.gif&blockId=11b00c82-b138-8050-a58b-dcbceda2ef8f)
AI 시대의 생존 전략: 도구로서의 AI, 대체되지 않는 인재로 성장하기
•
멀티 에이전트가 수많은 일자리를 대체할 것 - 12월 10일
•
한·미 AI투자 격차 44배
국가별 민간 부문 인공지능 투자 누적금액(단위: 10억달러). 자료: 美 스탠퍼드 대학교
•
한국은 AI 시대에 준비가 되어있지 않다.
박태용 의장님 - 언더스탠딩 유튜브
AI의 폭발적 성장
모델 확산
•
ChatGPT
◦
출시 5일: 100만 사용자 달성
◦
출시 40일: 1,000만 사용자 달성
◦
출시 2개월: MAU 1억명 돌파
•
HuggingFace
◦
2024년 9월: 100만 공개 모델 업로드 달성
AI 투자 규모(2024)
•
인공지능 시장 규모 전망
•
2024년 상반기 AI 스타트업 투자
◦
330억 달러 - 2023년 전체 대비 90% 수준을 6개월 만에 달성
COATUE - AI: The Coming Revolution - AI 스타트업 투자 내역
•
2024년 2분기 AI분야 투자 규모
◦
$248억 (전년 동기 대비 240% 증가)
◦
미국 전체 투자액의 55%
◦
투자 건수 ↓ 투자 규모 ↑
기술별 시장 침투율
•
Gen AI의 시장 채택 속도는 pc, internet, mobile보다 빠르다.
.jpg&blockId=15f00c82-b138-8003-80d9-c0108232d109)
•
개인적으로 이 막대 차트에서 추가로 알아볼 수 있는 것은 각 플랫폼 매체들로 인해 그 다음 매체를 아는데 시간이 더 줄어든다는 것이다.
◦
PC가 보편화가 됨으로서 Internet은 더 빠르게 확산 될 수 있었고
◦
Internet을 더 쉽게 사용하기 위해서 Mobile이 빠르게 확산 될 수 있었다.
◦
그리고 이제 이 PC, Mobile에서 Gen AI의 파급력이 더해져서 더욱 급속도로 기술 확산이 되어졌다.
◦
이렇듯 기술 혁신은 앞으로도 계속 가속화 될 것이고 우리는 더 빠르게 그 기술을 받아드릴 준비가 되어 있어야 한다.
AI가 불러온 행태의 변화
검색: 정보 탐색의 변화
•
이전: 키워드 기반 검색의 한계
◦
전통적인 구글 검색은 키워드 기반 검색 알고리즘으로 상위 노출된 사이트를 신뢰하는 방식.
◦
정보의 양이 많아지면서, 사용자가 원하는 답변을 찾기 위해 시간을 많이 소비해야 했음.
◦
조사 결과: 키워드 기반 검색 신뢰도는 최근 7% 감소.
•
현재: 대화형 AI 검색 도구의 부상
◦
Perplexity, ChatGPT와 같은 AI 기반 검색 도구는 질문에 대해 구체적이고 맥락을 고려한 답변을 제공.
◦
사용자는 정답에 가까운 정보를 빠르게 얻을 수 있으며, 인터랙티브한 검색 경험이 가능.
◦
350% 증가: 대화형 AI 도구의 사용이 급격히 늘어나며 기존 검색 방식을 대체 중.
•
전망: 검색의 패러다임 변화
◦
향후 검색은 프롬프트 엔지니어링을 통해 고도화된 결과를 제공하며, 사용자 맞춤형 검색 경험이 강화될 전망.
◦
RAG(Retrieval-Augmented Generation) 기반 시스템이 정보를 실시간으로 업데이트하고 분석하여 신뢰성과 효율성을 높임.
문서 작성: 생산성의 새로운 기준
•
이전: 수작업 중심의 문서 작성
◦
워드 프로세서와 수동 교정을 사용한 전통적인 문서 작성 방식.
◦
문서 작성 속도와 품질 모두에서 한계가 있었으며, 반복 작업이 많았음.
◦
조사 결과: 이 방식의 사용은 최근 24% 감소.
•
현재: AI 기반 문서 작성 및 편집
◦
ChatGPT, Jasper, Grammarly AI와 같은 도구는 자연어 생성(NLG)을 통해 초안 작성부터 편집까지 자동화.
◦
문서 작성 및 교정 시간 단축, 문법 및 문체 개선이 가능하며, 사용 사례는 385% 증가.
