Amazon Bedrock과 함께하는 생성형 AI의 활용과 접근 방향
전사 경위 — HLS 오디오 추출(ffmpeg) → AI Ready MCP팀 서버(:8766) create_case(format="audio") · faster-whisper CPU(D44 STT) · 전사일 2026-11-18.
타임스탬프는 원 영상 기준이며 ASR 오인식(예: 고유명사)은 보정 전 상태로 보존했다 — 핵심 수치·용어 보정표는 요약본 하단 참조.
| 시작 | 종료 | 지속 | 발화 |
|---|---|---|---|
| 0:14 | 0:18 | 3.2 | 네, 목소리를 잘 들으시나요? |
| 0:18 | 0:20 | 2.0 | 네, 확인 감사합니다. |
| 0:20 | 0:22 | 2.0 | 네, 방금 소개해봐야 하는 김선수러 갑니다. |
| 0:22 | 0:26 | 4.0 | 저는 그 한국에서 아예 AIM에 사악 개발 담당을 하고 있고요. |
| 0:26 | 0:30 | 4.0 | 오늘은 제가 준비한 부분은 아마 좀 bed락에 대한 전반적인 부분 |
| 0:30 | 0:34 | 4.0 | 소개해드리고 생선연 AIM을 어떻게 다른 기업들로 활용을 하고 있는지 |
| 0:34 | 0:40 | 6.0 | 그리고 또 어떻게 접근을 하면 좋은지 발렌된 내용들을 소개해드리죠 예정입니다. |
| 0:40 | 0:44 | 4.0 | 네, 제가 준비한 부분은 이 4가지 꼭지로 되어 있고요. |
| 0:44 | 0:46 | 2.0 | 아, 씨의 설명을 드리도록 하겠습니다. |
| 0:46 | 0:48 | 3.0 | 생선연 AIM은 이미 많이 듣고 계시죠? |
| 0:48 | 0:54 | 5.0 | 그래서 아마 지금 기술적인 예도가 높으신 분들이 많이 들어오셨을 거라고 알고 있습니다. |
| 0:54 | 0:56 | 2.0 | 그래서 앞에 부분은 뭐 빨리 지나갈 거고요. |
| 0:56 | 1:00 | 4.0 | 생선연 AIM을 잘 하시는 것처럼 뭔가 생선하는 그런 기술이에요. |
| 1:00 | 1:08 | 8.0 | 그래서 그 기술은 기반이 되는 기술 부분이 파운데이션 모델려가는 모델 기반으로 이루어서 |
| 1:08 | 1:10 | 3.0 | 생선 하나 AIM의 기술들이 작동을 하고 있는 걸 아실 겁니다. |
| 1:10 | 1:14 | 4.0 | 저희 A to B 래스는 비타비 비즈니스도 회사다 보니까 |
| 1:14 | 1:22 | 7.0 | 저희 그 기업들이 어떻게 지금 이 생선연 AIM을 활용하고 있는지를 나눠 보고 있는데요. |
| 1:22 | 1:24 | 2.0 | 크게 4가지로 나눠지는 걸을 볼 수가 있습니다. |
| 1:24 | 1:26 | 2.0 | 첫 번째는 생선선 강화 그리고 두번째는 운영 개선, |
| 1:26 | 1:30 | 5.0 | 그리고 세 번째는 창위 장조 그리고 네 번째는 고객 경험 강화 이렇게 나눠지는 că울 수가 있는데요. |
| 1:30 | 1:35 | 4.6 | 잘 아시는 것처럼 생선선선 강화와 운영 개선 부분은 |
| 1:35 | 1:40 | 4.4 | 그 회사의 내부적인 업무 프로세서 개선을 하거나 내부적인 그런 뭔가의 개선을 하거나 |
| 1:40 | 1:45 | 5.1 | 뭔가를 개선하기 위한 노력들이 많이 집중되어 있고 오른쪽 3개의 |
| 1:45 | 1:50 | 5.7 | 두 개는 회사의 그들의 고객 그리고 엔드위저의 들을 어떻게 경험을 |
| 1:50 | 1:55 | 5.1 | 차별하고 뭔가 새로운 걸 제공할 것인지 부분들에 대해서 노력하는 |
| 1:55 | 1:59 | 3.4 | 그런 영역이라고 보시면 될 것 같습니다. |
| 1:59 | 2:05 | 6.0 | 국내의 참여 사례를 말씀 드릴 건데요. |
| 2:05 | 2:08 | 3.2 | 첫 번째로 그 아마존 사례를 좀 말씀드리겠습니다. |
| 2:08 | 2:14 | 6.4 | 아마존 같은 경우에는 작년에 새롭게 출시한 그런 기능입니다. |
| 2:14 | 2:18 | 4.0 | 그래서 작년 5월달쯤에 내놓은 기능에서 아마존 같은 경우에는 |
| 2:18 | 2:20 | 1.2 | 셀러들이 굉장히 많이 있습니다. |
| 2:20 | 2:25 | 5.4 | 셀러들이 제풍 올리고 많이 판매를 하기 끊 도와주는 부분이 굉장히 |
| 2:25 | 2:30 | 4.6 | 중요한 영역인데 셀러들이 동량이든 서양이든 막로우하고 굉장히 |
| 2:30 | 2:33 | 3.7 | 그 어렵게 쓰는 것 어렵게 생각하는 분들이 많거든요. |
| 2:33 | 2:38 | 4.8 | 사람들이 제품에 대한 주요 사항과 핵심 내용들을 블랙 포인트를 정리 |
| 2:38 | 2:42 | 3.9 | 에서 간단한 키워드를 넣게 되면 그런 부분들을 아예 제품에 대한 |
| 2:42 | 2:47 | 5.4 | 설명 내용들을 작성해 주는 그런 기능들을 제공을 했던 사례가 있고요. |
| 2:47 | 2:51 | 4.0 | 그리고 잘 보시면 많이 이미 활용이 되고 있죠 작년부터. |
| 2:51 | 2:55 | 3.4 | 그래서 우리 제품이 있을 때 그 제품에 대한 배경 이미지를 어떻게 꾸며 |
| 2:55 | 2:59 | 4.0 | 주는 이 아이 따라서 고객들이 어떻게 이걸 좀 선택을 더 많이 하고 |
| 2:59 | 3:01 | 2.6 | 그걸 더 관심 있게 분량을 달라지는 건데. |
| 3:01 | 3:06 | 4.6 | 예를 들면 뭐 만명이 된 천명이 된 똑같은 이미지로 뭔가 프로모션을 |
| 3:06 | 3:10 | 4.1 | 하거나 뭔가 이메일 보내드라 보내드라 보내드라 했던 것들을 그 사람이 |
| 3:10 | 3:15 | 4.6 | 조화만한 기본 정보를 기반으로 어떤 특정 브랜드 특정 배경, 특정 |
| 3:15 | 3:19 | 4.6 | 관심사에 대한 걸로 이미지를 여러 형태로 꾸며 줘서 그들이 더 많이 |
| 3:19 | 3:24 | 4.3 | 선택을 좀 유도하는 것들도 굉장히 이제 많이 활용이 되고 있는 분야 |
| 3:24 | 3:25 | 1.0 | 입니다. |
| 3:25 | 3:29 | 3.9 | 그런데 이제 아마존 광고사품은 같은 경우에는 이 제품에 대한 이미지가 |
| 3:29 | 3:33 | 4.7 | 있었으면 그 외에 바깥 부분 대대에서 동영상까지 만들어주는 그런 |
| 3:33 | 3:38 | 4.6 | 기능들도 이제 오래 제공을 하기 시작을 했고 굉장히 지금 많은 반응을 |
| 3:38 | 3:41 | 3.3 | 이끌어내고 있습니다. |
| 3:41 | 3:45 | 4.1 | 그리고 지금 얼마 전에 저희 행사에서 LG EPLUS에서 발표를 해주셨어요. |
| 3:45 | 3:50 | 5.0 | 그래서 지금 LG EPLUS 같은 경우에는 생선형 AI일 기반으로 해서 코드를 작성 |
| 3:50 | 3:54 | 3.2 | 한 부분으로 리뷰를 하고 그 부분에 대해서 보안 상의 뭔가 이슈 |
| 3:54 | 3:58 | 4.0 | 거 없는지 그런 부분들을 자동으로 체킹해서 알려주는 그런 내용들을 |
| 3:58 | 4:00 | 2.2 | 이제 적용을 하기 시작을 했고요. |
| 4:00 | 4:04 | 4.3 | 특히 여기에는 아마존 배드라하게 언어 모델 클로드 모델을 쓰시고 |
| 4:04 | 4:09 | 5.4 | 그리고 아마 계속 언급이 데리 그런 서비스들인 가들의 일포 아마존 |
| 4:09 | 4:13 | 3.4 | 배드라악을 통해서 뭔가 문제가 될 만한 그리고 보안 등급의 문제가 |
| 4:13 | 4:17 | 3.8 | 될 만한 부분들을 자동으로 걸러주는 부분들을 적용을 했던 사례를 |
| 4:17 | 4:21 | 4.0 | 말씀을 드리고 있습니다. |
| 4:21 | 4:25 | 4.2 | 그리고 미국의 굉장히 유명한 그런 미디어 그룹이죠. |
| 4:25 | 4:29 | 4.1 | 폭스 미디어 그룹 같은 경우에는 스포츠 하이라이트를 자동으로 만들어주는 |
| 4:29 | 4:34 | 4.6 | 부분들에 대해서 AI 기술들을 활용한다고 작년에 저희 발표를 저의 |
| 4:34 | 4:35 | 1.3 | 행사에서 하셨습니다. |
| 4:35 | 4:40 | 5.0 | 그래서 스포츠 중계 내용들을 전체를 보는 방향에 다시 볼 때는 |
| 4:40 | 4:41 | 1.2 | 전체 보시지 않으시죠. |
| 4:41 | 4:45 | 3.6 | 그래서 그 내용을 하이라이트만 자동으로 만들어내는 그런 부분들을 |
| 4:45 | 4:49 | 4.7 | 여러 AI 기술을 통해서 만들어내고 있었는데요. |
| 4:49 | 4:55 | 5.4 | 에잇대표 스크리아도 마찬가지로 생선형 AI 기술 기반으로 거의 콘텐츠들을 |
| 4:55 | 4:59 | 4.2 | 어떤 특정 조제할 별로 쇼폼으로 만드는 부분들을 적용을 하기 시작했습니다. |
| 4:59 | 5:02 | 2.8 | 그래서 저희 AI 기술 스포츠 하이라이터는 유튜브 채널에 있는데 |
| 5:02 | 5:07 | 4.7 | 거기에는 한시간이든 40분이든 굉장히 기인세션들 그리고 기인 세미나 |
| 5:07 | 5:11 | 3.9 | 에 있는 그런 콘텐츠들이 다 올라가 있는데 그 부분들에 대해서 |
| 5:11 | 5:16 | 5.3 | 단위 서비스나 단위 주제를 통해 두 제별로 저희 AI 기술 서비스를 활용 |
| 5:16 | 5:20 | 3.8 | 을 해서 자동으로 쇼폼 그 데이터들을 쇼폼 본 비디오들을 만들어내는 |
| 5:20 | 5:23 | 3.5 | 부분들을 진행을 하고 있습니다. |
| 5:23 | 5:28 | 4.5 | 그리고 저희 고객사 저희 파트너 관계로 있는 트랩을 앱스라는 회사를 |
| 5:28 | 5:29 | 1.0 | 좀 보여드리 건데요. |
| 5:29 | 5:33 | 4.5 | 트랩을 앱스 같은 경우에는 트랩프트 기반으로 특정 장면을 검색하는 |
| 5:33 | 5:36 | 2.9 | 멀티 모델 관련된 서비스들을 제공을 하기 시작했어요. |
| 5:36 | 5:42 | 6.2 | 그래서 저희 지금 특히 트랩을 앱스 같은 경우에는 저희 AI |
| 5:42 | 5:49 | 6.4 | 에잇대표에서 마켓플레이스 통해서 과연 댓글로 모델들을 받아보실 수 있는데요. |
