AX 100배의 법칙(좋은습관시리즈 53)
나와 조직의 능력을 100배 높이는 AI 경영의 실제
Regular price
$28.09
Sale price
Regular price
✈️
Estimated delivery date 예상 배송일
Standard Shipping
불러오는 중...
주문일로부터 8-12 영업일
Express Shipping
불러오는 중...
주문일로부터 6-8 영업일
Couldn't load pickup availability
출판사 리뷰
출판사 리뷰
- 빌 게이츠 "AI 에이전트는 컴퓨팅의 미래"(Gates Notes, 2023)
- 사티아 나델라 "모든 상호작용이 에이전트를 통해 이루어질 것"(Microsoft Build 2025)
- 순다르 피차이 "AI 에이전트는 더 개인화되고 지능적인 경험을 제공"(Google I/O 2025)
- 일론 머스크 "궁극적으로 우리는 범용 AI 에이전트를 향해 나아가고 있다"(205년 3월 인터뷰)
- 마크 저커버그 "메타버스 내에서 AI 에이전트는 다양한 활동을 수행하고, 사람들과 상호작용하며, 새로운 경험을 탐색하는 핵심적인 역할을 할 것이다"(Meta Connect 2024)
좋은습관연구소가 제안하는 53번째 좋은 습관은 기업의 AI 활용 습관입니다. 우리는 앞서 『디지털 트랜스포메이션, 조직의 습관을 바꾸는 일』이라는 책을 통해서 많은 경영자들에게 큰 영감을 주었습니다. 이제 이 메시지는 "AI 트랜스포메이션은 조직의 습관을 바꾸는 일"로 다시 정의되고 있습니다.
AI 기술은 기업 경영에 많은 변화를 주고 있습니다. 특히 생성형 AI의 등장은 IT 관련 부서나 회사 차원의 큰 프로젝트라는 관점을 벗어나 AI를 개인의 이슈로 확대시켰습니다. 이 책 역시도 AI 에이전트 시대를 전망하며 개인과 이들의 공존을 말합니다.
책은 이러한 변화를 총 5단계로 접근할 것을 제시하고 있습니다.
● 1단계는 생성형 AI의 활용입니다. 이미 생활 속에서 그리고 업무에도 적극적으로 생성형 AI를 활용하는 만큼 추가적인 설명은 필요 없을 듯합니다.
● 2단계는 RAG(Retrieval-Augmented Generation; 검색 증강 생성)의 사용입니다. RAG는 생성형 AI 모델에 사내 DB나 문서 검색 결과를 실시간으로 제공함으로써 AI가 더 풍부하고 정확한 정보를 근거로 답변을 생성하도록 하는 방식을 말합니다. 현재의 생성형 AI는 웹에 공개된 데이터나 사전에 학습한 텍스트를 바탕으로 하지만, 실제 회사에서 중요하게 다뤄야 할 정보의 상당수는 비공개 DB나 내부 파일로 존재하기 마련입니다. RAG는 바로 그 지점에서 내부 검색과 생성형 AI의 결합으로 기업 맞춤형 AI를 구현합니다. 그리고 또 다른 중요 요소로 지능형 RPA(Robotic Process Automation; 로보틱 프로세스 자동화)를 활용하여 단순 반복적인 업무를 자동으로 처리하는 것도 2단계에서의 일입니다. 과거에도 RPA가 있었지만, AX 단계에서는 생성형 AI와 결합해 자동화율을 더욱 높여줍니다.
● 3단계는 기업 내 이미 구축된 머신러닝·딥러닝 기반의 분석형 AI와 생성형 AI의 결합입니다. 과거의 AI는 데이터사이언티스트 같은 데이터 전문가만이 사용하고 해석할 수 있다는 한계가 있었습니다. 하지만 생성형 AI와 결합되면서부터는 비전문가인 나도 자유롭게 활용할 수 있습니다. 더이상 관련 부서에 분석을 요청할 필요 없이 내가 직접 들여다보고 체크할 수 있는 자율성을 얻게 됩니다.
