뉴스 검색 결과: artificial intelligence

본문 내용이 없습니다.

오픈AI의 차기 이미지 생성 인공지능(AI) 모델로 추정되는 '덕테이프(Duck-Tape)'가 주목받고 있다. 기존 이미지 생성 AI가 넘지 못했던 한글 렌더링 장벽을 사실상 허문 것으로 평가받으면서다.

19일 업계에 따르면 덕테이프는 AI 블라인드 테스트 플랫폼 '아레나 AI'에서 테스트 중인 이미지 생성 모델이다. 아레나 AI는 이용자가 프롬프트를 입력하면 모델명이 가려진 두 결과물을 비교 평가하는 방식으로 운영된다. 이용자가 선호하는 결과물을 선택한 뒤에야 어떤 모델이었는지 공개된다.

덕테이프가 주목받는 이유는 성능이다. 기존 이미지 생성 AI는 한글이 포함된 이미지를 생성할 때 글자가 깨지거나 뭉개지는 오류가 빈번했다. 덕테이프는 복잡한 한글 문장은 물론 간판, 말풍선, 손글씨 노트까지 오류 없이 구현한다는 평가를 받고 있다. 업계에선 광고 시안 품질이 전문 그래픽 디자이너 수준이라는 반응이 나온다.

덕테이프로 만든 가상 광고 (사진=X 갈무리)

업계에선 덕테이프가 오픈AI 차기 이미지 모델의 코드네임일 것으로 확실시하는 분위기다. 오픈AI는 과거에도 새로운 모델을 출시하기 전 아레나 AI 등에 익명으로 모델을 올려 성능을 검증해 왔다. 다만 덕테이프는 코드네임인 만큼 공식 출시 시 실제 모델명은 달라질 수 있다.

이미지 생성 기능은 AI 서비스 점유율 경쟁의 핵심 전선이다. 오픈AI는 지난해 상반기 챗GPT를 활용한 일본 지브리풍 이미지 제작이 온라인을 중심으로 유행하면서 유료 가입자를 단기간에 수백만 명 늘렸다. 구글 딥마인드도 지난해 8월 '나노바나나 프로'를 공개하면서 제미나이 신규 이용자 1000만 명을 끌어모았다. 이후 2억 건 이상의 이미지 편집이 이뤄지며 앱스토어 1위에 오르기도 했다.

관련기사

오픈AI는 연내 기업공개(IPO)를 앞두고 실적 반등이 절실한 상황이다. 오픈AI는 지난달 AI 영상 생성 도구 '소라' 서비스를 전격 종료했다. 소라는 하루 최대 1500만 달러의 추론 비용을 소진하면서도 전체 서비스 기간 수익은 210만 달러에 그쳤다. 최근엔 소라 팀을 이끌었던 빌 피블스, 최고제품책임자(CPO) 출신의 케빈 웨일 부사장 등 핵심 임원들이 잇따라 이탈하며 내부 불안감도 커지고 있다.

개발자 피터 레벨스는 X(옛 트위터)에 덕테이프 모델이 "세계 지식 이해도가 극히 높고 텍스트 렌더링이 뛰어나다"며 나노바나나 프로를 능가할 수 있다고 말했다.

본문 내용이 없습니다.

이용기세종대 경영학과 Emeritus 교수

“AI와 인간은 보거상의(輔車相依)의 관계이다” —

AI는 데이터를 통해 방향을 제시하고,

인간은 책임 있는 결정을 내린다.

디지털 전환(Digital Transformation, DX)은 기업이 환경·사회·거버넌스(ESG) 성과를 측정하고 관리하며 소통하는 방식을 근본적으로 변화시키고 있다.

실시간 데이터 수집, 예측 분석, 고급 보고 시스템을 통해 기업은 정적인 정보 공개를 넘어 역동적이고 증거 기반의 통찰을 확보하며, 이를 통해 내부 의사결정과 외부 책임성을 강화한다.

인공지능(Artificial Intelligence, 이하 AI라 칭함), 빅데이터, 블록체인, 사물인터넷(IoT; Internet of Things)과 같은 신흥 기술은 운영 효율을 높이는 동시에 기업의 사회적 책임 구조를 재편한다. 이러한 혁신은 이해관계자와의 관계를 심화시키고, 검증 가능한 정보를 제공하며, 개방적이고 책임 있는 기업 문화를 형성하는 데 기여한다.