| 5:49 | 6:01 | 12.3 | 잠깐 보시면 혹시 소리가 나가나요? |
| 6:01 | 6:05 | 3.9 | 네 소리가 안 나가는 것 같아서 일단은 제가 말로 설명을 드릴게요. |
| 6:05 | 6:08 | 2.7 | 여기서 지금 보시면은 어떤 차이안 셔츠를 입은 그 촐를쭈는 여자라는 |
| 6:08 | 6:12 | 4.1 | 부분들의 폼프롬프트 를 넣으면 이렇게 그 딱 장면들을 검색을 해서 |
| 6:12 | 6:14 | 1.8 | 보여주는 걸 보실 수가 있죠. |
| 6:14 | 6:18 | 4.2 | 이런 형태의 프롬프트 기반으로 특정 장면을 검색하는 멀티 모델 |
| 6:18 | 6:22 | 3.8 | FM 기능의 서비스들이 소속들이 나오고 있어서 아마 이 미디어 |
| 6:22 | 6:26 | 4.4 | 부문에서도 굉장히 많이 인위한 게 활용이 될 거라고 예상을 하고 있습니다. |
| 6:26 | 6:30 | 3.6 | 그리고 이제 기술 관련된 분들으로 굉장히 너무 잘 아시는 내용이지만 |
| 6:30 | 6:35 | 5.4 | 한 번 더 설명드리면 아마 뒤의 긴 계속이 된 텍스션에서 설명이 될 겁니다. |
| 6:35 | 6:38 | 3.0 | 검색 증강 생성이라는 기법이 거의 필수 요 과정이 되고 있죠. |
| 6:38 | 6:41 | 2.7 | 그래서 이거는 우리의 그 데이터. |
| 6:41 | 6:45 | 4.9 | 우리 만의 데이터를 생성여 AIA에다가 연결 스킨으로써 굉장히 정확한 답을 |
| 6:45 | 6:49 | 3.4 | 입그러냈는데 활용되는 기법을 얘기를 하고 있습니다. |
| 6:49 | 6:52 | 3.0 | 이런 기법이 활용이 되기 시작하면 어떻게 되느냐. |
| 6:52 | 6:56 | 4.0 | 예를 들면 유지관력 부분에 유지관립 부분에 대해서 어떻게 개선을 할 수 |
| 6:56 | 7:01 | 4.8 | 있는지를 좀 생성의 AIA를 부치게 된다면 우리 만의 그런 정비 데이터 |
| 7:01 | 7:04 | 3.1 | 가 있고 지침이 있고 우리 만의 정보가 있을 수 있어요. |
| 7:04 | 7:08 | 4.3 | 그 정보를 생성여 AIA에 부치게 시작하면 대화가 가능해지는 거죠. |
| 7:08 | 7:13 | 4.5 | 그리고 그 내용에 대해서 답변을 하면서 출차라든지 그 근거 데이터들을 |
| 7:13 | 7:16 | 3.0 | 확인 이 가능한 그런 형태가 가능해지는 겁니다. |
| 7:16 | 7:20 | 4.3 | 그래서 저희 이제 고기사 파트너와 관계에 있는 두사 데이터 인어베이션 |
| 7:20 | 7:25 | 5.3 | 같은 경우에는 시설 진단 서비스 내용이 저희 클라우드위에서 구현이 |
| 7:25 | 7:30 | 5.2 | 일정부 온 대화 있는 분들이 있었는데 여기 IoT 센스라든지 기존의 값 |
| 7:30 | 7:35 | 4.3 | 들을 읽어 와서 대시보들 구현하고 이런 부분들이 아능했던 영역이 있습니다. |
| 7:35 | 7:40 | 5.4 | 그 부분에 제니 AI 기술을 합치게 되면 이렇게 대화듯이 대목과 가능해지는 |
| 7:40 | 7:41 | 1.0 | 겁니다. |
| 7:41 | 7:44 | 2.6 | 두사 데이터 인어베이션에서 발표해 주신 내용을 잠깐 좀 보여드리고 |
| 7:44 | 7:45 | 1.0 | 있는데요. |
| 7:45 | 7:49 | 4.0 | 예를 들면 설비에 관련된 부분들을 언어 모델 통해서 물어보게 되는 |
| 7:49 | 7:50 | 1.0 | 거죠. |
| 7:50 | 7:53 | 3.1 | 예전에는 대시보드가 갖춰진 상태에서 대시보드 숫자를 보고 뭔가 |
| 7:53 | 7:57 | 4.4 | 판단하고 확인를 해야 되는 거였는데 예를 들면 팩토리 원의 공장 |
| 7:57 | 8:01 | 4.2 | 설비 현황을 알려줘 이렇게 하면 팩토리 원에 대한 공장 설비 값과 |
| 8:01 | 8:05 | 3.4 | 그리고 우리 회사에 가지고 있는 정비 메뉴얼. |
| 8:05 | 8:08 | 3.6 | 이런 정보들 기반으로 해서 문제 상황이 있는지 이런 부분들 답변을 |
| 8:08 | 8:10 | 1.6 | 주는 게 가능해지고 있고요. |
| 8:10 | 8:14 | 4.2 | 그다음에 어떤 특정 코드에 설비를 진단해 주라고 했을 때 그 부분에 |
| 8:14 | 8:16 | 1.8 | 대해서 확인를 하는 겁니다. |
| 8:16 | 8:22 | 6.2 | 대시보드 내용의 수치 값과 기본의 정비 진단이라든지 메뉴얼 관련된 |
| 8:22 | 8:24 | 2.2 | 정보를 가지고 답변을 하는 거죠. |
| 8:24 | 8:28 | 3.8 | 그래서 어떤 부분에 대해서 추가로 검정이 필요하다 아니면 확인이 필요하다 |
| 8:28 | 8:32 | 3.8 | 이런 의원들이 주고 받을 수 있는 세 번형대로 구현이 되는 거고 |
| 8:32 | 8:36 | 4.0 | 특정 기간 동안의 래퍼트를 만들어줘 그럼 이렇게 피대표형대로 |
| 8:36 | 8:40 | 3.6 | 래퍼트도 만들어주는 게 가능해진다라는 예시를 도산해서 보여준 사례 |
| 8:40 | 8:41 | 1.3 | 가겠습니다. |
| 8:41 | 8:46 | 4.7 | 그리고 저희의 더블 수섬이 채에서 발표했었던 사례 중에 또 대표적인 |
| 8:46 | 8:47 | 1.2 | 사례가 있는데요. |
| 8:47 | 8:50 | 3.2 | 스타벅스에서 발표해 주신 사례입니다. |
| 8:50 | 8:55 | 5.2 | 사박스 같은 경우에는 24,500명 가까이 되는 전국의 산재된 굉장히 |
| 8:55 | 8:57 | 2.0 | 많은 직원분들이 있다고 하세요. |
| 8:57 | 9:02 | 4.4 | 그런데 그 분들이 어떤 특정 장소에서 모여서 같이 일하는 게 아니라 |
| 9:02 | 9:06 | 4.3 | 교대로 일을 하시고 굉장히 또 다양한 지역에서 일을 하시기 때문에 |
| 9:06 | 9:10 | 4.6 | 굉장히 반복적인 그런 질문과 대응과 요청 사항들이 있었던 겁니다. |
| 9:10 | 9:15 | 4.8 | 그래서 이런 부분들에 대해서 첫 번형태 내용들을 시스템들을 고민을 하고 |
| 9:15 | 9:20 | 4.4 | 계시다가 생선유의에게 일을 활용하게 된 그런 사례입니다. |
| 9:20 | 9:26 | 6.0 | 그래서 이 내부에 있는 여러 가지 정보들을 아까 말씀드렸던 아래의지 |
| 9:26 | 9:30 | 4.8 | 검색 증가한 생성이라는 기법을 통해서 연계를 하고 요 생성유의 AI |
| 9:30 | 9:35 | 4.9 | 기술을 붙여서 만든 게 내부 지원을 위한 사인의 포탈이라는 |
| 9:35 | 9:40 | 4.5 | 그런 어떤 일정에 내부 지원을 위한 시스템을 개발을 하셨는데요. |
| 9:40 | 9:46 | 6.4 | 이것도 잠깐 대모를 보여드리도록 하겠습니다. |
| 9:46 | 9:50 | 4.1 | 임신한 지원에 대해서 본의 요생을 정리해서 알려주세요 라는 질문을 |
| 9:50 | 9:55 | 4.3 | 했을 때 답변을 생성을 하고 있는데요. |
| 9:55 | 10:01 | 5.9 | 예를 들어서 임신중인 파트너 본인 그리고 임신한 지원의 파트너 |
| 10:00 | 10:03 | 2.9 | 이 전해봤던의 파트너의 직원의 배우자 |
| 10:03 | 10:05 | 2.2 | 그 분들이 어떤 부분들을 봐주시는지 |
| 10:05 | 10:07 | 1.7 | 그리고 신청 방법이 먼지를 보여주고 |
| 10:07 | 10:09 | 2.3 | 그리고 관련 문서의 소스를 보여주기 대죠 |
| 10:09 | 10:12 | 2.9 | 이런 부분들에 대해서 사실은 애장 같았으면 전화려고 하거나 |
| 10:12 | 10:16 | 3.7 | 아니면 계시판에 올리거나 굉장히 다양한 형태로 업무가 발생했을 수 |
| 10:15 | 10:16 | 1.5 | 업무가 발생했을 수 있는데 |
| 10:16 | 10:20 | 4.6 | 수 있는데 이제는 이 관련 문서만 잘 정리를 해놓으면 굉장히 정확하게 |
| 10:20 | 10:22 | 2.0 | 굉장히 정확하게 답변이 이끌어내고 |
| 10:22 | 10:24 | 2.4 | 그리고 또 지금 스타벅스 직원분들한테 |
| 10:24 | 10:26 | 2.2 | 굉장히 좋은 반응을 이끌어내고 있다는 |
| 10:26 | 10:29 | 2.5 | 피드백들을 듣고 있습니다 |
| 10:29 | 10:30 | 1.4 | 세 번째 영역으로 가고 |
| 10:32 | 10:34 | 1.8 | 사실 이제 비투시 비즈니스 하고 있는 |
| 10:34 | 10:36 | 2.3 | 대부분의 기업들은 아마 이 영역을 계속 하고 |
| 10:36 | 10:37 | 1.3 | 싶으시일 것 같아요 |
| 10:37 | 10:39 | 1.5 | 그런데 이제 그런 부분들이 가능해지는 |
| 10:39 | 10:41 | 1.7 | 그런 시점이 되가고 있습니다 |
| 10:41 | 10:44 | 3.1 | 그 이유가 디터리슈몬 그리고 디터리 캐릭터를 |
| 10:44 | 10:46 | 2.3 | 만들고 싶어 하는데 그게 가능해진 이유가 |
| 10:46 | 10:48 | 2.0 | 여러 가지가 크게 두 가지 조건이 있습니다 |
| 10:48 | 10:51 | 3.0 | 하나는 우리의 정보를 담은 우리 |
| 10:51 | 10:53 | 2.4 | 그 만의 그런 대화 방식으로 |
| 10:53 | 10:56 | 2.9 | 우리 정보를 자연스럽게 알려줄 수 있는 |
| 10:56 | 10:59 | 2.4 | 그런 언어 모델과 그 지식기반 |
| 10:59 | 11:01 | 2.1 | 시스템들이 갖춰지기 시작하는 거죠 |
| 11:01 | 11:03 | 1.8 | 그리고 두 번째는 사실은 |
| 11:03 | 11:04 | 1.5 | 외모오도 그리고 아니면 캐릭터 |
| 11:04 | 11:06 | 2.2 | 이런 자연스러운 은대가 가능한 |
| 11:06 | 11:08 | 1.8 | 자연스러운 말이 가능한 |
| 11:08 | 11:13 | 4.4 | 표정과 제스처와 외형적인 부분까지 표현하는 |
