안녕하세요 여러분. 잘 지내시죠?00:13

좋아요. 아직 깨어 계시고 준비되신 여러분을 보니 정말 기쁘네요.00:15

오늘 저는 최고 AI 책임자 역할에 대한 제 경험을 공유하고 싶었어요.00:21

아주 새로운 자리라, 이 역할에 대해 많은 질문을 받아요.00:26

거의 두 년 동안 이 역할을 해왔고, 지난 5년 동안 비슷한 역할을 해왔어요.00:29

그리고 시작하기 전에 여기 계신 분들에 대해 몇 가지 알아보고 싶었어요.00:35

여기 계신 분들 중에 소프트웨어 제품을 개발하고 판매하는 회사에 속한 분이 얼마나 있는지요?00:41

모두.00:47

좋아요. 그리고 AI를 이끌고 있는 사람이 CEO나 CTO가 아닌 분은 얼마나 있나요?00:50

CEO나 CTO가 아니면서 AI를 이끄는 사람이 모두.00:58

좋아요, 아주 멋지네요. 바로 들어가 볼게요. 이게 도움이 돼요, 제가01:05

말씀드린 것처럼 이 역할은 새롭지만 점점 더 인기를 얻고 있고01:14

제가 발견한 건 두 가지 기준에 따라 완전히 다른 의미를 가진다는 거예요01:18

하나는 회사, 어떤 종류의 회사를 다니느냐이고, 또 하나는 해당 회사의 AI 성숙도예요01:23

그 회사의 AI 성숙도 수준도 있고, 또 다른 차원도 있는데01:29

역임자의 기술과 배경에 따라 달라지기도 하고요01:34

저도 그런 경우를 많이 봤고, 어떤 경우에는 특정 기술을 가진 사람을 위해 역할이 만들어졌죠01:38

특정 기술을 가진 사람이 필요해서 그 사람을 채용한 경우도 있고요01:42

또 다른 경우에는 아주 구체적인 요구사항이 있어서 그런 사람을 채용한 경우도 있죠. 그러니까01:46

이 역할을 전문적으로 채용하기가 어렵기 때문에, 기업들은 채용할 때 어떤 사람이든 맞게끔01:51

채용하는 회사들은 채용하는 사람에 맞춰서 어떤 일을 할 수 있을지 열린 마음을 가지고 있어요.01:56

그 사람이 얼마나 잘 맞는지에 따라 구체적으로 어떤 일을 할 수 있는지02:02

보완적인 역할을 할 수 있다면 가끔 두 가지로 나뉘기도 해요.02:06

정말 흥미로운 점은 IBM의 연구가 1년마다 이렇게 달라진다는 거예요.02:12

2024년에 11개였고, 2025년에 26개가 됐고, 이제는 76개예요.02:17

네.02:25

이 역할의 까다로운 점은02:31

AI 책임자가 있으면 정말 좋죠. 하지만 모든 곳에 AI가 있잖아요, 그렇죠?02:33

디지털이라고 말하는 것과 비슷하거나, 전기라고 해야 할까요? 어디든 있고02:38

정말 많은 것을 의미할 수 있고, 정말 압도적일 수 있죠. 그래서 잘하려면 그리고 즐거움을 유지하면서 압도당하지 않으려면 규율이 많이 필요해요.02:43

