Your browser does not support JavaScript!

AI 에이전트의 대혁신: 에이전틱 시대의 기회와 과제

일반 리포트 2025년 05월 18일
goover

  • 2025년 현재, AI 에이전트 기술이 단순한 보조 도구의 범위를 넘어 보다 자율적이고 복잡한 작업 수행의 중심축으로 자리잡고 있습니다. Agentic AI, Ambient AI, 온디바이스 AI와 같은 다양한 에이전트 유형의 진화가 두드러지며, 이는 최신 기술을 통해 각기 다른 환경에서의 요구에 맞춰 최적화되고 있습니다. 멀티모달 데이터와 센서 융합을 통한 오케스트레이션의 필요성이 증가하며, 이에 따른 기술 및 인프라 과제들 역시 심화되고 있습니다. 특히 메모리 및 GPU 수요의 증가는 AI 도입의 확산을 뒷받침하는 중요한 요소로 작용하고 있습니다. 이에 따라 글로벌 시장 규모의 예측과 주요 사례들은 향후 AI 에이전트의 성장 가능성과 연관된 과제를 조명합니다. 이 과정에서 윤리, 정책적 고려사항 또한 반드시 함께 다루어져야 하는 필수적 요소로 작용하고 있습니다.

  • AI 에이전트의 도입은 다양한 산업 전반에서 업무 효율성을 크게 향상시키고 있습니다. 예를 들어, NYT와 로이터 통신 등 다양한 미디어 기업들이 AI 기술을 사용하여 뉴스 제작 및 배포의 혁신을 이루고 있으며, 이로 인해 정보의 신속성과 정확성이 증대되고 있습니다. 그러나, 이러한 변화가 지속적으로 이루어지기 위해서는 기술 개발 외에도 사회적 수용성을 높이고, 윤리적 기준을 효율적으로 설정하는 작업이 병행되어야 합니다. 최종적으로, AI 에이전트의 발전이 인류에게 긍정적인 영향을 미치기 위해서는 기술적 진보와 긍정적인 사회적 변화가 함께 이루어져야 할 것입니다.

AI 에이전트 진화와 유형

  • Agentic AI 개념과 특징

  • Agentic AI는 기존의 AI 시스템이 가지는 반응적인 태도나 특정 작업을 수행하는 데에서 벗어나, 스스로 의사 결정을 내리고 사전에 설정된 목표를 추구할 수 있는 자율적 시스템을 의미합니다. 이러한 시스템은 복잡하고 동적인 환경 속에서 상황에 적응하며, 사람이 지속적으로 개입하지 않아도 독립적으로 작동할 수 있습니다.

  • Agentic AI의 핵심 개념 중 하나는 '에이전트'입니다. 이는 주어진 목표를 달성하기 위해 데이터 수집, 처리 및 행위를 수행하는 시스템으로, 기본적으로 자율성과 적극성을 특징으로 합니다. 예를 들어, 에너지 소비를 최적화하기 위해 기상 예보와 사용자의 행동을 분석하여 인지적인 방식으로 행동을 조절하는 AI 시스템이 있을 수 있습니다.

  • Agentic AI는 '인지적 루프(Perceive, Think, Act)'를 통해 작동합니다. 먼저, 주어진 환경을 감지하여 데이터를 수집하고, 해당 데이터를 바탕으로 분석과 의사 결정을 거쳐 행동을 실행합니다. 이러한 루프는 일회성이 아니라 연속적으로 작동하여 실시간으로 환경에 적응합니다. 예를 들어, 자율주행차가 장애물을 인식하고 최적의 경로를 계산하여 주행하는 과정이 이에 해당합니다.

  • Ambient AI(엠비언트 AI) 정의

  • 엠비언트 AI는 사용자가 인지하지 못하는 환경 속에 자연스럽게 스며들어 다양한 센서와 IoT 기기로부터 수집된 데이터를 실시간으로 분석하고, 맞춤형 서비스를 자동으로 제공하는 기술입니다. 이는 '보이지 않는 AI'라는 개념으로도 알려져 있으며, 사용자의 행동과 맥락을 이해하고 예측하여 선제적으로 서비스를 제공하는 데 중점을 둡니다.

