Research Data & AI

죽은 인터넷: 사이트에는 AI 에이전트만 찾는다 한때 우리는 인터넷을 ‘사람들의 연결망’이라고 불렀습니다. 수많은 사람들이 정보를 올리고, 댓글을 달고, 블로그를 쓰고, 서로의 이야기를 읽었습니다. 하지만 지금의 인터넷은 어떨까요? 우리가 알고 있던 인터넷은 더 이상 예전의 ‘살아있는 공간’이 아닙니다. 🕸️ "죽은 인터넷" 이론이 말하는 것 죽은 인터넷 이론(Dead Internet Theory)은 이렇게 주장합니다:      “인터넷에 올라오는 대부분의 콘텐츠는 인간이 아닌 자동화된 봇(AI)이 생산한 것이며,       실제 사람이 생산하는 정보는 점점 줄어들고 있다.” 인터넷에 사람이 사라지고, AI만 돌아다닌다는 가설이죠. 이 주장은 과장처럼 들릴 수도 있지만, 지금 우리가 마주하고 있는 현실은 이 이론에 점점 가까워지고 있습니다. 🤖 AI 에이전트, 이제는 현실 이제 AI는 더 이상 미래의 기술이 아닙니다. ChatGPT, Claude, Bing AI, 네이버의 하이퍼클로바 등 다양한 AI 에이전트 가 일상 속으로 들어오고 있습니다. 특히 검색 시장은 큰 변화를 맞이하고 있습니다. 작년 5월, 구글은 'AI 개요(Generative AI Overview)' 기능을 도입했습니다. 이는 사용자가 직접 사이트를 클릭하기보다, AI가 내용을 요약해서 보여주는 기능 입니다. 📉 웹사이트 트래픽의 급감 그 결과는 뻔합니다. 사용자는 더 이상 웹사이트를 직접 방문하지 않고, 요약만 읽고 떠납니다. 블로그, 뉴스 사이트, 커뮤니티의 트래픽 감소 클릭률 하락 → 광고 수익 감소 사용자 경험 데이터 부족 → 사이트 운영 전략 무력화 이런 변화는 단지 '방문자 수' 문제를 넘어  사이트 존폐 위기 로까지 이어질 수 있습니다. 💸 광고는 누구를 향해 노출되는가? AI가 웹사이트를 대신 들여다본다면, 그곳에 붙어 있는 배너나 콘텐츠 광고는 사람이 아니...

생성형 AI가 활성화되면서, 네이버 지식iN 서비스의 효용성 ✅ ChatGPT가 강한 이유   우선 ChatGPT는 일반적인 정보 탐색에서 정말 뛰어납니다. 즉각적인 응답  : 복잡한 질문도 순식간에 정리해서 알려줍니다. 맞춤형 설명  : 질문자의 말투나 문맥에 맞춰 내용을 조정해 줍니다. 반복 질문도 문제 없음  : 눈치 보지 않고 계속 물어볼 수 있죠.   단순한 정보 검색, 개념 설명, 요약, 번역처럼 정형화된 지식은   ChatGPT 하나면 충분한 시대가 됐습니다. ✅  지식iN은 정말 끝났을까?   그렇지는 않습니다.   지식iN에는 ChatGPT가 당장은 따라가기 어려운 고유한 강점 이 있습니다.   1. 현실적인 경험 공유 예를 들어 “OO병원에서 수술 받아보신 분 계신가요?” 같은 질문은 AI가 답할 수 없습니다. 직접 경험한 사람들의 후기가 필요하죠.   2. 지역 기반 정보 “부산에서 중고 노트북 잘 파는 곳?” 같은 질문은 지역 주민들의 생생한 정보가 더 신뢰가 갑니다. 지역성 있는 질문은 여전히 지식iN이 강합니다.   3. 감성적인 공감과 조언 “이직을 고민 중인데 너무 불안합니다...”  이런 질문에 공감해 주고 진심 어린 조언을 해주는 건, 아직은 사람입니다. 누군가의 비슷한 경험담, 따뜻한 말 한 마디가 큰 위로가 될 수 있습니다. ✅  지식iN은 어떻게 대응하나? AI 답변 기능 도입  : 지식iN 일부 질문에는 이미 AI가 먼저 답해주고 있습니다. 전문가 답변 강화  : 의사, 변호사, 공인중개사 같은 인증된 전문가의 응답이 강화되고 있습니다. 커뮤니티화 전략  : 단순 정보 제공보다 경험과 후기 중심의 커뮤니티로 점차 성격을 바꾸고 있습니다. ✅  결국, 역할이 달라질 뿐  ChatGPT가 잘하는 것과 지식iN이 잘하는 것은 다릅니다.  ...