ESG 관점에서 디지털 기술은 추적성, 투명성, 신뢰를 확보하는 핵심 요소다. 이는 기후 위험 관리, 윤리적 공급망 운영, 거버넌스 실패 예방 등 주요 과제를 해결하는 데 필수적이다. ESG 프레임워크에 디지털 솔루션을 통합함으로써 기업은 지속가능성에 대한 약속을 단순한 선언이 아닌 실행 가능한 전략으로 입증할 수 있다.

이런 관점에서 본 고에선 디지털 전환과 ESG의 융합의 관점에서 ESG 추적 및 모니터링에 있어 AI의 활용에 대하여 살펴본다.

Science and Technology에 따르면, AI란 용어는 영국의 수학자인 Alan Turing이 1950년 논문에서 “기계가 생각할 수 있는가?”라는 질문을 던지며, 인간과 기계를 구분하기 어려운 상황을 통해 기계의 지능을 판별하는 튜링 테스트를 제안한 것에서 시작되었다.

이는 인공지능 개념이 등장하기 전, 사이버네틱스나 오토마타 이론(Cybernetics and Automata Theory) 같은 용어가 쓰이던 시기에 나온 혁신적 아이디어였다. 이후 1956년 미국의 컴퓨터 과학자인 John McCarthy가 Dartmouth Conference에서 AI라는 이름을 붙이고, 기계가 언어를 사용하고 추상화·문제 해결·자기 발전을 할 수 있는 방법을 탐구하는 것을 목표로 삼는다고 주장함으로써 오늘날 인공지능 연구가 시작되었다고 본다.

이후, John McCarthy(2007)는 What is Artificial Intelligence?라는 질문에 대한 답에서 인공지능은 단순히 인간의 생물학적 특성을 모방하는 것이 아니라, 계산 절차를 활용하여 세상의 목표를 달성하는 것이라고 하였다.

Jordan & Mitchell(2015)은 현대 AI가 머신러닝(ML, Machine Learning)에 의해 주도되고 있음을 설명하면서, 컴퓨터가 특정 작업을 위해 명시적으로 프로그래밍 되지 않고도 데이터를 사용하여 패턴을 인식하고 예측하는 방법을 자세히 설명하였다. 이들이 주장한 핵심 개념은 학습 루프(Learning Loop)로서 경험(데이터)이 특정 유형의 작업에서 성능을 향상시키는 방식으로 AI의 패턴 인식 및 학습 집중을 중심으로 설명한다.

Russell & Norvig(2020)은 Artificial Intelligence: A Modern Approach에서 합리적 행위자의 관점에서 인공지능을 정의하고, 시스템이 환경을 인식하고, 최적의 행동을 추론(의사결정)하며, 목표를 달성하기 위해 행동하는 방식을 설명하였다. 이들이 주장하는 AI의 핵심 개념은 단순한 “만약 ~라면 ~이다”(if-then) 논리에서 기계가 불확실성 속에서 결정을 내리는 확률적 추론(probabilistic reasoning)으로의 전환을 의미한다.

한편, Silver et al.(2016)은 알파고를 대표하는 논문을 통하여 AI가 의사결정의 기술의 정점임을 보여주며, 시스템이 수백만 개의 잠재적 미래 상태를 평가하여 최적의 수를 하나만 선택하는 방식을 제시하였다.

핵심 개념은 딥러닝(Deep Learning) (패턴 인식)과 강화 학습(Reinforcement Learning) (시행착오를 통한 의사결정)의 결합으로 복잡한 의사결정에 AI가 중대한 역할을 한다는 것을 설명한다.

AI는 단순히 ‘생각하는 기계’의 개념을 넘어 인간의 복잡한 의사결정 과정에까지 다양한 역할을 수행 하고 있다. 이러한 맥락에서 ESG 관점에서 AI는 기업의 ESG 의사결정을 지원하는 충분한 조력자로 기능할 수 있음을 보여준다. 이를 구체적으로 살펴보면 다음과 같다.

