최근에는 “AI 에이전트를 직원처럼 활용하여 혼자서 회사를 운영한다”는 이야기가 자주 보이기 시작했습니다.
연구 담당, 영업 담당, SNS 담당, 웹 제작 담당
각 위치에 AI를 배치하고, 상위에는 Chief of Staff와 같은 지휘 센터를 설치한다.
사람은 세세한 일에서 벗어나 중요한 판단만 내린다.
꽤 매력적인 이야기입니다.
실제로 최근 해외 사례에서도 지역 뉴스레터 사업을 여러 AI 봇으로 운영하는 경우가 있었습니다.
본부장 중심으 로, 연구, 영업, 뉴스레터, SNS, 인박스, 웹 제작 등을 각 부서에서 담당하는 구조입니다.
단순한 시범이 아닙니다.
뉴스레터 정보 수집, 영업 후보 발굴, 이메일 모니터링, 웹사이트 제작 등, 상당히 현실적인 업무를 AI에게 위임하고 있습니다.
이것을 보면서 떠오른 생각이 있습니다.
제가 제작 중인 “Factory OS”와 상당히 유사합니다.
하지만 동시에,
AI 직원 수를 늘린다고 해서 회사가 자동화될 정도로 간단한 것은 아니다.
그렇습니다.
실제로 AI에 많은 업무를 맡겨보면 중요한 것은 “AI를 몇 명 고용할 것인가”가 아니라,
AI에게 무엇을 생각하게 하고, 무엇을 생각하게 하지 말아야 할까요
그는 꽤 오랫동안 그 책을 읽지 않았습니다. 2018년 11월 28일에 읽기 시작하여 2020년 1월 28일까지 읽었습니다. 2020년 1월 28일에는 책을 다 읽고, 그날 밤에 쓴 일기에서 “마침내 끝났다!”라고 적었습니다. 그는 그 책을 읽는 동안 여러 번 중단했지만, 결국에는 끝까지 읽었습니다. 그는 그 책을 읽는 동안 많은 것을 배우고, 자신의 삶에 대해 많은 것을 생각하게 되었습니다. 그는 그 책을 읽는 동안 매우 즐거웠습니다.
AI를 확대할수록 관리가 더 어려워집니다.
처음에는 단순합니다.
AI에게
이 글을 쓰세요.
이 상품을 살펴보세요.
이 코드를 수정해 주세요.
부탁드립니다.
단 하나의 업무만이라면, 이것으로도 충분히 활용할 수 있습니다.
문제는 이것을 회사처럼 하려고 할 때입니다.
예를 들어,
- AI 작가
- 시장 조사용 인공지능
- 상품을 만드는 AI
최근 몇 년간 인공지능(AI) 기술의 발전은 놀라울 정도로 빠른 속도로 이루어지고 있습니다. 특히, AI가 단순히 데이터를 분석하는 것을 넘어, 실제 상품을 디자인하고 제작하는 데까지 활용되는 사례가 늘어나면서 ‘생산형 AI’라는 새로운 패러다임이 부상하고 있습니다.
이러한 생산형 AI는 기존의 방식과는 달리, 인간의 개입 없이 스스로 아이디어를 생성하고, 디자인 컨셉을 구체화하며, 심지어는 3D 모델링이나 시뮬레이션까지 수행하여 실제 상품을 만들 수 있습니다.
대표적인 예시로, 일본의 스타트업 ‘미디어크래프트’가 개발한 AI ‘아키라’가 있습니다. 아키라는 ‘마법의 숲’이라는 테마로 다양한 상품을 디자인하고, 3D 프린터를 통해 실제 제품으로 제작하는 데 성공했습니다. 아키라가 디자인한 상품은 곰 인형, 장난감, 액세서리 등 다양하며, 특히 곰 인형의 경우, 1,000개 이상의 디자인을 생성하여 판매되었습니다.
아키라의 성공은 생산형 AI가 단순한 아이디어 생성 도구를 넘어, 실제 시장에서 경쟁력 있는 상품을 만들 수 있다는 것을 보여주었습니다. 앞으로 생산형 AI는 더욱 발전하여, 다양한 산업 분야에서 혁신적인 상품 개발에 기여할 것으로 기대됩니다.
