라와 거버넌스, 운영 및 확산 전략까지 조직이 AI를 도입하고 정착시키는 전 과정을 하나의 흐름으로 설명한다.
이 책은 AI 기술 자체를 설명하는 데 그치지 않고 조직의 업무와 운영 체계 속에서 AI를 어떻게 연결하고 활용할 것인지에 초점을 맞춘다. 조직 유형별 AI 도입 전략과 모델 선택 기준, 데이터 설계, AI 서비스 운영, 보안과 리스크 관리, 성과 측정, 변화 관리 등 실제 현장에서 마주하는 핵심 과제를 단계적으로 다루며, 실무자가 AI 전환을 기획하고 실행하는 데 필요한 판단 기준을 제시한다. 또한 부록에는 AI 전환 진단표, 유스케이스 발굴 캔버스, 서비스 기획 체크리스트, AI 거버넌스 점검표와 용어사전 등을 수록하여 실무에 바로 활용할 수 있도록 구성하였다.
이 책은 AI 기술 자체를 설명하는 데 그치지 않고 조직의 업무와 운영 체계 속에서 AI를 어떻게 연결하고 활용할 것인지에 초점을 맞춘다. 조직 유형별 AI 도입 전략과 모델 선택 기준, 데이터 설계, AI 서비스 운영, 보안과 리스크 관리, 성과 측정, 변화 관리 등 실제 현장에서 마주하는 핵심 과제를 단계적으로 다루며, 실무자가 AI 전환을 기획하고 실행하는 데 필요한 판단 기준을 제시한다. 또한 부록에는 AI 전환 진단표, 유스케이스 발굴 캔버스, 서비스 기획 체크리스트, AI 거버넌스 점검표와 용어사전 등을 수록하여 실무에 바로 활용할 수 있도록 구성하였다.
목차
프롤로그
이 책의 독자
이 책의 구성과 읽는 법
1부 AI 전환의 판을 읽다
1장 | AI 전환은 이미 조직의 운영 과제다
1절. AI 전환은 운영 체계의 재설계다
2절. AX는 도입이 아니라 전환이다
3절. AI 가치는 생산성을 넘어선다
4절. 조직 유형별 AI 도입 경로
5절. 실패하는 AI 프로젝트의 공통 요인
6절. 지금 조직이 먼저 물어야 할 질문
2장 | 조직 AI는 운영 체계로 어떻게 진화하는가
1절. 자동화의 범위는 어떻게 넓어졌나
2절. Copilot에서 Agent로 확장되는 역할
3절. 부서 실험에서 전사 플랫폼으로
4절. 조직 유형별 AI 진화 경로
5절. 우리 조직의 AI 성숙도 진단
6절. 다음 단계로 가기 위한 조건
3장 | AI 서비스의 가치는 어떻게 설계되는가
1절. AI는 기능이 아니라 가치사슬이다
2절. 가치가 먼저 보이는 세 가지 영역
3절. 유스케이스는 문제에서 출발한다
4절. ROI만으로 설명되지 않는 AI 성과
5절. 작은 성공을 운영 모델로 바꾸는 법
6절. AI 서비스 포트폴리오 설계
4장 | Agentic AI의 역할은 어디까지 확장되는가
1절. 생성형 AI 다음의 Agentic AI
2절. Assistant, Copilot, Agent의 차이
3절. Agent를 움직이는 네 가지 요소
4절. 업무 분업과 운영 방식의 변화
5절. Multi-Agent가 필요한 시점
6절. AGI 담론 이후 실무에 남는 것
2부 조직 AI를 움직이는 데이터와 LLM
5장 | 데이터가 AI 품질을 결정한다
1절. 데이터가 AI 경쟁력을 좌우한다
2절. AI 활용 역할별로 데이터를 다시 나눠라
3절. 문서가 많다고 지식이 되는 것은 아니다
4절. 데이터 품질 항목을 나누어 관리하라
5절. 권한·보안·책임도 데이터 설계다
6절. RAG와 Agent를 위한 데이터 준비 순서
6장 | 모델의 진화가 조직의 선택을 바꾼다
1절. 규칙 기반 시스템이 여전히 필요한 이유
2절. 머신러닝이 가져온 변화
3절. 딥러닝과 비정형 데이터의 부상
4절. 파운데이션 모델이 만든 전략 전환
5절. 최고 모델 하나보다 포트폴리오가 중요하다
6절. 모델 진화에서 조직이 읽어야 할 것
7장 | LLM은 어떻게 답을 만드는가
1절. 토큰, 임베딩, 컨텍스트 이해하기
2절. Transformer와 Attention이 계산하는 것
3절. 사전 학습, 지시 미세조정, 정렬의 역할
4절. 추론, 도구 사용, 메모리가 바꾸는 서비스
5절. 환각은 왜 생기고 어떻게 줄이는가
6절. 실무에 필요한 만큼은 이해하기
8장 | 우리 조직에 맞는 LLM을 고르는 법
1절. 범용·특화, 폐쇄형·오픈형 모델
2절. 성능, 비용, 보안, 통제의 균형
3절. 한국어, 도메인, 멀티모달 역량 평가
4절. SaaS, 엔터프라이즈, 프라이빗, 하이브리드 선택
5절. 벤더 종속을 줄이는 운영 구조
6절. 모델 선정부터 계약·보안까지
3부 작동하는 AI 시스템을 설계하다
9장 | RAG로 조직 지식을 연결하는 법
1절. RAG가 필요한 순간과 한계
2절. 지식 원천 설계 : 전사·사용자·업무 시스템