1. 데이터 통합 ​​및 ESG 신호 추출

인공지능 기술, 특히 ML과 자연어 처리(NLP, Natural Language Processing)는 재무정보, 위성 이미지, 소셜 미디어 콘텐츠, 센서 데이터 등 다양한 ESG 데이터 소스를 통합하고 분석할 수 있도록 해준다(Mayegun & Nwanevu, 2025; Tashakori et al., 2026). NLP 기술을 통해 기업은 지속가능성 보고서, 뉴스 기사, 이해관계자 소통 자료와 같은 비정형 텍스트 데이터에서 ESG 관련 신호를 추출할 수 있다(Suárez Giri et al., 2024). 이러한 기능은 ESG 인텔리전스의 폭과 깊이를 크게 향상시켜 기업이 제한적인 자체 보고 지표를 넘어설 수 있도록 한다.

2. ESG 위험 및 기회 예측 모델링

AI 기반 예측 모델은 과거 및 실시간 데이터를 활용하여 탄소 배출 추이, 공급망 차질(Uddin et al., 2024; Keesara, 2025), 지배구조 실패(Ishrat et al., 2025) 등 ESG 관련 위험을 예측할 수 있다.

예를 들어, 머신러닝 알고리즘은 기후 데이터, 에너지 소비 패턴(Hamdan et al., 2024; Kahia et al., 2022), 그리고 규제 동향(Ben Hamadou et al., 2025; Pantanowitz et al., 2024)을 분석하여 환경 위험을 예측할 수 있다.

마찬가지로, AI는 감정 분석 및 이상 징후 탐지를 통해 노동법 위반(Majekodunmi, 2025)이나 평판 위기(Kothandapani, 2025)와 같은 사회적 위험에 대한 조기 경고 신호를 식별할 수 있다(Chen et al., 2020).

이러한 예측 기능을 통해 기업은 사후 대응적인 규정 준수에서 사전 예방적인 위험 관리로 전환하여 조직의 회복력을 강화할 수 있다(Halliday, 2024; Zeriouh & Amara, 2025).

3. 실시간 모니터링 및 동적 의사결정

AI 시스템은 IoT 기기와 기업 시스템에서 스트리밍되는 데이터를 처리하여 ESG 성과에 대한 실시간 인사이트를 제공할 수 있다(Aljohani, 2025; Olanrewaju et al., 2024). 이를 통해 기업은 배출량, 에너지 사용량(Don, 2024), 작업장 안전(Ozobu et al., 2025), 지배구조 준수(Emeihe et al., 2024)와 같은 주요 지표를 지속적으로 모니터링할 수 있다(Soetan et al., 2023).

실시간 ESG 분석은 동적 의사결정을 지원하여 기업이 새롭게 발생하는 위험이나 기회에 즉각적으로 대응하여 운영을 조정할 수 있도록 한다(Odunaike, 2025).

4. ESG 보고 및 공시 자동화

AI는 데이터 수집, 검증 및 보고 프로세스를 자동화하여 ESG 보고의 효율성과 정확성을 향상시킨다(Berniak-Woźny, 2025). 로봇 프로세스 자동화(RPA, Robotic Process Automation) 및 AI 기반 도구는 지속가능성 보고서 작성 과정을 간소화하고 글로벌 보고 표준(GRI, ISSB, TCFD)과의 일관성을 보장할 수 있다(Adesanya et al., 2021). 또한 AI는 인적 오류의 위험을 줄이고 ESG 공시의 신뢰성과 비교 가능성을 향상시킨다(Ogunyemi, 2021).

5. AI 기반 ESG 점수 산정 및 투자 결정 지원

투자자와 신용평가기관은 ESG 점수를 개발하고 투자 결정을 내리는 데 AI를 점점 더 많이 활용하고 있다(Minkkinen et al., 2024). 머신러닝 모델은 대규모 ESG 데이터 세트를 분석하여 기존 방식으로는 쉽게 관찰할 수 없는 패턴과 관계를 파악할 수 있다(Li, 2025; Zhang & Zhang, 2024). 이러한 도구는 투자자가 재무적 중요성과 지속가능성 위험을 평가하는 능력을 향상시켜(Li & Adriaens, 2024) 자본 배분 결정에 영향을 미친다(Pozzoli et al., 2024).

이상과 같이 살펴본 기업 의사결정에서 AI의 조력자 역할은 이론적 관점에서 다음의 시사점들을 제공해준다.

먼저, 동적 역량 이론(Dynamic Capability Theory)은 기업이 급변하는 환경 속에서 지속적인 경쟁우위를 확보하기 위해 감지(sensing), 포착(seizing), 변혁(transforming) 능력을 갖추어야 한다고 강조한다(Schneider et al., 2026; Xiao et al., 2026).

