담원 스토어

담원

개인인증

팔로워0 팔로우

소개

등록된 소개글이 없습니다.

전문분야 등록된 전문분야가 없습니다.

판매자 정보

학교정보

입력된 정보가 없습니다.

직장정보

입력된 정보가 없습니다.

자격증

입력된 정보가 없습니다.

판매지수

판매중 자료수

71개
전체 판매량

279개
최근 3개월 판매량

0개
자료후기 점수

평균A
자료문의 응답률

-

전체자료 71개

판매자 표지

ai비즈니스 탐방보고서_데이터정원,구글io(A+만점)

2022-1 AI BUSINESS 탐방보고서데이터 정원 / 구글 IO데이터 정원평소 전시를 보는 것을 좋아하기도 하고, 평소에 관심이 있었던 데이터의 활용과 같은 것들을 알 수 있지 않을까 하는 생각에, 데이터 정원이라는 전시를 보러 가게 되었다. 회기를 다니다보면 항상 다니는 길에 '데이터 정원'이라는 팜플랫들이 많이 전시되어 있었기에, 어쩌면 자연스러운 일이 아니였나 생각한다. 시험이 끝나기도 하였고, 이런 저런 일들로 마음이 싱숭생숭하기도 했었던 그 때, 무언가 새로운 경험을 해보고 싶다는 마음, 그리고 원래 관심이 있었던 데이터의 활용이 어떤 식으로 표현되어 있을지 궁금한 마음이기도 하였다.그렇게 해서 알아본 이 전시는, 멀지 않은 바로 옆 을지예술센터에서 전시를 시행하고 있었다. 이 전시의 컨셉은 "예술과 과학이 이룰 수 있는 조화는 무엇인가?" 였다. 평소 다양한 프로젝트를 하며 예술적인 것들을 좋아하게 되었고, 현재 공부하고 있는 데이터 및 기술들에 대해서도 큰 호기심이 생기었기에. '생각하는 전시'의 일종인 데이터 정원에 들러보기로 생각하였다.사전 예약을 할 시에는 "누다 핼루시네이션'이라는 vr전시도 보는 것이 가능했기에 이를 예매하고 기대에 찬 마음으로 전시관으로 출발하였다. 데이터 정원 정문데이터 정원이라는 이름은 무엇을 표현한 것일까? 하는 생각과 함께 호기심이 들었지만. 제데로 설명을 읽고 가는 것도 좋지만, 전시라는 것은 보고, 느끼고 생각하는 것도 하나의 방법이라고 생각하기 때문에, 대략적인 내용만 파악할 뿐이고, 큰 설명을 읽지 않고 이 곳에 들어가보게 되었다. 예상과는 달리, 내부 전시공간은 상당히 작게 구성되어 있었다. 데이터 정원 전시관 입구경험하는 데이터라고 하였던가, 그래서 그런지 그 자체만으로는 이해하기 힘든 부분들도 꽤나 있었다고 생각되어진다. 전시의 '컨셉'은 가상세계를 현실로 끌어와서 표현하는 형태로 느껴졌는데. 기술을 구성하는 기본단위인 데이터가 현재는 디지털 정보로써 나타나지만, 그것들이 경험과 감각, 해석에 따것 또한 꽤나 데이터 친화적인 행위이며, 그런 방식으로 음악 생태계가 발전해가는 듯한 느낌을 받은 적이 있다. 개인적으로 음악이라는 문화에는 정말 많은 관심이 있어, 종종 작곡 등의 행위를 이와 접목할 수 있는 방법은 없을까를 고민해보기도 하였다. 그래서 음향적 요소를 있는 그대로 표현하는 것은 지금까지 상당히 구현된 바가 많이 있다고 느꼈는데, 이런 형태의 해석을 통해서 뇌파의 감각을 악보로 옮긴다는 것은 음악적 요소라기보다는, 뇌파의 해석을 하나의 형태로 나타낸 것에 가까운 것이 아닌가 생각된다.음악의 조표와 같은 곳에 정해진 음계를 표현하는 것이 아니라, 이것은 그것을 듣고 느낀 감정을 음계로 다시 표현한다는 점에서, 소리의 인식 후 그것의 표현방식의 해석이 아니라, 소리의 인식에 따른 뇌파 반응을 표현한다는 점에서 기존의 음악전 전시와는 차이를 보인다고 느낀다. 이는 마치, 행위에 따른 감정의 반응의 연구와 같은 것과 같은 맥락이 아닌가 생각하고, 많은 데이터가 모인다면, 사람들의 음악에 따른 반응을 어느정도 형태화 해서 최적화된 음악을 뽑아낼수도 있지 않을까..? 와 같은 생각도 하게 되었다.다음으로 인상깊게 본 작품은 모르는 프로젝트"모르는 프로젝트"라는 정의된 현실과 가상의 경계를 나타낸듯한 작품이였다.이 모르는 프로젝트는, 지적 생명인 인간과 인공생명체인 ai가 '호기심'을 통해 '모른다'라는 것을 정의하는 첫 걸음이라 표현되고 있다. 과학자 김찬수와 예술가 이에승은 '모른다'라는 것을 키워드로 서로에게 선문답처럼 질문하고 답하기를 끊임없이 반복해왔다고 하였다. 이 프로젝트는 인공지능을 통하여 세상을 분석하고, 예측하는 기술을 예술 창작에 접목해보고자 하는 일종의 시도이다. 단순히 예술의 도구로 기술이 사용되는 것이 아니라, ai와 art가 서로가 서로에게 '호기심'을 가지고 '호기심'에 접근해가는 프로젝트라고 이야기한다.위의 작품을 보고, 생각났던건 한동안 화제의 이슈였던 vr/메타버스 등과 관련된 것이였다. 가상이라는 것은 실제로 우리 삶에 를 이루어갈지, 가상세계뿐이 아닌 그것들이 현실에 적용된다는 것은 단순히 우리가 보는 편의적이고 ux친화적인 모습뿐이 아니라, 그 내부에서는 어떤 움직임이 현실에 적용될 수 있을 것인지에 대해서는 한번도 생각해보진 않았다는 생각이 들었다.무척 근본적인 호기심이라는 생각이라고 이야기할수 있을지 모르겠지만, 사고를 하고 프로젝트를 구성하고 그것들을 이루어가고 사용자 친화적으로 만들어가는 그런 과정에서 누군가는 이를 사용하고, 누군가는 구성하는 그러한 과정들에서 파생되어 나오는 무언가들을 표현한다면 이런 형태의 예술로써 표현가능하지 않을까? 라는 생각도 해보게 된 것 같다. 그래서 이름이 '모르는 프로젝트'가 아닐까 라는 생각 또한 들었다. 