● 4단계는 AI 에이전트의 등장입니다. AI 에이전트란 인간의 지시나 요구를 받아서 움직이는 것이 아니라 AI가 스스로 목표를 설정하거나 사용자가 던진 목표를 인식한 뒤 여러 서브 태스크를 분해해 직접실행하는 개념입니다. AI 활용의 최종 단계라 할 수 있으며 100배의 법칙을 넘어 100명의 역할을 할 수 있는 AI입니다. 무인(無人) 상태에서 의사결정과 작업을 수행하는 시나리오가 가능해집니다.
● 5단계는 1단계에서 4단계를 거쳐 만들어진 AI 모델, 즉 도메인(특정 산업)에 특화된 LLM과 SLM을 새로운 BM으로 판매하는 것입니다. 우리 기업에 특화된 AI 모델을 다른 기업에 솔루션처럼 판매하는 것입니다. 이는 일반 제조 기업이 테크 기업으로 전환하는 효과를 발휘합니다.
이상이 이 책에서 말하는 AX 5단계입니다. 각 단계가 빠른 시기에 현실화되기는 어려울 수 있지만, 마냥 먼 미래의 일도 아닙니다. 생성형 AI의 출현으로 바뀐 비즈니스 환경을 생각한다면, 생각 이상으로 빨라질 수도 있습니다.
각 단계를 가기 위해 어떤 자원이 필요하고, 유의해야 할 점은 무엇이며, 조직은 어떤 준비를 해야 하며, 무엇보다 개인은 앞으로 어떤 역할로 자신을 포지셔닝해야 하고 자기계발해야 하는지 이 책으로 확인해보았으면 합니다.
- 사티아 나델라 "모든 상호작용이 에이전트를 통해 이루어질 것"(Microsoft Build 2025)
- 순다르 피차이 "AI 에이전트는 더 개인화되고 지능적인 경험을 제공"(Google I/O 2025)
- 일론 머스크 "궁극적으로 우리는 범용 AI 에이전트를 향해 나아가고 있다"(205년 3월 인터뷰)
- 마크 저커버그 "메타버스 내에서 AI 에이전트는 다양한 활동을 수행하고, 사람들과 상호작용하며, 새로운 경험을 탐색하는 핵심적인 역할을 할 것이다"(Meta Connect 2024)
좋은습관연구소가 제안하는 53번째 좋은 습관은 기업의 AI 활용 습관입니다. 우리는 앞서 『디지털 트랜스포메이션, 조직의 습관을 바꾸는 일』이라는 책을 통해서 많은 경영자들에게 큰 영감을 주었습니다. 이제 이 메시지는 "AI 트랜스포메이션은 조직의 습관을 바꾸는 일"로 다시 정의되고 있습니다.
AI 기술은 기업 경영에 많은 변화를 주고 있습니다. 특히 생성형 AI의 등장은 IT 관련 부서나 회사 차원의 큰 프로젝트라는 관점을 벗어나 AI를 개인의 이슈로 확대시켰습니다. 이 책 역시도 AI 에이전트 시대를 전망하며 개인과 이들의 공존을 말합니다.
책은 이러한 변화를 총 5단계로 접근할 것을 제시하고 있습니다.
● 1단계는 생성형 AI의 활용입니다. 이미 생활 속에서 그리고 업무에도 적극적으로 생성형 AI를 활용하는 만큼 추가적인 설명은 필요 없을 듯합니다.