이러한 관점에서 AI가 ESG 경영을 뒷받침하는 핵심 전략 역량으로 기능한다는 증명 해준다.

첫째, AI는 방대한 ESG 데이터를 실시간으로 분석하여 기후 위험, 사회적 요구, 규제 변화와 같은 신호를 빠르게 감지할 수 있도록 한다.

둘째, 분석된 정보를 바탕으로 기업은 시의적절하고 근거 있는 의사결정을 내리며 ESG 관련 기회를 전략적으로 포착할 수 있다.

마지막으로, AI는 지속가능성을 향한 프로세스와 비즈니스 모델의 재구성을 가능하게 하여 조직의 변혁을 촉진한다.

따라서 AI는 단순한 기술적 도구를 넘어, 불확실성과 복잡성이 높은 환경에서 기업이 적응력과 탄력성을 갖춘 ESG 경영을 수행하도록 돕는 핵심적 자산으로 자리매김한다.

둘째, ESG 데이터는 본질적으로 다차원적이며, 비정형적 특성을 지니고, 공급망, 환경 센서, 이해관계자 상호작용 등 다양한 출처에서 생성된다.

이러한 맥락에서 정보처리 이론(Information Processing Theory)은 AI가 복잡하고 불확실한 ESG 정보를 처리하는 조직의 역량을 확장하는 데 중요한 역할을 한다는 점을 강조한다(Kong, & Yuen, 2025).

다시 말해, AI 기술은 방대한 데이터를 통합·분석·해석하는 능력을 크게 향상시킨다. 이러한 처리 능력의 증대는 불확실성을 줄이고 의사결정의 질을 개선하여, 조직이 역동적이고 정보 집약적인 환경 속에서 ESG 문제를 보다 효과적으로 관리할 수 있음을 보여준다.

셋째, 신호이론(Signaling Theory)에 따르면, 기업이 AI 기반 ESG 분석을 수행한다는 사실은 외부 이해관계자의 인식에 중대한 영향을 미칠 수 있다는 통찰을 제공한다(Ningtyas et al., 2026).

자본 시장과 더 넓은 이해관계자 생태계에서 정보 비대칭성이 여전히 핵심 과제로 남아 있는 상황에서, AI를 활용한 데이터 중심 ESG 공시는 조직의 품질, 투명성, 그리고 지속가능성에 대한 헌신을 보여주는 신뢰할 만한 신호로 작용할 수 있음을 설명한다.

기업은 검증 가능하고 실시간이며 분석에 기반한 ESG 정보를 제공함으로써 정당성을 강화하고 이해관계자의 신뢰를 높이며, 경쟁 시장에서 차별화를 실현할 수 있다.

이론적 토대 위에 구축된 AI 기반 예측 ESG 분석은 관리적 측면에서 상당한 의미를 지닌다.

첫째, 위험 예측 능력을 향상시켜 기업이 ESG 관련 문제를 조기에 발견하고 선제적으로 대응할 수 있도록 지원한다. 이는 기후 변화 위험, 공급망 차질, 평판 위협 관리에서 특히 중요하다.

둘째, AI는 데이터 기반 의사결정을 통해 자원 배분, 에너지 사용, 물류를 최적화하여 운영 효율성을 개선한다.

셋째, 투명하고 정확하며 시의적절한 ESG 보고를 지원함으로써 이해관계자의 신뢰를 강화한다.

마지막으로, 투자자들이 재무적 중요성과 연계된 강력한 ESG 성과를 보여주는 기업을 점점 더 선호함에 따라 투자 매력도를 높인다.

AI 기반 ESG 분석은 많은 가능성을 제공하지만 동시에 중요한 경영적 과제를 안고 있다. 분석의 효과는 데이터 품질에 크게 좌우되며, 불완전하거나 일관성이 없는 데이터는 결과를 왜곡할 수 있다.

또한 알고리즘 편향은 기존의 불평등을 반영해 공정성과 포용성을 위협할 수 있으며, 복잡한 모델의 설명력 부족은 규제 환경에서 투명성과 책임성을 저해한다. 따라서 개인정보 보호, 공정성, 책임 있는 AI 활용과 같은 윤리적 고려는 필수적이다.

