2025 AI 동향과 이슈로 살펴보는 AI 시대에 꼭 알아야 할 핵심용어
2025 AI 동향과 이슈로 살펴보는 AI 시대에 꼭 알아야 할 핵심용어집 AI 기술과 정책은 빠르게 변화하지만, 쏟아지는 정보 속에서 핵심 개념을 정확히 파악하기는 쉽지 않습니다. 「AI 시대에 꼭 알아야 할 핵심용어집」은 AI 동향과 이슈 이해에 필요한 핵심 용어를 체계적으로 정리한 자료입니다. 단순히 용어를 정의하는 데 그치지 않고, 각 개념이 등장한 배경과 의미, 실제 이슈와의 연결 맥락까지 함께 살펴볼 수 있도록 구성했습니다. 이를 통해 AI 기술과 정책의 흐름을 스스로 이해하고 해석하는 기초를 다질 수 있습니다. ..
지능사회 이슈분석공공부문 AI 도입 활용 사례집 및 데이터 분석 업무 가이드
공공기관의 AI 도입과 데이터기반행정 전환을 체계적으로 지원하기 위해 공공부문 ‘AI 도입․활용 사례집'과 '데이터 분석 업무 운영 가이드'를 발간하였습니다. 본 사례집과 가이드에 수록된 절차와 실증 사례를 참고하시어, 지능형 행정 서비스 구현에 적극 활용하시기 바랍니다.
ICT 동향분석 - 공공데이터 동향분석[AI@Data Report 2025-4호] 추론형 AI 모델과 데이터 품질관리
[AI@Data Report 2025-4호] 추론형 AI 모델과 데이터 품질관리 "추론형 AI 모델과 데이터 품질관리" ❶ 추론형 AI 데이터 개요 ❷ 추론형 AI 아키텍처와 모델 ❸ 추론형 AI 데이터 품질관리 ❹ 결론 및 시사점 AI@Data 보고서 시리즈는... 데이터 및 AI데이터와 관련된 국내외 기술 및 정책 동향과 이슈 분석을 통해 미래 사회의 트렌드를 주도할 수 있는 정책 아젠다를 제시하기 위해 한국지능정보원(NIA)에서 기획, 발간하는 보고서입니다.
이슈분석(AI&Digital Inclusion Brief) 4호 : 포용적 AI 생태계를 위한 협력의 효용
본 이슈 리포트는 향후 국제사회에서 통용할 수 있는 디지털 포용 정책 개발을 위한 주요 정책의 분석과 시민 사회의 공감대 형성을 위하여 한국지능정보원(NIA)에서 기획, 발간하는 보고서입니다. (분석 배경) 인공지능 산업은 기존과 다른 특성을 가지고 있다. 따라서 기존의 산업 구조에서 통용되었던 협력 방식과 모델은 더 이상 효율적이지 않을 뿐만 아니라 여러 가지 부작용을 일으킨다. 이를 해결하기 위해서는 인공지능 산업의 특성에 맞는 협력 방식이 무엇인지 분석하고 이에 대한 인식과 협력 모델을 바꿔야 한다. 본 ..
이슈분석[KISA Insight 2025 Vol.05] 글로벌 OT 보안 이슈 분석 및 시사점
요약 □ OT는 산업의 설비와 프로세스를 관리하고 제어하는 기술로, 산업 환경을 "안전하고, 안정적이며, 지속적으로" 운용하는데 목적을 두고 있음 ○ 전통적인 OT는 안전성과 안전성 확보를 위해 철저한 폐쇄망과 망 분리를 중심으로 구축·운영되었으나, 2010년 이후 기술의 발전으로 OT와 IT가 융합하기 시작하였으며, 이를 계기로 OT 환경과 기술이 발전하였고 기업의 생산성과 효율성이 향상됨 ○ 하지만 이러한 긍정적 효과 이면에는 IT 보안 위협이 OT 및 실제 산업 현장에 영향을 미치기 시작하면서, OT 보안에 대한 중요성..
정기간행물[AI@Data Report 2025-3호] 토픽 분석을 통한 AI 주요 트렌드 및 2026 전망
[AI@Data Report 2025-3호] 토픽 분석을 통한 AI 주요 트렌드 및 2026 전망 "토픽 분석을 통한 AI 주요 트렌드 및 2026 전망" ❶ 배경 및 목적 ❷ 자료 분석 및 방법 ❸ 분석 결과 ❹ 2026년 전망 : AI 생태계 방향성 ❺ 분석 결과로 본 우리의 대응 및 노력 AI@Data 보고서 시리즈는... 데이터 및 AI데이터와 관련된 국내외 기술 및 정책 동향과 이슈 분석을 통해 미래 사회의 트렌드를 주도할 수 있는 정책 아젠다를 제시하기 위해 한국지능정보원(NIA)에서 기획, 발간하는 보고서입니다.
이슈분석AI프로젝트 규모산정 프레임워크 - 빙산의 수면아래, 기술규모 측정하기
AI 기술의 급격한 발전으로 AI 프로젝트 발주가 증가하고 있지만, 기존의 기능점수(FP) 방식은, 챗봇이나 RAG(검색 증강 생성)와 같이 사용자 인터페이스는 단순하지만 그 이면에서 방대한 데이터 처리와 복잡한 연산을 수행하는 AI 사업의 실질적 규모를 반영하지 못한다는 한계를 드러내고 있다. 이로 인해 AI 프로젝트의 예산 책정의 현실성이 떨어질 위험성을 안고 있다. 이러한 문제를 해결하기 위해서 본 보고서는 AI프로젝트를 거대한 빙산에 비유하며, 수면 아래 잠겨 있는 데이터 전처리, 임베딩, 벡터 저장소 구축 등 고난도 ..
SPRi > 연구자료 전체