  • 엠비언트 AI는 고성능 센서 네트워크, 온디바이스 AI, 멀티모달 데이터 처리 등이 유기적으로 결합하여 만들어집니다. 일반적으로 개인화 추천 AI는 과거 데이터에 기반한 추천을 제공하지만, 엠비언트 AI는 위치, 행동, 생체 신호, 환경 변화 등 실시간으로 수집되는 복잡한 데이터를 바탕으로 예측 가능한 행동을 수행합니다.

  • 예를 들어, 스마트 홈에서는 사용자의 생활 패턴을 분석하여 조명이나 냉난방 시스템을 자동으로 조절함으로써 편리한 환경을 제공합니다. 또한 헬스케어 분야에서는 웨어러블 기기가 신체 데이터를 감지하여 이상 징후가 있을 경우 의료진에게 즉시 알림을 보내는 기능이 있습니다.

  • 온디바이스 AI의 역할

  • 온디바이스 AI는 특정 기능이 장치 내에서 주로 수행되는 AI 기술입니다. 이는 외부 서버와의 의존도를 줄이고, 사용자의 데이터 보안을 강화하며, 응답 시간을 단축시키는 데 기여합니다. 예를 들어, 스마트폰이나 웨어러블 기기에서 실행되는 AI 연산은 사용자 개인정보를 안전하게 보호하며 실시간으로 결과를 제공합니다.

  • 온디바이스 AI는 생성형 AI와 결합되어 강력한 성능을 발휘합니다. 최근의 사례로는 애플의 M4 칩이나 삼성의 갤럭시 S25와 같은 최신 장치가 있습니다. 이들 기기는 각각 AI 성능을 강화하기 위해 고대역폭 메모리와 신경망처리장치를 탑재하고 있으며, 실시간으로 고급 AI 연산을 지원합니다.

  • 온디바이스 AI의 발전은 컴퓨터 비전, 음성 인식 및 자연어 처리와 같은 기술이 포함되며, 이는 사용자가 조작하는 때마다 더 나은 경험을 제공합니다. 자율주행차에서도 온디바이스 AI는 주변 사물과 환경을 인식하여 실시간으로 경로를 수정하는 데 반드시 필요합니다.

  • 지능형 자동화(IA)와 에이전트

  • 지능형 자동화(IA)는 인공지능과 기계 학습, RPA(로보틱 프로세스 자동화) 등의 기술을 통해 반복되는 업무를 자동화하고 유용한 데이터를 수집하여 정보에 입각한 의사 결정을 지원하는 개념입니다. 이 시스템들은 고부가가치의 전략적 업무에 직원들이 집중할 수 있도록 하는 등 비즈니스 운영의 방식을 재구성할 수 있는 기회를 창출합니다.

  • IA의 주요 특징은 주어진 비즈니스 프로세스를 더욱 효율적으로 관리하며, 시스템 간의 통합 및 데이터 수집을 개선하여 응답성과 정확성을 높이는 것입니다. IA 기술은 비즈니스 운영에서의 효율성을 극대화하고, 빠른 ROI(투자 수익률)를 실현하는 데 기여합니다.

  • AI 기반의 IA는 다양한 자동화 도구들을 활용하여 비즈니스 프로세스를 개선하고, 최종적으로는 조직의 경쟁력을 높이는 데 도움을 줍니다. 이를 통해 기업은 시장 변화나 내부 프로세스의 변동에 능동적으로 대응할 수 있는 역량을 갖추게 됩니다.

오케스트레이션과 인프라 요구사항

  • AI 에이전트 오케스트레이션 개념

  • AI 에이전트 오케스트레이션은 여러 AI 에이전트를 통합하고 조율하여 사용자 요청에 따라 최적의 결과를 도출하는 과정입니다. 이 기술은 다양한 에이전트가 함께 협력하여 복잡한 작업을 수행할 수 있도록 하는 것을 목표로 합니다. 특히, 이러한 오케스트레이션 과정에서는 각 에이전트가 자신의 전문 분야에 맞추어 작업을 분담하고, 주어진 목표를 효과적으로 달성하기 위해 실시간으로 의사결정을 내리는 방식으로 진행됩니다.

  • AI 오케스트레이션의 주요 기능 중 하나는 각기 다른 데이터 소스와 시스템을 통합하여 데이터 흐름을 최적화하는 것입니다. 이를 통해 각 에이전트는 필요한 정보를 신속하게 수집하고 분석하여 보다 정확한 결정을 내릴 수 있습니다. 예를 들어, 의료 산업에서는 환자의 정보를 실시간으로 분석하여 진단 지원과 치료 계획 수립에 기여하고 있습니다.