더 나아가 ESG 데이터의 표준화 부족은 기업 간 비교를 어렵게 하고, 블랙박스 모델은 해석 가능성을 제한해 이해관계자의 신뢰를 약화시킬 수 있다. 규제 불확실성 역시 지속적인 준수 문제를 야기하며, 기업은 변화하는 제도적 환경에 끊임없이 적응해야 한다.

이러한 도전 과제를 극복하기 위해서는 CEO의 확고한 의지와 리더십이 필요하다. 최고경영자가 데이터 품질 관리, 윤리적 AI 활용, 투명성 확보를 조직의 핵심 가치로 삼을 때, AI 기반 ESG 분석은 단순한 기술적 도구를 넘어 지속가능성과 경쟁우위를 강화하는 전략적 자산으로 자리매김할 수 있음을 잊어선 안될 것이다.

참고문헌

Adesanya, O. S., Akinola, A. S., & Oyeniyi, L. D. (2021). Robotic process automation ensuring regulatory compliance within finance by automating complex reporting and auditing. International Journal of Multidisciplinary Research and Growth Evaluation, 2(4), 1051-1067.

Aljohani, A. (2025). A decision-support framework for evaluating AI-enabled ESG strategies in the context of sustainable manufacturing systems. Scientific Reports, 15(1), 23864.

Ben Hamadou, F., Mezghani, T., Zouari, R., & Boujelbène-Abbes, M. (2025). Forecasting Bitcoin returns using machine learning algorithms: impact of investor sentiment. EuroMed Journal of Business, 20(1), 179-200.

Berniak-Woźny, J. (2025). The role of AI in ESG and sustainability reporting: A bibliometric study. Economics and Environment, 94(3), 1167-1167.

Don, W. (2024). Revolutionizing Carbon Removal and Sustainability Compliance in the US Energy Sector with AI-Driven Systems. Journal of Sustainable Energy Practices, 15(3), 45-58.

Emeihe, E. V., Nwankwo, E. I., Ajegbile, M. D., Olaboye, J. A., & Maha, C. C. (2024). The impact of artificial intelligence on regulatory compliance in the oil and gas industry. International Journal of Life Science Research Archive, 7(1), 28-39.

Halliday, N. (2024). Advancing organizational resilience through enterprise GRC integration frameworks. International Journal of Advanced Multidisciplinary Research and Studies, 4, 1323-1335.

Hamdan, A., Ibekwe, K. I., Etukudoh, E. A., Umoh, A. A., & Ilojianya, V. I. (2024). AI and machine learning in climate change research: A review of predictive models and environmental impact. World Journal of Advanced Research and Reviews, 21(1), 1999-2008.

Ishrat, M., Khan, W., & Faisal, S. M. (2025). AI and risk forecasting: leveraging AI for environmental, social, and governance compliance. In Artificial Intelligence for Financial Risk Management and Analysis (pp. 307-334). IGI Global Scientific Publishing.

Jordan, M. I., & Mitchell, T. M. (2015). Machine learning: Trends, perspectives, and prospects. Science, 349(6245), 255-260.

Kahia, M., Moulahi, T., Mahfoudhi, S., Boubaker, S., & Omri, A. (2022). A machine learning process for examining the linkage among disaggregated energy consumption, economic growth, and environmental degradation. Resources Policy, 79, 103104.

Keesara, V. R. (2025). AI in supply chain management: Revolutionizing efficiency, resilience, and sustainability. Journal of Computer Science and Technology Studies, 7(12), 98-109.

Kong, K. Y., & Yuen, K. F. (2025). Sustainability risk management: Exploring the role of artificial intelligence capabilities through an information‐processing lens. Risk Analysis, 45(3), 563-580.

Kothandapani, H. P. (2025). Ai-driven regulatory compliance: Transforming financial oversight through large language models and automation. Emerging Science Research, 12(1), 12-24.

Li, D., & Adriaens, P. (2024). Deconstruction of ESG impacts on US corporate bond pricing: The cost of capital benefits across industry sectors. Journal of Management in Engineering, 40(1), 04023052.

Li, K. (2025). Big data and machine learning in ESG research. Asia‐Pacific Journal of Financial Studies, 54(1), 6-21.

Majekodunmi, T. G. (2025). Embedding AI in ESG-financial reporting systems to enhance non-financial disclosure integrity, assurance, and investor decision relevance. International Journal of Advance Research Publication and Reviews, 2(6), 464-484.

