Content
2026/01
(11)[외부] 인공지능 기반 데이터 인텔리전스 실무 전략
1. 데이터 분석, 코딩 없이 AI와 대화하며 끝낸다데이터가 쏟아지는 시대지만, 이를 제대로 분석하고 인사이트를 뽑아내는 것은 여전히 어려운 과제입니다. 파이썬(Python)이나 R 같은 프로그래밍 언어의 장벽 때문입니다. 하지만 생성형 AI(ChatGPT, Gemini)의 등장으로 데이터 분석의 패러다임이 바뀌고 있습니다.이번 교육은 복잡한 코딩 없이도 AI 도구를 활용해 데이터를 탐색(EDA)하고, 정제(전처리)하며, 예측 모델(AutoML)까지 만드는 '데이터 인텔리전스' 실무 과정을 다룹니다. 특히 일반적인 비즈니스 데이터뿐만 아니라, 연구자들에게 필수적인 논문·특허(R&D) 빅데이터 분석법까지 폭넓게 다룹니다. 2. Part 1: 내 PC 속 데이터, AI로 똑똑하게 분석하기첫 번째 세션에서는 ..
[외부] ChatGPT 활용 마스터
1. 2026년, AI 활용 능력의 격차가 실무의 격차다생성형 AI 기술은 해를 거듭하며 비약적으로 발전하고 있습니다. 2026년 현재, 현업에서는 단순히 AI에게 질문을 던지는 수준을 넘어 Gemini 3, ChatGPT 5.2 등 최신 모델을 활용해 업무 프로세스 자체를 혁신하는 능력을 요구합니다.이번 교육은 단순한 '구글링 대체' 수준의 AI 활용을 넘어, 기획, 데이터 분석, 코딩, 디자인 등 실무 전반에 AI를 적용하여 생산성을 극대화하는 'AI 마스터' 과정을 다룹니다. 2. 교육 목표: 이론부터 노코드(No-Code) 개발까지본 과정은 생성형 AI의 기본 원리부터 시작하여, 실제 업무 현장에서 즉시 활용 가능한 구체적인 스킬셋을 익히는 것을 목표로 합니다.프롬프트 엔지니어링 내재화: 할루시네..
[대학원] 인공지능 기술혁신 전략
1. 강의의 핵심 프로세스: From Theory to Research본 수업은 혁신 이론과 사회과학 연구를 깊이 있게 탐독하고, 이를 바탕으로 나만의 독창적인 연구를 설계하는 체계적인 과정을 따릅니다.Step 1: 혁신 이론의 토대 쌓기 (Foundations)Step 2: 최신 AI 사회과학 연구 탐독 (Trends)Step 3: 나만의 연구 아이디어 발전 (Ideation) 2. 연구의 핵심 관점 : 과학적 설명(Scientific Explanation)사회과학에서의 연구는 뉴턴의 법칙처럼 변하지 않는 정답을 찾는 것이 아니라, "왜 그런 현상이 일어나는가?"에 대해 가장 설득력 있는 설명을 제시하는 과정입니다. 본 수업에서는 다음 3가지 관점을 견지하며 연구를 수행합니다.논리적 설득력 (Logic..
[대학원] 생성형AI 프롬프트 디자인 비즈니스 실무
1. 과목 개요: 왜 '프롬프트 디자인'인가?우리는 이미 수많은 생성형 AI 서비스 속에 살고 있습니다. 하지만 단순히 AI를 '사용'하는 것과 AI로부터 원하는 고품질의 결과물을 '이끌어내는' 것은 전혀 다른 차원의 문제입니다.본 수업은 복잡한 코딩이나 알고리즘 이론이 아닌, AI에게 일을 잘 시키기 위한 '프롬프트 설계 역량'에 집중합니다. 기술적 배경이 없어도 생성형 AI를 비즈니스 실무에 즉각 적용하여 생산성을 극대화하는 방법을 학습합니다. 2. 핵심 커리큘럼: 실무 중심의 프롬프트 엔지니어링본 강의는 이론 학습과 실습을 병행하며, 공신력 있는 자격증 취득까지 연계된 실전형 커리큘럼을 제공합니다.생성형 AI의 이해: ChatGPT, Claude, Midjourney 등 다양한 생성형 AI 도구의 ..