| 11:13 | 11:16 | 3.0 | 그런 생선형 AI 기술들이 발전이 되고 있기 때문입니다 |
| 11:16 | 11:17 | 1.6 | 그래서 그 두 개가 합쳐지면 |
| 11:17 | 11:19 | 2.1 | 결국에는 우리 회사만을 위한 |
| 11:19 | 11:21 | 2.0 | 우리 회사가 원하는 그런 형태의 |
| 11:21 | 11:24 | 3.1 | 디터리 캐릭터가 구성이 가능해진다고 보시면 될 것 같아요 |
| 11:25 | 11:28 | 2.5 | 그래서 외형적인 부분에 있어서 |
| 11:28 | 11:30 | 1.9 | 그 아마 언어적인 부운죄를 계속되어 |
| 11:30 | 11:31 | 1.2 | 많은 데모도 보시고 |
| 11:31 | 11:32 | 1.5 | 고민도 많이 하고 계셨는데 |
| 11:32 | 11:34 | 1.2 | 외형적인 부운죄도 |
| 11:34 | 11:36 | 2.0 | 이제 여러 가지 형태 서비스와 솔루션 |
| 11:36 | 11:38 | 2.2 | 들이 나오고 시작을 하거든요 |
| 11:38 | 11:39 | 1.6 | 클래원이라는 저희 이제 |
| 11:39 | 11:42 | 3.0 | 국내의 그 스타트업 같은 경우에는 |
| 11:42 | 11:44 | 1.8 | 그 인모양을 생성하는 그런 |
| 11:44 | 11:48 | 3.6 | 이제 언어 그 생선형 AI 모델을 가지고 계시고 |
| 11:48 | 11:50 | 2.0 | 그 특정 어떤 글과 |
| 11:50 | 11:52 | 2.5 | 특정의 흐름에 맞춰서 |
| 11:52 | 11:54 | 2.3 | 인모양을 자연스럽게 보여주게 하는 |
| 11:54 | 11:56 | 1.8 | 그런 인모양 생선 모델을 |
| 11:56 | 11:58 | 2.2 | 여기 A.W.S. Immference와 유의해서 |
| 11:58 | 12:00 | 1.9 | 운영을 어떤 사례가 있습니다 |
| 12:00 | 12:02 | 1.4 | 나중에 한번 보시면 좋을 것 같고 |
| 12:02 | 12:03 | 1.0 | 여기에 들어가시면 |
| 12:03 | 12:06 | 3.4 | 그 동영상 그런 사례들도 분명히 있습니다 |
| 12:07 | 12:08 | 1.0 | 그리고 아마존 사례는 |
| 12:08 | 12:09 | 1.0 | 한 번 더 말씀드리 건데 |
| 12:09 | 12:11 | 2.0 | 고객 경험 강화 부분입니다 |
| 12:11 | 12:13 | 1.6 | 아마존 같은 경우에는 |
| 12:13 | 12:14 | 1.4 | 생선형 AI 기관으로 |
| 12:14 | 12:17 | 2.6 | 쇼핑 어시스탄트를 된 개발을 했고 |
| 12:17 | 12:19 | 2.0 | 그 내용을 저희 올달 |
| 12:19 | 12:21 | 1.8 | 올해 올달쯤의 발표를 |
| 12:21 | 12:22 | 1.6 | 3월달쯤에 발표를 하셨어요 |
| 12:22 | 12:24 | 2.0 | 그래서 잠깐 보여드리면 |
| 12:24 | 12:26 | 1.6 | 동영상입니다 |
| 12:26 | 12:28 | 2.6 | 시켜만해서는 무엇이든지 물어보세요 |
| 12:28 | 12:30 | 1.4 | 이렇게는 이게 가까워요 |
| 12:30 | 12:31 | 1.6 | 그래서 예를 들어서 드리 커피랑 |
| 12:31 | 12:33 | 2.0 | 포어버 커피랑 비교를 해줘 |
| 12:33 | 12:34 | 1.0 | 이라고 한다면 |
| 12:34 | 12:37 | 2.6 | 이 제품에 대한 기본적인 사양과 |
| 12:37 | 12:40 | 2.6 | 어떤 후기 정보들을 다 가시고 있잖아요 |
| 12:40 | 12:42 | 2.8 | 그 내용들 기반으로 자세하게 답변을 합니다 |
| 12:42 | 12:44 | 1.2 | 그리고 예를 들어서 |
| 12:44 | 12:45 | 1.6 | 후속점이 나오는 경우가 있겠죠 |
| 12:45 | 12:47 | 1.6 | 그래서 어떤 게 더 청소하기 좋아 |
| 12:47 | 12:48 | 1.4 | 이런 식으로 했을 때 |
| 12:48 | 12:50 | 2.0 | 여기에 대해서 제품의 정보과 |
| 12:50 | 12:51 | 1.0 | 확보기 정보들을 기반으로 |
| 12:51 | 12:53 | 1.8 | 해서 답변을 하는 걸 보시실 수 있습니다 |
| 12:53 | 12:57 | 3.6 | 결국에는 아마존 답검에서 원하는 거는 |
| 12:57 | 13:00 | 3.0 | 이 고객이 더 빨리 쉽게 그들이 |
| 13:00 | 13:03 | 3.0 | 원하는 제품을 찾게끔 도와주고 |
| 13:03 | 13:05 | 2.0 | 그리고 결국에는 그가 원하는 |
| 13:05 | 13:08 | 3.0 | 그 분이 원하는 제품을 구매하기 |
| 13:08 | 13:10 | 2.4 | 좀 도와주는 그런 역할을 |
| 13:10 | 13:13 | 3.0 | 이 쇼핑 어시스탄트를 통해서 |
| 13:13 | 13:15 | 1.6 | 했다고 보시면 될 것 같아요 |
| 13:15 | 13:16 | 1.4 | 아마존 답검 쓰시는 분들은 |
| 13:16 | 13:18 | 1.6 | 한번 이제 앱을 들어가 보시면은 |
| 13:18 | 13:19 | 1.6 | 롤퍼스 로고가 있거든요 |
| 13:19 | 13:21 | 1.7 | 그걸 통해서 늘러보면은 |
| 13:21 | 13:23 | 1.8 | 한국어도 지원이 되고 있고 |
| 13:23 | 13:25 | 2.0 | 여러 가지 형태로 답을 굉장히 자연스럽게 |
| 13:25 | 13:27 | 2.7 | 하는 것을 보실 수가 있습니다 |
| 13:27 | 13:29 | 1.8 | 그리고 저희 고객사인데요 |
| 13:29 | 13:32 | 2.7 | 미리디라는 회사의 사례를 좀 |
| 13:32 | 13:33 | 1.1 | 말씀을 드리려고 해요 |
| 13:33 | 13:35 | 2.2 | 그래서 AI 프리젠테이션을 |
| 13:35 | 13:36 | 1.2 | 센성하는 수업이 있습니다 |
| 13:36 | 13:39 | 2.4 | 그래서 잠깐 대모를 통해서 |
| 13:39 | 13:43 | 4.2 | 보시면은 이렇게 새로운 AI 프리젠테이션 |
| 13:43 | 13:45 | 2.0 | 를 만든다고 했을 때 |
| 13:45 | 13:47 | 2.5 | 일들서 완벽한 세계 여행을 위한 가이드 |
| 13:48 | 13:50 | 2.1 | 그런 제목으로 글을 |
| 13:50 | 13:52 | 2.0 | 프리젠테이션을 만들고 싶어 하세요 |
| 13:52 | 13:54 | 1.9 | 그러면 여기에 막 그 끔 |
| 13:54 | 13:57 | 3.0 | 이 목차도 만들어 주고 |
| 13:57 | 13:58 | 1.4 | 그다음에 일들어서 |
| 13:58 | 14:00 | 2.0 | 루캔피를 |
| 14:00 | 14:02 | 1.6 | 톤앤매너와 루캔피를 |
| 14:02 | 14:03 | 1.3 | 설정하는 작업들이죠 |
| 14:03 | 14:04 | 1.2 | 그래서 어떤 탭플릿들을 |
| 14:04 | 14:06 | 1.5 | 이런 컨셉을 좀 쓰고 싶어 |
| 14:06 | 14:07 | 1.1 | 여러 가지가 나올 수 있습니다 |
| 14:07 | 14:09 | 1.9 | 그걸 선택을 하게 되면은 |
| 14:09 | 14:10 | 1.3 | 거기에 맞춰서 |
| 14:10 | 14:13 | 2.9 | 이제 아까 제목을 통해서 생선된 |
| 14:13 | 14:15 | 2.1 | 그 목차를 통해서 생선되는 내용들과 |
| 14:15 | 14:17 | 2.2 | 그 흐름에 맞는 글을 작성해서 |
| 14:17 | 14:19 | 1.9 | 이 프리젠테이션에 자연스럽게 |
| 14:19 | 14:21 | 1.9 | 넣어 주는 작업들을 하게 되는 겁니다 |
| 14:21 | 14:22 | 1.5 | 그래서 지금 나온 부분들은 |
| 14:22 | 14:25 | 2.6 | 일들서 완벽한 세계 여행을 위한 가이드 |
| 14:25 | 14:27 | 2.0 | 라는 그런 슬라이드가 |
| 14:27 | 14:29 | 1.8 | 아예 예시로 만들어진 거죠 |
| 14:29 | 14:30 | 1.7 | 이걸 조금만 수정하거나 아니면 |
| 14:30 | 14:32 | 2.0 | 본인이 막 그 원하는 만큼 |
| 14:32 | 14:34 | 1.5 | 조금 더 커스토발링 하면은 |
| 14:34 | 14:35 | 1.2 | 여러 가지 형태로 |
| 14:35 | 14:38 | 2.5 | 굉장히 업무의 효율성을 강화시킬 수 있는 형태로 |
| 14:38 | 14:40 | 2.2 | 활용이 될 거라고 예상하고 있습니다 |
| 14:40 | 14:41 | 1.6 | 여기는 이제 저희 아마 좀 |
| 14:41 | 14:42 | 0.8 | 배드락에 |
| 14:42 | 14:45 | 2.3 | 엔트로픽 클로드 모델이 |
| 14:45 | 14:46 | 1.1 | 사용이 되기도 했고 |
| 14:46 | 14:48 | 2.0 | 그 외에도 네이드베스 발렸네 서비스들을 |
| 14:48 | 14:50 | 2.4 | 연계해서 이런 형태의 서비스들을 |
| 14:50 | 14:53 | 3.1 | 제공하고 계시는 것을 아실 수가 있습니다 |
| 14:55 | 14:56 | 1.8 | 제가 좀 시간이 혹시 부작각 |
| 14:56 | 14:59 | 2.4 | 부족각각과 경제안에서 지금 바쁘게 |
| 14:59 | 15:01 | 1.7 | 지금 얘기를 드리고 있었는데 |
| 15:01 | 15:03 | 2.0 | 시간이 약간 녹놓은 것 같아서 |
| 15:03 | 15:06 | 3.5 | 그래서 조금 천천히 말씀드리도록 하겠습니다 |
| 15:06 | 15:08 | 2.0 | 제가 그 아택까지 말씀드린 거는 |
| 15:08 | 15:09 | 1.0 | 전반적인 그런 |
| 15:11 | 15:14 | 3.1 | 저희 고객들이 어떻게 이 생선여의 예의를 |
| 15:14 | 15:15 | 1.0 | 적고나고 있고 |
| 15:15 | 15:17 | 2.2 | 활용을 하고 트렌드를 말씀을 드린 거고요 |