Mayegun, K. O., & Nwanevu, C. (2025). Harnessing big data and AI to revolutionize sustainability accounting and integrated corporate financial reporting. International Journal of Computer Applications Technology and Research, 14(06), 111-128.

Minkkinen, M., Niukkanen, A., & Mäntymäki, M. (2024). What about investors? ESG analyses as tools for ethics-based AI auditing. AI & Society, 39(1), 329-343.

Ningtyas, H. I. R., Mualim, W., & Nusron, A. (2026). Artificial intelligence in the application of ESG to improve company reputation: The moderating role of financial performance. Journal of Accounting Science, 10(1), 60-81.

Odunaike, A. (2025). Integrating real-time financial data streams to enhance dynamic risk modeling and portfolio decision accuracy. International Journal of Computer Applications Technology and Research, 14(08), 1-16.

Ogunyemi, F. M. (2021). Carbon accounting automation through machine learning and natural language processing: Reducing compliance costs and enhancing data quality in enterprise ESG reporting. International Journal of Science and Research Archive, 4(1), 490-501.

Olanrewaju, O. I. K., Daramola, G. O., & Babayeju, O. A. (2024). Harnessing big data analytics to revolutionize ESG reporting in clean energy initiatives. World Journal of Advanced Research and Reviews, 22(3), 574-585.

Ozobu, C. O., Adikwu, F. E., Cynthia, O. O., Onyeke, F. O., & Nwulu, E. O. (2025). Developing an AI-powered occupational health surveillance system for real-time detection and management of workplace health hazards. World Journal of Innovation and Modern Technology, 9(1), 156-185.

Padhy, A., Rane, N. L., & Rane, J. (2026). Explainable artificial intelligence for sustainable business performance: Integrating ESG metrics into AI adoption models. International Journal of Applied Resilience and Sustainability, 2(1), 78-96.

Pantanowitz, L., Hanna, M., Pantanowitz, J., Lennerz, J., Henricks, W. H., Shen, P., ... & Rashidi, H. H. (2024). Regulatory aspects of artificial intelligence and machine learning. Modern Pathology, 37(12), 100609.

Pozzoli, M., Paolone, F., De Nuccio, E., & Tiscini, R. (2024). Does financial materiality judgement matter in reporting intellectual capital? A systematic literature review and future research trends. Journal of Intellectual Capital, 25(7), 87-108.

Russell, S. J., & Norvig, P. (2020). Artificial Intelligence: A modern approach (4th ed.). Pearson.

Schneider, A., Gerlich, C., Antonio, J. L., & Kanbach, D. K. (2026). From potential to impact: how artificial intelligence drives dynamic capabilities for sustainability. Business Strategy & Development, 9(2), e70327.

Science and Technology. The birth of Artificial Intelligence (AI) research. Retrieved from https://st.llnl.gov/news/look-back/birth-artificial-intelligence-ai-research

Silver, D., et al. (2016). Mastering the game of Go with deep neural networks and tree search. Nature, 529(7587), 484-489.

Soetan, O., & Deloitte, L. L. P. (2023). Sustainable automation pipelines powered by lightweight AI optimizing industrial efficiency while preserving transparency, compliance, and equity in decision processes. International Journal of Computer Applications Technology and Research, 12(12), 218-33.

Suárez Giri, F., & Sánchez Chaparro, T. (2024). Unveiling the blackbox within ESG ratings' blackbox: Toward a framework for analyzing AI adoption and its impacts. Business Strategy & Development, 7(4), e70038.

Tashakori, E., Sobhanifard, Y., Aazami, A., & Khanizad, R. (2026). Uncovering semantic patterns in sustainability research: A systematic NLP review. Sustainable Development, 34(1), 1350-1377.

Uddin, M. S., Mohamed, O. E. B., & Ebert, J. (2024). Artificial intelligence-powered carbon emissions forecasting: Implications for sustainable supply chains and green finance. Energy, Environment, and Economy, 2, 1-13.

Xiao, S., Roh, T., Park, B. I., AL‐Tabbaa, O., & Seo, K. (2026). Unpacking the role of digital dynamic capabilities in ESG performance: A social exchange perspective on organizational trust and identification. Business Strategy and the Environment, 35(2), 1951-1969.