새로운 세상으로 가는 또다른 혁명이라고 부르는 이런 사회에서 하나씩 만들어가는 과정 속에 있는 놓치기 쉬운 무언가들, 또 인지하지 못하는 무언가들은 또다시 새로운 알고리즘 혹은 메인스트림이라는 줄기를 만들 하나의 수단이자 과정이 될 수도 있을 것이라고 생각된다.마지막으로, 신청한 vr체험실로 가게 되었는데. 이 또한 하나의 전시였다. WHITE MATTER'Nudi hallucination'이라는 vr체험은 white matter라는 사업체로 인해서 미래의 시기에 기억을 실제 경험한 것처럼 느낄 수 있게 해주는 일종의 시대상적 경험을 전시하는 것이였다.실제 이 전시의 설명을 살펴보면, 신경생리학자 데이비드 그랜츠맨의 '바다달팽이의 기억 전이' 실험에서 시작되어 전기자극을 받은 경험이 있는 바다달팽이 A의 RNA를 추출하여 B의 뇌세포에 주입하면 그 개체는 마치 자신이 그 경험을 한 듯 반응한다고 한다. 즉, 특정 자극이 반드시 수반되어야 한다고 믿어왔던 뇌의 최종단계가, 신체의 외부 자극 없이 뇌 분자를 주입한 것 만으로도 발생했다고 하는 것이다. 그렇다면 인간도 신체의 외부 자극 없이 RNA의 이식마으로 어떤 자극을 받고 그것이 최종 행동으로 이어지는 것이 가능할까? 일종의 바이패스가 일어나서 결과로써의 기억인, 생물학적 마지묵적 계층이 공고화된 세상에서는 이러한 기억조차 계층을 더욱 공고히 나누는 수단으로써 자리잡아간다는 느낌을 받았다. 부의 이전과 이동이 이루어져야 계층적 문제가 사라지는데, '기억'이라는 중독에 빠져 부의 이전조차 불가능한 중독성있는 무언가로 자리잡아가는 형태를 표현한 것 같다는 생각 또한 들었다.실제로 vr이 많이 발전해서 우리의 세계에 적용된다면, 위의 기술뿐 아니라, 실제로 가지 않더라도 이러한 입체적 영상과 기술로써 실제로 구현 가능한 무언가로 다가올 수 있지 않을까? 라는 생각 또한 들게 되었다. 현재 연구되고 있는 기술들이 발전하고, Vr적으로도 이런 것들을 경험하는 것으로 경험을 대신할 수 있을 만큼 기술이 고도화되고, 실제로 느껴질 수 있는 것이라면 그것은 어쩌면 기억의 이전 혹은 복사라고 불릴 수 있을 정도의 기술로 발전되지 않을까? 많은 이들이 현실과 똑같은 정도의 가상을 구현한다면, 위의 이야기들도 완전한 불가능은 아니지 않을까. 라는 생각또한 하게 되는 순간이였다.전시라는 것은, 단순히 기술을 학습하고 배우는 것이 아니라 그것들을 어떻게 표현하고 어떤 식으로 느끼는지를 보여주기에 그 의의가 있는 것이라고 생각하고, 또한 새로운 방향으로 나아갈 길들과 사고의 확장을 가져와줄 수 있는 수단이라 생각한다. 단순히 배웠던 것들이 적용된다면 어떤 형태로 발전될지, 예술가의 의도에 따라서도 생각해보고, 그렇지 않은 방향으로도 생각하며 학습되었던 것들을 바탕으로 새로운 흐름을 만들 수 있는 하나의 요소라고도 생각되어지기도 하였다.계속해서 발전해 가고 있는 기술들, 현재 그것들을 이루고 있는 기술들이 아직은 미흡하지만 시간이 지날수록 하나씩 합쳐서 의미있는 기술들로 발전한다면, 현재 생각만 하고 있던 일들이 우리 주변에 올 날은 머지않았다고 생각되어진다. 그런 과정에서 이익을 취하려는 사람, 단지 사용을 원하는 사람, 그것에 올라타려는 사람등 많은 사건사고가 일어나고 있지만, 그만큼 현재 이 분야가 관심의 화두에 있으며, 그만큼 발전가능성이 높게 평가되와 같은 방식의 진행이 이루어졌고, npc를 배치하여 실제로 이야기를 듣는 듣한 구현을 해놓기도 하였다. 또한 이러한 이야기 도중 상호간의 대화와 이야기또한 가능하여 가상공간에서의 세미나를 즐기는데 있어서 많은 부분을 신경썼다는 것이 느껴졌다. 일례로 캐릭터의 움직임만 보더라도 단순히 이동에 목적을 둔 것이 아니라, 환경에 따라서 그 움직임이 다르게 느껴질 정도로. 실제 사람들이 하는 게임과 같은 즐거움에 목적을 두었다는 것이 느껴졌다. 내부내용이런 움직임의 과정 중간중간 영상을 접할 수 있는 과정을 만들어 개별적인 스토리를 듣는것 또한 재미있었고 시간대별로 올라오는 각 파트에 대한 이야기들을 듣는것도 상당히 흥미로웠다.그 중에서도 이번 구글은 주로 nlp(자연어처리) 부분에 많은 노력을 기울임을 느낄 수 있었고, 그래서 이 부분을 정리해보도록 하겠다. 아직 지식의 깊이가 깊지 않아. 대략적인 내용들만을 이해할 수 있었지만, 역시 학문은 깊이로 들어갈수록 있던 것들과의 새로움의 연결, 거기에서 나오는 새로운 구상과 데이터, 그리고 그걸 뒷받침하는 깊이있는 메인 알고리즘의 구상이 핵심이라는 것을 느꼈다. 그것을 하기 위해서는 결국 기본기가 받쳐줘야 한다는 생각또한 많이 하게 되었다. 항상 새로운 것을 접할 때 마다. 부실한 기본을 느껴, 이를 보완하면서 전체를 볼 수 있는 눈을 길러야겠다는 생각을 하게 된다.구글은 기본적으로 search에서 시작된 회사이기 때문에 늘상 nlp가 그 주력이 될 수 밖에 없다는 생각이 든다. 이번 io는 다국어와 다중 인풋을 그 키워드로 등장시켰는데, 여기에서 다국어라는 건 하나의 시스템이 여러 언어를 다룰 수 있다는 것이다. 구글같은 회사는 제한된 인력으로 세상의 모든 언어로 된 정보를 모아서 정리하려는 회사이기 떄문에. 이런 다국어에 대한 Nlp를 중요하게 보게 된다. 또한 다중 인풋은 여러개 형태의 데이터를 한번에 다룰 수 있는 머신러닝/모델 시스템을 의미한다. 지금까지의 구글 검색이 텍스트 위주로 돌았다면, 이제는 사진, 음.

