직장인을 위한 AI 입문

학습목표

• AI(인공지능)와 머신러닝, 딥러닝이 각각 무엇이고 서로 어떤 관계인지 설명할 수 있다.
• 다트머스 회의부터 두 번의 'AI 겨울(AI에 대한 관심과 투자가 크게 식은 시기)', 알렉스넷까지 AI 역사의 중요한 순간들을 말할 수 있다.

학습내용

• AI 안에 머신러닝이, 머신러닝 안에 딥러닝이 있는 포함관계와 각각의 뜻
• 튜링 테스트와 '기계가 생각할 수 있는가'라는 오래된 질문
• 다트머스 제안서(1955)와 '인공지능'이라는 이름이 생긴 이야기
• 퍼셉트론(1958)의 등장과 민스키·페이퍼트의 XOR 문제 지적
• 역전파(오차를 거꾸로 되짚어 학습하는 방법)의 재발견(1986)과 신경망의 부활
• 전문가시스템의 흥망과 두 번의 AI 겨울
• 알렉스넷(2012)과 딥러닝 시대의 시작

학습목표

• 지도학습·비지도학습·강화학습이 서로 어떻게 다른지 구분해 설명할 수 있다.
• 각 학습 방식이 실제 업무나 서비스에서 어떻게 쓰이는지 예를 들 수 있다.

학습내용

• 지도학습: 정답 있는 데이터로 배우기
• 비지도학습: 정답 없이 패턴과 무리를 찾기
• 강화학습: 보상을 받으며 시행착오로 배우기
• 세 가지 방식의 대표 활용 사례와 구분 기준

학습목표

• AI가 문장을 만들어내는 데 핵심이 되는 트랜스포머·셀프어텐션의 기본 원리를 설명할 수 있다.
• 토큰화·임베딩·온도 같은 개념이 AI 답변의 성격에 어떤 영향을 주는지 말할 수 있다.

학습내용

• 셀프어텐션: 문장 속 단어끼리 서로 참고하는 방법
• 트랜스포머의 인코더·디코더 구조
• 토큰화(BPE 등)와 임베딩: 언어를 숫자로 바꾸는 방법
• 디코딩 방식(그리디·빔서치·샘플링)과 온도: AI가 답을 고르는 방법
• 컨텍스트 윈도우: AI가 한 번에 기억하는 정보의 한계
• 사전학습·미세조정·증류의 차이: AI를 학습시키고 다듬는 과정
• 멀티모달 AI: 텍스트를 넘어 이미지·음성까지 다루는 AI

학습목표

• AI 성능을 재는 시험(벤치마크)과 실제 사례를 보고, AI가 잘하는 일과 못하는 일을 구분해서 업무에 활용할 수 있습니다.
• 제로샷·퓨샷·연쇄사고 같은 프롬프트(AI에게 주는 지시문) 작성법을 실제 업무 요청에 활용할 수 있습니다.

학습내용

• 시험 점수로 보는 AI 실력의 급성장과 '들쭉날쭉한 지능'
• AI의 한계: 최신 정보 모름(지식 컷오프)·계산 실수·긴 문서 요약 시 빠뜨리는 내용
• AI에게 잘 시키는 법: 제로샷·퓨샷·연쇄사고(CoT)·역할 지정·체이닝
• AI에게 지시할 때 자주 하는 실수
• AI 말을 그대로 따랐다가 벌어진 실제 사고 사례

학습목표

• AI가 왜 그럴듯하지만 틀린 답(환각)을 하고, 왜 특정 집단에 불리한 판단(편향)을 내리는지 그 이유를 설명할 수 있다.
• 믿을 수 있는 AI를 쓰기 위해 AI 답을 확인하는 습관을 업무에 적용할 수 있다.

학습내용

• 환각이 생기는 이유: AI가 다음 단어를 확률로 예측하다 보니 생기는 부작용
• 실제 있었던 사고 사례: 법정에 제출된 가짜 판례(Mata 대 Avianca 사건)
• AI 편향의 실제 사례: 채용·재범 예측·의료비 계산에서 생긴 문제
• 믿을 수 있는 AI의 기준(NIST AI RMF)과 위험 관리
• 확인하는 습관: 출처 확인·사람이 다시 보기·RAG 활용

학습목표

• AI를 쓸 때 개인정보와 회사 정보에 어떤 위험이 있는지 설명할 수 있다.
• AI를 안전하게 쓰기 위한 실무 수칙을 지킬 수 있다.

