인공지능 도입 실무 가이드북(우리 회사를 위한)

"인공지능 도입은 누구에겐 위기지만 우리에겐 기회입니다!"

시대가 바뀌고 있습니다. 인공지능을 도입해서 업무를 처리하는 회사가 점점 많아지고 있습니다. '우리 회사는 아니겠지'라는 생각으로 안일하게 생각하다가는 언제나 회사에서 버티고 있을지 장담할 수 없는 세상이 되었습니다.

이 책은 그런 고민이 있는 직장인들을 위한 책입니다. 그렇다면 책은 어떻게 구성되어 있을까요? 먼저 1장에서는 책의 활용 방법에 대하여 알려줍니다. 책에서 얻고 싶은 것이 다른 사람을 고려하여 읽는 순서 알려줍니다.

2장에서는 인공지능 패러다임의 변화 흐름을 간략히 설명합니다. 인공지능의 원리 국내외의 기업들에 대해서도 언급합니다. 각 기업에서 출시하는 AI에 대해 잘 모르더라도 이번 기회에 정리하실 수 있습니다.

3장에서는 우리 부서에 인공지능을 적용하기 어려운 이유에 관해 이야기합니다. 많이 발전한 인공지능이라도 완벽하지는 않습니다. 인공지능의 한계와 데이터 부족도 피할 수 없는 현실입니다. 물론 사용자가 인공지능을 잘 사용하지 못하는 것도 원인 중 하나입니다.

4장에서는 인공지능의 도입이 어렵지만 해야 하는 이유를 이야기합니다. 데이터는 쌓여가고 인공지능의 장점을 무시할 수 없기 때문입니다. 앞으로 보완된 인공지능이 계속 출시될 것입니다. 우리는 미리 준비하지 않으면 늦을 수 있습니다.

5장에서는 실무에 현실적인 문제와 해결 방법을 이야기합니다. 개발자와 함께 인하는 비전문가에게는 너무 낯설어서 협업이 어려울 수밖에 없습니다. 이것이 계속 반복된다면 야근은 물론 직장을 잃을 위험마저 있습니다. 이를 위해 극복 방안을 읽고 해결하시면 됩니다.

6장은 인공지능으로 변화하는 것들을 이야기합니다. 회사, 국가 경쟁력, 철학과 윤리, 교육 등 다방면으로 변화하고 있습니다. 이것을 알고 미래를 준비하는 사람과 그렇지 않은 사람의 미래는 다를 것입니다. 이 책으로 미래 준비에 도움을 얻길 바랍니다.

이 책을 추천합니다.
- 서비스나 업무에 인공지능을 도입하려는 회사의 직원
- 서비스나 업무에 인공지능을 도입했지만, 전공자와 협력에 어려움을 겪는 비전공자
- 비전공자와 협력하고 있는 인공지능 개발자
- 인공지능 도입으로 바뀌는 업무 방향을 알고, 미리 준비하고 싶은 취업준비생

서문
추천사
당부의 말
대상 독자
감사의 글
저자 소개

1장 이 책을 통해 얻어 갈 수 있는 것들
1.1 업무나 서비스에 처음 적용해 보려는 비전공자
1.2 업무나 서비스에 적용해 본 비전공자
1.3. 인공지능이 가져올 미래 사회의 기회가 궁금한 사람

2장 인공지능 패러다임의 변화
2.1. 마이크로매니징, 규칙 기반 인공지능
2.1.1. 규칙 기반 인공지능의 등장과 활약
2.1.2. 규칙 기반 인공지능의 한계
2.2. 자가 학습, 패턴 기반 인공지능
2.2.1. 머신러닝으로 인한 패러다임의 변화
2.2.2. 딥 러닝으로 인한 패러다임의 변화
2.3. 초거대 인공지능의 등장
2.3.1. 국외
2.3.1.1. OpenAI GPT-3, ChatGPT, GPT4
2.3.1.2. Google LaMDA, Bard
2.3.1.3. MicroSoft GODEL, 프로메테우스
2.3.2. 국내
2.3.2.1. Naver HyperClova
2.3.2.2. Kakao KoGPT

3장 우리 부서에 인공지능을 적용하기가 어려운 이유
3.1. 사실 불완전한 ChatGPT
3.1.1. 데이터 부족과 한계
3.1.2. 사용자의 미숙한 이해
3.2. 내 업무/서비스에 인공지능 탑재, 적용 난이도
3.2.1. 라이트 형제의 도전, 학습의 어려움
3.2.2. 인프라 환경 세팅의 난이도
3.2.3. ChatGPT는 이미 있었다, 튜닝의 중요성
3.2.4. 성능과 속도 두 마리 토끼
3.2.5. 어려운 기존 시스템과의 통합
3.3. 업무/서비스에 인공지능 탑재할 때 위협 요소
3.3.1. 생각치 못한 0과1 바이러스, 적대적 공격
3.3.2. 좋은 답변을 위한 질문, 프롬프트 엔지니어링
3.3.3. 의도하지 않은 데이터 유출과 보안
3.3.4. 학습 주기 통제의 어려움
3.4. 인공지능 부서와의 협력
3.4.1. 부서 통합했을 때 적용의 장점
3.4.2. 부서 분리했을 때 적용의 장점