경영/경제| 2022.08.09| 12페이지| 4,000원| 조회(141)

경영, mis, 데이터, 알고리즘, AI, 빅데이터, 데이터분석, 머신러닝, AI비즈니..

미리보기

닫기
판매자 표지

Ai Biz_중간_ai알고리즘 응용사례_사례중심_AIrbnb,헬스케어,리걸테크(A+만점)

2022-1 AI BUSINESS 중간대체과제인공지능 활용 사례2022-1 AI BUSINESS 중간대체과제목 차1. AI와 플랫폼 사업, 에어비엔비의 AI 모델 적용1-1. 인공지능 활용 전 문제점1-2. 사례 및 기술1-3. 인공지능 활용을 통해 얻게 된 이익1-4. 참고문헌2. AI와 의료, 헬스케어 산업1-1. 인공지능 활용 전 문제점1-2. 사례 및 기술1-3. 인공지능 활용을 통해 얻게 된 이익1-4. 참고문헌3. AI와 리걸테크1-1. 인공지능 활용 전 문제점1-2. 사례 및 기술1-3. 인공지능 활용을 통해 얻게 된 이익1-4. 참고문헌1. AI와 플랫폼 사업, 에어비엔비의 AI 모델 적용1-1. 인공지능 활용 전 문제점우리가 익히 알고 있는 “에어비엔비”는 일종의 중개형 플랫폼 서비스이다. 이런 플랫폼 서비스 전반의 특징은, 모든 사업의 수익성이 고객의 수에 따라서 천차만별로 변화한다는 점이다. 그 중에서도, 이런 숙박 및 예약 형태의 플랫폼 서비스의 경우는, 공급원인 고객이 시기와 때에 맞게 들어올수록 그 공실이 줄어들고, 더 많은 숙박료 수입을 얻을 수 있게 된다는 점이다. 한편으로는 이를 이용하는 고객또한 마찬가지인데, 이 플랫폼에 들어오는 공급자 즉, 대실업자들이 많아져서 객실공급이 많아질수록, 더 저렴하고 편리한 위치에서 숙박이 가능해진다는 것이다. 이를 해결하기 위해서 에어비엔비는 머신러닝을 도입하고, 이를 고도화하고 있다.1-2. 사례 및 기술에어비엔비는 현재 전세계적으로 65,000 정도의 도시와, 190여개의 국가에서 총 3백만개 정도의 객실을 확보한 상태이며, 매일 약 1백만 건의 숙백거래를 형성시키는 숙박 서비스 기업이다. 이러한 에어비엔비의 거래 흐름은, 객실 등록(호스트)->객실 검색(게스트)->매칭(에어비엔비)->숙박(게스트)->지불(게스트)->평가리뷰(게스트)의 형식으로 진행된다.이렇게 쌓인 데이터들을 바탕으로, 에어비엔비는 머신러닝 기법을 이용하여 플랫폼의 연결성을 극대화하였다. 여기에 사용된 기법으로 Dynamic격, 객실 타입, 수용 인원, 침실 개수, 객실 위치, 숙박예정일까지 남을 날짜, 주변의 리스팅 수 등의 변수를 이용하여 게스트가 수용할 확률이 높은 가격을 산출한다. 그리고 마지막으로 호스트의 수용 행동, 호스팅 목표 등의 개인화 변수를 반영하여, 다시 조정된 가격을 생성해내고, 이 가격이 Dynamic Listing을 통해서 표시되는 구조이다.이러한 Dynamic Listing Model은 객실 속성을 나타내는 변수가 정해지는 흐름에 따라 객실목록을 실시간으로 재구성하는 방법이다. 객실검색이 시작될 때, 객실 위치, 숙박 기간, 가격 등 입력조건에 따른 일반순위 검색(search ranking)에 의해서 객실목록을 표시하는게 일반적이지만, 어떤 객실(list item)이 클릭된 이후에는 그 항목 가중치를 높인 순위 리스트를 다시 생성하고, 최종적인 예약이 이루어지면 그 항목에 높은 가중치를 주는 방식으로 개인화된 리스트를 생성하는 방식이다.이로 인해 형성되는, Host-Guest Matching Model의 경우는 객실별 예약확률을 게산하여 기본가격을 생성 -> 객실 위치, 숙박 예정일등의 지역 수요등을 반영하여 권장가격을 제시하고 -> 개인화 변수를 반영한 가격 조정을 하는 모델로 구성된 시스템을 의미한다.1-3. 인공지능 활용을 통해 얻게 되는 이익.위와 같은 방식을 통해 에어비엔비는1) 대규모 데이터를 이용한 인공지능 기반의 매칭시스템 구축, 여행객과 호스트의 만족 향상2) 호스트에게 맞는 보유자산을 활용한 추가 수익원 제공 및 게스트, 여행자에게는 선호에 맞는 숙박을 보다 정확하게 찾아주는 매칭모델을 형성시켜 사업성장의 동력으로 사용하게 하며, 에어비엔비의 사업 특성인 객실의 미보유와 대규모 거래의 형성이라는 특성을 배가시킴.3) 이로 Mariott, Hilton등의 전통적 호텔을 제치고 호텔객실점유율 1위, 매출액은 전년비 30%이상씩 성장하는 등, 세계 최대의 숙박서비스기업으로 성장하게 된다는 성과를 이루었다.1-4. 참고문헌Pouya Rezazairbnb.co.kr/resources/hosting-homes/a/how-airbnb-search-works-44(에어비엔비 검색 작동 원리 이해하기), 및 http://insideairbnb.com2. AI와 의료/헬스케어 산업2-1. 인공지능 적용 전 문제점.의료 및 헬스케어 산업에서의 인공지능은 과거에 있던 것들을 더욱 효율적으로 혹은 정확성을 높이는 방향으로 발전하고 있다. 고도화된 의료기술이 우리 주변에 자리잡고 있지만, 한 명의 의사가 수백명의 환자를 보는 의료시스템 상 허점이 생길 수 밖에 없는 구조이다. 그런만큼 현재 인공지능이 적용되어 그런 업무들을 보다 효율적이고 정확하게 적용시킬 수 있는 방향으로 발전하고 있는 모습이 보인다. 실제로 인공지능 기반 의료기기는 질병의 진단 및 예측시 인간의 학습능력, 추론능력, 지각능력, 이해능력 등을 수행할 수 있도록 개발된 기술이라고 한다. 