◦
AI 도구는 맞춤형 톤과 스타일을 제공하여 사용자의 요구에 더 부합하는 결과물을 만듦.
•
전망: AI와 협업하는 문서 작성
◦
AI 도구는 향후 문서 관리와 콘텐츠 전략을 포함한 업무 전반을 지원.
◦
협업형 AI 플랫폼은 팀 구성원 간의 의견 조율 및 피드백 프로세스를 자동화할 가능성을 열어줄 것.
코드 작성: 개발 방식의 혁신
•
이전: 검색 기반의 개발 환경
◦
StackOverflow, Google Search와 같은 커뮤니티를 활용한 코드 작성.
◦
검색 트래픽의 의존도가 높았으며, 필요한 코드를 찾아 수동으로 조정해야 하는 한계가 존재.
◦
최근 조사: 개발 커뮤니티 트래픽 24% 감소.
•
현재: AI 기반 코드 작성 도구
◦
ChatGPT, Cursor, Copilot 등의 코드 어시스턴트는 코드 생성, 디버깅, 최적화를 실시간으로 지원.
◦
반복 작업이 줄어들고, 개발 속도가 180% 증가하며 생산성이 크게 향상됨.
◦
코드 어시스턴트는 특정 프레임워크와 API에 맞는 코드를 자동 생성하여 초보 개발자부터 전문가까지 활용 가능.
•
전망: 자동화된 코드 작성의 미래
◦
AI 도구는 코드 리뷰와 협업 기능을 통해 팀의 작업을 조율하고, 효율성을 극대화.
◦
LLM 기반 개발 플랫폼은 복잡한 시스템 아키텍처 설계와 관리까지 확장될 가능성이 높음.
◦
향후에는 "자동화 + 인간의 창의성"이 결합된 하이브리드 코딩 환경이 주류를 이룰 전망.
멀티에이전트가 연구 보고서를 작성하는 방법
•
다음과 같은 랭 그래프 모듈들로 구성되어 있는 것들은
TeddyNote님의 발표 자료
•
10센트의 가격으로 9분만에 연구에 대한 보고서를 많은 에이전트가 협력해서 작성을 하게 된다.
TeddyNote님의 발표 자료
생산성 변화
정체된 생산성의 문제
•
모바일 시대 이후: 디지털 기술과 플랫폼이 급격히 확산되었지만, 생산성 향상에는 크게 기여하지 못했다.
•
2006년~2019년 생산성 둔화:
◦
생산성 증가율이 연평균 2.8%에서 1.3%로 감소.
◦
디지털 상품과 서비스의 경제적 잠재력이 제대로 발휘되지 못했다는 비판이 존재.
•
S&P 500 기업의 근로자당 생산성:
◦
매출 $1M당 직원 수가 2008년 이후 약 5명 수준에서 변화가 없었으며, 2019년에는 오히려 증가.
◦
이는 기존 디지털 혁신이 근로자 생산성 향상에 한계를 보였음을 시사.
COATUE - AI: The Coming Revolution - 연도별 인당 생산성
생산성 개선 연구 사례
•
MIT 연구 결과 - 보도 자료, 이메일, 짧은 보고서, 분석 계획서 등의 일반적인 업무에서 Gen AI 사용 생산성 비교
◦
작업시간이 거의 절반(30분 → 17분)으로 줄었으며
◦
평가 점수가 4 → 4.7로 올랐다.
•
골드만삭스 경제학자들은 생성 AI가 노동 생산성을 연간 1.5%가량 증가시킬 수 있다며, 이는 사실상 현재 속도에서 두 배에 해당한다는 결론을 내렸다.
•
지표
◦
개발 생산성 부문
▪
Copilot 사용 시 개발자들 작업 속도 56% 향상
▪
AI 이용 프로그래머들은 주당 최대 126% 더 많은 프로젝트를 코딩
실제로 필자가 적용하고 있는 방식
이제는 코딩의 대부분은 AI가 대신 할 것이다.
프로그래머들의 역할은 Code Assistant의 코딩의 방향 지정, 구조 설계, 지침 생성일 것이다.
실제로 1~2년전보다 더 많은 프로젝트를 두 배 가량 많이, 심지어 병렬로 여러 프로젝트를 수행하고 있다.