  • 또한, AI 에이전트 간에 발생할 수 있는 정보의 불일치나 충돌을 최소화하기 위해 적절한 규제와 거버넌스 구조를 설정하는 것이 필수적입니다. 이를 통해 AI 에이전트들의 상호작용이 원활히 이루어지며, 전체 시스템의 안정성과 신뢰성을 높일 수 있습니다.

  • 멀티모달·센서 네트워크 통합

  • 멀티모달 및 센서 네트워크 통합은 다양한 데이터 소스에서 발생하는 정보를 수집하고 융합하여 AI 에이전트의 인지 능력을 향상시키는 과정을 말합니다. 현재 다양한 센서를 통해 수집되는 데이터는 이미지, 음성, 텍스트 등 서로 다른 형태를 포함하고 있으며, 이러한 데이터는 AI 에이전트가 보다 정교한 분석을 수행하는 데 필수적입니다.

  • AI 에이전트가 여러 유형의 데이터를 동시에 처리할 수 있다면, 이는 정보 해석의 깊이를 증가시키고 보다 정확한 예측과 판단을 가능하게 합니다. 예를 들어, 자율주행차에서는 차량의 카메라, 라이다(LiDAR), 레이더 센서로부터 수집된 데이터를 융합하여 주변 환경을 정확하게 인식하고, 주행 전략을 세우는 데 활용됩니다.

  • 이와 같은 통합 과정에서 발생하는 데이터 간의 상관관계를 파악하고, 이를 기반으로 의사결정 시스템을 최적화하는 것이 중요합니다. 효과적인 멀티모달 접근 방식은 인공지능 기술의 활용 범위를 넓히며 다양한 산업에서 혁신을 촉진할 수 있습니다.

  • 데이터 생태계와 에코시스템 관리

  • AI 에이전트를 효과적으로 활용하기 위해서는 데이터 생태계와 에코시스템을 잘 관리해야 합니다. 데이터 생태계란 조직 내외부의 모든 데이터 소스와 그 흐름을 포함하는 개념입니다. 특히, AI 기술은 이러한 생태계 내에서 데이터의 품질과 신뢰성을 보장하는 역할을 합니다.

  • AI 에이전트는 수집된 데이터를 분석하고, 이를 기반으로 비즈니스 인사이트를 도출하여 의사결정을 지원합니다. 따라서 데이터 품질 관리와 에코시스템의 통합적인 조정이 필수적입니다. 예를 들어, 금융 서비스 산업에서는 AI 에이전트를 통해 고객 데이터의 일관성을 유지하고, 규제 보고를 자동화함으로써 효율성을 높이고 있습니다.

  • 또한, 데이터 생태계의 관리에는 다양한 이해관계자 간의 협업이 필요합니다. 데이터 소유자, 데이터 분석자, 그리고 AI 기술 공급자 간의 원활한 소통은 정보 흐름의 효율성을 극대화하며, 궁극적으로는 AI 시스템의 성과를 높이는 데 기여할 수 있습니다.

  • GPU·메모리 반도체 수요 증가

  • AI 기술의 발전과 함께 GPU 및 메모리 반도체의 수요가 급증하고 있는 상황입니다. GPU는 AI 연산에서 매우 중요한 역할을 하며, 특히 대량의 데이터 처리와 복잡한 연산을 신속하게 수행할 수 있어 필수적인 자원으로 자리 잡고 있습니다.

  • 최근에는 고성능 GPU와 함께 고대역폭 메모리(HBM)의 필요성이 강조되고 있습니다. 예를 들어, 엔비디아의 최신 GPU 모델은 초당 수 테라바이트의 정보를 처리할 수 있는 능력을 가지고 있으며, 이는 AI 모델의 학습 및 추론 속도를 획기적으로 향상시킵니다. 2026년 출시될 예정인 HBM4는 더욱 향상된 대역폭을 제공할 것으로 기대되고 있습니다.

  • AI 수요가 증가함에 따라 데이터 센터의 설계와 운영 방식도 변화하고 있으며, 이로 인해 메모리 반도체 공급망의 안정성 확보가 중요해지고 있습니다. 기업들은 AI 반도체 기술의 발전과 함께 보다 효율적인 데이터 처리와 운영을 위해 지속적으로 투자를 확대할 계획입니다.