Zeriouh, K., & Amara, M. (2025). AI–driven frameworks for strategic risk management: A systematic review and model for organizational resilience and decision support. Journal of Intelligent Management and Decision, 4(3), 44-61.

Zhang, A. Y., & Zhang, J. H. (2024). Renovation in environmental, social and governance (ESG) research: The application of machine learning. Asian Review of Accounting, 32(4), 554-572.

오토마타 이론(Automata Theory)은 추상적인 계산 모델인 '오토마타(자동 기계)'를 수학적으로 정의하고, 이 기계들이 계산할 수 있는 문제의 한계와 능력, 효율성을 연구하는 컴퓨터 과학의 기초 학문을 말한다.

● 세종대학교 경영학과 Professor Emeritus

● ㈜한국준법진흥원 원장

● 전)세종대학교 경영학과 교수

● 세종대학교 대학원 경영학과 ESG경영 석·박사전공 Founder (2020)/코디네이터

● 세종대학교 공공정책대학원 시니어산업학과 석사과정 Founder (2020)

● 세종대학교 산업대학원 마케팅학과 Founder (2007) (현, 유통산업학과)

● 세종대학교 경영전문대학원 프랜차이즈석사과정 Founder (2006)

● 세종사이버대학교 경영학과 Founder (2005)

● (사)한국프랜차이즈경영학회 수석 편집위원장/전)회장

● GoogolQuest, GoogolWisdom, GoogolStory, 논문과 통계 research and statistics professor 유튜브 채널 운영자

검색창 닫기

오늘의 운세 정치 궁금하신키워드를 검색해 보세요.

추천 검색어는 많이 본 뉴스 기사의 키워드를 수집하여 선정하였습니다.

과학기술정보통신부가 에이전틱 인공지능(AI)을 직접 개발해 업무에 도입하며 공공부문 인공지능 전환(AX)의 선봉에 선다. 광진구청에서 시작된 현장 공무원 주도의 AI 혁신이 행정안전부의 제도화와 과기정통부의 실행력을 만나 공직사회 전반으로 빠르게 번지는 모양새다.

과기정통부는 최신 AI 기술을 업무에 즉시 적용하기 위해 젊은 직원들로 구성된 자체 개발팀 'AI 사피엔스(AI Sapiens)'를 발족했다고 19일 밝혔다. 이재호 서기관을 팀장으로 이지성·배준기·심항섭 사무관, 이배현 주무관 등 AI 정책 및 산업 분야 실무진이 직접 개발에 참여했다.

AI 사피엔스의 첫 결과물은 '글로벌 AI 동향 분석 에이전트'다. 밤사이 미국 등 해외에서 발생하는 AI 산업 기술 동향과 저명인사의 SNS 게시글을 자동 검색·분석해 매일 아침 직원들에게 공유하는 시스템이다. 또 이들은 '2026 전국민 AI 경진대회'에 참가해 예산요구서·법안 검토, 출장 정산, 회의록 작성 등 고부하 행정 업무를 자동화하는 AI 에이전트 개발을 확대할 계획이다.

류승인 광진구청 주무관(왼쪽), 임문영 국가AI전략위 부위원장 (사진=임문영 부위원장 페이스북)

이 같은 움직임은 최근 광진구청 7년 차 공무원의 혁신 사례가 기폭제가 됐다. 류승인 광진구청 주무관은 자연어로 코딩하는 '바이브 코딩'을 통해 HWP·PDF 등 공공 문서를 분석하고 1만 개 이상의 법령·판례를 통합 검색하는 도구를 직접 개발했다. 외부 용역 없이 현장 공무원이 업무 비효율을 스스로 해결한 이 사례는 국가AI전략위원회에서도 극찬을 받았다.

행정안전부 역시 이를 제도적으로 뒷받침하기 위해 'AI 챔피언' 인증제와 워킹그룹 구성을 추진 중이다. ▲광주광역시의 출장비 정산 자동화 시스템 'AI 여비몬' ▲군산시의 업무 매뉴얼 챗봇 '서무실록' 등 지자체의 파편화된 성과를 전국으로 확산하기 위한 가이드라인과 안전한 개발 환경 구축에 나섰다.

관련기사

과기정통부는 이달 중 류제명 제2차관을 비롯한 전 직원이 참여하는 '에이전틱 AI 워크숍'을 열고 바이브 코딩을 통한 서비스 개발 실습을 진행하는 등 AI 리터러시 강화에도 박차를 가한다.