[학부] 프로젝트관리론
1. 과목 개요: 왜 '프로젝트 관리'인가?롯데월드타워를 짓는 데에는 약 3조 8,000억 원의 비용과 연인원 77만 명이 투입되었습니다. 이렇게 거대한 자원과 인력을 움직여 목표를 달성하려면 정교한 관리 체계가 필수적입니다.하지만 프로젝트 관리는 거창한 건설 현장에만 필요한 것이 아닙니다. 공무원 조직, 기업 마케팅, 심지어 대학생의 팀 과제까지, 우리가 마주하는 모든 '목표 지향적인 활동'은 곧 프로젝트입니다. 본 수업은 이러한 일들을 주먹구구식이 아닌, 체계적인 시스템으로 완수해내는 방법을 학습합니다. 2. 핵심 커리큘럼: PMBOK 기반의 글로벌 표준본 강의는 전 세계적으로 통용되는 프로젝트 관리 표준인 PMBOK(Project Management Body of Knowledge) 가이드라인을 기..
[학부] 시스템 분석 및 설계
1. 과목 개요: 왜 '분석'과 '설계'인가?롯데월드타워를 건설하기 위해 19만 톤의 콘크리트와 4만 톤의 철골이 투입되기 전, 가장 먼저 필요한 것은 수만 장의 설계도입니다. 소프트웨어 개발도 마찬가지입니다. 코딩(Implementation) 이전에 시스템의 구조를 파악하고 설계하는 과정이 선행되어야만 비로소 가치 있는 결과물을 만들 수 있습니다.본 수업은 막연한 아이디어를 구체적인 시스템 명세로 구체화하는 SDLC(Software Development Life Cycle)의 전 과정을 학습합니다. 2. 핵심 커리큘럼본 강의는 애자일(Agile) 방법론을 기반으로, 시스템 구축을 위한 4단계 핵심 프로세스를 체계적으로 다룹니다.1단계: 시스템 환경 및 기획 (Planning)2단계: 요구사항 분석 (A..
피지컬AI 글로벌 얼라이언스
1. 화면을 넘어 세상 밖으로: 피지컬 AI의 부상지금까지의 AI 혁명(생성형 AI)이 텍스트나 이미지를 만드는 '화면 속의 지능'이었다면, 이제는 AI가 물리적 실체를 가지고 현실 세계와 상호작용하는 '피지컬 AI(Physical AI)'의 시대로 넘어가고 있습니다.피지컬 AI는 단순한 로봇이 아닙니다. AI가 센서로 환경을 인식하고, 판단하여, 액추에이터(구동기)를 통해 물리적으로 과업을 수행하는 총체적인 시스템을 말합니다. 물류 창고에서 물건을 나르는 자율주행 로봇부터, 커피를 끓이는 바리스타 로봇, 수술을 돕는 의료 로봇까지 그 영역은 이미 우리 곁에 와 있습니다. 2. 피지컬 AI 생태계: 하드웨어와 소프트웨어의 결합본 연구(솔루션 분과)에서는 피지컬 AI 산업을 단순한 기계 장치 산업이 아닌,..