4장 그런데도 우리 부서에 인공지능을 도입해야 하는 이유
4.1. 인공지능의 잠재력
4.1.1. 번개 같은 연산 속도
4.1.2. 백지장도 맞든다, 멀티 연산
4.1.3. 괴물 같은 기억력, 정보 처리/접근
4.2. 모든 것의 자동화
4.2.1. 모든 것을 기록한다, 데이터화
4.2.2. 수많은 눈, 모니터링
4.2.3. 고차원의 의사 결정
4.3. 외계인을 고문했나? 혁신적인 제품 개발
4.3.1. 혁신을 만드는 조합
4.3.2. 예측 불가능한 문제를 푼다
4.3.3. 사용자의 확장 가능성
4.3.4. 시간 부자, 시간의 확보
4.4. 실수는 없다, 오류 예방
4.4.1. 오류를 방지하는 보조
4.4.2. 감정 없는 뛰어난 보조
4.4.3. 인내와 기억을 갖춘 전교 1등
4.5. 업무 농도 향상, 효율성의 증가
4.5.1. 인공지능 기반 반복 업무 경감
4.5.2. 인공지능 기반 생산성 향상
4.6. 미래의 아이폰, 인공지능이 가져올 변화
4.6.1. 넥스트 아이폰, 미래 트렌드
4.6.2. 활용도가 높은 도구
4.6.3. 미래 사회, 경쟁력과 성장

5장 우리 부서에 인공지능 도입할 때 생기는 문제와 극복 방안
5.1. 화성에서 온 인공지능 개발자, 어려운 소통
5.1.1. 인공지능 개발자와 대화가 어려운 이유
5.1.2. 그래도 해야 한다, 극복하는 방법
5.2. 쉬운 문제를 어렵게 해결하려고 한다.
5.2.1. OpenAI, 구글 같은 인공지능
5.2.2. 오버 스펙, 전통적 인공지능의 장점
5.3. 데이터 부재, 데이터가 없다
5.3.1. 김치 없는 김치볶음밥, 데이터가 없는 이유
5.3.2. 이가 없으면 잇몸으로, 극복하는 방법
5.3.3. 부족할 때 착한 친구, 데이터는 있지만 부족한 경우
5.3.4. 내가 한다, 쿼리 작업
5.4. 인프라의 부재, 인프라가 없다
5.4.1. 프라이팬 없는 볶음밥, 다양한 인프라 관련 부재
5.4.2. 인프라 확충을 위한 제언
5.4.3. 인프라에 대한 지속적인 투자 필요성
5.5. 사용이 너무 어려운 인공지능
5.5.1. 성능과 해석의 Trade-Off, 상충 관계
5.5.2. 확률이 아니다, 의도대로 나오지 않는 값
5.5.3. 상관관계 vs 인과 관계
5.5.4. 법적 고려 사항, 법률적 이해관계
5.5.5. 성능이 좋아도 문제, 나빠도 문제
5.6. 강철 같은 마음가짐으로 돌파
5.6.1. 안 되면 될 때까지, 시도와 실패
5.6.2. 그럴 수 있다, 인내 수양
5.7. 인공지능 ≠ 인공지능, 동일하지 않다.
5.7.1. 매번 같은 인공지능을 가져오는 인공지능 개발자
5.7.2. 굳건한 목표의 리마인드
5.8. 미숙한 이해를 극복하기, 지식의 부재 돌파하기
5.8.1. 데이터 관련 지식 부재 극복하기
5.8.2. 모델 관련 지식 부재 극복하기
5.8.3. 배포 관련 지식 부재 극복하기

6장 인공지능으로 인해 변화하는 사회 그리고 기회
6.1. 조직의 변화
6.1.1. 조직 변화에 따른 일자리 변화
6.1.2. 조직 변화 속 내게 주어진 기회
6.2. 국가 경쟁력의 변화
6.2.1. 현재와는 다른 국가 단위 경쟁력 변화
6.2.2. 변화에 따른 내 경쟁력 향상 방안
6.3. 철학과 윤리의 변화
6.3.1. 변화할 철학과 윤리
6.3.2. 변화로 인해 부상할 분야, 변화에서 오는 기회
6.4. 공존 형태의 변화
6.4.1. 단기간의 공존 형태
6.4.2. 장기간의 공존 형태
6.5. 자녀 교육의 변화
6.5.1. 과거와는 다른 자녀 교육 형태
6.5.2. 미래에 필요한, 비전공자 양육 방법
6.6. 거짓 생성의 변화
6.6.1. 변화할 거짓 정보들의 생산 주기와 양
6.6.2. 위기 속 기회, 진실과 거짓 세상의 기회
6.7. 인류사에서 인공지능의 의미

찾아보기

이규남 도전과 공유의 가치를 중요하게 생각한다. 인공지능 업계에 수년간 있으면서 데이터 분석가, 데이터 사이언티스트, 리서치 엔지니어를 거쳐 MLOps 엔지니어까지 다방면으로 관련 경험을 쌓아 왔다. 특히 인공지능 업무 다방면에 걸쳐 관심이 있다. 인공지능 구조를 설계하고 구현하는 작업, 모델을 안정적이고 효율적으로 배포하고 유지관리하는 작업, 실제 서비스하도록 배포하기까지의 전 과정에 관심이 많아 최근 다양한 업무 영역을 넓혀 가고 있다. 최근에는 MLOps 엔지니어와 리서치 엔지니어의 일을 함께하고 있다. 항상 새로운 것에 관심이 많아 적극적으로 공부하고 업무에 활용하고 있다. 습득한 지식을 지속해서 공유하고자 노력한다.

現) 국내 대기업 MLOps Engineer
前) 한국인공지능협회 전문위원
前) 미래에셋대우 DATA SCIENTIST
前) 빅데이터 공학 석사
前) 정보통계 / 심리학 학사