● 2단계는 RAG(Retrieval-Augmented Generation; 검색 증강 생성)의 사용입니다. RAG는 생성형 AI 모델에 사내 DB나 문서 검색 결과를 실시간으로 제공함으로써 AI가 더 풍부하고 정확한 정보를 근거로 답변을 생성하도록 하는 방식을 말합니다. 현재의 생성형 AI는 웹에 공개된 데이터나 사전에 학습한 텍스트를 바탕으로 하지만, 실제 회사에서 중요하게 다뤄야 할 정보의 상당수는 비공개 DB나 내부 파일로 존재하기 마련입니다. RAG는 바로 그 지점에서 내부 검색과 생성형 AI의 결합으로 기업 맞춤형 AI를 구현합니다. 그리고 또 다른 중요 요소로 지능형 RPA(Robotic Process Automation; 로보틱 프로세스 자동화)를 활용하여 단순 반복적인 업무를 자동으로 처리하는 것도 2단계에서의 일입니다. 과거에도 RPA가 있었지만, AX 단계에서는 생성형 AI와 결합해 자동화율을 더욱 높여줍니다.
● 3단계는 기업 내 이미 구축된 머신러닝·딥러닝 기반의 분석형 AI와 생성형 AI의 결합입니다. 과거의 AI는 데이터사이언티스트 같은 데이터 전문가만이 사용하고 해석할 수 있다는 한계가 있었습니다. 하지만 생성형 AI와 결합되면서부터는 비전문가인 나도 자유롭게 활용할 수 있습니다. 더이상 관련 부서에 분석을 요청할 필요 없이 내가 직접 들여다보고 체크할 수 있는 자율성을 얻게 됩니다.
● 4단계는 AI 에이전트의 등장입니다. AI 에이전트란 인간의 지시나 요구를 받아서 움직이는 것이 아니라 AI가 스스로 목표를 설정하거나 사용자가 던진 목표를 인식한 뒤 여러 서브 태스크를 분해해 직접실행하는 개념입니다. AI 활용의 최종 단계라 할 수 있으며 100배의 법칙을 넘어 100명의 역할을 할 수 있는 AI입니다. 무인(無人) 상태에서 의사결정과 작업을 수행하는 시나리오가 가능해집니다.
● 5단계는 1단계에서 4단계를 거쳐 만들어진 AI 모델, 즉 도메인(특정 산업)에 특화된 LLM과 SLM을 새로운 BM으로 판매하는 것입니다. 우리 기업에 특화된 AI 모델을 다른 기업에 솔루션처럼 판매하는 것입니다. 이는 일반 제조 기업이 테크 기업으로 전환하는 효과를 발휘합니다.
이상이 이 책에서 말하는 AX 5단계입니다. 각 단계가 빠른 시기에 현실화되기는 어려울 수 있지만, 마냥 먼 미래의 일도 아닙니다. 생성형 AI의 출현으로 바뀐 비즈니스 환경을 생각한다면, 생각 이상으로 빨라질 수도 있습니다.
각 단계를 가기 위해 어떤 자원이 필요하고, 유의해야 할 점은 무엇이며, 조직은 어떤 준비를 해야 하며, 무엇보다 개인은 앞으로 어떤 역할로 자신을 포지셔닝해야 하고 자기계발해야 하는지 이 책으로 확인해보았으면 합니다.