배경훈 부총리 겸 과기정통부 장관은 "공직사회에서 AI 활용은 이제 선택이 아닌 생존의 문제"라며 "과기정통부 직원들이 직접 혁신 사례를 선도적으로 창출해 모든 부처로 확산할 수 있도록 지원하겠다"고 밝혔다.

본문

오픈에이아이(AI)의 새 이미지 생성 인공지능 모델로 추정되는 ‘덕트 테이프’(Duct-Tape)가 생성한 가상의 광고 포스터. 기존 이미지 생성 인공지능과 달리 한글이 깨지지 않은 것이 특징이다. 유튜브 ‘AI놀이터’ 계정 갈무리

광고

한글 표현 능력이 크게 개선된 ‘덕트 테이프’(Duct-Tape)란 이름의 새 이미지 생성 인공지능 모델에 업계의 관심이 쏠리고 있다. 챗지피티(Chat GPT) 개발사 오픈에이아이(AI)가 차세대 모델을 시험 중인 것이 아니냐는 관측이 나오는 가운데, 구글의 인공지능 이미지 생성 서비스 ‘나노 바나나’와의 정면 대결 가능성이 제기된다.

19일 온라인 커뮤니티를 보면, 글로벌 인공지능 성능 평가 플랫폼 ‘아레나’(옛 LM아레나)에 등장한 덕트 테이프 생성 이미지가 화제를 모으고 있다. 아레나는 동일한 프롬프트(지시문)를 입력하면, 익명 처리된 두 모델이 각각 결과물을 생성하고, 이용자가 더 나은 답변을 선택하면 이후 모델명을 공개하는 방식으로 평가를 진행한다. 지난해 8월 구글의 ‘나노 바나나’ 역시 아레나에서 개발사를 숨긴 채 모델 성능을 테스트하며 입소문을 탔다.

오픈에이아이(AI)의 새 이미지 생성 인공지능 모델로 추정되는 ‘덕트 테이프’(Duct-Tape)가 생성한 가상의 유튜버 방송 모습. 기존 이미지 생성 인공지능과 달리 한글이 깨지지 않은 것이 특징이다. 스레드 ‘chio.openai’ 계정 갈무리

덕트 테이프가 주목받는 것은 이미지 속 한글 표현 능력 때문이다. 구글 나노 바나나를 비롯한 기존 이미지 생성 모델은 복잡한 구조의 한글을 구현하는 과정에서 글자가 깨지거나 자음, 모음이 무의미하게 나열되는 문제가 잦았다.

광고

반면, 덕트 테이프는 오타 없이 한글 문장을 자연스럽게 표현하는 등 이미지와 텍스트 간 관계 이해 능력이 개선됐다는 평가가 나온다. 사회관계망서비스(SNS)에선 주말 사이 덕트 테이프를 활용해 가상의 스마트폰 광고나 유튜브 섬네일 등을 생성한 사례가 잇따라 공유됐다. ‘실제 제작물과 구분이 어려울 정도로 자연스럽다’는 반응이 이어지고 있다.

오픈에이아이(AI)의 새 이미지 생성 인공지능 모델로 추정되는 ‘덕트 테이프’(Duct-Tape)가 생성한 가상의 어린이 일기 이미지. 기존 이미지 생성 인공지능과 달리 한글이 깨지지 않은 것이 특징이다. 스레드 ‘chio.openai’ 계정 갈무리

업계에선 덕트 데이프를 구글 나노 바나나에 대응하기 위한 오픈에이아이의 새 카드로 보고 있다. 앞서 샘 올트먼 오픈에이아이 최고경영자(CEO)는 지난해 12월 구글 제미나이 3가 주요 성능 평가에서 지피티-5를 앞서고, 나노 바나나 등이 이용자들에게 호응을 얻자 ‘코드 레드’(비상경영 체제)를 발동한 바 있다. 지난달에는 영상 생성 인공지능 모델 ‘소라’(Sora) 서비스를 종료했으며, 업계에서는 이를 두고 오픈에이아이가 핵심 모델 경쟁력 강화에 집중하는 ‘선택과 집중’에 나섰다는 해석이 나오기도 했다.

선담은 기자 sun@hani.co.kr

본문 내용이 없습니다.