AX 시대, 글로벌 산업전환와 우리기업의 글로벌 진출 전략
1. 왜 지금 'AX'인가?디지털 전환(DX)이라는 말이 익숙해지기도 전에, 세계는 이제 AX(AI Transformation, 인공지능 전환)의 시대로 급변하고 있습니다. DX가 종이 문서를 디지털로 바꾸는 '전산화'라면, AX는 AI가 단순한 도구를 넘어 스스로 판단하고 가치를 창출하는 '자율화' 단계입니다.글로벌 기업의 78%가 이미 업무에 AI를 도입하며 빠르게 앞서가고 있지만, 우리 기업들은 기술 인력 부족과 비용 부담으로 인해 '필요성은 느끼지만 실행은 못 하는' 딜레마에 빠져 있습니다. 미국과 중국이라는 거대 기술 패권 사이에서, 우리 기업이 살아남기 위해서는 막연한 '기술 개발'이 아닌 정교한 '비즈니스 전략'이 필요합니다. 2. AX에도 '유형'이 있다: 나에게 맞는 옷을 입자본 연구는 ..
물류현장 로봇활용 안전가이드 개발
1. 연구 배경: 물류 로봇의 확산과 안전 공백물류 산업에서 인력 부족과 효율성 문제를 해결하기 위해 자율이동로봇(AMR)이나 무인운반차(AGV)와 같은 로봇 도입이 확대되고 있습니다. 그러나 로봇과 작업자가 같은 공간에서 활동하는 환경이 늘어남에 따라 충돌, 협착, 오작동 등 새로운 유형의 안전 문제가 대두되고 있습니다.현재 ISO와 같은 국제 표준이 존재하지만, 기술적 요구사항이 복잡하여 국내 중소 물류사업장이 이를 현장에 바로 적용하기에는 어려움이 있습니다. 또한, 사고 발생 시 책임 소재가 불명확하여 실질적인 현장용 가이드라인의 필요성이 꾸준히 제기되어 왔습니다. 2. 연구 목표: 현장 적용 가능한 실무형 가이드 개발본 과제는 국민대학교 연구팀이 주관하여, 물류현장에서 즉시 활용할 수 있는 **'..
미·중 AI 기술패권 경쟁에 대응하는 우리의 전략 :CoPS 관점에 따른 미래 시나리오 분석
1. 720조 원의 전쟁, 고래 싸움이 시작됐다최근 뉴스를 보면 미국과 중국의 기술 경쟁 소식이 끊이지 않습니다. 미국은 '스타게이트(Stargate) 프로젝트' 등을 통해 720조 원 규모의 초대형 AI 인프라 투자를 예고했고, 중국은 2030년까지 AI 패권을 잡겠다는 목표로 '차세대 AI 발전계획'을 밀어붙이고 있습니다.이제 AI는 단순한 신기술이 아닙니다. 국가의 경제력과 안보를 결정짓는 핵심 무기가 되었습니다. 하지만 우리는 이 거대한 싸움을 제대로 보고 있을까요? 단순히 "누가 더 좋은 반도체를 만드나"의 싸움으로만 보면 큰 그림을 놓칠 수 있습니다.본 연구는 미·중 AI 전쟁을 '시스템(System)'이라는 더 큰 틀에서 바라보고, 미래에 펼쳐질 4가지 시나리오를 예측해 보았습니다. 2. A..
AI 투자는 과연 모든 기업에게 생산성의 '만능 열쇠'일까?
AI 생산성 역설(Productivity Paradox)과 의문최근 몇 년간 딥러닝부터 생성형 AI(Generative AI)에 이르기까지, 인공지능 기술은 혁신의 핵심 동력으로 자리 잡았습니다. 많은 이들이 AI가 기업의 생산성을 비약적으로 높여줄 것이라 기대합니다. 하지만 현실은 생각보다 복잡합니다. IBM의 왓슨 헬스(Watson Health) 매각 사례처럼, 막대한 투자가 항상 성공으로 이어지는 것은 아니며, 실제 데이터상으로도 핵심 AI 기술을 도입한 기업의 비율은 여전히 제한적입니다. "AI 투자는 정말로 기업의 생산성을 높여주는가? 만약 그렇다면, '어떤' 기업이 '어떤' 조건에서 그 혜택을 누리는가?" 본 연구는 이러한 질문에서 출발했습니다. 기존 연구들이 주로 특허(Patent) 데이터나..