목차
목차
시작. DX를 넘어, AX 시대로
★ 1부. AI 트랜스포메이션 - 개념과 시대적 배경
1. DX와 AX의 차이
-- 1) DX가 가져온 혁신과 한계
-- 2) 생성형 AI가 불러온 패러다임 전환
-- 3) 생성형 AI의 구체적 활용 사례
-- 4) AX가 의미하는 것
2. 인공지능 발전 5단계(오픈AI 전망)
-- 1) 챗봇(Chatbot) - Q&A 수준의 기본 대화
-- 2) 추론자(Reasoner) - 멀티모달·추론 강화
-- 3) 에이전트(Agent) - 스스로 판단하고 결정
-- 4) 혁신가(Innovator) - 고급 도메인 전문성
-- 5) AG(IOrganization) - 인간과 AI의 융합 시대
★ 2부. AI 트랜스포메이션 - 실행 전략과 로드맵
개요. AX 실행 5단계 전략
1단계(초기) - 생성형 AI
-- 1) 생성형 AI 개념
-- 2) 생성형 AI 활용
-- 3) 성과와 주의점
2단계(중기) - RAG·지능형 RPA 도입
-- 1) RAG 개념과 활용
-- 2) 지능형 RPA 개념과 활용
3단계(중기) - 머신러닝·딥러닝 AI와 생성형 AI의 결합
-- 1) AI 모델간의 결합이 중요한 이유
-- 2) 비즈니스 임팩트
4단계(후기) - AI 에이전트
-- 1) AI 에이전트란 무엇인가
-- 2) 업무 혁신 시나리오
-- 3) 위험과 관리 방법
-- 4) 새로운 기회
5단계(고도화) - 신규 BM, 버티컬 LLM과 SML의 등장
-- 1) BM 전환
-- 2) 버티컬 LLM과 SLM
★ 3부. AI 트랜스포메이션 - 조직 운영과 인재 선발
1. AX 준비를 위한 조직·인프라·문화 점검
-- 1) AI 준비도
-- 2) 데이터와 IT 인프라
-- 3) AI팀과 인재 확보
-- 4) 문화와 거버넌스
-- 5) DX에서 AX로
-- 6) 현재 상태 점검하기
-- 7) 단계별 구현 사례
2. 왜 CEO가 더 중요해졌나
-- 1) AX 성공의 70%는 CEO에 좌우
-- 2) CEO에게 필요한 AI 리터러시(기본 소양)
-- 3) 파워·정치 이슈를 통제하는 법
3. AX 성공 KPI와 ROI 측정
-- 1) KPI와 AI 혁신의 정렬
-- 2) 재무적·비재무적 성과 지표
-- 3) 프로젝트 성과 측정
-- 4) 단기·중기·장기로 성과 측정
-- 5) 성공 사례와 실패 사례
4. AI팀과 거버넌스
-- 1) AI팀의 필요성
-- 2) 기존 IT 조직과의 협력
-- 3) 데이터 사용 거버넌스
5. 인재 전략과 교육
-- 1) AI 전문 인력의 수혈
-- 2) 프롬프트 엔지니어링
-- 3) AI 매니저·오퍼레이터
-- 4) 성과 평가·보상 체계
6. 변화 관리와 조직 문화 혁신
-- 1) 작은 PoC로 신뢰 구축
-- 2) 대시 보드 기반의 보고로 문서 최소화
-- 3) 성공 스토리, 우수 사례 포상
-- 4) AI 해커톤, 아이디어톤
-- 5) 실패 관용 문화
-- 6) 사람 + AI 협업 조직 문화
★ 4부. AI 트랜스포메이션 - 유형별·산업별 사례와 미래 전망
1. AX 유형별 적용 사례
-- 1) 생성(문서, 메일, 보고서 등)
-- 2) 요약(회의록 작성 등)
-- 3) 언어 번역
-- 4) 문법 및 맞춤법 교정
-- 5) RAG 및 사내 챗봇
-- 6) 지능형 RPA(외부 데이터 자동 수집·정리)
-- 7) 차트만들기(Text-to-SQL)
-- 8) 코딩
-- 9) 예측 및 시뮬레이션
-- 10) AI 검색 및 딥 리서치
-- 11) PC 기반 AI 에이전트
-- 12) OCR 등 이미지 분석(이미지 이해와 생성)