◦
업무 숙련도 격차 축소
▪
생성형 AI 도구 활용 노동자들은 이전보다 생산성을 평균 14% 개선
▪
가장 숙련도가 낮은 노동자들의 생산성이 제일 크게 약 35% 개선
▪
가장 숙련도가 낮은 직원과 가장 숙련도가 높은 직원 간의 격차를 줄이는 과정에 도움
◦
업무 효율성 개선
▪
AI를 이용한 비즈니스 전문가들은 시간당 59% 더 많은 업무 문서 작성
▪
월마트의 경우 직원들의 생산성을 최대 15%까지 개선
생성형 AI의 업무 생산성
•
지금 하고 있는 업무 중에서 약 30%의 시간은 자동화 될 것
McKinsey Global Institute (2023) - Generative AI
AI 도입으로 인한 일자리 변환
생성형 AI의 국내 기업 도입율
•
국내 기업/기관 72%
한국IDC AI Survey 2024
국가별 자동화 도입 시나리오
•
자동화 도입은 임금 상승으로 인해 경제성을 빠르게 확보할 수 있는 선진국에서 더 빠르게 이루어질 것이다.
McKinsey (2023) - The economic potential of gen ai
미래 일자리 전망
•
자동화로 인한 일자리 손실
◦
1990년 이래로 직원 노동 비용은 200% 이상 상승했다. 한편, 로봇 비용은 50% 이상 하락했다.
•
인공지능 전문가 일자리 전망
◦
인공지능 전문가 수요는 2018년부터 2028년까지 8% 증가할 것으로 예상된다.
•
World Economic Forum 2023 ~ 2027 일자리 전망
성장 직종 TOP 10 | 감소 직종 TOP 10 (약 2.38%) | |
1 | AI 및 머신러닝 전문가 | 은행 창구직원 (0.1%) |
2 | 지속 가능성 전문가 | 우편 서비스 직원 (0.02%) |
3 | 비즈니스 인텔리전스 분석가 | 출납원 및 티켓 사무원 (1.02%) |
4 | 정보보안 분석가 | 데이터 입력 사무원 (0.04%) |
5 | 핀테크 엔지니어 | 비서 및 행정보조원 (0.39%) |
6 | 데이터 분석가 및 과학자 | 회계 및 급여 사무원 (0.39%) |
7 | 로봇공학 엔지니어 | 텔레마케터 (0.03%) |
8 | 전기전자공학 엔지니어 | 일반 사무 직원 (0.39%) |
9 | 농업장비 운영자 | 보험 인수심사원 |
10 | 디지털 전환 전문가 | 통계 및 재무 사무원 |
생성형 AI 활용 비용대비 가치 잠재력
•
분야별 상이한 가치 잠재력을 가지고 있다.
•
모든 부야에서 잠재력이 전부 동일한게 아니고 효율성도 다르다.
•
생성형 AI 사용 사례에서 연간 총 75%의 가치를 차지하고 있는 직무
◦
고객 운영
◦
마케팅 및 영업
◦
소프트웨어 엔지니어링 및 연구 개발
일자리 변화
1.
탄력적이고 성장하는 직종(약 36% 차지 - 의료, 기술, 운송 분야)
주요 요인 | 각 프로필 내의 직업 카테고리 |
인구 고령화에 따른 의료 수요 증가 | 의료 전문가 및 기술자 |
디지털화 및 기술을 향한 추진 | STEM 전문가: 과학, 기술정보, 공학, 수학 |
라스트 마일 배송에 대한 수요 | 관리자 |
운송 서비스 | |
비즈니스 및 법률 전문가 |
2.
정체되어 있지만 성장하는 직업(약 25% 차지 - 예슬, 건축, 친환경, 교육)
주요 요인 | 각 프로필 내의 직업 카테고리 |
인프라에 대한 투자 및 탄소중립 전환 | 빌더 |
재교육에 대한 수요와 평생 학습 | 크리에이티브 및 예술 관리 |
부동산 유지 관리 | |
기계 설치 및 수리-커뮤니티 서비스 | |
교육 및 인력 훈련 | |
농업 |
3.
현재 인기 있는 직업이지만 감소하는 직업(약 36% - 생산, 고객서비스, 사무)
주요 요인 | 각 프로필 내의 직업 카테고리 |
자동화 도입 | 생산 작업 |
지속적인 이커머스 트렌드 | 식품 서비스 |
고객 대면 역할의 필요성 감소 고객 대면 역할의 필요성 감소 | 고객 서비스 및 영업 |
사무실 지원 |
AI를 활용한 업무 효율성 증대 방안
•
블필요한 반복 업무를 찾는다
→ 이를 도와 줄 A 도구를 찾아 적용해 본다.
•
당장 할 수 없는 일이지만 결국 해야 하는 일을 중요한 일을 찾는다
→ 이를 도와 줄 A 도구를 찾아 적용해 본다.
