학습여정

AI로 할 수 있는 일을 찾는 방법

digitalian 2025. 7. 13. 22:51

“제가 학습하고 있는 다양한 강의를 정리하여, 부족하지만 공유합니다. 함께 발전하길 바랄 뿐입니다.”

비즈니스 가치와 AI 가능성의 교차점 찾기:

  • AI가 할 수 있는 것과 비즈니스에 가치 있는 것의 교차점을 찾아보세요. 이 두 가지가 만나는 지점에서 프로젝트 아이디어가 나올 수 있습니다.

 

팀 구성:

  • AI 전문가와 비즈니스 전문가로 구성된 팀을 만들어 브레인스토밍을 진행하세요. 서로의 전문 지식을 활용하여 더 나은 아이디어를 도출할 수 있습니다.

 

작업 자동화 고려:

  • 특정 작업을 자동화하는 데 집중하세요. 예를 들어, 콜센터의 전화 라우팅이나 이메일 응답과 같은 작업을 AI로 자동화할 수 있는지 검토해 보세요.

 

비즈니스의 주요 문제점 파악:

  • 비즈니스에서 해결해야 할 주요 문제점이나 고충을 파악하세요. 이러한 문제를 해결하기 위한 AI 설루션을 찾는 것이 유용할 수 있습니다.

 

데이터 활용 가능성:

  • 데이터가 많지 않더라도 시작할 수 있는 프로젝트를 고려하세요. 작은 데이터셋으로도 AI 모델을 개발할 수 있는 가능성을 탐색해 보세요.

 

기술적 실사

기술적 실사는 AI 프로젝트의 실행 가능성을 평가하는 과정으로, 다음의 주요 요소를 포함합니다:

  • 성능 목표: AI 시스템이 달성해야 할 성능 수준을 정의하고, 이를 달성할 수 있는지 전문가와 상담합니다.
  • 데이터 요구 사항: 필요한 데이터의 양과 질을 평가하고, 충분히 확보될 수 있는지를 확인합니다.
  • 개발 일정: 시스템 구축에 필요한 시간과 인력을 추정하여 자원 요구를 파악합니다.

 

아이디어 → 브레인스토밍 → 현실 가능성 판단 → 현실화 실제 리소스 확인 → 투자 조건 확인 (시간, 비용 등) → 기술 실사 → 업체 혹은 업무의 충분한 이해와 실사 → AI 전문가와 경영 전문가의 교집합 도출 → 버전별 예상 도출 결과 수립 (청사진)

 

  • AI가 할 수 있는 것을 이용해서 돈을 많이 벌 수도 있지만, 그렇다고 꼭 더 나은 사회를 만들지는 않는다. 따라서, 기술적 근면과 기업 실사 이외에도 '윤리성'실사도 수행해야 한다. AI구성중가장 중요한 것은 기술과, 프로그래밍과, 해법보다 '합의된 윤리성 시스템 확립'에 있다.
  • 여기서 '기회'는 합의된 윤리성 시스템이 확립되기 전까지 가 가장 수익성이 높다는 현실적 아이러니라는 점이다.
  • 앞으로 원시 데이터 과학 프로젝트는 '사내'에서 주로 할 것이고, 일반 기계 학습 프로젝트는 아웃소싱이나 협력이 주를 이룰 수 있다. 이유는, '원시데이터'의 비공개 독점과 보유가 곧 궁극적인 AI의 최고 자산이자 기업과 프로그램 가치의 핵심이기 때문이다.
  • 온 기업이 광고와 앱을 통해 '동의'버튼을 누르게 함으로써 당신은 무료로 학습데이터를 퍼줄 수 밖에 없고 작은 것을 사용하기 위해 큰 것을 주었다는 점을 알 수도 모를 수도 있다.
  • 데이터 시대에서는 데이터 자체가 수익이자 화폐이자 교환 조건이며 권력이 될 것이다.

 

→ 😐DG생각: 무작정 자동화 기능보다, 작업 자동화에 대한 생각을 먼저 그려보는 것입니다.즉, 자동화를 할 것과 하지 않을 것에 대한 분별력이 먼저이고, 그 기준은 시간 대비 실현가능한가?입니다. 100% AI 가 대체될 수 있는 일인가? 협력만 할 일인가? 전체 일은 인간이 관리하되 생산성 향상을 위해 스폿(spot)활용만 할 것인가? 결국, 분별하고 →  계획하고 →  설계하는 것은 바로 →  '인간'이 할 수 있는 것입니다. 인공지능 때문에 인간이 망하거나 인간세상이 무너지는 SF 영화가 그리는 이분법적이고 드라마틱한 논리는 아직은 가능성 없다고 생각합니다. 공포마케팅은 언제나 또 다른 수익창출과 소비를 견인하기때문에 우리는 거짓을 잘 판단할 수 있는 인문학적 핵심을 손에서 놓지만 않으면 되지 않을까요?

※본 요약은 ‘공정 이용(fair use)’사용 목적으로, Stanford University 의 Coursera강의 ‘모두를 위한 AI’를 수강하며 작성한 요약이며, 직접적인 강의 내용 복사, 슬라이드 캡쳐등은 저작권에 의하여 엄격히 보호됩니다. - 앤드류 응(Andrew Ng)의 강의 by Coursera Plus - "Learning Notes and Summaries by digitalian”  

저작자표시 비영리 변경금지 (새창열림)