| 15:17 | 15:19 | 1.6 | 이 다음 내용은 |
| 15:19 | 15:21 | 2.0 | 그럼 이제 고객이 어떤 디즈가 있고 |
| 15:21 | 15:23 | 2.0 | 어떤 형태로 지금 이 기술들을 바라보고 있는지 |
| 15:23 | 15:24 | 1.6 | 잠깐 말씀드리려고 해요 |
| 15:24 | 15:27 | 3.1 | 그래서 제가 지금 작년부터 |
| 15:27 | 15:29 | 1.8 | 아무래도 AI 관련되서 |
| 15:29 | 15:30 | 0.8 | 확격을 하다보니까 |
| 15:30 | 15:31 | 1.4 | 굉장히 여러 회사들 |
| 15:31 | 15:33 | 1.6 | 그 고객사들도 만나고 |
| 15:33 | 15:35 | 2.0 | 파트넛사들도 만나고 논의를 |
| 15:35 | 15:37 | 1.8 | 하는 그런 미팅들이 많습니다 |
| 15:37 | 15:39 | 2.5 | 그런데 뭐 정말 신기하게도 |
| 15:39 | 15:41 | 1.9 | 항상 똑같은 말을 듣습니다 |
| 15:41 | 15:44 | 2.6 | 정말 그 회사들이 다 같이 모여서 |
| 15:44 | 15:46 | 2.0 | 한 대 모여서 서로 뭔가 |
| 15:46 | 15:48 | 2.0 | 우리 이렇게 얘기하자 하신 것도 아닐 건데 |
| 15:48 | 15:49 | 1.5 | 똑같은 얘기를 하시거든요 |
| 15:49 | 15:51 | 1.5 | 그게 뭐냐면 |
| 15:51 | 15:53 | 2.0 | 우리 회사만의 자비스를 만들고 싶어요 |
| 15:53 | 15:54 | 1.7 | 우리 사는 만에 자비스를 만들고 싶어요 |
| 15:54 | 15:56 | 1.9 | 이런 얘기를 굉장히 많이 하세요 |
| 15:56 | 15:59 | 2.9 | 그리고 정말 신기하게 그 얘기를 굉장히 많이 하시는데 |
| 16:00 | 16:01 | 1.1 | 그래서 이거를 좀 |
| 16:01 | 16:02 | 1.0 | 궁금히 생각을 해봤습니다 |
| 16:02 | 16:04 | 1.8 | 이게 왜 자비스라는 얘기를 |
| 16:04 | 16:05 | 1.4 | 다들 똑같은 얘기를 하실까 |
| 16:05 | 16:07 | 1.8 | 자비스의 어떤 면에 이끌려서 |
| 16:07 | 16:09 | 1.8 | 그 자비스의 어떤 면들을 |
| 16:09 | 16:11 | 1.6 | 도입을 하고 싶으셔서 |
| 16:11 | 16:13 | 2.3 | 자비스라는 얘기를 하실까라는 얘기를 좀 |
| 16:13 | 16:16 | 2.7 | 생각을 하고 그 내용을 좀 요술 한번 |
| 16:16 | 16:17 | 1.8 | 좀 뽑아 봉계 이겁니다 |
| 16:17 | 16:19 | 1.1 | 첫번째는 |
| 16:19 | 16:21 | 2.0 | 자비스에 기대하는 거는 |
| 16:21 | 16:23 | 2.6 | 그리고 이제 생선유의 AI에 기대하는 거는 |
| 16:23 | 16:24 | 1.0 | 우리의 만의 영워나 |
| 16:24 | 16:26 | 2.2 | 우리가 얘기하는 모든 영워들을 |
| 16:26 | 16:28 | 1.9 | 어떤 리앙스는 다 알아 듣고 |
| 16:28 | 16:29 | 1.2 | 자연스럽게 표현을 하고 |
| 16:29 | 16:31 | 1.8 | 자연스럽게 이해하고 |
| 16:31 | 16:32 | 1.1 | 또 그거에 맞는 |
| 16:32 | 16:35 | 2.7 | 우리의 맞는 영워문장과 방식에 따라서 |
| 16:35 | 16:36 | 1.2 | 밥을 주고 받을 수 있는 |
| 16:36 | 16:38 | 1.9 | 그런 걸 원하는 것 같아요 |
| 16:38 | 16:39 | 1.0 | 그리고 두 번째는 |
| 16:39 | 16:40 | 0.8 | 제가 물어볼 때 |
| 16:40 | 16:41 | 0.9 | 그 정보가 |
| 16:41 | 16:42 | 1.1 | 다 있어야 돼요 |
| 16:42 | 16:45 | 3.0 | 그러면 내가 어떤 거에 대해서 확인해줘 |
| 16:45 | 16:46 | 0.7 | 어떤 거는 |
| 16:46 | 16:48 | 2.4 | 뭐야 라고 했을 때 그 정보들을 확인해서 |
| 16:48 | 16:49 | 1.1 | 답변 줄 수 있는 |
| 16:49 | 16:51 | 1.5 | 그런 정보가 연결된 |
| 16:51 | 16:53 | 2.2 | 그런 시스템이 필요하다는 인 것 겁니다 |
| 16:53 | 16:54 | 1.2 | 그리고 세 번째는 |
| 16:54 | 16:55 | 1.0 | 제가 이제 예를 들어서 |
| 16:55 | 16:57 | 1.8 | 이거는 지금 몇 프로야 아니면 |
| 16:57 | 17:00 | 2.8 | 이거는 어느 범주야 |
| 17:00 | 17:01 | 1.1 | 위험한 거야 아니면 뭐 |
| 17:01 | 17:01 | 0.7 | 이험하지 않은 거야 |
| 17:01 | 17:03 | 1.9 | 이런 분석이 필요한 경우에도 |
| 17:03 | 17:05 | 1.5 | 분석을 해줘서 답을 주는 |
| 17:05 | 17:07 | 1.7 | 그런 시스템으로 원하시는 것 같고요 |
| 17:07 | 17:08 | 1.5 | 그리고 마지막으로는 |
| 17:08 | 17:09 | 0.8 | 이 다음은 |
| 17:09 | 17:11 | 2.2 | 얘는 이제 결국에는 실행을 해야 하는 거죠 |
| 17:11 | 17:13 | 1.9 | 제가 뭐 예를 들어서 이 시스템은 |
| 17:13 | 17:14 | 0.9 | 막아줘 아니면 |
| 17:14 | 17:15 | 1.1 | 이거는 이렇게 수행해줘 |
| 17:15 | 17:17 | 2.1 | 이거는 이렇게 뭔가 신호를 보내서 |
| 17:17 | 17:19 | 1.8 | 이걸 막아줘 라고 한다면 |
| 17:19 | 17:21 | 1.6 | 그거에 대해서 실행을 하고 |
| 17:21 | 17:22 | 1.5 | 액션을 취할 수 있는 |
| 17:22 | 17:24 | 1.8 | 그 실행 용량이 필요하다고 |
| 17:24 | 17:25 | 1.2 | 생각을 하는 것 같아요 |
| 17:25 | 17:27 | 2.2 | 그래서 이 네 가지를 기대를 하는 것 같다고 |
| 17:27 | 17:29 | 1.3 | 저는 결론이 되었고 |
| 17:29 | 17:30 | 1.5 | 이 네 가지로 생각이 되는데 |
| 17:30 | 17:31 | 0.8 | 그럼 과연 |
| 17:31 | 17:32 | 1.0 | 제 AI |
| 17:32 | 17:35 | 2.9 | AI 속에서 많은 기업들이 그 다음 단계 |
| 17:35 | 17:37 | 2.0 | 멀로 발전될 거라고 얘기를 하실 건가 |
| 17:37 | 17:38 | 1.0 | 라고 했을 때 |
| 17:38 | 17:39 | 1.2 | 실제로 이 네 가지로 |
| 17:39 | 17:40 | 1.3 | 지금 많은 기업들이 |
| 17:40 | 17:43 | 2.6 | 다음 단계의 기술들을 준비를 하고 있는 것을 |
| 17:43 | 17:45 | 2.0 | 아실 수가 있습니다 |
| 17:45 | 17:46 | 1.3 | 그리고 저희가 |
| 17:46 | 17:49 | 2.5 | 이 생선의 AI를 접근할 때 |
| 17:49 | 17:51 | 2.0 | 식검 말에서 이거를 |
| 17:51 | 17:51 | 0.8 | 모델이 있을 때 |
| 17:51 | 17:53 | 2.0 | 그걸 모델 그대로 사용하는 경우에 있고 |
| 17:53 | 17:55 | 1.4 | 아니면 이 모델은 |
| 17:55 | 17:56 | 1.5 | 우리한테 맞지 않기 때문에 |
| 17:56 | 17:57 | 1.1 | 마음에 아틀지 않기 때문에 |
| 17:57 | 17:59 | 2.0 | 이 모델을 우리 회사에 맞게끔 |
| 17:59 | 18:01 | 1.9 | 처음부터 끝까지 다 만들뒀다고 하는 |
| 18:01 | 18:03 | 1.4 | 굉장히 극과 극이 있죠 |
| 18:03 | 18:04 | 1.0 | 이걸 그대로 사용하겠다 |
| 18:04 | 18:06 | 2.3 | 아니면 이거를 다 만들겠다 |
| 18:06 | 18:08 | 2.0 | 사실은 이 극과 극은 쉽지 않습니다 |
| 18:08 | 18:10 | 1.8 | 왜냐하면 이제 그대로 사용하는 경우도 |
| 18:10 | 18:11 | 1.1 | 사실 쉽지 않고 |
| 18:11 | 18:13 | 1.9 | 이걸 다 처음부터 끝까지 만든다는 건 |
| 18:13 | 18:14 | 1.4 | 굉장히 많은 리소스와 |
| 18:14 | 18:17 | 2.3 | 식감과 노력과 돈이 들기 때문이죠 |
| 18:17 | 18:18 | 1.2 | 그래서 대부분의 기업들은 |
| 18:18 | 18:20 | 2.1 | 이 가운데 영역에서 |
| 18:20 | 18:21 | 0.8 | 검은 아까 봤으면 |
| 18:21 | 18:22 | 1.4 | 있던 검색 증가 생성을 |
| 18:22 | 18:24 | 2.0 | 도입을 해서 구현을 해서 |
| 18:24 | 18:26 | 1.8 | 사용을 하시거나 또는 |
| 18:26 | 18:28 | 2.5 | 이 기본적인 파운데이션 모델을 |
| 18:28 | 18:30 | 1.3 | 가져와서 |
| 18:30 | 18:31 | 1.6 | 또는 눈가가 협력을 해서 |
| 18:31 | 18:33 | 1.6 | 트위닝을 해서 사용하시는 경우가 |
| 18:33 | 18:34 | 1.3 | 대부분이라는 거예요 |
| 18:34 | 18:35 | 1.1 | 그래서 저희가 만나는 |
| 18:35 | 18:38 | 2.5 | 저희가 대화하고 있는 대부분의 기업들은 |
| 18:38 | 18:40 | 2.3 | 이 두 가지의 어느 영역 사이에서 |
| 18:40 | 18:42 | 2.0 | 또는 이제 두 번째 단계에서 |
| 18:42 | 18:44 | 2.2 | 활용을 해서 굉장히 잘 구현을 하고 계시고 |
| 18:44 | 18:50 | 5.6 | 운영을 하고 계시는 경우들을 계속 보고 있습니다 |