  • AI 시대 전력 딜레마

  • AI 기술의 발전은 에너지 소비의 증가라는 새로운 딜레마를 야기하고 있습니다. 특히, 생성형 AI와 같은 고급 기술은 방대한 연산을 요구하며, 이로 인해 전력 수요가 급증하고 있는 실정입니다. 예를 들어, 2022년 한국의 데이터 센터 수는 147개였지만, 2029년까지 732개로 증가할 것으로 예상되고 있으며, 이로 인해 전력 수요는 28배 증가할 것으로 보입니다.

  • 이에 따라, 각국 정부는 탄소중립 달성을 목표로 친환경 에너지 생산 기술을 개발하고 AI 반도체의 에너지 효율을 높이는 연구에 집중하고 있습니다. AI 모델이 요구하는 에너지를 줄이는 방안을 모색하는 동시에, 데이터 센터의 에너지 사용 효율성을 개선할 필요가 있습니다.

  • 따라서 향후 AI 기술이 지속 가능한 방향으로 발전하기 위해서는 에너지 효율을 고려한 기술 개발과 정책적 지원이 필수적입니다. 에너지 모델과 AI 기술의 조화를 이루는 것이 전력 딜레마를 해결하는 열쇠가 될 것으로 기대됩니다.

시장 현황 및 글로벌 도입 동향

  • 다이나믹 에이전트 시장 규모 및 예측

  • 2025년부터 2031년까지 세계 다이나믹 AI 에이전트 시장은 연평균 성장률(CAGR) 24.6%로 성장할 것으로 예상됩니다. 이 성장은 개인화된 고객 경험에 대한 수요 증가와 IoT 기기의 보급 확대, 그리고 자율주행차와 드론, 로봇과 같은 자율 시스템의 활용 증대 때문입니다. 특히, 고급 자연어 처리(NLP) 기술의 발전과 스마트홈 및 IoT 기기 통합이 시장 성장을 더욱 촉진할 것으로 기대됩니다.

  • 기업 워크플로우 자동화 사례

  • 다양한 기업들이 AI 에이전트를 도입하여 업무의 효율성을 높이고 있습니다. 예를 들어, 뉴욕타임스(NYT)는 AI 기능을 활용하여 뉴스 기사를 작성하는 작업을 효율적으로 지원하고 있으며, 로이터 통신은 AI를 통해 빠른 정보 전달을 실현하고 있습니다. 이러한 기업들은 AI 에이전트를 통해 고객과의 상호작용을 자동화하고, 데이터 분석 및 기사 작성과 같은 반복적인 작업을 효율적으로 처리하고 있습니다.

  • 언론업계 AI 실험 현황

  • 2025년 현재, 언론업계에서는 AI 기술을 활용하여 뉴스 생산 및 배포 방식을 혁신하고 있습니다. 특히, NYT는 LLM(대형언어모델)을 이용해 조사 분석을 지원하고 있으며, 로이터는 AI를 통합한 콘텐츠 관리 시스템(CMS)을 통해 뉴스를 신속하게 보도하는 데 집중하고 있습니다. 또한, 쉬브스테드는 OpenAI와 협력하여 뉴스룸의 효율성을 높이는 다양한 AI 도구를 개발하고 있습니다. 이렇게 AI 기술이 언론부문에 도입됨에 따라 정보의 전달 속도와 정확성이 향상되고 있습니다.

  • 국가 인프라 재설계와 정책 과제

  • AI 기술의 발전은 국가 인프라 재설계를 필요로 하고 있습니다. 정부는 AI 기반의 새로운 디지털 인프라 구축을 위해 과감한 투자를 단행해야 하며, 이는 공공 서비스의 접근성을 높이고, 국민 생활 전반에 지능을 통합하는 방향으로 나아가야 합니다. 이러한 정부의 정책은 기술 독립성과 데이터 주권 확보뿐만 아니라, 산업 전반의 자동화 및 디지털 경제 활성화에 기여할 것입니다.

주요 과제와 향후 방향

  • 에너지 효율화 전략

  • AI 기술의 발전은 단순한 자동화의 과정을 넘어, 지속 가능하고 에너지 효율적인 솔루션을 요구하고 있습니다. 특히 AI 에이전트가 급속히 발전함에 따라 집약된 데이터 처리와 지속적인 실행 과정에서 소모되는 전력량이 급증하고 있습니다. 이는 AI 기술이 탄소중립 목표에 부합하도록 설계하는 것을 더욱 중요하게 만듭니다. 예를 들어, AI 모델의 에너지 소비를 최적화하는 '그린 AI 칩' 같은 혁신적인 기술들이 떠오르고 있으며, 이러한 기술은 데이터 센터의 총 전력 소비를 줄이는 데 기여할 수 있습니다.