또한 이전 기기는 일종의 “rule”안에서 작동하는 기기인 반면에, 의료AI와 같은 경우 효과적인 진단과 치료법을 제시하는 것은 물론, 그를 바탕으로 더욱 학습하여 정밀한 치료를 가능하게 하는 등의 이점을 가진다고 한다. 즉, 기존 다양한 영상기기에서 획득한 자료를 전문의가 모두 검토하고 시각적 인지능력과 판단에만 의존했던 부분들이 많고, 그러다보니 효율성과 정확성이 떨어지는 부분들이 생기는 문제들을 해결하는 것이 적용 전의 문제이며, 현재 의료AI가 적용되고 있는 단계로 보인다.2-2. 사례 및 기술인공지능 헬스케어 환경을 잘 활용한 부분이 개인맞춤형 질병예측과 같은 부분이다.이런 서비스를 형성하기 위해, 기본적으로 사용하는 의료 빅데이터의 종류에는 병원 진료기록, 보험 청구정보(보험 빅데이터), 학계 논문, 생체데이터(웨어러블), 유전자 데이터, 환자상태정보(IOT/센서),소셜 데이터 등이 있다. 이를 인공지능으로 통합 및 분석하는 과정을 거쳐 환자의 질병을 예측하고, 맞춤형 진단 및 처방을 이루어내고, 정밀의료를 현실화시키는 것이다.위의 데이터를 바탕으로, 과 구성비 등을 이용하여 예측모형을 구상한다. 이의 의사결정규칙(decision rule)을 나무구조로 도표화하여 분류와 예측을 수행하는 분석방법으로, 암환자를 분류하는데 용이하게 사용하고 있다. 예로써, 50세 이상이고 양성종양이 있으며, 가족력이 있는 경우 암환자로 분류될 확률과 같은 것을 의사결정나무를 통해 도출할 수 있다.이런 의사결정나무 모형의 장점은 통계지식이 없어도 누구나 쉽게 이해할 수 있고, 변수의 종류에 관계없이 사용가능하다는 것이다. 그리고 계산속도가 빠르고 이러한 의료의 큰 데이터를 적용 및 처리하는데에도 용이하다. 이런 의사결정나무의 대표적 기법으로는 CHAID, CART, C5.0등이 있는데, CHAID는 카이제곱 적합성 검정에 근거한 의사결정나무이고, 이런 의사결정 나무를 생성하기 위해 CART는 지니계수, C5.0은 엔트로피 지수를 사용하기도 한다.위의 기술로 형성된 AI헬스케어 서비스는 측정센서로 환자의 생체신호를 얻어오는 센싱단계, 생체신호를 1차적으로 가공하는 모니터링 단계, 데이터로부터 패턴인식과 데이터마이닝 등의 기계학습으로부터 새로운 건강지표를 구하는 분석단계, 건강 상태를 사용자에게 알려주는 피드백 단계의 4단계로 구성된다. 특히, 축적된 생체신호 데이터로부터 새로운 건강지표를 구하는 분석단계가 인공지능 헬스케어 서비스의 핵심이자 기반이 되는 기술이다. 이가 활발히 활용되도록 연구 및 적용이 진행중이며, 해당 과정으로 큰 이점을 발생시키고 있는 것이다.2-3. 인공지능 모델을 통해 얻게 되는 이익1) ai예측모델을 통한 정밀의료의 실현정밀의료의 실제 사례로써 다음과 같은 이야기가 있다. ‘병원에서 대장암 진단을 받은 김모씨(63세)는 항암치료를 권유받고 표적치료제를 선택하기 위한 기간이 길어 치료가 늦어질지 모른다는 걱정을 하였지만, 한 의료원에서 유전자 검사를 통해 자신에게 가장 효과적인 표적치료제를 찾아 최적의 효과를 예측하여 선택할 수 있다는 이야기를 들었다.’ 즉, 이런 정밀의료란, 유전체, 임상정보, 생활환경 및 발생 원인에 대한 분석까지 이루어진다. 실제로 미국 국립암연구소는 암 환자에 대한 빅데이터 분석을 실시하여, 암 발생의 원인을 제시하였다고 한다. 환자의 상태와 가족력 등을 분석하여 이를 고려한 식단, 운동, 치료가 가능한 맞춤형 의료서비스를 제공하고 있다. 이처럼 빅데이터가 의료분야에 응용되면서 의료 패러다임이 바뀌고 있다고 한다. 그동안의 병이 발생하면 치료한다의 개념에서, 빅데이터 분석을 통해서 원천적인 예방의 방향으로 나아가고 있다는 것이다.2-4. 참고문헌배재권, 스마트 헬스케어 산업의 인공지능 기술 적용에 관한 연구, DBpia, 21.12한형진, 의료/헬스케어 분야에서의 설명 가능 인공지능의 연구 동향, BRIC View리포트, 21.3김가은 외 1명, 건강정보이해능력과 개인의 특성이 스마트 헬스케어 이용 경험에 미치는 요인 분석, KCI, 20193. AI와 리걸테크3-1. 인공지능 적용 전 문제점.법은 상황을 이에 맞춰서 해석하는 능력이기에 필수적으로 사용해야하지만, 많은 이들이 이를 접하고 배우기는 힘든 것이 현실이다. 방대한 범위의 법령들과 언어적 난해함으로 인하여 실제로 서비스를 제공받는 소비자의 입장에서는 모든 것을 변호사에게 일임할 뿐만 아니라, 이거 정확한지 판단하는 것은 불가능에 가까웠던 것이 그동안의 상황이였다. 또한, 변호사의 입장에서도 마찬가지이다. 많은 고객들을 상대해야 하는 입장에서 각각에 맞는 판례와 적합한 법령을 찾아 적용시키는 데에 많은 시간이 들 수 밖에 없고, 그러다보니 자연스럽게 시간이 늦어지는 문제도 발생하게 되는 것이다. 이런 서비스 제공자와 소비자의 각각의 입장이 있다보니 법률 서비스의 전반적인 문제가 발생한다.3-2. 사례 및 기술예로써, 법률 플랫폼인 로앤컴퍼니의 LawTalk등을 예로 들 수 있다. 이 회사는 법률 서비스 접근성이 낮은 대중에게 최적의 법률 콘텐츠와 변호사를 찾을 수 있도록 도와주는 AI 챗봇 서비스를 개발하고, 대중들의 법률 서비스 접근성 및 편의성을 재고하였다 또 한편으로는, 최근