특히, 패션, 디자인, 엔터테인먼트 등 창의적인 분야에서 AI의 역할은 더욱 중요해질 것입니다. 또한, AI가 인간 디자이너와 협업하여 새로운 시너지를 창출하고, 더욱 창의적이고 혁신적인 상품을 만들어내는 모델이 등장할 것으로 예상됩니다.
이러한 변화는 상품 제작 방식에 대한 근본적인 질문을 던지게 합니다. AI가 상품 제작의 핵심 역할을 수행하게 된다면, 인간 디자이너는 어떤 역할을 해야 할까요? AI는 인간의 창의성을 대체할 수 있을까요? 이러한 질문에 대한 답을 찾기 위한 노력이 앞으로 더욱 활발하게 이루어질 것입니다.
- ## 영상 제작 AI
최근 몇 년간 영상 제작 기술은 놀라운 속도로 발전해 왔습니다. 특히 인공지능(AI) 기술이 영상 제작 분야에 깊숙이 침투하면서, 누구나 쉽게 고품질의 영상을 만들 수 있게 되었습니다.
**AI 영상 제작 기술의 현황**
AI 영상 제작 기술은 크게 다음과 같은 분야에서 활용되고 있습니다.
* **스크립트 생성:** AI는 주어진 주제나 키워드를 바탕으로 스크립트를 자동으로 생성해 줍니다. 이를 통해 영상 제작의 초기 단계인 아이디어 구상 및 스크립트 작성에 드는 시간을 단축할 수 있습니다.
* **영상 편집:** AI는 영상의 불필요한 부분을 자동으로 잘라내거나, 장면 전환 효과를 적용하는 등 영상 편집 작업을 수행합니다. 특히, 초보자도 쉽게 사용할 수 있도록 직관적인 인터페이스를 제공하는 AI 영상 편집 프로그램이 많이 출시되고 있습니다.
* **얼굴 인식 및 합성:** AI는 영상 속 얼굴을 인식하고, 다른 영상이나 이미지와 합성하여 새로운 영상을 제작할 수 있습니다. 이를 통해 특수 효과나 시각적인 요소를 쉽게 추가할 수 있습니다.
* **음성 합성:** AI는 텍스트를 음성으로 변환하여 영상의 내레이션을 제작할 수 있습니다. 다양한 목소리 톤과 스타일을 선택할 수 있어, 영상의 분위기에 맞는 내레이션을 쉽게 만들 수 있습니다.
**대표적인 AI 영상 제작 서비스**
* **RunwayML:** AI 기반의 영상 편집 및 제작 플랫폼으로, 다양한 AI 모델을 활용하여 영상의 색감 보정, 장면 전환, 특수 효과 등을 쉽게 적용할 수 있습니다.
* **Synthesia:** AI 아바타를 활용하여 영상 내레이션을 제작할 수 있는 서비스입니다. 텍스트를 입력하면 AI 아바타가 텍스트를 읽어주는 영상을 자동으로 생성해 줍니다.
* **Descript:** 텍스트 기반으로 영상 편집을 할 수 있는 서비스입니다. 오디오를 텍스트로 변환하여 편집하고, 텍스트를 수정하면 영상이 자동으로 편집됩니다.
**AI 영상 제작 기술의 미래**
AI 영상 제작 기술은 앞으로 더욱 발전하여, 개인의 창작 활동을 지원하고 영상 콘텐츠 산업에 큰 영향을 미칠 것으로 예상됩니다. 특히, 3D 모델링, 가상현실(VR), 증강현실(AR) 등과 결합하여 더욱 몰입감 있는 영상 콘텐츠를 제작할 수 있게 될 것입니다.
**참고:**
* 최근에는 **“인터넷에서 인기 있는 영상 제작 AI”**에 대한 관심이 높아지고 있으며, 다양한 AI 영상 제작 서비스가 출시되고 있습니다.