| 18:50 | 18:53 | 2.9 | 그러면 이제 이걸 어떻게 적건하면 좋을 것인지 |
| 18:53 | 18:55 | 1.7 | 이 부분에는 이제 저희 |
| 18:55 | 18:56 | 1.2 | 오늘 이제 5회 계속 |
| 18:56 | 18:57 | 1.5 | 테크 세션에서 말씀드릴 |
| 18:57 | 18:58 | 0.8 | 그 남아준 배드락도 |
| 18:58 | 19:00 | 2.2 | 표현이 더 마음에 들 건데요 |
| 19:01 | 19:05 | 3.3 | 저희가 생수교 AI 관련된 체계를 보시면은 |
| 19:05 | 19:07 | 2.0 | 왼쪽은 대 분류 체계이고 |
| 19:07 | 19:09 | 1.9 | 오른쪽은 약간 조금 더 들어간 |
| 19:09 | 19:11 | 2.3 | 그 3부 분류 예시인데 |
| 19:11 | 19:14 | 3.1 | 작년까지만 해도 많은 기업들이 |
| 19:14 | 19:16 | 1.6 | 이 가운데에 있는 |
| 19:16 | 19:17 | 1.8 | 쓴 파운데이션 모델에 굉장히 |
| 19:17 | 19:18 | 1.0 | 집중을 많이 하셨어요 |
| 19:18 | 19:20 | 1.2 | 어느 모델, 특히 어느 모델에 |
| 19:20 | 19:20 | 0.8 | 모델이죠 |
| 19:20 | 19:22 | 1.5 | 거기에 집중을 많이 하셨고 |
| 19:22 | 19:24 | 1.7 | 그 위단에 있는 서비스 단일하든지 |
| 19:24 | 19:25 | 1.9 | 아니면 그 밑에 있는 인프라라든지 |
| 19:25 | 19:27 | 1.1 | 클라우드라든지 |
| 19:27 | 19:27 | 0.6 | 칩에 걸렸는데 |
| 19:27 | 19:29 | 2.0 | 부분들은 많이 신경 안 쓰셨어요 |
| 19:29 | 19:32 | 3.0 | 그래서 사실은 이제 생수교 AI가 구현이 들려면 |
| 19:32 | 19:34 | 1.8 | 이 N2N들로 굉장히 많은 것들이 |
| 19:34 | 19:35 | 1.2 | 이 기조로 엮겨서 |
| 19:35 | 19:37 | 2.0 | 구현이 되어야 제대로 쓸 수가 있는 건데 |
| 19:37 | 19:40 | 2.7 | 이 부분들을 많이 고민 안 하신 거죠 |
| 19:40 | 19:42 | 2.2 | 그런데 이제 비로서 오래되니까 |
| 19:42 | 19:45 | 2.9 | 작년 후 and 후, 한 부터 그런 현상들이 나타나기 시작하는데 |
| 19:45 | 19:47 | 1.9 | 이 모델만 보면 안 되는구나 |
| 19:47 | 19:49 | 1.8 | 이 모델을 어떻게 연계해서 |
| 19:49 | 19:51 | 1.9 | 그연을 해야 될지에 대해서 |
| 19:51 | 19:53 | 2.0 | 이제 많이 고민을 하기 시작하셨고 |
| 19:53 | 19:55 | 1.9 | 트렌드가 조금씩 조금씩 바뀌고 있는 걸 |
| 19:55 | 19:56 | 1.1 | 볼 수가 있습니다 |
| 19:56 | 19:57 | 1.7 | 그래서 저희가 |
| 19:57 | 19:59 | 1.5 | 관찰사항과 전망을 잠깐 |
| 19:59 | 20:00 | 1.3 | 말씀드릴 건데요 |
| 20:00 | 20:04 | 3.9 | 이것도 물론 정답은 아니지만 저희가 바라보는 귀를 말씀을 드리려고 하는 겁니다. |
| 20:04 | 20:08 | 4.1 | 작년 같은 경우에는 많은 기업들이 파운데이션 모델에 굉장히 포커스가 많이 돼 있었어요. |
| 20:08 | 20:13 | 4.7 | 그래서 그 파운데이션의 모델이 최집피티가 좋냐 아니면 라마가 좋냐 |
| 20:12 | 20:13 | 1.0 | 뭐 라마가 좋냐 |
| 20:13 | 20:19 | 6.0 | 아니면 어떤 다른 옥선수와 존냐 이런 부분들에서 굉장히 어떤 게 더 성능이 좋아 라는 |
| 20:18 | 20:19 | 0.5 | 라는 |
| 20:19 | 20:25 | 6.5 | 어떤 게 더 유명해 어떤 걸 더 많이 쓰고 있어 이런 얘기들이 조금 더 많이 집중이 돼 있었던 부분이 있었고요. |
| 20:25 | 20:28 | 2.6 | 그리고 아무래도 새로운 기술이 처음에 나왔을 때 |
| 20:28 | 20:31 | 3.5 | 드러나는 나타나는 굉장히 대표적인 현상인데 포모라고 하죠. |
| 20:31 | 20:38 | 6.3 | 포모도 있고 그다음에 이거를 가지고 정말 이게 필요해 아니면 이게 가성비가 좋아 이런 부분들보다는 |
| 20:38 | 20:43 | 5.1 | 새로운 결과가 있어 이게 정말 신기해 이런 거에 좀 집중을 많이 하셨던 한의인 것 같아요. |
| 20:43 | 20:46 | 3.7 | 올해를 보면 올해 초부터는 조금 상황이 다릅니다. |
| 20:46 | 20:52 | 5.2 | 그래서 이게 프로덕션의 전환하는 케이스가 계속 저희 고기사저도 생기고 있고 |
| 20:52 | 20:53 | 1.9 | 그리고 가성비를 타드기 시작합니다. |
| 20:53 | 20:57 | 3.8 | 이게 정말 이 모델이 우리한테 맞는 가성비가 좋은 모델이야 |
| 20:57 | 21:01 | 3.8 | 아니면 이 모델이 정말 우리한테는 효과된 거야 이런 얘기를 한기 시작하시고 |
| 21:01 | 21:06 | 4.7 | 튜닝을 하거나 검색증간생성은 굉장히 디테일하게 세밀하게 |
| 21:06 | 21:10 | 4.0 | 안기타지 구성해서 챙기시거나 이런 부분들에 대한 노력이 굉장히 심해 |
| 21:10 | 21:11 | 1.6 | 가속화되고 있는 거고요. |
| 21:11 | 21:16 | 4.2 | 그리고 우리가 가지고는 데이터를 잘 정지하고 이걸 붙여서 |
| 21:16 | 21:21 | 5.4 | 이걸 계속 업데이트해 한다라는 이게 굉장히 중요한다라는 거 다시 한번 느끼는 한 해가 되시는 것 같습니다. |
| 21:21 | 21:25 | 3.7 | 그래서 다 그래서 내년은 어떻게 됐 거냐 라는 부분에 있어서 |
| 21:25 | 21:29 | 3.9 | 내년은 저희는 이렇게 일단 내부적으로 좀 전망을 하고 있어요. |
| 21:29 | 21:32 | 3.6 | 첫 번째는 생성년 AR를 기반을 해서 |
| 21:32 | 21:37 | 4.9 | 프로덕션에 전환하는 케이스가 하나씩 생기고 있는데 내년에는 본격적으로 이걸 통해서 |
| 21:37 | 21:39 | 2.4 | 본인들의 디지니스를 차별화해서 이거 성공하는 |
| 21:39 | 21:44 | 4.5 | 그리고 약간 좀 더 앞서가는 그런 사례들이 본격적인 레이스가 되지 않을까 |
| 21:44 | 21:46 | 1.5 | 라고 저희는 예상을 하고 있고 |
| 21:46 | 21:52 | 6.6 | 그리고 지금까지는 텍스트 모델이든지 이런 부분들 일부 이미지 모델 이런 부분들에 대해서 |
| 21:52 | 21:55 | 3.1 | 굉장히 집중적으로 활용이 되고 있고 검토가 되어 있었는데 |
| 21:55 | 21:59 | 3.5 | 내년부터는 오히려 이미지를 해석하는 거라든지 영상이라든지 |
| 21:59 | 22:05 | 5.8 | 관련된 그 멀티모다을 관련된 부분들에 굉장히 적용하는 범위가 확대될 거라고 예상을 하고 있습니다. |
| 22:05 | 22:07 | 2.9 | 그리고 에이전팅 AI 기술 관련된 기술들이 |
| 22:07 | 22:13 | 5.1 | 새롭게 등장하고 있고 과제가 확 이제 활발하게 진행이 될 거라고 예상을 하고 있고요. |
| 22:13 | 22:17 | 4.7 | 마지막으로는 지금 많은 기업들이 그리고 리스판스 볼 AI 책임감인 AI 모델에 대해서 |
| 22:17 | 22:22 | 4.6 | 문상이 많은 챌린지와 점검과 그리고 정책들이 쏟아지고 있습니다. |
| 22:22 | 22:28 | 6.1 | 그래서 이런 부분들에 대해서 여러 가지 쏟아지고 있는 그리고 앞으로 계속 예상이 되는 그런 챌린지에 대해서 |
| 22:28 | 22:34 | 5.9 | 문제가 없게끔 그 회사 그 기술 그리고 그 솔루션 들 재응을 하고 있냐 이런 부분들은 굉장히 집중적으로 |
| 22:34 | 22:37 | 2.9 | 바라볼 거라고 저희는 전망을 하고 있습니다. |
| 22:37 | 22:40 | 3.1 | 자 이제 생선야 AI를 보시면 플리케이션을 저희가 보거든요. |
| 22:40 | 22:44 | 3.7 | 그 애플리케이션을 볼 때 굉장히 활용하고 높고 멋져 보이는데 |
| 22:44 | 22:50 | 6.2 | 사실 그 이변에는 그 밑에는 잘 보시는 것처럼 데이터 파운데이션이 굉장히 중간 역할을 하고 계세요. |
| 22:50 | 22:51 | 1.4 | 하고 있어요. |
| 22:51 | 22:59 | 7.7 | 그래서 데이터를 기반으로 우리의 맞는 우리가 우리 고객에 맞는 생선의 AI의 애플리케션들이 구현이 가능해지는데 |
| 22:59 | 23:06 | 6.8 | 여기 A.W.B.S 같은 경우에는 이렇게 세 가지 스테이크로 지금 제공을 하고 있습니다. |
| 23:06 | 23:11 | 5.2 | 그래서 자장 그테인된 부분들은 파운데이션 모델을 학습하고 출연을 하기 위한 |
| 23:11 | 23:13 | 2.0 | 인프라스 트럭트라고 보시면 될 것 같고요. |
| 23:13 | 23:22 | 9.2 | 가운데 부분은 이 파운데이션 모델을 활용해서 뭔가 우리가 우리의 맞는 형태로 구축할 수 있는 그런 도구라고 보시면 될 것 같아요. |
| 23:22 | 23:30 | 7.8 | 그리고 가장 위에 있는 부분은 이 파운데이션 모델을 활용해서 애플리케이션 형태로 제공하고 있는 서비스라고 보시면 될 것 같습니다. |
| 23:30 | 23:39 | 9.1 | 그래서 가장 밑에 있는 부분은 GPU, 인스턴스 그리고 세이샤 메이커러 같은 멋있는 이 플랫봄 이런 서비스들이 있기 때문에 |
| 23:39 | 23:48 | 9.5 | 어떻게 보면 파운데이션 모델을 직접 개발하고 유지하고 관리하는 회사들이 좀 더 집중적으로 활용을 하고 계시는 분야에 가깝고요. |
| 23:48 | 23:55 | 7.0 | 그리고 두 번째는 그 배트락 같은 경우에는 여러 가지 형태로 파운데이션 모델을 가져다 놓고 |