경영/경제| 2022.08.09| 8페이지| 4,000원| 조회(261)

경영, mis, 데이터, 알고리즘, AI, 빅데이터, 데이터분석, 머신러닝, AI비즈니..

미리보기

닫기
판매자 표지

AI Biz_기말_ai알고리즘 응용사례_알고리즘중심_cnn,lstm,bert,gen(A+만점)

2022-1 AI BUSINESS 기말대체과제Deep Learning 활용 사례2022-1 AI BUSINESS 기말대체과제목 차1. CNN1-1. 딥러닝 활용을 위한 문제점1-2. 사례 및 기술1-3. 딥러닝 활용을 통해 얻게 된 이익1-4. 참고문헌2. LSTM2-1. 딥러닝 활용을 위한 문제점2-2. 사례 및 기술2-3. 딥러닝 활용을 통해 얻게 된 이익2-4. 참고문헌3. BERT3-1. 딥러닝 활용을 위한 문제점3-2. 사례 및 기술3-3. 딥러닝 활용을 통해 얻게 된 이익3-4. 참고문헌4. GAN4-1. 딥러닝 활용을 위한 문제점4-2. 사례 및 기술4-3. 딥러닝 활용을 통해 얻게 된 이익4-4. 참고문헌1. CNN1-1. 딥러닝 활용을 위한 문제점우리가 현대 사회에서 많은 물품들을 손쉽게 얻을 수 있는 것은 기술의 발달에 의함이다. 국내 내수시장도 그러하지만, 최근 해외 전자상거래 사이트의 이용 증가로 인해 전자상거래의 주요 물품의 반입수단인 특송화물 반입량이 폭증하는 사례가 많아지고 있다. 실제로 2010년부터 10년간의 화물반입량을 보면 8,777건에서 52,536건으로 약 500%증가한 모습을 보인다. 하지만 이에 따라, 밀반입 또한 늘어나는 추세이다. 담배, 마약, 위해물품 등의 밀반입은 점점 증가하는 추세를 보이고 있기에 이를 잡아내는 것에 많은 노력을 기울이고 있다. 실제로 이를 막기 위한 조치로서 세관 X-ray검사를 시행하는데, 세관에서는 이를 통해 화물을 선별하고, 검색기를 촬영, 영상 판독 및 검사의 과정을 거친다. 이를 통해서 세관은 불법물품 은닉을 적발하며, 허위신고를 적발하는등의 과정을 거치지만, 불법물품 은닉과 같은 경우 적하목록이나 운송장에 표기되지 않은 물품을 영상에 의존하여 적발해야하는 어려움과 함께, 허위신고의 선발과 같은 경우는 운송장에 신고한 물품의 종류와 수량의 일치 여부를 확인해야하기에 더 어려운 문제로 보여지고 있다. 그 중 여기에서는 이러한 문제점 중 위해물품을 엑스레이를 통해 더욱 정교하고 편리하게 특징 및 검출의 특징별로 검출의 정확도를 비교하는 과정이다. 예를 들어 크기를 대중소로 나누고, 재질을 금속, 플라스틱, 유리, 캔등으로 나누고 형태는 단순한가? 복잡한가?라는 특징에 따라 검출이 잘 되냐 잘 되지 않느냐를 비교하여 더욱 정확도를 높이는 것이다. 그리고 이러한 시나리오 구축과 Test-kit을 이용해서 이를 구체화시키고 문제가 있는 부분을 해결한다. 예로써, 물품구성의 개수, 배치(겹친 정도), 각도(형태 인식의 난이도), 특징 별 조합 구성 등을 생각하여야 하고, 이를 바탕으로 물품 별 이노테이션을 제데로 생성되었는지 확인, 위의 알고리즘 모델을 적용하여 물품 특징 별 검출 정확도와 그 차이를 비교 분석한다. 이를 통해 물품 특징 별 검출 정확도를 비교하여 실제 적용할 수 있을 만큼의 활용도를 가지는 AI를 구축한다. 데이터 처리 과정과 알고리즘 도출물1-3. 딥러닝 활용을 통해 얻게 된 이익이를 통해 물품의 크기, 재질(색상), 형태의 복잡성의 특징에 따라서 정확도 차이 여부를 확인하고 이를 비교 분석하고, 각각의 수준은 위에서 언급했듯 대/중/소, 주황/초록/파랑, 단순/복잡과 같은 방식으로 분류하였다. 각각의 물품들을 이에 맞추어서 분류하며, 판별하는 AI를 도입하여 세관통과시의 인력부담을 줄이고, 그 정확도를 높이고 보조하는 용도로 사용하여 다방면으로 이익을 가져올 수 있으며, 추후 더욱 많은 데이터를 모아 그 정확도를 더욱 높일 수 있을 것으로 보인다. 물품 분류 예시1-4. 참고문헌김유리, 관세청, 'AI X-레이 판독시스템' 세계 최초로 특송화물검사에 적용, 한국세정신문, 2021.4이정원 외 1명, 현대판 스핑크스 : 국경의 관문을 지키는 X-ray 판독기술, ETRI, 2020.12Derry Setiawan 외 3명, 2018, Improved Edge Detection Based on Adaptive Gaussian Smoothing in X-Ray ImageCNN(합성곱신경망) 객체검출 및 R-CNN 적용 사례https:의 유량 예측을 LSTM을 사용하여 기존의 SWAT모형의 결과를 보완하고 개선하는 방식을 통해 LSTM의 유용성과 개선방향성을 알아보도록 하겠다.2-2. 사례 및 기술먼저 LSTM을 이용한 메콩강 하류의 지점 유량 예측을 하는 방면을 보면, 메콩강 하류 유역의 수자원 분석시에 기초자료로 활용되는 Kratie지점의 일유량 예측을 위한 유출해석 시스템을 구축하고 그 정확도를 검증하는 것을 목적으로 이러한 모델을 구축하는데, 이는 위에서 언급했듯 물리기반의 SWAT와 데이터기반의 딥러닝모형인 LSTM을 통해 구할 수 있다. 