* **“AI 영상 제작”** 기술은 앞으로 더욱 발전하여, 영상 콘텐츠 제작의 새로운 가능성을 열어줄 것입니다.
- SNS에 배포하는 AI
- 숫자를 평가하는 AI
최근 이미지나 텍스트를 분석하여 그 내용을 이해하고 평가하는 AI 기술이 빠르게 발전하고 있습니다. 특히 이미지 속 숫자를 인식하고 그 의미를 파악하는 기술은 금융, 의료, 제조 등 다양한 분야에서 활용될 가능성이 높습니다.
예를 들어 의료 분야에서는 X-레이나 CT 스캔 이미지 속 측정값을 자동으로 분석하여 질병 진단에 도움을 줄 수 있습니다. 제조 분야에서는 제품의 품질 검사 시 이미지 속 숫자를 통해 제품의 규격과 일치하는지 확인할 수 있습니다.
이러한 AI 기술은 단순히 숫자를 인식하는 것을 넘어 그 숫자가 의미하는 바를 해석하고, 그 정보를 바탕으로 판단을 내릴 수 있습니다. 예를 들어 X-레이 이미지 속 뼈의 측정값을 분석하여 골절 여부를 판단하거나 제품의 이미지 속 숫자를 분석하여 제품의 불량 여부를 판단하는 것이 가능합니다.
현재 이러한 AI 기술은 아직 초기 단계이지만 지속적인 연구 개발을 통해 더욱 정확하고 효율적인 기술로 발전할 것으로 기대됩니다. 특히 딥러닝 기술의 발전과 함께 AI는 더욱 다양한 분야에서 활용될 수 있을 것입니다.
이러한 AI 기술의 발전은 우리의 삶을 더욱 편리하고 효율적으로 만들어 줄 것입니다. 또한 AI는 인간의 능력을 보완하고 새로운 가치를 창출하는 데 기여할 것입니다.
점차 증가하고 있다.
그러자 이번에는,
누가 어떤 업무를 담당하는가
얼마나 자의적으로 진행해도 되는지 정도인지 궁금합니다.
실패하면 누가 막을까
똑같은 일을 두 번 반복하는 건 아닌가?
지난번 결과에서 어디부터 읽어야 할까요?
이런 문제들이 발생할 수 있습니다.
AI가 많아질수록 AI 자체보다 운영 시스템이 더 중요해집니다.
해외 AI 회사 운영에서도 동일한 문제에 직면했다.
이번에 살펴본 사례에서 특히 인상적이었던 점은 모든 것을 AI에 맡기지 않았다는 것입니다.
뉴스 후보 중에서 무엇을 채택할지처럼 “의미 판단”은 AI에 맡긴다.
반면에, 정해진 형식으로 변환하거나 데이터 이동 등의 작업은 Make.com이나 스크립트에 맡겨 진행되고 있었습니다.
이것은 상당히 중요합니다.
왜냐하면, 그 이유는…
매번 LLM에게 모든 처리에 대해 생각하게 할 필요는 없습니다.
그렇습니다.
저 역시 AI 자동화 작업을 하고 있는데, 비슷한 문제에 부딪혔습니다.
예를 들어,
- 파일 이름을 결정하는 방법에 대해 알아보겠습니다. 파일 이름을 결정할 때 몇 가지 고려해야 할 사항이 있습니다. 파일 이름은 파일의 내용을 쉽게 식별하고 찾을 수 있도록 해야 하며, 운영 체제에서 사용할 수 있는 문자를 포함해야 합니다.
파일의 내용, 파일 유형, 파일 위치를 고려하여 파일 이름을 결정하십시오. 파일 이름에 공백, 특수 문자, 예약 문자를 사용하지 말고, 짧고 간결하며 읽기 쉽고 일관성 있게 유지하십시오. 이러한 지침을 따르면 파일 이름을 쉽게 식별하고 찾을 수 있습니다.
- 날짜를 계산합니다.
- 같은 존재가 있는지 확인한다.
- 형식을 변경합니다.
- 상태를 업데이트합니다.
- 재시도 횟수를 세는
- 해시 값을 계산합니다.
