생성형 AI 교육의 깊이는 직무가 실제로 수행하는 업무의 깊이와 함께 달라져야 합니다. 안녕하세요, 데이터다이빙입니다. 한 조직 안에서도 생성형 AI를 활용하는 목적은 서로 다릅니다. 일반직은 자료조사와 보고서 작성, Excel 업무를 효율화하는 방법이 필요하지만, 연구직은 연구과제를 발굴하고 선행연구를 검토하며 정책 대안을 구체화하는 전체 과정에서 AI를 활용해야 합니다. 특히 정책연구는 일반적인 논문 작성과도 차이가 있습니다. 현상을 분석하는 데서…
생성형 AI 교육은 새로운 도구를 배우는 것을 넘어, 조직의 업무와 의사결정에 활용할 수 있어야 합니다 안녕하세요, 데이터다이빙입니다. 금융권에서 생성형 AI를 활용하려면 새로운 도구를 익히는 것만으로는 충분하지 않습니다. 내부 보안 환경을 고려하면서도 실무자는 반복 업무를 효율화하고, 리더는 조직의 주요 사안을 판단하는 데 AI를 활용할 수 있어야 합니다. 생명보험협회는 임원·관리자와 실무자를 대상으로 ChatGPT와 Genspark를 활용한 생성형 AI…
대학 행정 AX 교육, 기능보다 교직원이 실제로 수행하는 업무를 다뤄야 합니다. 안녕하세요, 데이터다이빙입니다. 대학 행정에서는 다양한 형태의 자료가 만들어집니다. 프로그램 운영실적과 학생 수요를 바탕으로 새로운 사업을 기획하고, 졸업생의 취업현황 데이터를 정리해 지원 방향을 검토합니다. 기획한 프로그램과 행사를 학생들에게 알리기 위한 홍보 콘텐츠도 필요합니다. 이처럼 하나의 부서 안에서도 문서 작성과 데이터 분석, 콘텐츠 제작이 함께 이루어지기…
생성형 AI를 배우는 것과 자신의 업무를 바꾸는 것은 다릅니다 안녕하세요, 데이터다이빙입니다. 생성형 AI에 대한 관심이 높아지면서 업무에 AI를 적용하려는 구성원도 늘고 있습니다. 하지만 어떤 업무를 AI에 맡겨야 하는지 구분하지 않은 채 데이터를 입력하면, 그럴듯하지만 실제로 활용하기 어려운 결과물만 쌓일 수 있습니다. 특히 정해진 기준에 따라 정확하게 처리해야 하는 데이터 업무는 생성형 AI보다 Excel이나 VBA, Python과…
AI를 이해하는 임원 교육에서, 직접 업무 결과물을 만드는 교육으로 안녕하세요, 데이터다이빙입니다. 생성형 AI를 도입하는 기업이 늘어나면서 임원 교육의 방향도 달라지고 있습니다. 최신 기술의 흐름을 이해하고 조직의 도입 방향을 판단하는 것을 넘어, 마케팅 전략을 수립하거나 세일즈 데이터를 분석하는 등 임원진이 직접 수행하는 업무에도 AI를 적용해야 하기 때문입니다. 특히 소비재 기업은 시장과 경쟁사의 변화를 빠르게 파악하는 동시에,…
사내 AI 플랫폼이 생긴 다음, 필요한 것은 ‘현업이 직접 쓰는 법’이었습니다 안녕하세요, 데이터다이빙입니다. 기업이 사내 생성형 AI 플랫폼을 구축하면 임직원은 보안 기준 안에서 업무 자료를 활용할 수 있게 됩니다. 하지만 사용할 수 있는 도구가 마련됐다는 사실과, 현업 담당자가 자신의 업무를 AI Agent로 설계하고 구현할 수 있다는 것은 다른 문제입니다. 어떤 업무부터 적용해야 하는지, 어떤 문서와…
전사 AI 교육이 실제 AX로 이어지려면, 구성원의 활용 기준을 맞추는 교육과 현업 과제를 검증하는 과정이 함께 설계돼야 합니다. 안녕하세요, 데이터다이빙입니다. 제약회사의 업무에는 연구자료 조사와 생산·품질 문서 검토, 데이터 분석처럼 정확한 근거와 반복적인 확인이 필요한 영역이 많습니다. 생성형 AI를 활용하면 자료를 찾고 문서를 정리하는 시간을 줄일 수 있지만, AI가 작성한 결과를 그대로 업무에 적용하기는 어렵습니다. 답변의…
기업용 생성형 AI를 전사에 도입했다면, 다음 과제는 실제 업무에서 활용할 수 있는 방법을 만드는 것입니다. 안녕하세요, 데이터다이빙입니다. 기업에서 생성형 AI를 활용할 때는 기능만큼이나 보안이 중요합니다. 업무 자료를 활용해야 정확한 결과를 얻을 수 있지만, 외부 상용 서비스에는 내부 파일을 업로드하기 어려운 경우가 많기 때문입니다. JW그룹도 기존에는 상용 ChatGPT를 제한적으로 활용하고 있었습니다. 보안 정책상 업무 자료를 업로드할…
변화하는 산업에 맞춰 데이터를 읽는 방식과 업무를 개선하는 방식, 구성원의 판단 기준도 함께 달라져야 합니다. 안녕하세요, 데이터다이빙입니다. 2026년 7월 산업통상부는 여천NCC·롯데케미칼·한화솔루션·DL케미칼이 제출한 ‘여수 1호 사업재편’ 계획을 승인했습니다. 지난 2월 발표된 대산 1호 프로젝트에 이어 여수에서도 설비 통합과 고부가·친환경 중심의 전환이 본격화된 것입니다. 대산 이어 여수도 석유화학 사업재편 본격화, 2호 프로젝트도 정부 전방위 지원, 2026.07.22 교육의…
제조업의 AI 교육은 생산·품질·안전 데이터를 읽고 반복 과업을 자동화해 현장에 필요한 AI 에이전트를 만드는 단계까지 이어져야 합니다. 안녕하세요, 데이터다이빙입니다. 제조업에는 일정한 기준과 절차에 따라 반복되는 업무가 많습니다. 생산 데이터를 취합해 지표를 계산하고, 품질 이상을 확인하며, 공정별 위험요인과 대응 절차를 문서로 정리하는 업무가 대표적입니다. 이러한 업무는 현장에 대한 이해와 사람의 판단이 필요하지만, 자료를 찾고 분류하거나 정해진…