 ( * 이 내용은 " 엔터프라이즈를 위한 AI 시작하기 : 입문자용 가이드(레드햇) "에 수록된 내용을 기초로 한 것입니다. 레드햇의   AI 솔루션과 제안 내용은 포함하지 않았으니 필요한 경우 다운로드 받을 수 있으니 참조하길 바랍니다.) ~~~~~ 이 가이드는 기업(기관)이 AI를 효과적으로 도입하고 활용할 수 있도록 AI의 개념과 유형부터 기업이 AI를 채택할 때 고려해야 할 제반 사항에 대해 개괄적으로 다루고 있다. 1. AI의 개요 및 유형 📌  AI의 주요 유형 예측 AI(Predictive AI)  : 과거 데이터를 분석해 패턴을 찾고 미래를 예측하는 모델. 예) 수요 예측, 유지보수, 운영 최적화 생성형 AI(Generative AI)  : 텍스트, 이미지, 코드 등 새로운 콘텐츠를 생성하는 AI. 예) 챗봇, 마케팅 콘텐츠, 자동화된 코드 생성 📌  AI의 주요 이점 데이터 분석 능력 향상  : 대량의 데이터를 빠르게 분석하여 인사이트 제공 운영 효율성 개선  : 자동화를 통해 오류를 줄이고 프로세스를 최적화 개인화된 고객 경험 제공  : 고객 데이터를 분석해 맞춤형 서비스 지원 시장 경쟁력 확보  : AI를 활용한 신속한 대응과 혁신 가능 2. AI 도입을 위한 고려 사항 📌  AI 도입 전 평가해야 할 요소 데이터 품질  : AI의 성능을 높이려면 고품질 데이터 확보가 필수 기술 인프라  : AI 워크로드를 처리할 수 있는 IT 인프라 구축 필요 조직의 AI 전문성  : AI 관련 기술을 다룰 인력이 충분한지 확인 비즈니스 목표와의 정렬  : AI가 기업의 전략적 목표에 부합하는지 평가 📌  AI 도입 프로세스 (8단계) 목표 및 역량 평가  : 기업의 현재 상태 및 AI 도입 가능성 분석 활용 사례 발굴 및 AI 팀 구성...

AI 시대, 중요한 것은 '코딩'보다 'AI 활용 능력' “단순히 코딩을 배우는 것보다 AI를 활용하기 위한 종합적인 능력을 갖춰라.” 이는 오픈AI의 CEO 샘 알트먼이 한 인터뷰에서 강조한 말이다. 불과 몇 년 전만 해도 코딩은 가장 중요한 미래 역량으로 여겨졌다. 많은 이들이 개발자 교육을 받고, 코딩 학원을 찾았다. 그러나 이제는 상황이 빠르게 바뀌고 있다. AI 기술의 급속한 발전은 기존의 통념을 뒤흔들고 있다. 샘 알트먼의 말처럼, 앞으로의 핵심 역량은 단순한 코딩 지식이 아니라 AI를 얼마나 잘 활용할 수 있는가 에 달려 있다. 단순한 자동화 도구로서가 아니라, 문제를 해결하고 새로운 가치를 창출할 수 있는 AI의 ‘동료화’ 가 진행 중이다. 앤트로픽의 CEO 다리오 아모데이 지난 3월초에 역시 비슷한 전망을 내놓았다. “ 1년 안에 AI가 사실상 모든 코드를 작성하는 세상이 올 수도 있다 ”며, 소프트웨어 엔지니어 일자리조차 점진적으로 대체될 것이라고 밝혔다. 이는 개발자라는 직군조차 더 이상 기술 자체에만 의존해서는 안 된다는 것이다. 더 나아가, 우리는 AI가 AI를 만드는 시대 , 즉 AI가 AI 에이전트를 직접 코딩하는 시대 를 목격하고 있다. 사람이 일일이 코드를 작성하지 않아도, 원하는 기능을 자연어로 지시하면 AI가 스스로 코드를 생성하고 테스트하며 개선하는 시대가 현실로 다가오고 있다. 이 같은 변화는 ‘코딩’이라는 행위 자체의 의미를 바꾸고 있으며, 인간의 역할은 점차 기술을 만드는 사람에서 기술을 활용하는 사람 으로 이동하고 있다. 이러한 시대적 변화 속에서 특히 중요한 능력 중 하나가 바로 메타학습 이다. 메타학습 (Meta-Learning) 이란 ‘학습하는 방법을 학습하는 것’ , 즉 새로운 환경이나 문제에 직면했을 때 스스로 빠르게 적응하고 배우는 능력을 말한다. AI 기술은 계속해서 진화하고 변화하기 때문에, 고정된 지식보다 변화에 유연하게 대응하고 새로운 도구나 개념을 빠르게 습득할 수 있...