| 23:55 | 24:05 | 9.7 | 그걸 연기해서 활용할 수 있는 여러 도구 형태로 연기해서 우리에게 맞는 그런 애플리케션들을 개발할 수 있는 형태로 이런 서비스는 제공하고 있기 때문에 |
| 24:05 | 24:13 | 7.8 | 파운데이션 모델을 튜닝하거나 사용하는 그런 많은 기업들이 범용적으로 쓸 수 있는 그런 형탸에서비스라고 보시면 될 것 같습니다. |
| 24:13 | 24:36 | 22.8 | 그리고 가장 위에 있는 그 달에는 사실 저희 이제 우리 회사에 있는 애플리케이션이나 시스템이나 기존에 있는 데이터라는 이런 부분들에 대해서 쉽게 연결해서 굉장히 많은 그런 개발이 들지 않은 상태에서 활용할 수 있는 생선용 AI기반의 애플리케이션 서비스라고 보시면 될 것 같습니다. |
| 24:36 | 24:44 | 7.8 | 그래서 저희가 오늘은 집중적으로 볼 부분은 방금 전에 말씀드렸던 이 세 가지 스테게에서 가운데 부분입니다. |
| 24:44 | 24:55 | 11.0 | 그래서 가운데 부분이고 파운데이션 모델 언어 모델을 선택해서 굉장히 다양한 형태로 다양한 목적으로 활용할 수 있는 도구 측면이고요. |
| 24:55 | 25:02 | 7.2 | 도구 측면에서 저희가 아마 좀 배트락이라는 서비스를 집중적으로 오늘 택그세션을 통해서 소개를 드릴 예정인데요. |
| 25:02 | 25:25 | 23.6 | 아마 좀 배트락 같은 경우는 파운데이션 모델을 사용해서 이 고개사 사용자 회사가 애플리케이션 생선용 AI기반의 애플리케이션을 구축하고 확산하기 위한 가장 쉬운 방법을 제공하는 쉬운 방법을 제공하는 것으로 목표로 계속 저희가 새로운 기능을 추가하고 있는 대표적인 그런 서비스라고 보시면 될 것 같습니다. |
| 25:25 | 25:33 | 7.6 | 아마 좀 배트락을 통해서 아까 말씀드렸던 대로 검색증한 생선 일에 네이티브로 지원을 하고 있고요. |
| 25:33 | 25:40 | 6.8 | 그리고 여러 가지 파운데이션 모델들을 반년에 APR 통해서 지금 선택해서 쓰실 수가 있습니다. |
| 25:40 | 25:48 | 7.8 | 그리고 그 모델에 대해서 일부 모델에 대해서는 최적하고 우리 회사에 맞게끔 커스타말 증회해서 사용할 수 있는 기능을 제공하고 있고요. |
| 25:48 | 25:50 | 2.2 | 그리고 아까 제가 말씀드렸죠. |
| 25:50 | 25:57 | 7.4 | 에이전트 기능 굉장히 중요해집이 있다고 해서 에이전트 여러 단계의 작업을 실행하는 에이전트 기능과 네이티브로 연결되어 있습니다. |
| 25:57 | 26:12 | 14.8 | 예스 있는 부분들 그리고 각 그 거점들 각 지역에 있는 어떤 데이터, 어버넘스, 프라이버스 데이터 규제 그리고 IT 규제 관련된 분들은 충적을 하고 있는 그런 부분들이 갖춰진 서비스라고 보시면 될 것 같습니다. |
| 26:13 | 26:18 | 4.7 | 그리고 저희가 중요한 게 이제 시월 2일 날 얼마 안 됐죠. |
| 26:18 | 26:19 | 1.5 | 이제 한 달 조금 넘었습니다. |
| 26:19 | 26:23 | 4.2 | 아마 좀 배달하기라는 아까 말씀드렸던 그 서비스가 서울위전에 출시를 했습니다. |
| 26:23 | 26:29 | 6.1 | 그래서 서울위전에 출시를 함으로써 온전히 해외 리전을 쓰지 않고 국내에서 |
| 26:30 | 26:37 | 7.6 | 에이터블레스 데이터 센터를 통해서 우리 회사 만을 위한 댄서니의 AI 애플리케션을 구현하고 운영하고 |
| 26:37 | 26:40 | 2.2 | 유지 말전을 할 수 있는 그런 길이 열렸어요. |
| 26:40 | 26:47 | 7.8 | 그래서 많은 기업들에 사실 해외에 대점도 많이 활발히 쓰고 계시지만 여러 가지의 이유로 국내리전을 써야 하는 그런 귀엽들이 |
| 26:47 | 26:54 | 7.1 | 그리고 열릴로서 데이터 관련 규제 또는 기업에 내고 정책에 따라 아니면 특정 아깨 택처를 구현할 때 |
| 26:54 | 27:01 | 6.4 | 그게 꼭 서울위전을 써야 하는 서울에 있는 데이터, 국내에 있는 데이터 센터를 써야 하는 경우가 있을 수 있다면 |
| 27:01 | 27:08 | 6.8 | 이런 부분들로 인해서 만약에 해외 리전을 못 썼다면 지금은 이제 에이터블레스 서울위전을 통해서 |
| 27:08 | 27:12 | 4.6 | 아마 좀 배달하고 쉽게 쓰실 수가 있습니다. |
| 27:12 | 27:18 | 5.5 | 아마 좀 배달하게는 지금 보시는 것처럼 이거는 지금 11월 초 기준이에요. |
| 27:18 | 27:25 | 7.4 | 그래서 저희가 제가 이제 11월 초 기준이라고 말씀드린 이유가 뭐냐면 이게 처음 저희 아마 좀 배달하게 |
| 27:25 | 27:29 | 3.9 | 파운데이션 모델을 발표됐을 때는 다섯 개 세 개 뭐 네 개 이렇게 시작을 했어요. |
| 27:29 | 27:31 | 1.6 | 이제 계속 늘어나고 있습니다. |
| 27:31 | 27:37 | 6.6 | 그래서 경제 인력 있는 모델들이 협률하고 있고 이 모델들의 굉장히 다양한 같은 회사에도 |
| 27:37 | 27:47 | 9.9 | 다양한 형태의 모델들이 있었으니까 그런 모델들이 최신 모델들이 빠르게 여기 배달하기 위해서 쓰실 수 있는 형태로 올라오고 있기 때문에 제가 11월 초 라는 걸 강조를 드리고 있고요. |
| 27:47 | 27:57 | 9.3 | 지금 계속 확대가 되고 있고 많은 그런 글로벌 사용자들이 잘 아시나 엔트로픽에 클로드모델 그리고 코이어 메타의 라마 모델들. |
| 27:57 | 27:59 | 2.4 | 라마도 최근에 이제 삼점이가 나왔죠. |
| 27:59 | 28:05 | 6.1 | 그리고 미스트라 레이아이 그리고 유럽에서 많이 잊은 그 유명한 미스트라 레이아의 모델들도 올라가 있고요. |
| 28:05 | 28:10 | 5.4 | 스텝을 렛에 에이 그리고 아마존 모델들이 올라가 있습니다. |
| 28:10 | 28:21 | 11.0 | 그래서 이 모델들을 선택적으로 쉽게 사용할 수 있다는 부분이 가장 큰 특성이나 보시면 될 것 같습니다. |
| 28:21 | 28:31 | 9.4 | 그래서 그 배달하게 지금 클로드모델이 아마 국내 기업들 기업 보기 분들이 클로드모델을 굉장히 관심들이 많으세요. |
| 28:31 | 28:39 | 8.6 | 엔트로픽 클로드모델의 성능도 굉장히 뛰어나고 범용적으로 많이 쓰이는 부분들이 있어서 많이 물어보시고 또 사용을 하고 계시는데요. |
| 28:39 | 28:47 | 7.7 | 최근에 이제 가장 최근에 나오는 이제 모델들은 클로드�35 쏘넷과 글로드�35 하이크 모델이 있습니다. |
| 28:47 | 28:50 | 3.3 | 그래서 이게 다 컨택스트나 200K까지 재 지원이 되고 있고요. |
| 28:50 | 28:56 | 5.1 | 그리고 이전에 나왔던 클로드�35 하이크나 쏘넷과 오포스터들도 있는데 |
| 28:56 | 29:03 | 7.9 | 지금 이제 저희가 배달하기 위해서 이제 그 클로드모델을 파인틴이 가는 기능을 하나씩 내놓고 있는데 |
| 29:04 | 29:10 | 6.0 | 클로드�333 쏘넷과 하이크 같은 경우에는 지금 배달하기 위해서 파인틴이 되게 시작합니다. |
| 29:10 | 29:15 | 5.5 | 그래서 이것도 물론 제가 말씀드리는 게 2014년도 11월 초라고 말씀 드리고 있고 |
| 29:15 | 29:20 | 5.3 | 이 부분에 대해서는 새로운 모델과 새로운 기능들은 계속 확대가 될 예정이라고 보시는 데까지 |
| 29:20 | 29:31 | 10.6 | 이 배달하게는 여러 경제능 있는 모델들을 쉽게 쓸 수 있는 형태로 계속 제공이 될 예정이다라고 봐주시면 좋을 것 같습니다. |
| 29:31 | 29:36 | 4.9 | 타이틀한 같은 경우에는 저희 아마돈에서 만든 이제 그 파운데이션 모델이에요. |
| 29:36 | 29:44 | 8.1 | 여기에는 텍스트 인베팅 그리고 텍스트 모델 그리고 또 이미지를 생성하는 모델과 멀티모델 인베팅 모델을 |
| 29:44 | 29:50 | 6.0 | 같은 등 여러 가지 형태의 이제 모델들을 저희가 계속 지금 제공을 하고 있고요. |
| 29:50 | 29:58 | 7.6 | 타이틀한 모델 같은 경우에는 아직은 한국어는 공수로 지원하지 않는데 텍스트 모델 같은 경우에는 정우연료. |
| 29:58 | 30:03 | 5.1 | 그런데 이미지레네라이더라든지 지금 멀티모델 그리고 이 인베팅 기능 같은 경우는 굉장히 지금 |
| 30:03 | 30:10 | 7.4 | 성폭폭버스트가 또 괜찮다는 평들이 많으셔가지고 지금 국내 기업들도 특히 이미지레네라이터 부분들은 |
| 30:10 | 30:17 | 6.7 | 많이 테스트도 하고 계시고 활용을 하고 계시는 걸로 좀 알고 있습니다. |
| 30:17 | 30:24 | 7.4 | 그리고 배달하게 돼서 이제 저희가 계속 지원을 강화하고 있고 아까 제가 말씀드렸던 고기사들이 |
| 30:25 | 30:29 | 4.0 | 자비스에 대해서 기대하는 부분과 약간 좀 온라인이 돼요. |
| 30:29 | 30:30 | 1.0 | 그러한 부분과 비슷한 |
| 30:29 | 30:31 | 2.1 | 그런 부분과 비슷한 부분이 있습니다. |
| 30:31 | 30:35 | 3.3 | 그래서 이 배드라게 돼서 어떻게 우리가 계속 강화하고 있는지를 |
| 30:35 | 30:38 | 3.4 | 발표했던 최근 메시지를 잠깐 말씀을 드리려고 해요. |
| 30:38 | 30:41 | 3.5 | 그래서 배드라 같은 경우에는 저희 올해 7월달에 있었던 |
| 30:41 | 30:45 | 3.3 | 썸이 돼서 발표를 했을 때 이 4가지 측면을 강화했습니다. |
| 30:45 | 30:49 | 4.0 | 첫 번째는 오제를 최적한 하는 부분들을 지원을 계속 가겠다. |
| 30:49 | 30:52 | 3.5 | 그리고 두 번째는 데이터 연결 성능을 강화시키겠다. |
| 30:52 | 30:55 | 2.6 | 그리고 세 번째는 책임감 있는 AI 기능 강화. |
| 30:55 | 30:56 | 1.6 | 그리고 네 번째는 실행 능력 강화. |