  • 데이터·AI 무결성 확보

  • AI 시스템의 신뢰성을 유지하는 것은 데이터와 모델 무결성을 정책적으로 보장하는 데 달려 있습니다. 데이터의 출처, 품질, 그리고 AI 모델의 결정 과정에 대한 투명성을 보장해야 합니다. 특히 공공 부문에서 AI를 활용할 경우, 데이터 사용자들의 신뢰를 얻기 위해서는 AI가 낼 수 있는 결과의 근거를 명확히 하고, 사용자들이 시스템의 작동 방식을 이해할 수 있도록 설명하는 것이 필수적입니다. 국산 대규모 언어모델(LLM)의 구축은 이러한 데이터와 AI의 신뢰성을 높이는 데 큰 역할을 할 것입니다.

  • 윤리·규제 프레임워크

  • AI 및 데이터 활용에 따른 윤리적 고려는 특히 중요합니다. AI는 정보 생성의 주체로서, 인간의 결정에 직접적으로 영향을 미칠 수 있습니다. 따라서 공공과 민간 부문 모두에서 AI 시스템의 윤리적 사용을 보장하는 규제 프레임워크가 구축되어야 합니다. 이를 통해 사회적 가치를 반영하고, AI 발전의 부작용을 최소화할 수 있습니다. 'AI 통합 윤리 지침'의 제정은 이러한 프레임워크를 강화하는 데 기여할 수 있는 방안이 될 것입니다.

  • 플랫폼 표준화 및 상호운용성

  • AI 에이전트의 발전을 위한 표준화는 필수적입니다. 다양한 플랫폼 간의 호환성이 보장된다면, 기업과 기관이 AI 기술을 더 쉽게 채택하고 활용할 수 있을 것입니다. 오픈소스 기반의 개발 환경은 이러한 표준화를 촉진할 수 있으며, 에이전틱 플랫폼 내에서 모듈형 에이전트의 개발 및 배포를 용이하게 합니다. 표준화는 기술의 발전을 가속화하고, 산업 전반의 협력을 촉진할 수 있는 교두보 역할을 하게 될 것입니다.

  • 기술 격차 해소와 지속 가능성

  • AI 기술이 발전함에 따라, 도시와 농촌, 대기업과 중소기업 간의 기술 격차가 더욱 두드러질 가능성이 높아집니다. 이에 따라 정부는 포용적인 디지털 전환을 위해 지원 정책을 마련해야 합니다. 또한, AI 기술이 사회 모든 계층에 공평하게 적용될 수 있도록 다양한 접근 방안을 모색하는 것이 필요합니다. 지속 가능한 AI 발전은 기술 격차 해소를 통해 이루어질 수 있으며, 이는 결국 전체 사회의 발전으로 이어질 것입니다.

마무리

  • AI 에이전트의 발전은 단순한 자동화를 넘어 자율적 의사결정 및 목표 설정이 가능한 혁신을 실현하였습니다. 이러한 전환은 비즈니스와 일상 생활에 큰 영향을 미치고 있으며, 이는 특히 멀티모달 오케스트레이션에서 요구되는 인프라 투자와 함께 나타납니다. 그러나 높은 전력 소비 문제, 데이터 및 윤리적 과제, 표준화 미비와 같은 여러 해결해야 할 문제들이 존재합니다. 기업과 정부는 AI 기술 도입 전략을 설계할 때 에너지 및 자원 효율성, 데이터 신뢰성, 규제 및 윤리 기준 모두를 종합적으로 고려해야 할 필요가 있습니다.

  • 향후 AI 에이전트 시장의 지속적인 성장과 사회적 수용을 위해서는 기술 표준의 마련, 에너지 그린 전환, 그리고 투명한 거버넌스 모델의 구축이 필수적입니다. 이러한 요소들은 AI 에이전트가 진정으로 사회에 긍정적인 영향을 미치며 사람들의 삶을 향상시키는 데 기여할 수 있도록 하는 근간이 될 것입니다. 따라서 AI 기술의 발전은 일회성의 성과가 아니라, 지속 가능한 방향으로 나아가야 하며, 이를 위해서는 각 이해관계자 간의 협력과 참여가 중요합니다.