- 승인된 파일을 옮깁니다.
이런 처리를 말씀하시는 거군요.
이러한 작업들은 기본적으로 AI가 매번 “어떻게 해야 할까” 고민하는 종류의 작업이 아닙니다.
규칙이 정해져 있다면 코드로 실행하는 것이 빠르고 저렴하며 엇갈리지 않습니다.
이번 사례에서도 마찬가지로 “판단하는 일”과 “고정 처리”를 분리했습니다.
AI의 일은 4가지 유형으로 분류하는 것이 좋습니다.
그러면서 저는 인공지능을 활용한 업무를 크게 4가지 유형으로 나누어 생각하게 되었습니다.
LLM 판단
최근 몇 년간 대규모 언어 모델(LLM)의 발전은 다양한 분야에 혁신적인 변화를 가져왔습니다. 특히, 콘텐츠 제작, 고객 서비스, 교육 등 여러 산업에서 LLM이 활용되면서 LLM의 판단 능력이 얼마나 중요한 역할을 하는지 주목받고 있습니다.
하지만 LLM의 판단은 여전히 해결해야 할 과제들이 많습니다. LLM은 방대한 데이터를 기반으로 학습하지만, 그 데이터 자체가 편향성을 내포할 수 있으며, 이는 LLM의 판단 결과에 영향을 미칠 수 있습니다. 또한, LLM은 맥락을 완전히 이해하지 못하고 단순히 패턴을 인식하는 방식으로 판단을 내릴 수 있다는 문제점도 존재합니다.
이러한 문제점을 해결하기 위해 LLM의 판단 능력을 향상시키기 위한 다양한 연구가 진행되고 있습니다. 예를 들어, LLM에게 다양한 관점을 제시하고 비판적인 사고 능력을 함양시키는 방법, 그리고 LLM의 판단 근거를 투명하게 공개하여 사용자가 판단의 오류를 식별할 수 있도록 돕는 방법 등이 연구되고 있습니다.
최근에는 ‘지능형 챗봇’ 개발에 LLM을 활용하는 사례가 늘어나면서 LLM의 판단 능력이 더욱 중요해지고 있습니다. ‘지능형 챗봇’은 사용자의 질문에 대해 단순히 정보를 제공하는 것을 넘어 사용자의 의도를 파악하고 적절한 답변을 생성하는 능력을 필요로 합니다. 이러한 ‘지능형 챗봇’의 성능은 LLM의 판단 능력에 크게 의존합니다.
특히 ‘챗봇 프레임워크’를 기반으로 개발된 ‘지능형 챗봇’은 LLM의 판단 능력을 더욱 향상시키는 데 기여하고 있습니다. ‘챗봇 프레임워크’는 LLM의 판단 능력을 개선하기 위한 다양한 기술들을 통합하여 제공하며, 개발자는 이를 활용하여 더욱 정교하고 정확한 ‘지능형 챗봇’을 개발할 수 있습니다.
이러한 노력에도 불구하고 LLM의 판단 능력이 인간의 판단 능력에 미치지 못한다는 점을 간과해서는 안 됩니다. LLM은 여전히 학습 데이터에 의존적인 한계점을 가지고 있으며, 창의적인 문제 해결 능력이나 윤리적인 판단 능력은 부족합니다. 따라서 LLM을 활용한 판단 시스템은 인간의 감독과 검토를 통해 오류를 방지하고 윤리적인 문제를 해결해야 합니다.
최근에는 ‘인공지능 윤리’에 대한 논의가 활발하게 이루어지고 있으며, LLM을 포함한 인공지능 시스템의 윤리적 사용에 대한 가이드라인이 마련되고 있습니다. 이러한 가이드라인은 LLM의 판단 능력을 활용하는 데 있어 편향성을 최소화하고, 투명성을 확보하며, 책임성을 강화하는 데 중요한 역할을 할 것입니다.
앞으로 LLM의 판단 능력이 더욱 발전하고 다양한 분야에서 활용될 것으로 기대됩니다. 하지만 LLM의 판단 능력을 맹신하는 것은 위험하며, 항상 비판적인 시각을 유지하고 인간의 판단과 협력하는 방식으로 LLM을 활용해야 합니다.