Deep Resarch 기능을  Gemini, Grok, Perplexity 에서  무료 사용 챗GPT에서 출시한 딥리서치는 수십 개의 자료를 찾아 논문 형태로 정리해주는 기능 챗GPT 유료 사용자만 이용할 수 있고, Plus 유저는 월에 10번만 사용 그러나 Gemini, Grok, Perplexity 에서 무료로 사용 가능! 딥리서치 무료 사용법 Gemini( 링크 ) 모델 선택에서 Deep Research를 선택 Grok( 링크 ) 채팅 화면에서 DeepSearch를 클릭 Perplexity( 링크 ) 모델 선택에서 심층연구를 선택

  👉  사이언스온(ScienceON) 은 단순한 논문 검색 포털이 아니라,       국내 과학기술 연구 생태계를 연결하는 데이터 허브로서의 위상을 갖고 있다.      다만, 정보 소비의 방식이 정적 검색에서 동적 탐색으로 변화하고 있는 만큼,      생성형 AI의 검색·요약·대화형 기능을 일부 흡수하거나 연계하는 혁신이 필요하다.      정보서비스의 핵심은 “ 정보의 양이 아니라, 정보와 사용자의 거리 ”를 줄이는 것이다.      즉, AI 시대의 경쟁력은 누가 더 스마트하게 정보를 다루게 해주느냐에 달려 있다. 👉 사이언스온(ScienceON) 은 국내외 과학기술 연구자들을 위해       논문, 보고서, 특허, 연구데이터, 연구자 정보 등을       통합적으로 검색할 수 있도록 만든 플랫폼으로 다음과 같은 특징이 있다.  국내 논문, 학술지, 정부 R&D 과제 데이터 등 공신력 있는 과학기술 정보 집약 KISTI의 NTIS(국가과학기술지식정보서비스), DBpia, NDSL, KCI 등과 연계된 통합 검색 전문성과 신뢰도에 중점을 둔 데이터 기반 구조       이로 인해 사이언스온(ScienceON) 나름의  고유의 경쟁력 도 가지고 있다. 신뢰성과 공신력 : 국가기관 주도로 구축된 데이터, 국내 학술자료 중심, 연구자 인증 정보 포함 정책 연계 데이터 : 국가 R&D 과제, 예산, 연구비, 참여 연구자 이력 등은 민간 AI 검색엔 없는 정보 국내 정보 특화 : 많은 AI 기반 검색 서비스는 영문 논문 중심인 반면, 사이언스온은 한글 기반 논문과 국내 과제 데이터에 강함       하지만 인터페이스는 다소 복잡하고, 정보 소비자 중심의 설계라기 보다는...