용어집

  • AI 에이전트: AI 에이전트는 인공지능을 기반으로 하여 스스로 의사결정을 내리고 자율적으로 작업을 수행하는 시스템을 의미합니다. 이는 기존의 단순한 보조 도구에서 벗어나 복합적인 작업을 자동으로 처리할 수 있는 능력을 갖추고 있습니다.
  • 에이전틱 AI: 에이전틱 AI는 AI 에이전트의 한 종류로, 자율성과 적응성을 통해 지정된 목표를 효과적으로 달성하는 시스템을 설명합니다. 이 시스템은 상황 인식 및 실시간 의사결정을 통해 다양한 비즈니스 문제를 해결하는 데 중점을 둡니다.
  • 오케스트레이션: AI 에이전트 오케스트레이션은 여러 AI 에이전트를 통합하고 조정하여 최적의 결과를 도출하는 과정입니다. 이를 통해 다양한 에이전트가 협력하여 복잡한 작업을 보다 효율적으로 수행할 수 있습니다.
  • 지능형 자동화(IA): 지능형 자동화(IA)는 AI와 기계 학습, RPA(로보틱 프로세스 자동화) 등의 기술을 통해 반복 작업을 자동화하고 데이터 분석을 통해 더 나은 의사결정을 지원하는 개념입니다. 이는 비즈니스 운영 효율성을 크게 향상시킵니다.
  • 온디바이스 AI: 온디바이스 AI는 특정 기능이 사용자 장치 내에서 수행되는 AI 기술로, 외부 서버에 대한 의존도를 줄이고 데이터 보안을 강화하며 사용자에게 빠른 응답성을 제공합니다. 예를 들어, 최신 스마트폰에서의 음성 인식 기능이 이에 해당합니다.
  • Ambient AI: Ambient AI는 사용자가 인식하지 못하는 환경에서 자연스럽게 작동하여 데이터를 수집하고 사용자 맞춤형 서비스를 제공하는 AI 기술입니다. 이는 IoT 기기와 센서를 통해 실시간으로 사용자 행동을 분석하고 예측하는 데 중점을 둡니다.
  • 멀티모달: 멀티모달은 다양한 형태의 데이터를 동시에 처리하는 능력을 지칭합니다. 이는 AI가 이미지, 음성, 텍스트 등 다양한 소스에서 수집된 정보를 통합하여 보다 정교한 분석과 예측을 가능하게 합니다.
  • GPU: GPU(그래픽 처리 장치)는 대량의 데이터 처리를 신속히 수행할 수 있는 컴퓨터 하드웨어로, AI 연산에서 필수적인 역할을 합니다. 특히 딥러닝 모델의 학습 및 추론을 가속화하는 데 중요한 장치입니다.
  • 에너지 효율: 에너지 효율은 특정 작업이나 프로세스에서 소비되는 에너지를 최소화하는 것을 의미합니다. AI 기술 발전과 함께 에너지 소비 문제가 대두되고 있어 지속 가능한 방향으로 에너지 효율을 높이는 전략이 필요합니다.
  • 데이터 생태계: 데이터 생태계는 조직 내외부의 모든 데이터 소스 및 이들 간의 상호작용을 포함하는 환경을 의미합니다. AI는 이 생태계 내에서 데이터의 품질과 신뢰성을 보장하는 역할을 수행하여 비즈니스 인사이트 확보를 지원합니다.
  • 시장 전망: 시장 전망은 특정 산업이나 기술의 미래 성장 가능성을 평가하는 것을 의미합니다. AI 에이전트의 경우, 개인화된 고객 경험의 수요 증가와 IoT 기기가 확산됨에 따라 성장세가 예상됩니다.
  • 정책: 정책은 정부나 기관이 사회 문제를 해결하거나 목표를 달성하기 위해 설정한 기준, 규범, 또는 전략입니다. AI 기술의 발전에 따른 정책적 요구가 증가하고 있으며, 이는 윤리적 기준 및 규제를 포함합니다.
  • 윤리: 윤리는 AI 기술과 데이터 활용에 따른 도덕적 원칙과 기준을 의미합니다. AI가 개인의 결정 또는 사회에 미치는 영향을 고려하여 적절한 윤리적 가이드라인을 수립하는 것이 중요합니다.

출처 문서