-- 13) 콜 센터 등 음성 분석(음성 이해와 생성)
-- 14) CCTV 영상 분석(영상 이해와 분석)
-- 15) 버티컬 LLM(도메인 특화 AI)
-- 16) 아이디어 및 브레인스토밍
2. AX 산업별 적용 사례
-- 1) 제조·물류
-- 2) 금융·보험
-- 3) 리테일·유통
-- 4) 의료 및 헬스케어
-- 5) 에너지 산업
-- 6) 건설
-- 7) 운송·물류
-- 8) 호텔·외식
-- 9) 공공·교육
-- 10) 1인 기업
맺음. AI 에이전트 시대와 그 이후
부록. AX에 성공한 스타트업(기업)
부록. AX를 위한 솔루션·서비스 추천
★ 1부. AI 트랜스포메이션 - 개념과 시대적 배경
1. DX와 AX의 차이
-- 1) DX가 가져온 혁신과 한계
-- 2) 생성형 AI가 불러온 패러다임 전환
-- 3) 생성형 AI의 구체적 활용 사례
-- 4) AX가 의미하는 것
2. 인공지능 발전 5단계(오픈AI 전망)
-- 1) 챗봇(Chatbot) - Q&A 수준의 기본 대화
-- 2) 추론자(Reasoner) - 멀티모달·추론 강화
-- 3) 에이전트(Agent) - 스스로 판단하고 결정
-- 4) 혁신가(Innovator) - 고급 도메인 전문성
-- 5) AG(IOrganization) - 인간과 AI의 융합 시대
★ 2부. AI 트랜스포메이션 - 실행 전략과 로드맵
개요. AX 실행 5단계 전략
1단계(초기) - 생성형 AI
-- 1) 생성형 AI 개념
-- 2) 생성형 AI 활용
-- 3) 성과와 주의점
2단계(중기) - RAG·지능형 RPA 도입
-- 1) RAG 개념과 활용
-- 2) 지능형 RPA 개념과 활용
3단계(중기) - 머신러닝·딥러닝 AI와 생성형 AI의 결합
-- 1) AI 모델간의 결합이 중요한 이유
-- 2) 비즈니스 임팩트
4단계(후기) - AI 에이전트
-- 1) AI 에이전트란 무엇인가
-- 2) 업무 혁신 시나리오
-- 3) 위험과 관리 방법
-- 4) 새로운 기회
5단계(고도화) - 신규 BM, 버티컬 LLM과 SML의 등장
-- 1) BM 전환
-- 2) 버티컬 LLM과 SLM
★ 3부. AI 트랜스포메이션 - 조직 운영과 인재 선발
1. AX 준비를 위한 조직·인프라·문화 점검
-- 1) AI 준비도
-- 2) 데이터와 IT 인프라
-- 3) AI팀과 인재 확보
-- 4) 문화와 거버넌스
-- 5) DX에서 AX로
-- 6) 현재 상태 점검하기
-- 7) 단계별 구현 사례
2. 왜 CEO가 더 중요해졌나
-- 1) AX 성공의 70%는 CEO에 좌우
-- 2) CEO에게 필요한 AI 리터러시(기본 소양)
-- 3) 파워·정치 이슈를 통제하는 법
3. AX 성공 KPI와 ROI 측정
-- 1) KPI와 AI 혁신의 정렬
-- 2) 재무적·비재무적 성과 지표
-- 3) 프로젝트 성과 측정
-- 4) 단기·중기·장기로 성과 측정
-- 5) 성공 사례와 실패 사례
4. AI팀과 거버넌스
-- 1) AI팀의 필요성
-- 2) 기존 IT 조직과의 협력
-- 3) 데이터 사용 거버넌스
5. 인재 전략과 교육
-- 1) AI 전문 인력의 수혈
-- 2) 프롬프트 엔지니어링
-- 3) AI 매니저·오퍼레이터
-- 4) 성과 평가·보상 체계
6. 변화 관리와 조직 문화 혁신
-- 1) 작은 PoC로 신뢰 구축
-- 2) 대시 보드 기반의 보고로 문서 최소화
-- 3) 성공 스토리, 우수 사례 포상
-- 4) AI 해커톤, 아이디어톤
-- 5) 실패 관용 문화
-- 6) 사람 + AI 협업 조직 문화