•
초기에는 많은 학습시간과 적용/실패
→ 반복하여 점차 고효율 집중 시간을 늘려나간다.
1. 반복적이고 시간이 많이 소요되는 업무 줄이기
•
자동화 도구 활용
◦
RPA(Robotic Process Automation): 단순 반복 업무를 자동화하여 생산성을 향상시키는 도구.
▪
MAKE, Zapier, Power Automate: 문서 분류, 간단한 회계 처리, 고객 문의 응대 등의 업무를 자동화하여 시간 절약.
▪
Chatbots: 자연어 처리 기반의 챗봇을 통해 고객 서비스 자동화.
◦
성과: 직원들은 창의적이고 고부가가치 활동에 집중할 수 있는 시간을 확보.
•
업무 프로세스 최적화
◦
AI 기반 프로젝트 관리 툴:
▪
Asana: AI를 활용한 실시간 프로젝트 진행 상황 분석 및 우선순위 관리.
▪
Motion: AI 기반 작업 스케줄링으로 팀 효율성 향상.
▪
Clickup: 데이터 자동 채우기, 프로젝트 요약 자동화 등 AI 비서 기능 제공.
◦
효과: 협업과 의사소통 개선, 업무 흐름의 병목현상 제거.
2. 중앙 집중식 지식 허브 구축
•
개인화된 지식 관리
◦
Notion, Obsidian:
▪
정보 검색 시간 최대 75% 감소 효과.
▪
데이터를 연결하는 지식그래프 기능으로 노트 간 관계를 시각화.
▪
써드 파티 플러그인을 통해 ChatGPT 같은 AI와 통합.
▪
개인화된 RAG(Retrieval-Augmented Generation) 구축으로 외부 데이터와 내부 데이터 간 연계 강화.
•
경쟁력 확보
◦
개인화된 지식(know-how)을 빠르게 구축하면 다른 사람과의 차별화를 확보할 수 있음.
◦
지식 베이스는 지속적으로 업데이트 가능하며, 향후 지식의 체계적인 관리와 활용을 돕는 도구로 발전 가능.
3. AI 도구 활용: 할 수 없었던 일> 할 수 있는 일. (사례: 데이터 분석)
•
데이터 분석에서 AI의 역할
◦
미래 예측과 의사결정 최적화:
▪
AI는 과거 데이터를 기반으로 트렌드를 분석하고, 잠재적 위협 요소를 사전에 파악.
▪
비즈니스 경쟁력 강화를 위해 실시간 변화에 신속히 대응 가능.
•
노코드 기반 데이터 분석 도구
◦
Power BI: Microsoft Copilot으로 자연어 명령을 통해 데이터 분석과 보고서 생성 가능.
◦
Tableau: 자연어 쿼리로 데이터 시각화 및 분석.
◦
MonkeyLearn: 텍스트 데이터 분석에 특화되어 코딩 없이 분석 모델 구축 가능.
•
생성형 AI 활용 데이터 분석
◦
ChatGPT: 업로드한 데이터를 기반으로 파이썬 코드를 자동 생성하고 분석 실행.
◦
Claude: 자연어로 요청하여 데이터 처리 및 인사이트 도출.
◦
Akkio: GPT-4 기반 질문 응답형 데이터 분석 및 시각화 도구.
핵심 역량
공감능력
•
의료 및 STEM 직종에서 사회적 및 감성적 기술에 대한 수요가 급증하고 있음
•
공감은 의료 분야에서 오랜 시간 동안 중요한 역할을 해왔으며, 디지털 시스템의 확장에도 불구하고 앞으로도 필수적인 요소로 남을 것이다.
◦
최근 연구에 따르면 2002년과 2016년 사이, 의료 직종에서 디지털 콘텐츠 사용이 40% 이상 증가하였다.
•
기술 변화는 직무 내에서 사람들에게 더 많은 시간과 기회를 제공한다.
소매업 종사자는 결제 처리 시간을 줄여 고객 지원에 더 많은 시간을 할애할 수 있다.
◦
의료 종사자는 보험 서류 작성에 소요되는 시간을 환자와의 소통에 집중할 수 있게 된다.
◦
관리자는 관리 업무를 간소화하여 팀 코칭과 협업에 더 많은 시간을 투자할 수 있다.
•
상사에게 가치를 인정받고 소속감을 느끼는 것은 직장에 대한 직무 만족도와 지속적인 근무 의사에 큰 영향을 미친다. 특히, 관리자의 직원 개발 및 팀 빌딩에 대한 관심이 중요한 시점이다.