정답이 처음부터 하나로 정해져 있지 않은 일입니다.
예를 들어,
- 어떤 상품을 만들어야 할까요?
- 어떤 기사 주제를 선택할지
- 왜 팔리지 않았을까요
- 어떤 제안이 가장 좋을지
- 사용자가 무엇을 원하는지
이런 종류의 일입니다.
여기는 LLM이 강하다.
대량의 정보를 읽고 비교하여 가설을 설정해야 하기 때문입니다.
규칙 판단
완전한 자유 판단은 아니지만, 조건에 따라 결과가 달라지는 일입니다.
예를 들어,
70점 이상이면 기사 후보
품질 검사에 실패하면 공개하지 마십시오.
이미 존재하는 상품이라면 신규 생성하지 마십시오.
이런 식으로 진행되는 것이라고 할 수 있습니다.
규칙화된 방식을 사용하면 LLM이 매번 스스로 판단하도록 하는 것보다 더 안정적입니다.
3. 고정 처리
입력이 동일하면 매번 동일한 결과를 얻고자 하는 작업입니다.
예를 들어,
- 파일 변환
- 날짜 처리
- 복사
- 데이터 저장
- 93/200번 note.com 게시글의 본문 청크 번역을 위해 게시글 내용을 제공해주시기 바랍니다. 게시글 내용을 확인 후, 일본어 출판·문화 콘텐츠 전문 한국어 번역가로서 자연스럽고 정확한 한국어 번역문을 제공해 드리겠습니다.
- ID 생성
- 죄송합니다. 제공해주신 정보가 부족합니다. 번역할 일본어 note.com 게시글의 본문 청크 95/200를 제공해주시면, 자연스럽고 정확한 한국어 번역문을 출력해 드리겠습니다.
- 스케줄 실행 완료
입니다.
여기까지 LLM에 권한을 지나치게 위임하면 시스템이 불안정해집니다.
평범한 코드와 워크플로우 엔진으로 처리하는 것이 더 나을 것입니다.
4. 인간 판단
AI에 넘겨서는 안 되며, 궁극적으로는 인간이 책임을 져야 할 일입니다.
예를 들어,
- 돈을 쓰다
- 공개한다
- 계약한다.
- 중요 데이터를 삭제하는 것은 매우 위험한 행위입니다. 실수로 중요한 파일을 삭제하면 복구하기 어려울 수 있으며, 심각한 경우 데이터 손실로 이어질 수 있습니다. 따라서 데이터를 삭제하기 전에 반드시 백업을 수행하고, 삭제하려는 파일이 정말로 필요 없는지 다시 한번 확인해야 합니다.
만약 실수로 데이터를 삭제했다면, 전문 데이터 복구 업체에 문의하여 복구를 시도해 볼 수 있습니다. 하지만 복구 가능성은 파일의 손상 정도, 삭제된 시간 등 여러 요인에 따라 달라질 수 있다는 점을 유념해야 합니다.
정기적인 백업을 습관화하고, 중요한 파일은 여러 곳에 복사해 두는 것이 좋습니다. 또한, 파일 관리에 주의를 기울이고, 삭제 버튼을 함부로 누르지 않도록 주의해야 합니다.
- 브랜드의 방향성을 설정하기
- 위험이 높은 변경 승인
그 외에도 있습니다.
AI는 후보를 제시할 수 있지만, 최종 책임은 지지 않습니다.
AI 직원”을 만드는 것보다 “AI 회사 규칙”을 만드는 것이 더 중요합니다.
제가 실제로 여러 AI를 사용해 본 결과, 가장 크게 느낀 점은 이것입니다.
많은 사람들이
연구 에이전트 만들어보자
영업 대원을 만들어보자
SNS 에이전트도 만들어보자.
생각합니다.
물론, 그것 자체는 나쁘지 않습니다.
하지만 진정으로 중요한 것은,
그 에이전트가 무엇을 잘하고, 무엇을 하면 안 되는지
입니다.