| 30:56 | 30:59 | 2.4 | 이 4가지가 심인데요. |
| 30:59 | 31:05 | 5.9 | 하나씩 좀 말씀을 드리면 여러 가지 그런 디테일한 부분들도 |
| 31:05 | 31:10 | 4.8 | 발표가 많이 됐는데 몇 가지 주요 유점만 설명을 드리려고 합니다. |
| 31:10 | 31:10 | 0.9 | 일들면 이런 거예요. |
| 31:10 | 31:14 | 3.3 | 엔특픽, 클로이드 모델 같은 경우에는 굉장히 유명한 모델이고 |
| 31:14 | 31:18 | 4.2 | 많이 글로벌 회사들도 찾을 수 있는 모델인데 |
| 31:18 | 31:20 | 1.8 | 예전에는 파인투링이 안 됐습니다. |
| 31:20 | 31:24 | 3.8 | 그리고 있는 그대로 쓰시고 거기다가 검색 증가 생성형태로 |
| 31:24 | 31:28 | 4.7 | 악대 축위원회에서 쓰시는 경우가 일반적인 경우였는데 |
| 31:28 | 31:30 | 1.3 | 죄송합니다. |
| 31:30 | 31:34 | 4.4 | 저희가 이제부터는 이제 클로이드 3 하이크 모델부터 파인투링이 가능하게 |
| 31:34 | 31:38 | 4.4 | 끔 그 기능들을 제공을 하신다고 한다고 보시면 될 것 같아요. |
| 31:38 | 31:43 | 4.3 | 그래서 이런 부분들은 시작이기 때문에 앞으로도 계속 여러 가지 |
| 31:43 | 31:47 | 4.4 | 좋은 사용화된 섭 그 모델 들에 대해서 파인투링들이 길들이 열릴 거라고 |
| 31:47 | 31:51 | 3.7 | 좀 기대를 해주셔도 좋을 것 같습니다. |
| 31:51 | 31:52 | 1.7 | 그리고 데이터 연결 부분이에요. |
| 31:52 | 31:58 | 5.4 | 그래서 지금 아까 말씀드렸던 검색 증가한 생성 같은 경우 특히 |
| 31:58 | 32:01 | 3.5 | 저희의 우리만의 데이터를 얼마나 잘 연결을 하냐가 굉장히 중요한 |
| 32:01 | 32:02 | 1.0 | 요건입니다. |
| 32:02 | 32:07 | 4.6 | 그랬을 때 우리만의 데이터가 사실 여러 가지 형태로 이뤄져 있죠. |
| 32:07 | 32:10 | 2.8 | 어떤 회사는 세일지 프로슬로 굉장히 많이 쓰시는 회사가 있고 어떤 |
| 32:10 | 32:14 | 4.1 | 회사는 컨플런스의 위키 형태로 많이 쓰시는 경우가 있고 어떤 회사는 |
| 32:14 | 32:20 | 5.8 | 어떤 특정 데이터를 쓰시는 경우가 있고 어느 회사는 다른 형태로 |
| 32:20 | 32:23 | 3.0 | 데이터를 저장하고 관리하는 여러 가지 형태들이 있습니다. |
| 32:23 | 32:29 | 6.2 | 그래서 저희가 이 날레즈베이스 라고 지식을 연결하는 그 날레즈베이스를 |
| 32:29 | 32:34 | 5.4 | 생존에 AI와 연결해서 잘 활용할 수 있게끔 도와주는 데이터 |
| 32:34 | 32:36 | 1.0 | 헌액터. |
| 32:36 | 32:39 | 3.8 | 좀 더 쉽게 이 데이터를 연결할 수 있게끔 하는 데이터 헌액터 기능을 |
| 32:39 | 32:41 | 1.2 | 계속 강화를 하고 있더라고요. |
| 32:41 | 32:43 | 2.6 | 보시면 될 것 같습니다. |
| 32:43 | 32:45 | 1.9 | 그리고 세 번째 영역이에요. |
| 32:45 | 32:51 | 6.4 | 그래서 가드로이4 아마 좀 배드락이라는 기능은 기본적으로 배드락을 통해서 |
| 32:51 | 32:56 | 4.8 | 생슬료레 AI에 대해서 데이터 애플리케이션에 대한 안정과 개인정보 |
| 32:56 | 33:01 | 4.7 | 보고 좋지 또는 어떤 문제가 될 만 소지가 있는 특정 주제에 |
| 33:01 | 33:04 | 2.6 | 들을 차단하는 기능을 얘기를 합니다. |
| 33:04 | 33:09 | 5.6 | 그래서 이 가드레이를 쓰게 되면 아까 이제 LG EPLUS 사이에서는 LG EPLUS |
| 33:09 | 33:13 | 3.6 | 같은 있는 코드 리뷰를 할 때 뭔가 개인정보 해당되는 거라든지 |
| 33:13 | 33:17 | 4.2 | 보안의 문제가 되는 정보들을 필터링하는 부분으로 활용하고 있었는데 |
| 33:17 | 33:23 | 6.2 | 그처럼 이제는 특정 개인정보 해당되는 부분들, 보안 그리고 그 |
| 33:23 | 33:29 | 5.6 | 외에 민감한 정보들은 자동으로 걸러주는 건 기능이 포함이 되어 |
| 33:29 | 33:30 | 1.0 | 있고요. |
| 33:30 | 33:34 | 3.8 | 특히 이 부분 외에도 어떤 특정 주제를 설정해서 필터링을 하거나 |
| 33:34 | 33:39 | 5.3 | 특정 단어 아니면 뭔가 범죄에 해닿을 수 있는 유의한 컨텐츠 이런 |
| 33:39 | 33:42 | 3.6 | 부분들을 자동으로 필터링하는 부분을 포함을 하고 있습니다. |
| 33:42 | 33:46 | 3.8 | 그래서 가드레이라는 기능이 중요하고 앞으로 계속 저희도 발전을 하고 |
| 33:46 | 33:50 | 4.1 | 있는데 특히 이제 가드레이를 같은 경우에는 몇 가지 기능들 또 추가로 |
| 33:50 | 33:51 | 1.0 | 발표를 했어요. |
| 33:51 | 33:56 | 4.9 | 그래서 컨테스트 트럭, 브로우닝, 체크, 캐스 같은 경우에는 이 할레시 |
| 33:56 | 34:00 | 3.3 | 메이션에 대한 부분을 대해서 위험을 계속 간질을 하고 차단하는 그런 |
| 34:00 | 34:02 | 2.7 | 기능들을 저희가 강화한다는 부분입니다. |
| 34:02 | 34:06 | 3.6 | 그래서 결과가 나왔을 때 이 결과가 과연 레포션에 있었던 것인지 |
| 34:06 | 34:11 | 4.8 | 그러면 그 코리깃, 지대했던 것과 관련이 있었던 것인지를 한 번 더 |
| 34:11 | 34:14 | 3.4 | 더블체가 수 있고 이런 부분을 통해서 훨씬 더 정확한 답변을 이 |
| 34:14 | 34:18 | 4.3 | 그런 기능들을 발표를 하고 있는 거죠. |
| 34:18 | 34:22 | 3.3 | 그리고 가드레이래이 폐하기도 저희가 발표를 했었고 이 가드레이래이 |
| 34:22 | 34:25 | 3.8 | 폐하이 같은 경우에는 아마 좀 배드락 외에도, 아마 좀 배드락에서 |
| 34:25 | 34:30 | 4.7 | 지원하지 않는 모델까지 포함을 해서 이제 그 고객이 여러 가지 |
| 34:30 | 34:34 | 3.5 | 그 포함드션 모델을 활용할 때 이 가드레에 API 기능을 통해 해서 |
| 34:34 | 34:38 | 4.1 | 아까 말씀드렸던 어떤 특정 주제를 필터링하거나 문제가 될 만한 소재 |
| 34:38 | 34:44 | 5.9 | 있는 그런 내용들을 필터링하는 그런 위스판스블 AI를 위한 형태의 |
| 34:44 | 34:45 | 1.5 | 기능이라고 보시면 될 것 같습니다. |
| 34:45 | 34:48 | 2.6 | 그래서 이런 부분들을 저희가 A.T.B.L.S.는 굉장히 지금 강화를 많이 하고 |
| 34:48 | 34:50 | 1.7 | 있고 챙기고 있어요. |
| 34:50 | 34:54 | 4.5 | 그래서 이런 부분들이 앞으로는 굉장히 중요해지고 있고 그 기업에서 |
| 34:54 | 34:57 | 3.0 | 실제로 프로듀션은 더 경험을 하기 위해서는 이런 부분들을 계속 |
| 34:57 | 35:01 | 3.6 | 신경 쓸 수 밖에 없다라는 걸 저희가 잘 인지를 하고 있고 신경을 |
| 35:01 | 35:03 | 2.8 | 쓰고 있다는 것입니다. |
| 35:03 | 35:08 | 4.3 | 그리고 이제 그럼 펜션의 AI는 과연 어떻게 될 것인가라고 봤을 때 |
| 35:08 | 35:11 | 2.6 | 사실 이렇게 네 가지 측면으로 많이 얘기를 하세요. |
| 35:11 | 35:14 | 2.8 | A.T.B.L.A.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.' |
| 35:14 | 35:18 | 4.8 | 특이능 그리고 멀티모�달 기능 그리고 다양한 모델을 쓰여야 한다라는 |
| 35:18 | 35:23 | 4.9 | 부분과 AI 정책과 표준에 대한 부분이 굉장히 강화되고 다양한 형태로 |
| 35:23 | 35:25 | 1.3 | 설렘지가 있을 것이다. |
| 35:25 | 35:29 | 4.3 | 라고 하는데 이 중에서 잠깐 멀티모�달을 관련된 얘기를 한 번 더 |
| 35:29 | 35:30 | 1.6 | 드리도록 하겠습니다. |
| 35:30 | 35:34 | 4.0 | 멀티모�달 같은 경우에는 예를 들어서 저희가 작년에 생선유의 AI가 |
| 35:34 | 35:37 | 2.8 | 굉장히 떴슬 때는 대부분 이런 거죠. |
| 35:37 | 35:39 | 2.1 | 텍스텔러스트 텍스트가 나왔던 경우죠. |
| 35:39 | 35:45 | 5.3 | 그래서 예를 들면 최집히 지된 남아 등 엔트리픽 클로즈 등 누가 누구 |
| 35:45 | 35:46 | 1.0 | 야. |
| 35:46 | 35:48 | 1.8 | 김선수가 누가 그럼 김선수 누구 누구고요. |
| 35:48 | 35:53 | 5.6 | 텍스텔러스트 텍스텔러는 그런 경우는 대부분 다 일반적으로 텍스텔러스트 |
| 35:53 | 35:57 | 4.2 | 텍스텔러는 입력과 출력이 다 텍스텔러의 L&M를 지금 언어 모델을 |
| 35:57 | 35:59 | 1.3 | 얘기하는 겁니다. |
| 35:59 | 36:03 | 4.5 | 그런데 이제는 모델이 굉장히 달라지고 있어요. |
| 36:03 | 36:07 | 3.7 | 예를 들어서 입력이 글만들어가는 게 아니라 이미지가 들어갈 수도 있고 |
| 36:07 | 36:09 | 2.5 | 음성이 들어갈 수도 있고 영상이 들어갈 수도 있습니다. |
| 36:09 | 36:14 | 4.3 | 그랬을 때 출력이 또 글린 것을 때 글린 만 나온 게 아니라 글러스트 |
| 36:14 | 36:17 | 3.7 | 이미지가 나오기다고 글러스트 음성이 나오기다고 영상이 나오기다고 |
