.gif&blockId=11b00c82-b138-8050-a58b-dcbceda2ef8f)
AI 도입의 배경과 필요성
배경 및 목표AI 도입
•
단순 업무의 효율화를 넘어, 창의적 업무에 집중할 수 있는 환경을 제공함으로써 구성원들의 생산성과 혁신성을 극대화하는 데 목적이 있음.
•
SK그룹은 이러한 목표를 위해 'Enterprise AI Task Force'를 조직하여 전사적인 AI 확산과 업무 혁신을 진행 중.
B2C AI 도입과의 차이점
•
기존 B2C AI는 소비자 경험을 향상시키는 데 중점을 두는 반면, SK그룹의 AI 도입은 업무 효율성 및 생산성 향상에 중점을 두고 있음.
•
이를 통해 구성원들이 반복적인 업무에서 벗어나 전략적 업무에 집중할 수 있도록 지원.
AI 에이전트의 역할과 유형
제너럴 비즈니스 AI 에이전트 (BAA)
•
일상적인 업무를 지원하는 AI 비서로서, 회의록 작성, 일정 관리, 보고서 생성 등 단순하고 반복적인 작업을 자동화하여 구성원들이 본질적인 업무에 집중할 수 있도록 지원.
프로페셔널 비즈니스 AI 에이전트 (PBA)
•
특정 영역의 전문 업무를 수행하는 AI 시스템으로, 채용, 재무, 법무 등과 같은 영역에서 사람의 주관적 편향성을 줄이고, 일관성과 효율성을 높임.
•
예를 들어, 채용 과정에서 지원자 평가 시 동일한 기준을 유지하여 공정성을 확보.
채용 업무의 AI 도입 사례와 성과
채용 업무에서 AI 도입의 필요성
•
채용 과정에서 AI를 통해 대규모 자기소개서를 객관적 기준으로 평가하여 인재 발굴의 효율성을 높임. 기존에는 평가자의 주관에 따라 결과가 달라질 가능성이 컸으나, AI는 일관된 기준을 통해 공정한 평가를 제공.
AICT 시험 도입
•
MZ세대의 AI 활용 능력을 평가하기 위해 AICT(AI Competency Test)를 도입하여, 직무 관련 역량 및 AI 적응력을 평가함. 이는 지원자들이 AI를 이용해 문제 해결 능력을 테스트할 수 있는 기회 제공.
채용 결과와 인재 특성
•
AICT를 통해 채용된 인재들은 AI 활용에 능숙하며, 창의적인 문제 해결 능력을 보임. 이들은 향후 AI 기반 업무 환경에서 높은 성과를 낼 가능성이 크며, AI 도입 후 채용 성과 분석이 향후 HR 연구 과제로 제시됨.
AI 에이전트 아키텍처의 구성
아키텍처 개요
•
AI 에이전트 아키텍처는 RAG (Retrieval-Augmented Generation) 기술, 벡터 DB, 워크플로우, 액션 허브 등으로 구성되어 있다.
•
다양한 데이터를 실시간으로 연동하여 업무 프로세스를 효율적으로 관리함.
워크플로우와 액션 허브의 역할
워크플로우
•
업무 지시와 처리 순서를 관리
액션 허브
•
레거시 시스템과의 연동을 지원하여 다양한 데이터 소스와 AI 에이전트를 연결함으로써 유연성을 제공.
멀티 에이전트 협업과 통합
•
여러 AI 에이전트가 협업하여 업무를 처리하며, 결과를 통합하여 최종 결론을 도출함.
•
이를 통해 복잡한 업무의 효율성을 극대화.
AI 에이전트의 주요 기능과 현재의 한계
기능적 요구 사항
•
AI 에이전트는 자율성, 반응성, 예측적 행동, 학습 능력 등의 기능을 갖추어야 하나, 현재 기술 수준으로는 모든 기능을 완벽하게 구현하기 어려움.
•
점진적인 개선을 통해 이러한 기능을 강화할 계획.
한계와 개선 방향
•
AI 에이전트는 현재 업무 수행에 있어 적응성과 확장성에서 제한을 받으나, 향후 기술 발전과 함께 기존 레거시 시스템과의 연동을 강화하여 효율성을 극대화할 방침.
향후 과제와 발전 가능성
개선 과제
•
에이전트 간 협업 구조를 개선하고, 레거시 시스템과의 연동을 최적화하여 업무 효율성을 높임. 또한 AI와 조직 업무의 융합을 통해 일하는 방식을 혁신할 계획.
SK그룹의 AI 확산 계획
•
SK그룹은 AI 에이전트를 통해 모든 업무 영역에서 디지털 워크포스를 구축하는 것을 목표로 하며, 이를 통해 지속 가능한 업무 혁신을 도모함.