AI Policy @🤗: Response to the White House AI Action Plan RFI (* 이 내용은 허깅페이스 블로그에 올려진  '백악관 AI 액션 플랜에 대한 응답'이라는 글에서 "오픈 소스 모델의 역량을 놓치지 말 것을 강력하게 주장한다"라고 밝힌 내용을 중심으로 요약 정리한 것이다. ) 허깅페이스(Hugging Face)는 2025년 3월 14일, 백악관 과학기술정책실(OSTP)이 요청한 ‘AI 액션 플랜 RFI’에 대한 공식 응답을 발표했다. 이 응답의 핵심은 개방형 AI(Open AI)의 중요성 을 강조하는 것이며, 세 가지 주요 권고 사항이 포함되어 있다. * 미국 백악관은 미국의 글로벌 AI 경쟁력을 유지하고 강화하기 위한 ‘AI 액션 플랜(AI Action Plan)’ 작성을 목적으로 각계에 정책 제안을 공개 요청한 바 각계에서 의견을 내고 있다. 🔹  개방형 AI 모델의 가치 개방형 AI는 상업 API 기반 모델보다 투명성, 적응성, 과학적 타당성 면에서 우수함 최근 Hugging Face의 OlympicCoder나 AI2의 OLMo 2와 같은 개방형 모델들이 상용 모델을 능가하거나 대등한 성능 을 보임 이는 “ 개방적이고 협력적인 개발이 AI 성능·보급·안전성의 핵심 ”이라는 점을 시사함 🔸 Hugging Face의 3대 정책 권고   권고 1: 개방형 소스 및 과학을 AI 성공의 기반으로 인식하라 현재의 고성능 AI 시스템은 대부분 오픈 리서치 와 오픈 소스 (예: PyTorch, Transformers 라이브러리)에 기반하고 있음 공공 인프라(연구, 컴퓨팅, 데이터)에 대한 투자가 필수 특히 소규모 개발자·연구자 가 접근할 수 있도록 해야 기술 민주화와 경제적 파급력 이 커짐     🔍 AI 기술의 공공재화를 위한 정책 기반 마련 요구. 이는 ‘AI 리터러시’ 향상과도 직결.   권고 2: 효율성과 신뢰성 중심으로 혁신을 확장하라 ...

Survey: 52% of U.S. adults now use AI large language models like ChatGPT （Elon University, 2025/3/12） 다음은 미국 일론 대학(Elon University)의 ‘디지털 미래 상상 센터(Imagining the Digital Future Center)’가 2025년 3월 발표한 AI 대형 언어 모델(LLM) 사용 실태조사 보고서 의 핵심 내용과 분석이다. ✅ 전체 사용률 미국 성인의 52%가 ChatGPT, Gemini, Claude, Copilot 등 AI 대형 언어 모델 (LLM)을 사용 중. 이는 LLM이 역사상 가장 빠르게 확산된 기술 중 하나임을 시사함. ✅ 사용자의 특성 항목 특징 연령 , 소득 , 고용 젊고 , 고학력이며 , 고소득의 고용인이 주사용자 . 그러나  $50,000 미만 가구의  53% 도 사용중 인종별 사용률 히스패닉 (66%), 흑인 (57%) > 백인 (47%) 🔎 접근성과 활용성 면에서 예상보다 더 광범위한 사회 계층에 퍼져 있음. 디지털 격차가 완전히 해소되진 않았지만 빠르게 줄고 있음. ✅ 사용 목적과 빈도 51%는 개인적, 비공식 학습 목적 24%는 업무 목적 34%는 하루 1회 이상 사용 (10%는 거의 지속적으로 사용) 🔎 단순 정보 검색을 넘어서 일상 속 비공식적 파트너 로 LLM을 받아들이는 경향이 뚜렷함. ✅ 주요 플랫폼 사용률 ChatGPT (72%), Gemini (50%), Copilot (39%), Meta LLaMa (20%), Grok (12%), Claude (9%), 기타 (9%) 🔎 OpenAI의 시장 선도 효과 분명. Gemini와 Copilot도 빠르게 확산 중. ✅ 사용자 체감 효과 항목 ' 많이 또는 다소 향상됨 ' 응답률 생산성 54% 학습 능력 50% 창의성 42% 🔎 LLM은 단순 자동화 도구가 아니라 인지 능력 보조 역...