| 36:17 | 36:21 | 3.6 | 또 이미지를 넣었을 때 글린 나오기다고 이미지를 넣었을 때 다른 형태에 |
| 36:21 | 36:25 | 3.9 | 음성이 나오기다고 여러 가지 형태로 조합이 될 수가 있는 거죠. |
| 36:25 | 36:28 | 3.3 | 그랬을 때 이거를 저희가 일반적으로 멀티모드 할 파운데이션 모드라고 부르고 |
| 36:28 | 36:29 | 1.0 | 있어요. |
| 36:29 | 36:32 | 3.0 | 그래서 여러 가지 형태의 입력과 출력이 조합이 될 수 있다는 부분이 굉장히 |
| 36:32 | 36:37 | 4.8 | 중요한 부분이고 이제 앞으로 중요한 경우가 될 거라고 보고 있는데요. |
| 36:37 | 36:39 | 1.7 | 예를 들면 이런 겁니다. |
| 36:39 | 36:43 | 4.4 | 사실은 이게 클로즈 3.5 Sonya 모델을 제가 한번 테스트 해봤습니다. |
| 36:43 | 36:46 | 3.2 | 왼쪽 사진은 제가 찍은 사진이거든요. 저희 행사에서. |
| 36:46 | 36:53 | 6.9 | 저희 행사에서 찍은 사진을 인프를 넣고 행사에서 있었던 그 사진을 |
| 36:53 | 36:56 | 2.6 | 3.5 Sonya에다가 제가 그대로 물어봤어요. |
| 36:56 | 36:58 | 1.7 | 이 이미지에 대해서 설명을 해줘. |
| 36:58 | 37:02 | 4.2 | 물어봤더니 이 오른쪽 아래와 같은 경우에 따뜻해 줍니다. |
| 37:02 | 37:04 | 2.0 | 저는 사실 이걸 보고 굉장히 깜짝 놀랐습니다. |
| 37:04 | 37:11 | 7.7 | 왜냐하면 제가 사실 이 행사의 커미티 이뤄이고 저희가 주도적으로 기획을 했던 |
| 37:11 | 37:13 | 1.1 | 사람들 중에 한 명이거든요. |
| 37:13 | 37:17 | 4.4 | 그래서 그때 에이더를 세 AI대의 이너베이션이라는 행사가 정확했고 |
| 37:17 | 37:22 | 4.9 | 이 행사의 장면인데 신호세션 중에서 특히 지금 중요한 메세지를 전달 |
| 37:22 | 37:23 | 1.1 | 하고 있는 부분이었어요. |
| 37:23 | 37:28 | 4.8 | AIU SKC EXPLORE 라는 내용을 설명을 하고 있었고 또 정정 살인을 하고 있는 |
| 37:28 | 37:32 | 4.3 | 부분도 딱 설명을 하고 있고 Sonya의 설명을 하고 있죠. |
| 37:32 | 37:35 | 3.1 | 그리고 심지어 이런 내용도 포함됩니다. |
| 37:35 | 37:41 | 5.6 | 스크린에는 F-SIGHT 스크린샷과 스크린샷도 있고 그리고 QR-Code |
| 37:41 | 37:43 | 2.6 | 한국어로 되는 설명이 포함됐다 이렇게 얘기를 하고요. |
| 37:43 | 37:48 | 4.1 | 그리고 이 사람이 청중을 향해서 말하고 있는데 청중에는 노트북을 하고 |
| 37:48 | 37:50 | 2.4 | 노트북을 보고 있는 사람도 있다고 얘기를 하고 있어. |
| 37:50 | 37:54 | 4.1 | 그리고 전체적으로 조명은 보라색 열이고 차분하면서 더 미래지향적인 |
| 37:54 | 37:56 | 1.7 | 분위기를 잘 안 하고 있다. |
| 37:56 | 37:58 | 2.1 | 저희가 컨셉으로 잡았던 거거든요. |
| 37:58 | 38:01 | 3.1 | 그리고 또 보시면 천장의 창줄리에가 있고 고급스러운 행사장이면 |
| 38:01 | 38:02 | 1.5 | 할 수 있다. |
| 38:02 | 38:04 | 2.2 | 여기가 고급스러운 행사장은 맞아요. |
| 38:04 | 38:08 | 3.0 | 왜냐하면 저희가 잠시라에 있는 큰 호텔에서 했기 때문에. |
| 38:08 | 38:10 | 2.8 | 그리고 마지막에 정말 유약적으로 잘 설맘했습니다. |
| 38:10 | 38:15 | 4.4 | 이 드러블스가 주치한 AI 관련 컴플러스나 세미나의 한 장면을 포착한 |
| 38:15 | 38:19 | 3.8 | 것으로 보이면 최신 AI 기술과 그 활용사래에 대해서 소개를 하고 |
| 38:19 | 38:20 | 1.2 | 있는 것 같습니다. |
| 38:20 | 38:22 | 2.6 | 라고 하는데 사실 이게 맞아요. |
| 38:22 | 38:25 | 2.2 | 저희가 원하는 딱 그 컨셉이에요. |
| 38:25 | 38:28 | 3.5 | 저희가 사실 이 행사를 이런 목적으로 했어요. |
| 38:28 | 38:34 | 5.6 | 그런데 이거를 사실 3.5-4이라는 이 모델이 멀티 모델 기능을 통해서 |
| 38:34 | 38:37 | 2.9 | 이걸 사진을 인식하고 설명을 이렇게 하는 겁니다. |
| 38:37 | 38:40 | 3.0 | 굉장히 여러 형태로 활용이 되지 않겠어요. |
| 38:40 | 38:44 | 4.5 | 저는 사실 굉장히 깜짝 놀랐는데 이게 저희가 또 조금 더 생각을 해봐야 |
| 38:44 | 38:47 | 2.4 | 하는 게 작년 것 같으면 이런 기능이 없었다는 거예요. |
| 38:47 | 38:48 | 2.0 | 오래부터 이런 기능들이 나오기 시작하는 거잖아요. |
| 38:48 | 38:52 | 3.4 | 그러면 오래부터는 새로운 영향의 애플에 키션들이 만들 수 있다라고 |
| 38:52 | 38:56 | 4.3 | 생각하시는 게 사실의 빌리스나 태크 관점에도 자연스러운 그런 상황이 |
| 38:56 | 38:59 | 2.5 | 아닐까라고 생각을 하고 있습니다. |
| 38:59 | 39:02 | 2.8 | 그래서 또 빨리 움직이는 저희 고기사들이 있습니다. |
| 39:02 | 39:06 | 4.4 | GS 리테일, GS 샵 같은 경우에는 멀티모나 기능을 활용해서 패션 |
| 39:06 | 39:11 | 4.8 | 검색시스템을 좀 더 고두하는 그런 서비스들을 개발하고 운영을 하고 |
| 39:11 | 39:12 | 1.0 | 계세요. |
| 39:12 | 39:16 | 4.5 | 이렇게가 넘는 그런 상품 TV가 이미 있는데 여기 있는 여러 가지 형태의 |
| 39:16 | 39:22 | 5.3 | 그 상품 TV의 이미지에 해당되는 그런 정보들을 가지고 이전에는 |
| 39:22 | 39:25 | 3.8 | 사람이 하거나 아니면 솔루션스가나 외주를 썼다는 그런 작업들을 |
| 39:25 | 39:30 | 4.8 | 이 이미지에 대한 관련 설명과 태긴 관련된 정보들을 자의 멀티모델 |
| 39:30 | 39:35 | 4.5 | 기능통에서 자동으로 생생하는 그런 부분들, 자동으로 생성해서 이걸 |
| 39:35 | 39:38 | 3.4 | 기반으로 진행형 검색이 가능하기큼 도와준다라는 거예요. |
| 39:38 | 39:40 | 2.1 | 이런 부분들을 도입을 하기 시작했다. |
| 39:40 | 39:45 | 4.8 | 그래서 이게 굉장히 사실은 새로운 트렌드가 될 것이고 앞으로 이런 |
| 39:45 | 39:48 | 3.2 | 유사한 기능들을 활용해서 굉장히 발전이 많이 될 것이다 라고 |
| 39:48 | 39:50 | 2.2 | 저희는 예상을 하고 있습니다. |
| 39:50 | 39:54 | 4.0 | 여기까지 설명을 좀 드렸는데 그러면 에이드 를 쓰 같은 경우에는 |
| 39:54 | 39:58 | 3.5 | 그럼 어떻게 도움을 줄 수 있어요. |
| 39:58 | 40:02 | 4.1 | 라는 지문을 좀 하신다면 저희가 잠깐 이 어필을 드리고 싶은 건 사실 |
| 40:02 | 40:06 | 4.4 | 생성의 AI를 이걸 왜 하는지 그리고 무엇을 어떻게 개발할 것 |
| 40:06 | 40:10 | 3.7 | 이 뒤에 대해서 각 기업과 유저들 마당 상황이 다 달라요. |
| 40:10 | 40:15 | 4.8 | 그래서 저희가 미팅 가보면 어느 회사 같은 경우는 이걸 왜 해야 하는지 모르겠어요. |
| 40:14 | 40:15 | 1.0 | 해야 하는지 모르겠어요. |
| 40:15 | 40:23 | 7.9 | 우리는 어디에다 활용해야 할지 잘 모르겠어요. 이렇게 하시는 회사도 있고 어느 회사는 어떤 이걸 좀 이렇게 하고 싶은데 어떤 제로를 써야지 모르겠어요. |
| 40:23 | 40:24 | 1.3 | 이렇게 얘기하시는 경우가 있어요. |
| 40:24 | 40:33 | 9.2 | 그리고 또 어떤 회사 같은 경우에는 이거 우리가 이렇게 이러한 애플릭에서는 부연하고 싶고 무조건 해야 되는 건데 어떻게 개발할지 모르겠어요. |
| 40:33 | 40:37 | 3.6 | 어떤 계획을 부연해야 할지 전혀 모르겠어요. 이렇게 얘기하시는 회사가 있습니다. |
| 40:37 | 40:54 | 17.1 | 그래서 각각의 그런 고객사 그리고 유저마다 상황이 다르기 때문에 거기에 맞는 저희가 굉장히 에트브스네 다양한 프로그램들이 있고 지원 조시들이 있기 때문에 그런 부분들은 저희가 에트브스 있는 관련이 팀들에서 잘 도움을 주시 거라고 생각합니다. |
| 40:54 | 41:07 | 13.3 | 그래서 저희한테 연락주시면 관련된 각 그 기업에 현악에 따라서 맞춰서 이런 프로그램들을 지원 드리고 생선의 AI의 여정에 도움이 될 수 있는 형태로 지원을 드리도록 하겠습니다. |
| 41:07 | 41:17 | 10.0 | 제가 준비한 부분 여기까지고요. 제가 앞에는 시간이 좀 부족할까봐 굉장히 달렸는데 뒤에는 그래도 조금 설명을 더 길게 하니까 시간은 대회장 맞은 것 같습니다. |
| 41:17 | 41:24 | 6.5 | 그래서 제가 준비한 부분 여기까지고 10분 정도 쓰는 시간을 가지고 알고 있습니다. |
| 41:24 | 41:26 | 2.8 | 네. 경청해주셔서 감사합니다. |
Provenance: 원문 6a35b963a15_transcript.md / .json (downloads 폴더 14-영상오디오) · 원본 영상 aws.amazon.com/ko/video/watch/6a35b963a15/ · 변환 방식 audio_to_mark (D44 STT) · 길이 41:29 (2489.1s) · 전사 2026-11-18 · 본 HTML은 열람용 렌더(빌드: mktranscript-html.py)