이러한 모의는 유역면적과 유출량을 기반으로 나타나지는데, SWAT의 경우 지역상세데이터 획득이 힘듬에 따라 범용 입력자료를 이용하였고, 이러한 자료를 통해 모형의 warming-up 및 매개변수 보정 후 일유량 모의를 시행하였다고 한다, LSTM의 경우 Kratie지점을 기준으로 상류 10개 수위관측소의 일수위 자료를 이용하여 학습시키고 SWAT모형과 마찬가지로 Kratie지점에 대한 일수위를 모의 후 수위-유량곡선관계식을 이용하여 일유량으로 환산하였다고 한다. LSTM 모형의 구조SWAT모형의 강우-유출 모의결과는 아래 과 같고, NSE는 0.9 결정계수또한 0.91로 산정되었으며 모의기간 전반에 걸쳐 유출량의 변동성이 비슷하게 모의된 것으로 나타났다. 하지만 RMSE가 3941.71m2/s로 나타났고. LSTM모형의 모의결과 또한 NSE 및 결정계수가 0.99이상으로 매우 우수하게 산정되었으며 RMSE는 시퀀스 길이가 길어짐에 따라 약 10m2/s씩 미세하게 늘어나 평균적으로 약 330m2/s의 오차가 발생하는 것으로 나타났다. SWAT/LSTM 유량예측비교 SWAT/LSTM 모형 상대오차한편 관측유량대비 오차를 보면, SWAT는 모의기간에 대해 평균적으로 ?11.2%의 상대오차율을 나타냈고, 최대 294%, 최소 ?76%의 범위로 매우 불규칙하게 분포되었다. 한편, LSTM은 평균적으로 ?0.5%, 최대 10%, 최소 12%의 상대오차율을가연구개발 사업에 대한 정보를 한 곳에서 관리하는 국가과학기술종합정보시스템이 구축, 운영되고 있다. 또한 이곳에서는 국가 R&D의 과제현황을 효과적으로 관리, 효율적인 R&D 정보처리를 위해 분류정보를 제공하고 있다. 이 정보는 연구자들로부터 정보를 얻게 되는데, 연구자들도 본인의 연구가 정확히 어떤 분류에 해당되는지에 대한 내용을 정확히 파악하기 어렵다고 한다. 이는 연구내용에 대해서는 잘 이해하고 있지만, 분류 체계에 대한 이해가 부족하기 때문이라고 한다. 따라서 데이터 기반의 R&D 과제 분류의 필요성이 대두되고, 데이터 기반의 R&D 과제 분류를 통해 연구자들의 주관적인 의견이 배제된, 객관적인 분류가 가능해진다. 이런 문제를 해결하기 위한 방법으로 대표적으로 텍스트마이닝의 방법이 있는데, 이런 문서를 요약하는 중요한 특징을 추출하는 방법은 크게 추출요약과 생성요약으로 나누어진다. 하지만 지금까지 대부분의 연구는 자연어 처리 기술의 한계로 추출요약 방법 위주로 연구되어왔지만, 이는 핵심구문 특성요인 추출의 어려움이 있거나 신규 문서 적용에 대한 어려움등으로 새로운 방법이 모색되어지고 있던 중이다. 이에 딥러닝을 이용한 BERT 모델을 통해 이러한 문제점을 개선하고자 하는 노력이 이루어지고 있다.특히 이 곳에서는, 구글에서 개발한 BERT모형이 아닌, 한국에 적용시키기 위해 만든 한국어 BERT 모델을 기반으로 학습된 기술 분류 모델을 기반으로 이를 소개하도록 하겠다.3-2. 사례 및 기술최근 들어 자연어 및 시게열 데이터 분석 영역. 특히 문서에 내제된 의미를 이해하고 요약하는 자연어 처리 분야에서 딥러닝 기반의 모델들이 좋은 성과를 보이는 중이다. 특히 그 중에서도 BERT 모델은 기존의 언어 표현의 모델들과는 달리 Transformer 모듈을 기반으로 양방향으로 입력 데이터의 맥락을 인코딩한다.이에 BERT모델은 자연어 처리와 관련된 많은 과제에 적용 가능한 자연어의 범용적인 수치 표현을 제공할 수 있게 되었다. 또한 사전 학습된 모델을 범용적으로 여기서 영문키워드는 제외하고, 나머지는 순서대로 통합하여 나열하였다. 이런 데이터를 바탕으로 모델을 짠 그림은 아래와 같다. BERT 알고리즘 BERT기반 문서분류 모델위의 의 CLS는 모든 입력문장의 시작을 나타내는 특별한 토큰이며, Tok1부터 Tok N은 토큰화 과정을 거친 입력 문장의 각 토큰들을 의미한다. 토큰화 과정은 한글 위키와 뉴스 텍스트 데이터를 기반으로 학습된 토크나이저를 활용했다. 또한 기술 문서의 과제명, 과제요약, 기대효과 등 다양한 속성의 텍스트들은 그 속성을 무시하고 하나의 문장으로 취급하여 입력으로 사용한다. 입력한 문장의 임베딩 벡터는 여러층으로 쌓인 Transformer들로 도출된다. 구체적으로, 사전 학습된 BERT 모델의 풀링된 출력 벡터, 즉 에서 [CLS]토큰에 해당되는 출력을 입력으로 사용하여 분류기를 구성한다.분류기는 과적합을 막기 위한 dropout계층과 완전 연결 계층으로 구성된다. 본 분류 모델에서는 dropout 비율로 0.1을 사용했으며 [CLS]토큰의 출력에 해당되는 768차원의 임베딩 벡터는 dropout 계층과 완전 연결계층을 거쳐 총33차원의 벡터를 출력하고 이 벡터의 요소들은 각각 특정 기술분야에 속할 확률을 나타내는 모델이다. 아렇게 설계된 BERT 모델은 fine-tuning 방식으로 학습되었으며 이 주어진 문제의 해결을 위해 총 33개의 중 분류기술명 중 각각의 기술명에 속하는지를 분류하는 문제이므로, 개별 중분류 기술명에 속하는지 여부를 손실함수로 모델링하였다. 따라서 개별 중분류 기술명에 속하는지의 여부 이진 분류 문제가 되고 모든 기술분류에 대해 평균적인 손실을 계산하여 개별 문서의 손실값을 계산하는 방식이다. 이와 함께 각각의 기술문서의 클래스 불균형 문제를 해결하기 위해 positive 클래스에 대해 가중치를 부여하는 방식으로 최종 손실함수를 구성하는 방식으로 모델을 형성하였다.3-3. 딥러닝 활용을 통해 얻게 된 이익이런 방식을 통해 개별요소 단위의 성능, 기술분류 단위의 성능, 이다.

경영/경제| 2022.08.09| 10페이지| 4,000원| 조회(207)

경영, mis, 데이터, 알고리즘, AI, 빅데이터, 데이터분석, 머신러닝, AI비즈니..