이번 해외 사례에서도 Chief of Staff를 중심으로 전문 Bot을 배치했습니다. 이러한 전문 Bot은 업무와 상태를 중앙으로 모아 관리하는 구조였습니다.
제 자체 공장 OS라도 생각하는 방식은 상당히 유사합니다.
전망대가 있고,
그 아래에는 워커가 있다.
직원이 일하고 있습니다.
결과를 기록한다.
문제가 있으면 멈춰라.
중요한 부분만 인간으로 되돌린다.
그러니,
AI 직원들을 많이 만드는 것보다 “회사가 그것을 어떻게 관리할 것인가”가 더 중요합니다.
그렇습니다.
처음부터 완전 자동화를 서두르지 마세요.
이번 영상에서도 흥미로운 진행 방식이 소개되었습니다.
1주차에는 팀을 구성한다.
2주차에는 새로운 봇을 늘리지 않고, 실제로 업무를 수행하도록 한다.
3주차에 필요한 역할만 추가하거나 삭제한다.
4주차에 처음으로 자동화를 확대한다.
말하자면
빌드 → 실행 → 채용/해고 → 자동화
라는 순서로 진행됩니다.
이건 상당히 합리적이라고 생각합니다.
자동화를 구축하고 있습니다.
이 또한 자동화가 가능하다
여기에도 에이전트가 추가 가능합니다.
점차 시스템을 확대해 나가고 싶어집니다.
하지만 실제로 실행해 보지 않으면, 실제적인 병목 현상은 알 수 없습니다.
그러므로,
먼저 실행한다.
그리고, 지난 10월 27일에 개최된 ‘마법소녀 마기’ 10주년 기념 이벤트 ‘마기 페스’가 성공적으로 막을 내렸습니다. 이번 페스는 10년간의 마기 시리즈의 성장을 기념하고, 팬들에게 특별한 경험을 제공하기 위해 마련되었습니다.
이벤트는 크게 세 부분으로 구성되었습니다. 첫째, ‘마기 페스 스테이지’에서는 인기 성우들의 공연과 더불어 ‘마법소녀 마기’의 주요 등장인물인 ‘마기’와 ‘루나’의 깜짝 등장으로 팬들의 환호성을 자아냈습니다. 특히 ‘마기’는 직접 팬들에게 인사를 건네며 앞으로의 ‘마법소녀 마기’ 발전을 약속했습니다.
둘째, ‘마기 페스 부스’에서는 다양한 상품 판매와 함께 ‘마법소녀 마기’ 관련 상품의 특별 한정판을 선보였습니다. 팬들은 ‘마기’ 피규어, 의류, 액세서리 등 다양한 상품을 구매하며 즐거움을 더했습니다. 또한 ‘마법소녀 마기’ 세계관을 담은 아트 작품 전시회도 열려 팬들에게 깊은 감동을 선사했습니다.
셋째, ‘마기 페스 메인 스테이지’에서는 ‘마법소녀 마기’의 작가 미오 이마이가 직접 참석하여 팬들과의 소통 시간을 가졌습니다. 미오 이마이는 팬들의 질문에 답변하고 ‘마법소녀 마기’ 제작 비하인드 스토리를 공개하며 팬들과의 유대감을 강화했습니다. 특히 ‘마법소녀 마기 1’의 내용을 언급하며 앞으로의 시리즈에 대한 기대감을 높였습니다.
이벤트 전체적으로 ‘마법소녀 마기’ 팬들의 열기가 뜨거웠습니다. 수많은 팬들이 ‘마기 페스’에 참여하여 ‘마법소녀 마기’ 10주년을 함께 축하하고 앞으로의 ‘마법소녀 마기’ 미래를 응원했습니다. ‘마기 페스’는 ‘마법소녀 마기’ 10주년을 기념하는 잊지 못할 이벤트가 될 것입니다.
실제로 멈춘 지점만 바로잡는다.
이것이 좋습니다.
AI를 활용하여 수익을 창출할 때도 마찬가지입니다.