인지능력
•
사람들이 생각하고 문제를 해결하는 과정에서 발휘되는 정신적 능력
◦
중요 요소
▪
주의력
▪
기억력
▪
논리적 사고
▪
문제 해결
▪
언어 이해
▪
의사결정 능력
•
대량의 데이터와 복잡한 알고리즘을 비판적으로 해석하고 평가하는 능력이 필요하다.
•
AI의 발전으로 단순 업무는 자동화되지만, 창의적 문제 해결 및 기존 지식의 재구성 능력이 더욱 중요해진다.
•
AI와 인간이 협력하여 최적의 결과를 도출하는 능력이 핵심 역량으로 떠오르고 있다.
◦
AI와 인간의 상호작용에서 중요한 역량은 비판적 사고를 통해 정보량 속에서 올바른 결정을 내리고, 복잡한 문제를 해결하는 것이다.
문제 정의 능력
•
문제 정의는 어떤 상황을 명확한 문제로 규명하고, 핵심 요소와 목표를 설정해 전략을 수립하는 과정이다.
•
문제 정의의 중요성은 명확한 목표를 설정하고, 이를 통해 효율적인 해결책을 도출하는 데 있다.
◦
구체적이고 측정 가능한 목표를 설정하여 AI 프로젝트의 성공을 이끌 수 있다.
•
체계적인 접근이 없다면, 고급 도구들을 사용해도 실질적인 성과를 내기 어려운 경우가 많다.
•
명확한 문제 정의는 복잡한 상황 속에서 올바른 방향과 우선순위를 제시해, AI 기술을 의미 있게 활용할 수 있게 만든다.
프롬프트
•
검색보다 좋은 검색 쿼리 작성 능력이 중요해지고 있다.
•
향후 5년간, 정보 검색 시스템(RAG)이 대부분 도입 및 고도화될 것이다. 이로 인해 검색 결과는 더 효율적이고 고품질로 제공될 것이다.
•
프롬프트 엔지니어링은 AI와 인간 사이의 전략적 상호작용을 가능하게 하며, AI의 성능을 극대화하는 데 필수적인 역량이다.
◦
AI와의 효과적인 커뮤니케이션을 통해 더 정확하고 관련성 높은 결과를 유도할 수 있다.
◦
프롬프트 작성 능력은 차별화된 경쟁력을 제공한다.
도메인 지식
•
데이터의 편향성과 오류를 확인하는 능력이 중요한 역량으로 떠오르고 있다.
•
도메인 지식이 바탕이 되면, 데이터에서 유의미한 정보와 적합한 모델을 선택할 수 있다.
•
분석 결과를 실무에 맞게 해석하고 신뢰성을 높이는 역할을 한다.
•
도메인 전문가와 AI 전문가 간의 협업을 통해 더 나은 의사결정을 내리고, 효율적인 문제 해결이 가능해진다.
새로운 기술에 대한 습득 능력
•
기술 리터러시(기술을 이해하고 활용하는 능력)는 이제 모든 직종에서 필수 역량이다.
•
빠르게 변화하는 기술 환경에서 적응하고 경쟁력을 유지하기 위해서는 지속적인 학습이 필수적이다.
•
AI와 디지털 기술이 빠르게 발전하면서, 향후 5년 내에 직무 관련 기술의 44%가 변화할 것으로 예측되고 있다. 이로 인해 새로운 기술을 신속하게 습득하고 적용하는 능력이 중요해질 것이다.
•
새로운 기술 습득은 문제 해결력을 확장시키고, 더 복잡한 문제를 해결할 수 있는 기회를 제공한다.
AI 러닝커브
•
1단계: 100% 시작
◦
초기 호기심과 의욕으로 모두 참여
•
2단계: 60% (40% 포기)
◦
기초 개념을 접하면서 생각보다 어려운 걸 느낌.
◦
집중 시간이 많이 필요함을 깨닫고 일부 포기
•
3단계: 40% (20% 포기)
◦
진도를 뽑으려면 꾸준한 노력이 필요하다는 것을 실감
•
4단계: 25% (15% 포기)
◦
응용 능력, 실제 프로젝트 적용 능력이 필요
◦
지속 가능한 학습 습관과 인내심이 없으면 따라오기 어려워짐
•
5단계: 15% (10% 포기)
◦
심층적인 연구나 고급 알고리즘, 실제 산업 수준의 문제 해결 능력까지 요구.
◦
상당한 전문성 확보