미리보기

닫기
보험학원론 중간대체과제_AI산업의 발전이 보험산업에 미치는 영향_(회계세무하

AI 산업의 발전이 보험산업에 미치는 영향- 기술의 발전으로 인한 AI의 적용, 산업확장에 따른 리스크 관리 -개요1. 서론1) 보험에 대한 개략적인 소개2) 보험산업의 발전과정 및 현황3) 최근 보험산업의 발전과 데이터, AI의 발전2. 본론1) AI와 빅데이터2) 보험과 AI, 데이터의 연관성3) 근래의 AI와 보험의 접목4) Big Data의 발전5) Big Data, AI의 발전으로 인한 보험기술의 확장 및 기타 보험 기술의 발전(1) 비정형 데이터의 정형화(2) 블록체인을 통한 원장화6) 기술의 발전에 의한 새로운 플랫폼과, AI 비즈니스의 확장에 따른 보험과 리스크3. 결론1. 서론1) 보험에 대한 시사보험은 같은 위험에 놓여 있는 사람들이 한의 위험단체를 구성하고 통계적 기초에 의하여 산출된 보험료를 갹출하여 기금을 마련하며, 우연한 사고를 당한 사람에게 재산적 급여를 제공함으로써 경제생활의 불안을 경감하는 제도라고 정의할 수 있다. 즉 개인 또는 단체가 가지는 개별적인 위험을 보험회사에 전가하기 위해 만들어진 것이다. 여기서 위험이란 우연한 사고로 인해 발생하여 손실이나 손상을 입을 수 있는 것을 말하는데 이러한 위험을 보험회사에 전가함으로써 개인 또는 단체는 사회생활을 하는 데 있어서 경제적 안정을 가지게 된다. 그러므로 보험은 개인의 경제적 안정화에 이바지하게 되며 이러한 개인들이 모여서 사회 전체적으로 안정시키는 효과를 보게 된다. 그래서 사회적으로 필요하다고 판단될 때는 국가가 공적보험을 운영하기도 하여 보험이 사회 안전판의 역할을 하도록 하고 있다.2) 보험산업의 발전과정 및 현황보험은 기원전 수천 년부터 시작되었다고 알려진다. 그리고 보험업은 외부 산업의 발전과 새로운 수요에 의해 지속해서 변화와 혁신을 거듭하였다. 기원전 4천 년 전 바빌론은 세계 상업의 중심지였다. 바빌론을 거점으로 하는 상인들은 세계를 돌아다니며 무역을 하는 행상인들과 거래했고, 이때 신용을 확보하기 위해 행상인의 가족과 재산이 담보로 사용되었다. 그러자 여행 도있어 과거 접근하기 힘들었던 요소들은 훨씬 간편하게 접근시킬 수 있게 되었다는 점에서, 그 가치가 더욱 크다고 여겨진다.이러한 보험의 가입과 처리 과정에서의 비대면 영업 및 자동화의 영역의 확충은 물론, 각 부분을 하나씩 데이터를 기반으로 한 AI, 자동화의 영역으로 변환시키고 있는 것이 현재 일어나는 일이다. 이와 함께 꼭 눈여겨봐야 할 것은 이러한 데이터를 모아 만든 시스템들은 다시금 추가적인 데이터들을 모으고 이를 추가로 활용할 수 있는 방안들이 만들어진다는 것이다. 그래서 마이데이터와 비정형 데이터의 정형화를 통한 리스크 관리, 핀테크, 인슈어런스, 현재 보험업의 간편화는 물론이고 이들이 모여서 만들어 낼 미래의 시너지 효과, 단순한 데이터로서의 사업화를 넘은 AI의 활용성 그리고 현재 만들어지고 있는 새로운 사업들과 메타에 대한 새로운 보험과 리스크 관리에 대한 영역까지, 이러한 방향으로 보험업의 발전이 이루어질 것으로 생각된다. 아래에서 그 구체적인 내용을 알아보도록 하자.2. 본론1) AI와 빅데이터AI는 Artificial Intelligence로써, 인공적 지능이라는 뜻을 가진다. 하지만 쉽게 말하자면 인공지능, 데이터의 집합체라고 보아도 된다. 현재 AI와 데이터는 어느 정도 구분되는 형상을 보이지만, 실제로는 이는 거의 일맥상통하는 이야기이며, 결국에는 하나의 이야기로 합쳐지게 될 것이다. AI라는 것은 일종의 기술로써 보이지만, 결국에는 각종 데이터의 총집합체이다. 그래서 현재는 데이터 분석과 AI를 별개로 구분하는 경우가 많지만, 시간이 지나면 지날수록 같은 프로그램적 요소로써 사용될 것이라고 한다. 현재 AI가 비즈니스적 산업으로 대두하는 것은, 사회요소적으로 많은 데이터가 등장하고 그것들이 넘쳐나는 시대가 되었기 때문이다.이러한 데이터를 잘 활용하기 위해서는 지난 시간 동안 데이터라는 것이 어떻게 발전되어 왔는지 이해해야 한다. 과거 나타났던 다양한 파일관리시스템, 데이터베이스 시스템(DBMS)의 발전 프로그램적 요소로써 사용되었던 xperience에 맞추어서 설계한 것이다. ‘어렵다’라는 인식을 깨고 이를 고객에게 접근시키려면, 서비스에 접근하는 한 단계 한 단계를 줄여서 전환율을 낮추어야 하는데, 그런 과정에서 AI가 도입되어 각 고객에게 맞는 과정을 ‘쉽고, 빠르게’ 제공하게 된 것이다. 이는 보험 산업뿐 아니라, 다른 산업들에도 적용될 수 있는 부분이 많은 만큼 공통되지만, 리스크의 가치 측정이라는 요소의 정확성을 높인다는 점에서 보험산업에서의 AI, 데이터 활용은 그 의미가 크다고 여겨진다.이뿐 아니라 정교화적 요소를 좀 더 따져보자면, 과거 주제를 다루는 이야기의 근거로써 사용되는 일종의 ‘근거’ 데이터는, 이제는 그 자체로 주제를 나타내는 시대가 되기도 하였다. 우리가 사용하는 지표들은 모두 그 근거가 있으나, 최근 사용되는 데이터들을 기반으로 한 ‘데이터의 연관성 검색’과 같은 경우에는, 우리가 알지 못하는 결론 값들을 도출하기도 한다. 이런 기술들의 도입은 실제로 우리가 염두에 두고 있지 않은 부분들을 나타내주어 그 부분들에 대한 보완과 발전을 이루도록 돕는 일종의 기술로써 자리 잡을 것이다. 이런 요소들은 실제로 보험의 재설계적 요소에서도 큰 작용을 할 것으로 보인다. 기존의 사고율 및 리스크 관리 요소들을 모아 새로운 보험을 만들고 리스크 분산을 하는데, 놓치는 부분이 생기더라도 다양한 데이터 근거를 바탕으로 놓친 부분에 대한 근거보완 혹은, 새로운 결론을 내려주는 기능을 제공하는 것이다. 아래 3번에서, 최근 AI와 보험을 접목한 트렌드를 알아보겠다.3) 근래의 AI와 보험의 접목인공지능이 보험업계에 도입된 사례로는 손해보험 업계에 도입된 텔레매틱스(Telematics) 기술을 들 수 있다. 텔레매틱스 기술이란 사물인터넷(IoT)에 빅데이터 기술을 접목한 응용기술이다. 사물인터넷의 핵심장비인 센서를 자동차에 부착하고, 센서는 실시간으로 차량 운행에 대한 정보를 보험회사 서비스에 제공한다. 보험회사는 센서를 통해 획득한 대량의 정보를 빅데이터 분석기법을 활용 분석함으로. 보험회사는 자체 손실액을 보험가입자에게 전가함으로써 미국 가정은 평균 400~600달러 보험료를 추가로 부담하고 있다고 한다. 현재 데이터 마이닝 기법을 활용하면 보험사기를 파악해 낼 수 있다. Shift Technology사는 인공지능 기술을 활용하여 보험청구 데이터를 분석하여 보험사기를 찾아내고 있다. 2017년까지 7천5백만 건의 보험금 청구 건을 분석한 결과, 의심되는 건수들을 발견하였으며 이를 조사한 결과 75%의 확률로 보험사기를 찾아냈다.4) Big Data의 발전지금까지 현재 AI의 발전을 통해서 보험 산업 자체에 어떤 영향을 끼치는지를 최근의 근황들 및 기타 요인들로 알아보았다. 하지만 현재도 AI 분야는 지속해서 발전 중이다. 그 말은 이러한 변화가 이제 시작점에 불과하다는 이야기이다. AI라는 이 분야는 지속해서 언급된 것에 비해, 제대로 세상에 알려진 지는 그리 오래되지 않은 학문이다. 연구보다 비즈니스적 요소들이 확실하게 자리 잡지 못한 시기이기도 하며, 그런 만큼 수많은 비즈니스와 기술적 진보가 이루어지는 시기라고 생각한다. 흔히들 하는 말로 ‘누구나 기존 산업에 AI를 붙여 새로운 진보를 이룰 수 있는 시기’라고 이야기하는데, 어느 정도 동의가 가는 말이다. 과거 전화로서의 기존의 체제가 바뀌고, PC로서의 시스템의 체계가 바뀌고, 모바일로써 세상의 간편성이 대두되었는데, 이번 AI와 음성인식, 가상현실과 같은 데이터의 집합체는 아마 우리의 삶을 바꿔놓지 않을까 생각이 든다. 그렇다면, 그에 따른 새로운 체제 또한 마련되어야 하는 법이다. 새로운 세상이 온다면 그에 맞는 법률과 가치가 제정되어야 하며, 그를 관리할 수 있는 무언가가 필요할 것이다. 그렇기에 단순히 보험을 우리에게 판매되는 보험으로써 파악할 것이 아닌 다가올 세상에 대한 ‘리스크 매니징’의 관점에서 보험을 파악할 줄 알아야 할 것이다. 사실, 세상의 흐름과 보험 산업의 흐름은 비슷하다는 생각이 많이 든다. 결국, 어떤 일이든 ‘risk’와 ‘uncertainty’가을 극대화한다는 장점이 있다. 실제로 현재 많은 국·내외 보험회사들이 이의 잠재력을 높게 평가하고 적극적으로 도입하고자 준비하고 진행과정에 있다. 실제로 글로벌 보험사의 컨소시엄인 B3i는 재물초과 재보험에 블록체인 기반 스마트계약을 적용해서 2019년 1월 상업거래에 적용하고자 하였고, 알리안츠 그룹의 자회사는 Allianz Risk Transfer(ART) 또한 스마트계약을 이용한 스왑 계약에 적용하고자 하였다. 한편, 미국 Dynamis 보험사의 이더리움에 기반을 둔 P2P 보험의 진행도 있었다.한편, 국내에서는 대형 생명보험사인 ‘교보생명’이 최초로 보험금 지급 체계에 블록체인 기술을 활용하였으며, 이 외에도, LG CNS의 모나 체인을 이용한 보험금 청구 프로세스, 지역 화폐 노원(NOWON) 서비스, 메디 블록, KB국민은행 블록체인 기반 인증 시스템 등 다양한 국내 블록체인 기술 적용 사례들이 존재한다.이는 블록체인 기반의 분산원장 기술이 보안성의 강화, 처리 과정의 신뢰성 증진과 감시 가능성의 확대, 비용절감은 물론 제삼자에 중개에 의존하지 않는 비즈니스모델의 구축으로 더 큰 효용을 얻을 수 있기 때문에 시행한다. 하지만 AI 혹은 IOT에 비해 그 반영은 늦을 것으로 보인다. 현재 Poc, 즉 개념증명이라는 프로토타입을 개발하여 시행하고 상업화를 진행 중인데 이 과정에서 블록체인 효과가 제대로 발휘되기 위해서는 독립된 보험사나 병원 등의 플레이어들이 네트워크에 참여해야 하며, 중개자 배제라는 요소가 가미되며 그동안의 전략적 요소들의 중요성을 평가해야 하는 과정이 기다리고 있기 때문이다. 또한, 이러한 과정들이 투명화되고 디지털화된 자산으로써의 신뢰성을 갖추었는지에 대한 검증 또한 무수히 많이 진행되어야 할 것이다. 이러한 요소들이 가미되고 검증된다면 AI와 함께 보험의 중요 수단으로써 자리 잡게 될 날도 머지않았다고 생각된다.지금까지 AI와 기술의 발전으로 보험업계에서의 기술의 변화에 대해서 알아보았다, 그럼 지금부터는 새로운 플랫폼과 기술들이