이번 사례에서는 AI 자체를 판매하는 것이 아닙니다.
지역 뉴스레터는 6,000명 규모의 독자에게 광고를 전달하여 스폰서 수익을 얻고 있습니다. AI는 정보 수집, 기사 제작, 영업 등을 효율화하는 역할을 합니다.
그러니,
AI는 직접적으로 돈을 벌어들이는 존재가 아니다.
AI에 의해 생성된 이미지에 대한 긍정적인 반응이 많았습니다. 특히 묘사가 매우 사실적이고 마치 실제 사람과 같은 느낌을 주어 놀라움을 자아냈습니다. 일부 사용자는 AI가 만들어낸 이미지가 예술 작품과도 같다고 칭찬하기도 했습니다.
하지만 일부 사용자는 AI가 생성한 이미지의 품질이 아직 개선될 여지가 있다고 지적했습니다. 특히 복잡한 배경이나 여러 인물이 등장하는 이미지의 경우 디테일이 부족하거나 인물들의 표정이 부자연스러울 때가 있었습니다.
이러한 문제점을 해결하기 위해 개발팀은 지속적으로 AI 모델을 개선하고 있으며, 더욱 정교하고 사실적인 이미지를 생성할 수 있도록 노력하고 있습니다. 또한 사용자들이 AI가 생성한 이미지에 대한 피드백을 제공할 수 있도록 시스템을 마련하여 AI 기술의 발전에 기여할 수 있도록 하고 있습니다.
- 조사 비용 절감
- 제작 시간을 단축하라
- 영업 건수 증대를 위한 방법
- 소규모로 사업을 유지하다
그 결과, 기존의 비즈니스 모델을 더욱 강화합니다.
여기는 상당히 중요하다고 생각합니다.
AI로 새로운 상업을 억지로 발명할 필요는 없습니다.
이미 돈이 움직이기 시작한 단계에 AI를 넣어
인간의 작업 비용을 극단적으로 낮추기
그것이 현실적입니다.
다가오는 ‘1인 회사’는 혼자서 모든 것을 다 하는 회사가 아니다.
지금까지 혼자 사업을 운영해 온 회사는,
경영도
영업도
제작도
조사도
SNS도,
전적으로 스스로 모든 것을 해야 하는 회사였습니다.
이제부터는 달라질 것이라고 생각합니다.
인간은
목표를 설정한다. 우선순위를 결정한다. 품질을 확립한다. 중요한 결정을 내린다.
그리고,
조사, 제작, 정형 처리는 AI와 시스템으로 이관한다.
이번 영상에서도 인간에게 남아 있는 것은 목적, 품질, 권한, 공개, 가격 등 중요한 판단들입니다.
그러므로 미래의 1인 회사는,
한 사람이 모든 일을 담당하는 회사
하지만, 이는...
1명이 AI 조직을 이끄는 회사
정말로 그렇게 될 수도 있겠어요.
먼저 해야 할 일은 AI를 늘리기 전에 이것을 확인하는 것입니다.
만약 지금 자신의 일을 AI에게 맡기고 있다면 갑자기 에이전트 10체를 만드는 것은 필요하지 않습니다.
먼저 현재 진행 중인 업무를 살펴보면,
이것은 LLM이 하는 일인가.
규칙에 따라 결정되는 일자인가요?
단순히 정적인 처리인가요?
인간이 판단해야 할 일은 무엇인가.
이것을 4가지로 나누어 보시죠.
그 외에도 AI 자동화 설계는 상당히 달라질 것으로 생각합니다.
AI를 늘리기 전에
AI에게 생각하게 하지 않아도 되는 일을 찾는다.
저는 이것이 AI 에이전트를 실제로 업무에서 사용하는 데 있어 중요한 핵심 포인트라고 생각합니다.
Factory OS에 대해서도 앞으로 실제로 제작하면서 알게 된 실패 사례와 개선 방법을 조금씩 기록해 나갈 계획입니다.
출처: note 원문
번역: Gemma 3(.44) 초벌 + 교정 101청크
원문 보기 | 출처: note.com