3절. 청킹, 임베딩, 색인의 기본 원리
4절. 하이브리드 검색과 재순위화
5절. 근거 기반 응답과 출처 제시
6절. 운영형 RAG와 셀프서비스형 RAG
7절. RAG 데이터 파이프라인과 접근 권한
8절. RAG 평가와 개선 체계
10장 | Agent 시스템을 설계하는 법
1절. Agent를 이루는 구성 요소
2절. 워크플로형과 자율형의 선택
3절. 목표, 역할, 도구, 제약 조건 설계
4절. 사람이 개입해야 할 지점
5절. 단일 Agent와 Multi-Agent 설계 기준
6절. 조직 업무별 Agent 도입 패턴
11장 | AI 응답 품질을 높이는 법
1절. 좋은 프롬프트의 기본 원칙
2절. 컨텍스트와 지
이 책의 독자
이 책의 구성과 읽는 법
1부 AI 전환의 판을 읽다
1장 | AI 전환은 이미 조직의 운영 과제다
1절. AI 전환은 운영 체계의 재설계다
2절. AX는 도입이 아니라 전환이다
3절. AI 가치는 생산성을 넘어선다
4절. 조직 유형별 AI 도입 경로
5절. 실패하는 AI 프로젝트의 공통 요인
6절. 지금 조직이 먼저 물어야 할 질문
2장 | 조직 AI는 운영 체계로 어떻게 진화하는가
1절. 자동화의 범위는 어떻게 넓어졌나
2절. Copilot에서 Agent로 확장되는 역할
3절. 부서 실험에서 전사 플랫폼으로
4절. 조직 유형별 AI 진화 경로
5절. 우리 조직의 AI 성숙도 진단
6절. 다음 단계로 가기 위한 조건
3장 | AI 서비스의 가치는 어떻게 설계되는가
1절. AI는 기능이 아니라 가치사슬이다
2절. 가치가 먼저 보이는 세 가지 영역
3절. 유스케이스는 문제에서 출발한다
4절. ROI만으로 설명되지 않는 AI 성과
5절. 작은 성공을 운영 모델로 바꾸는 법
6절. AI 서비스 포트폴리오 설계
4장 | Agentic AI의 역할은 어디까지 확장되는가
1절. 생성형 AI 다음의 Agentic AI
2절. Assistant, Copilot, Agent의 차이
3절. Agent를 움직이는 네 가지 요소
4절. 업무 분업과 운영 방식의 변화
5절. Multi-Agent가 필요한 시점
6절. AGI 담론 이후 실무에 남는 것
2부 조직 AI를 움직이는 데이터와 LLM
5장 | 데이터가 AI 품질을 결정한다
1절. 데이터가 AI 경쟁력을 좌우한다
2절. AI 활용 역할별로 데이터를 다시 나눠라
3절. 문서가 많다고 지식이 되는 것은 아니다
4절. 데이터 품질 항목을 나누어 관리하라
5절. 권한·보안·책임도 데이터 설계다
6절. RAG와 Agent를 위한 데이터 준비 순서
6장 | 모델의 진화가 조직의 선택을 바꾼다
1절. 규칙 기반 시스템이 여전히 필요한 이유
2절. 머신러닝이 가져온 변화
3절. 딥러닝과 비정형 데이터의 부상
4절. 파운데이션 모델이 만든 전략 전환
5절. 최고 모델 하나보다 포트폴리오가 중요하다
6절. 모델 진화에서 조직이 읽어야 할 것
7장 | LLM은 어떻게 답을 만드는가
1절. 토큰, 임베딩, 컨텍스트 이해하기
2절. Transformer와 Attention이 계산하는 것
3절. 사전 학습, 지시 미세조정, 정렬의 역할
4절. 추론, 도구 사용, 메모리가 바꾸는 서비스
5절. 환각은 왜 생기고 어떻게 줄이는가
6절. 실무에 필요한 만큼은 이해하기
8장 | 우리 조직에 맞는 LLM을 고르는 법
1절. 범용·특화, 폐쇄형·오픈형 모델
2절. 성능, 비용, 보안, 통제의 균형
3절. 한국어, 도메인, 멀티모달 역량 평가
4절. SaaS, 엔터프라이즈, 프라이빗, 하이브리드 선택
5절. 벤더 종속을 줄이는 운영 구조
6절. 모델 선정부터 계약·보안까지
3부 작동하는 AI 시스템을 설계하다
9장 | RAG로 조직 지식을 연결하는 법
1절. RAG가 필요한 순간과 한계
2절. 지식 원천 설계 : 전사·사용자·업무 시스템
3절. 청킹, 임베딩, 색인의 기본 원리
4절. 하이브리드 검색과 재순위화
5절. 근거 기반 응답과 출처 제시
6절. 운영형 RAG와 셀프서비스형 RAG
7절. RAG 데이터 파이프라인과 접근 권한
8절. RAG 평가와 개선 체계
10장 | Agent 시스템을 설계하는 법
1절. Agent를 이루는 구성 요소
2절. 워크플로형과 자율형의 선택
3절. 목표, 역할, 도구, 제약 조건 설계
4절. 사람이 개입해야 할 지점
5절. 단일 Agent와 Multi-Agent 설계 기준
6절. 조직 업무별 Agent 도입 패턴
11장 | AI 응답 품질을 높이는 법
1절. 좋은 프롬프트의 기본 원칙
2절. 컨텍스트와 지