경영/경제| 2021.11.21| 15페이지| 2,500원| 조회(228)

경제, 경영, 보험, 리스크, 보험학, AI, 원론, 메타버스

미리보기

닫기
보험학원론 과제_2021년생명보험의 전망과 과제 요약

2021년 생명보험의 전망과 과제- 생명보험의 발전을 위해 -1. 서론2020년에 들어오면서 코로나 19의 확산이 이루어지며 시장 전반에 대한 큰 변동이 일어나기 시작하였다. 경기침체를 동반한 금융시장의 변동성의 확대, 저금리의 심화, 유동성의 급증 등의 경제환경 변화는 물론이며, 앞으로의 경제성장 경로의 예측에서 큰 분기점 및 불확실성을 가져오게 되었다. 보험산업 또한 코로나19로 인하여 언택트문화의 확산과 4차 산업이 부상한 만큼 그 변화에 대응할 수 있도록 변화하고자 노력하고 있다. 코로나 19의 발생은 실물경제, 금융, 산업구조 시장 전반에 엄청난 영향을 끼쳤으나, 빠른 대응으로 인하여 그 영향을 빠르게 회복중에 있다. 그 과정에서 시중금리의 하락과 유동성의 급증은 당연하게 따라오는 수순이였고 산업구조적으로는 자연스럽게 비대면 문화가 급격한 성장을 이룰 수 있는 구조로 변화하였다. 이는 보험산업에도 직,간접적 영향을 미치고 있다. 보험 수요적 측면에서는 저축수요의 확대로 생사혼합보험이 고성장 하는 등의 부정적 충격보다는 반사이익이 크게 나타나고 있다고 한다. 실제로 퇴직연금을 제외한 생명보험은 2.6%의 높은 성장률을 기록하였다. 경영전략적 측면에서는 보험수요의 변화에 대응하여 외형의 확대를 이루고자 하고 있고, 과거부터 이야기되어왔었던 비대면 판매채널의 급부상이 이루어지고 있다. 이와 함께 현재 금융지주에서는 수익성의 다각화 과정에서 은행계 보험회사의 비중이 확대되고 있는 모습도 보이며, 과거부터 발전해오던 빅테크의 보험업 진출에도 그 속도가 붙으려 하고 있다.하지만 원할한 사업모형의 전환은 잘 이루어지지 않는 추세이다. 과거부터 이어져 온 전통적인 사업모형이 한계에 부딪히며 성장공백에 직면한 모습을 보이고 있는데, 이러한 사업모형을 쉽사리 탈피하기는 과정적으로 쉬운 일이 아니기 때문이다. 실제로는 개인보험의 주 수요층인 저연령층 인구의 감소로 전통적인 개인보험 수요의 위축을 야기하고 있으며, 기업보험 또한 경제의 저상장 지속으로 수요의 위축이 이루어지고 있다. 이러한 시대에 맞추어서 전통적 사업모형을 대체할 신규사업모형이 도입되어야 하는데, 변화를 가지는 과정이지만 아직 그 성장은 미미하다. 실제로 보험산업의 대표적인 신규 성장동력으로 꼽히는 건강관리서비스 혹은 디지털보험 시장은 아직 초기단계에 불과하다. 이 뿐 아니라 it 신기술 도입을 통한 보험산업의 효율화 및 온라인 채널 혁신 등도 아이디어 단계가 많을 뿐, 실제로 적용할 수 있는 곳은 얼마 되지 않는다. 따라서 보험산업의 발전을 위해서는 현재 시기를 기회로 삼아, 성장에 대한 기대감보다는 재도약을 위한 체질개선의 기회로 사용해야 한다. 아래에서는 이러한 환경 변화를 전제로 생명보험의 2020년 수입보험료 동향 및 2021년 전망을 보장성보험, 저축성보험, 퇴직연금으로 구분하여 제시하며 그로 인한 경영과제 및 정책을 제시해보도록 하겠다.2. 보장성보험2020년 보장성보험은 2~3월의 경우는 코로나의 확산에도 불구하고 절판 마케팅 효과가 발생하여 고성장하였으나, 4월 이후는 그 성장세의 둔화가 나타나고 있다고 한다. 보장성보험 초회보험료는 코로나19가 확산되기 시작한 2,3월 전년 동기 대비 크게 증가하였으나, 이는 보장성보험의 예쩡이율 인하에 따른 절판 마케팅 효과로 보이며 그 외는 영업환경 악화의 영향을 크게 받았다고 파악할 수 있다. 2021년의 경우는 보장성보험의 대면 채널 영업환경 악화가 지속되며, 판매규제등으로 인하여 2.9%정도의 성장에 그칠 것으로 보인다고 한다. 민간소비가 제한적으로 회복되는 것과 설계사 및 대리점의 영업환경의 어려움이 지속되는 환경이기에 더욱 그러하다고 볼 수 있다. 고량화에 따른 건강보험의 관심 확대 및 보험회사의 보장성 중심 포토플리오 재편 노력등을 기울이지만, 부정적 요인을 어떻게 극복할지가 핵심적인 부분으로 보인다. 현재 많은 부분들에서 다양한 기술을 도입하여 고객과 보험 사이의 거리감을 줄이려고 노력하고 있지만, 그동안 해왔던 대면 영업의 틀을 깨고, 고객에게 적합한 방식으로 혹은 효율적인 방식으로 보험서비스를 제공하는 것은 그리 쉬운 일은 아닐 것으로 판단된다. 이 뿐 아니라 급변하는 세상에서 보장성보험의 포함범위는 점차 넓어질 것이다. 그러한 부분에서 고객들에게 수요를 인식시키고, 쉽게 접근할 수 있는 디지털 시스템을 구축하여 제공하는 것이 중요할 것으로 생각된다.3. 저축성보험1) 일반저축성보험생사혼합보험의 초회보험료는 코로나 19의 영향으로 시중금리가 하락하기 시작한 2월부터 급증하였다고 한다. 저금리 환경과 확장적인 재정정책으로 인해 시중 유동성이 크게 증가하면서 2020년 이후 증가세가 확대된 것이다. 단기적 유동성 자금을 흡수하는 예,적금 상품의 금리와 보험회사 공시기준이율의 차이는 크게 확대되고 있으며, 금리의 하락으로 생사혼합보험의 금리 경쟁력이 부각되면서 생사혼합보험의 초회보험료가 급증한 것으로 보인다.한편, 연금보험은 2020년 상반기 수입보험료가 1.7%정도 감소하여 생사혼합보험과 달리 부진한 모습을 보이고 있다. 급증한 유동성이 연금수요의 확대로 이어지지 않고 있는 것이고 그 이유는 이는 단기저축인 예,적금 상품의 대체제가 아닌 장기 노후소득보장상품이기 때문으로 판단된다고 한다. 연금보험 시장은 노후소득의 보장수요의 증가에도 2015년 이후 지속적인 축소를 겪고 있는데 그 이유는 저금리에 따른 수익성 우려, 요구자본 부담 등에 따른 공급의 악화, 세제혜택의 감소, 대체상품 증가 등 수요 약화가 동시에 작용한 결과라고 볼 수 있다. 따라서 이를 해결하기 위해서는 현재 풍부하게 풀린 시중 유동성을 이런 노후소득 확보를 위한 장기저축으로 흡수될 수 있도록 유도할 필요가 있다고 판단된다고 한다. 2021년의 경우 일반저축성 보험은 연금보험의 감소세 지속과 함께 생사혼합보험의 기저효과로 약 2.6% 감소할 전망이라고 한다. 연금보험은 2021년에도 연금보험의 시장 수요,공급측면의 부정적인 요인들이 해소되긴 쉽지 않아 수입보험료의 감소세를 지속할 것으로 전망하고 있다. 생사혼합보험이 단기 유동성 자금 유입이 계속될 것으로 보이나, 이차역마진의 확대 우려로 인해 추가적 규모의 확대는 어려울 것으로 보인다고 한다. 또한 2020년 고성장의 기저효과로 수입보험료의 소폭 감소가 전망된다고 한다.이는 시장의 변동에 의한 자연스러운 현상이라고 생각한다. 불안한 시기 사람들이 미래를 도모할 수 있는 방안으로 다양한 투자처를 찾고 있는데, 그 중 안정성을 좀 더 추구하는 이들이 모인 결과라고 이야기할 수 있다. 하지만 위에서도 언급했듯이 이런 긍정적 장세가 지속되진 않을 것으로 보인다. 소비자들에게 있어서 저축성보험의 새로운 메리트가 생성되지 않는다면 그들은 더 나은 상품을 찾아 금방 떠나 버릴 것을 염두하고, 실제로 어느 방면에서 수요를 발생시킬 수 있는지 고민해 보아야 할 것이다.2) 변액저축성보험변액보험의 경우에는 2020년 3월, 주식시장의 급반등에도 불구하고 2/4분기 초회보험료가 오히려 4.0% 감소하였다고 한다. 금융시장 안정에도 개인적인 직접투자는 증가하고 있지만, 변액보험과 같은 간접적 투자는 부진한 모습을 보이고 있다. 또 최근은행권의 사모펀드 부실 판매 이슈로 방키슈랑스의 변액보험 판매 위축도 원인 중 하나로 파악된다고 한다. 한편, 변액보험의 수입보험료는 주식시장 민감도가 둔화되면서 2015년 이후 지속적으로 감소하는 모습을 보여주고 있다.변액저축성보험은 2021년 경기회복에 따라서 금융시장 안정으로 초회보험료의 증가가 기대되지만, 계속보험료의 지속적인 감소로 수입보험료는 6.0%의 감소가 전망된다고 한다. 금융시장이 안정되어도 개인 투자자들은 단기적 직접투자의 선호가 늘어나며 변액보험 초회보험료의 대폭 증가는 어려울 것으로 예상되기도 한다. 또한 위에서 언급한 사건들로 인해 판매채널의 부정적인 여건들도 지속될 것으로 보인다. 하지만 한편으로는 미약한 경기회복으로 인한 금융시장의 불확실성 확대 가능성도 존재한다고 보인다.변액보험과 같은 경우 이번과 같은 유동성 장세에서 큰 힘을 발휘할 수 없는 상황이였을 것이다. 직접적 투자에서 큰 이익을 본 사례들이 많이 등장한 만큼 경제 상황을 잘 살펴 시기에 맞는 상품을 내어 놓는 것이 중요하다고 생각되어진다.4. 퇴직연금2021년 생명보험 퇴직연금의 수입보험료는 전년 대비 17.6% 증가가 전망된다고 한다. 생명보험은 DB형 퇴직연금 사외적립비율 확대 효과가 크다. irp시장의 확대는 긍정적인 요인이지만, 경기의 둔화에 따른 신규고용의 감소, 임금상승률 둔화 등은 부정적요인으로 볼 수 있다. 한편으로는 퇴직연금은 대부분의 보험료가 12월에 일시적으로 유입되기 때문에 전망의 불확실성이 크다고 볼 수 있다.5. 생명보험 종합2020년 상반기 보험산업은 코로나 19 확산 후 정책효과에 의해 고성장하였으나, 향후 성장성이 지속될지 의문이고, 수익성 악화 우려도 여전한 것으로 평가된다고 한다. 유동성의 확대가 단기저축수요 이상의 구조적인 보험수요의 확대로 이어지기를 기대하는 것은 어렵기 때문이다. 대면채널 영업환경의 악화, 소비여력 감소에 따른 보험수요 위축등이 부각 될 가능성이 있으며, 2020년 상반기 수익성의 개선과는 달리 저금리로 자산운용환경이 악화되고 있는 것도 염두에 두어야 한다.2021년 보험산업은 코로나19 관련 정책효과의 소멸과 제한적 경기회복 등으로 저상장 추세의 회귀가 전망된다고 한다. 일시적 요인들이 사라지며 구체적으로는 퇴직연금을 제외한 생명보험은 2020년 2.5%에서 2021년 ?0.4%로 역성장 전환할 것으로 보인다. 보장성보험 또한 수요의 감소와 판매규제 강화 등으로 성장세의 둔화가 전망되며, 일반저축성보험은 연금보험의 감소세의 지속, 생사혼합보험의 기저효과로 소폭 감소가 전망된다고 한다. 변액저축성보험은 금융시장의 안정으로 초회보험료 증가가 예상되나, 투자자들의 단기 직접투자 선호 현상으로 수입보험료의 감소가 전망되기도 한다.

경영/경제| 2021.11.21| 5페이지| 1,500원| 조회(176)

경제, 경영, 보험, 생명보험, 리스크, AI

미리보기

닫기