학습내용

• 개인정보보호법과 GDPR(유럽 개인정보보호법)에서 AI와 관련된 핵심 내용
• 재식별 위험: 이름을 지운 데이터도 다시 개인을 알아볼 수 있다
• AI 서비스에서 실제로 있었던 데이터 유출 사고
• 회사 정보를 AI에 입력할 때 지켜야 할 수칙

학습목표

• 한국 AI기본법이 정하는 중요한 의무(고영향 AI 관리·투명성 확보·안전성 확보)를 설명할 수 있다.
• EU AI법과 OECD 원칙이 한국 AI기본법과 어떻게 대응하는지 비교해서 말할 수 있다.

학습내용

• 한국 AI기본법: 고영향 AI(사람에게 큰 영향을 미치는 AI)의 뜻과 사업자가 지켜야 할 책임
• 투명성을 지킬 의무·안전성을 확보할 의무·영향평가(AI가 미치는 영향을 미리 살펴보는 절차)
• EU AI법이 나누는 위험 단계(금지·고위험·제한적·최소)
• OECD가 정한 AI 원칙 다섯 가지
• 한국과 EU 법 조문 비교(사람의 감독·투명성)

학습목표

• 여러 업종에서 AI가 실제로 어떻게 쓰이고 있는지, 실제 기업 사례를 들어 쉽게 설명할 수 있습니다.

학습내용

• 금융·의료·제조·유통·물류에서 AI를 어떻게 쓰고 있는지
• 교육·미디어·고객서비스·법률·보험에서 AI를 어떻게 쓰고 있는지
• 건설·여행·공공행정·스포츠·통신·제약·회계에서 AI를 어떻게 쓰고 있는지
• 한국 기업과 공공기관은 AI를 어떻게 쓰고 있는지

학습목표

• AI 도입이 성공하거나 실패하는 이유를 조직 차원에서 설명할 수 있다.
• 책임감 있게 AI를 관리하는 데 필요한 핵심 요소를 말할 수 있다.

학습내용

• AI 도입에 실패한 사례: 질로우 오퍼스, 에어캐나다 챗봇 소송
• MIT 조사 결과: 기업 95%가 투자 대비 성과를 못 낸 이유
• AI를 잘 관리한 사례: DBS은행, KT
• 국제 표준 ISO/IEC 42001과 AI 도입 수준을 재는 방법

학습목표

• AI가 직업별로 일자리에 어떤 영향을 주는지 통계 자료로 설명할 수 있다.
• AI 시대에 필요한 능력과 다시 배워야 할 방향을 말할 수 있다.

학습내용

• 세계경제포럼(WEF)이 예상한, 늘어나는 직업과 줄어드는 직업
• AI가 업무 능률을 끌어올리는 효과: 경력이 적은 사람일수록 더 크게 얻는 이유
• 한국 사무직 일자리의 AI 대체 비율, 실제 조사 결과
• AI 능력 단계 구분(AI 시민·워커·전문가·리더)과 재교육 사례

학습목표

• AI가 실제 병원 현장에서 어떻게 쓰이고 있는지 대표 사례로 설명할 수 있다.
• AI 도입이 성공하거나 실패하는 이유를 판단·보험·현장적용 사례를 통해 이해할 수 있다.

학습내용

• nH Predict: AI가 정한 퇴원일과 보험금 거절 소송
• Cigna PXDX: 1.2초 만에 끝난 자동 심사 거절
• Epic 패혈증 예측 모델의 숨은 실패율
• 태국의 당뇨망막병증 AI: 실험실 밖에서 부딪힌 현실
• 한국 병원 AI 현주소: 인허가 549건, 급여는 8.9%

학습목표

• AI를 실무에 도입할 때 흔히 생기는 실패 유형을 실제 사례로 파악할 수 있다.
• AI가 낸 결과를 그대로 믿었을 때의 위험을 구체적 사례로 판단할 수 있다.

학습내용

• 쉐보레 대리점 챗봇 1달러 판매 사건
• DPD 배송 챗봇의 욕설·자사 비판 사건
• 맥도날드-IBM 드라이브스루 AI 종료
• 스포츠일러스트레이티드 가짜 AI 기자 사건
• 클라르나의 AI→사람 유턴
• 뉴욕시 MyCity 챗봇의 위법 조언
• 아마존 AI 채용도구 성차별 사건
• Replit AI 에이전트의 DB 삭제·은폐
• iTutorGroup AI 채용 나이차별 합의
• 윌리의 초콜릿 체험 AI 광고 사기