★ 4부. AI 트랜스포메이션 - 유형별·산업별 사례와 미래 전망
1. AX 유형별 적용 사례
-- 1) 생성(문서, 메일, 보고서 등)
-- 2) 요약(회의록 작성 등)
-- 3) 언어 번역
-- 4) 문법 및 맞춤법 교정
-- 5) RAG 및 사내 챗봇
-- 6) 지능형 RPA(외부 데이터 자동 수집·정리)
-- 7) 차트만들기(Text-to-SQL)
-- 8) 코딩
-- 9) 예측 및 시뮬레이션
-- 10) AI 검색 및 딥 리서치
-- 11) PC 기반 AI 에이전트
-- 12) OCR 등 이미지 분석(이미지 이해와 생성)
-- 13) 콜 센터 등 음성 분석(음성 이해와 생성)
-- 14) CCTV 영상 분석(영상 이해와 분석)
-- 15) 버티컬 LLM(도메인 특화 AI)
-- 16) 아이디어 및 브레인스토밍
2. AX 산업별 적용 사례
-- 1) 제조·물류
-- 2) 금융·보험
-- 3) 리테일·유통
-- 4) 의료 및 헬스케어
-- 5) 에너지 산업
-- 6) 건설
-- 7) 운송·물류
-- 8) 호텔·외식
-- 9) 공공·교육
-- 10) 1인 기업
맺음. AI 에이전트 시대와 그 이후
부록. AX에 성공한 스타트업(기업)
부록. AX를 위한 솔루션·서비스 추천
저자
저자
황재선
디지털 트랜스포메이션의 오랜 경험을 보유하고, AI 트랜스포메이션을 직접 실행하고 있는 현장 전문가. 현재 SK디스커버리 DX Lab(부사장) 및 SK바이오사이언스 디지털혁신실(부사장)을 맡아 B2B 기업의 AI 트랜스포메이션을 위한 실행을 진두지휘하고 있다. AI, 빅데이터, 클라우드 등 기술 플랫폼의 기업 적용부터 운영 효율화를 통한 비용 절감, 비즈니스 모델 혁신, 구성원들의 AI 리터러시 및 역량강화까지 AI 전환에 필요한 다양한 프로젝트를 담당하고 있다. 그전에는 LG전자 DXT(디지털 트랜스포메이션 기술)센터 클라우드PMO/실장을 역임하며 DX기반 신사업(B2C 중심 IoT분야)과 전사 데이터 레이크 구축, 데이터 거버넌스 조직을 리드하였다.
고려대학교 소프트웨어공학 석사 및 Aalto University(핀란드, 헬싱키)에서 MBA를 취득하였고, 한국콘텐츠진흥원 뉴미디어 창업스쿨 책임 교수, 소프트뱅크 미디어랩 책임 연구원, 마이크로소프트 글로벌 MVP로도 활동했다. IT 개발자와 서비스 기획자로도 다양한 경험을 쌓았으며 직접 기획한 스마트 파머(Smart Farmer) 서비스로 장관상을, 챗봇 서비스로는 CES Award를 수상하기도 했다. 그 외 여러 권의 IT 비즈니스, 기술 및 프로그래밍 서적을 집필/번역했다.
고려대학교 소프트웨어공학 석사 및 Aalto University(핀란드, 헬싱키)에서 MBA를 취득하였고, 한국콘텐츠진흥원 뉴미디어 창업스쿨 책임 교수, 소프트뱅크 미디어랩 책임 연구원, 마이크로소프트 글로벌 MVP로도 활동했다. IT 개발자와 서비스 기획자로도 다양한 경험을 쌓았으며 직접 기획한 스마트 파머(Smart Farmer) 서비스로 장관상을, 챗봇 서비스로는 CES Award를 수상하기도 했다. 그 외 여러 권의 IT 비즈니스, 기술 및 프로그래밍 서적을 집필/번역했다.
Payment & Security
Payment methods
Your payment information is processed securely. We do not store credit card details nor have access to your credit card information.
$99 이상 무료 배송
3% 리워드 크레딧 적립
Secure Payment