압도당하고 과부하되지 않도록 어떻게 해야 할까요. 제 경험으로는02:50

세 가지 핵심 영역으로 나누는 것이 중요해요. 과학자, 건축가, 코치라는 단어를 사용하는데02:55

코치라고 좀 더 자세히 설명할게요. 과학자는 탐구하고 실험하는 단계예요.03:03

건축가도 구축하지만 전략적인 부분도 많이 담당해요.03:09

만약 회사가 소프트웨어 제품을 판매한다면 새로운 소프트웨어를 만드는 것을 정말 중요하게 생각해야 해요.03:14

제품 전략에 영향을 미치거나, 만약 회사가 소프트웨어 제품을 만들지 않는다면03:19

수익과 비용 절감 및 생산성에 영향을 미치는 방식으로 AI를 추가하고 있어요.03:25

새로운 수익 창출이나 새로운 시장 진출을 통해서도 상위 라인에 기여하는 거죠.03:30

이 외에도 중요한 부분이 하나 있어요.03:35

저는 이사회에 보고하는 역할을 하고 있죠. 그래서 현재 회사와 이전 회사 모두에서03:42

이사회에 보고해야 하므로, 이번 회사와 이전 회사 모두 해당돼요.03:47

저희가 하는 일에 대한 책임감도 중요한 부분이에요.03:51

AI를 통해 회사와 고객에게 어떤 도움이 되는지, 그리고 마지막으로03:55

코치님께서 저를 놀라게 해 주셨는데, 저는 IBM 연구소에서 20년을 보냈어요.04:00

전 세계 AI 연구 조직의 약 3분의 1을 운영했고, 이 직책으로 처음 부임했을 때04:08

잊어버렸어요. 많은 시간을 옹호하고 교육하고 공유하는 데 써야 한다는 것을요.04:14

자신이 하는 일, AI가 어떻게 도움이 되는지, 그리고 사람들이 어떻게 채택할 수 있는지에 대해 과도하게 소통해야 한다는 것을요.04:21

직원뿐만 아니라 고객에게도 그렇다는 점을요. 지금 이 직책에서04:28

저 또한 많은 고객들에게 신뢰받는 자문 역할을 많이 하고 있어요.04:32

저와 같은 역할의 사람들, 또는 AI를 도입하기 시작하는 다른 고객이나 최고 기술 책임자들은요.04:37

그래서 다른 곳에서 무슨 일이 일어나고 있는지 알고 싶어 하죠.04:42

저는 고객들과 많은 통화를 하고, 제 방식대로만 할 생각은 없어요.04:46

그건 나중에 다운스트림에서 일어나는 일이고, 그들이 관심이 있다면 제 논의는04:51

항상 어떤 문제를 겪고 있는지, 그리고 저희가 어떻게 문제를 생각하는지 이야기해요.04:56

저는 슬라이드를 전혀 사용하지 않아요.05:01

수정할 때 제가 몇 마디 말하죠. 그래서05:09

제가 고객과 나누는 대화는 신뢰할 수 있는 자문가로서의 역할에 더 가깝고, 그들이 겪는 문제를 이해하고 저희 기술이 맞는지 확인해요. 저희 제품이 맞지 않으면05:13

다른 것이 훨씬 더 잘 맞을 수 있도록 안내할 수도 있어요.05:20

그들이 어디에 있는지, 그리고 때로는 다시 찾아오거나 그냥 대화를 나누고 싶어 하죠. 저희는 AI 우선이 아닌 제품도 많이 가지고 있어서05:23

알다시피.05:27

사용하지 않는 고객들과 대화하기도 해요. 미래에 무엇을 할 수 있을지 고민하고 싶어 하시는 거죠.05:33

각 영역마다 범위가 있고, 이 범위는 회사 종류와 역할에 필요한 기술 세트에 따라 달라진다고 생각해요.05:47

과학자의 경우, 한 분야라도 박사 학위가 없어도 괜찮아요. 그냥 적극적으로 탐구하는 거죠.05:54

AI 기술이 정말 빠르게 변화하는 세상에서 팀의 일부가05:59

새로운 것을 실험하고 이해하며, 시도해 보고 어떻게 맞는지 확인해야 해요.06:06

기술이 너무 빠르게 움직이기 때문에 피할 수 없을 것 같아요.06:10

반면에 창작자, 발명가 같은 면도 있는데, 아키텍트의 경우에도 저는06:15

신기한 걸 봤어요. 이걸 발견했을 때는 이메일을 받았을 때였는데,06:22

AI 교육을 위한 최고 AI 책임자라니, 잠깐만요. 어떻게 이런 자리에 있을 수 있죠?06:30

AI에 대해 모르면서 어떻게 그런 자리에 있을 수 있는지 궁금해하다가 깨달았어요. 일부 회사에서는06:35

비즈니스를 정말 잘 이해하는 사람을 배치해서, 관리자 역할을 하고 예산도 가지고, 어떤 프로젝트가06:41

프로젝트를 제안하고, 어떤 프로젝트가06:47

충분한 가치를 가져다줄지 파악해서 우선순위를 정하고 예산을 배정하고06:51

프로젝트를 관리하고 결과를 보고하죠. 그래서 그걸 위해서는 깊이 있는 AI06:54

지식이 필요하지 않지만, 비즈니스를 정말 잘 이해하고 매우06:58

강력한 실행력을 갖춰야 합니다. 다른 한편은 제가 하고 있는 것처럼07:01

회사의 전체 전략을 수립하고, 우리가 하는 방식07:05

생산성 측면에서도 제품 및07:09

전략, 시장 진출 방식에 따라 코칭도 달라집니다.07:13

만약 AI 제품을 판매하지 않는 회사라면07:18

내부 코칭에 많은 시간을 보내고, 다양한 팀과 직원을07:22

직원들에게 스스로 발견하도록 돕는 방법07:26

환각과 같은 것들을 말이죠. 설명을 아무리 많이 해줘도07:30

사람들이 직접 경험하지 않으면 믿지 않아요.07:33

그리고 회사가 더 성숙해질수록 외부 코칭을 더 많이 하게 되죠07:38

고객과 커뮤니티와 협력하는 것들이고요. 그래서 저는07:44

클라우드와 Gemini를 활용해서 해당 직무에 있는 사람들의 이력서를 분석하고07:52

직무 게시글도 확인하면서, 슬라이더 방향과 매칭을 시켜서07:58

어떤 생각을 하는지 확인하고, 이런 결과들이 나왔어요. 그래서08:02

사람이 가장 중요하다는 것을 검증해 줘요. 행은 사람의 유형과08:06

이는 페르소나의 유형과 기술 세트를 나타내고, 열은 슬라이더를 의미해요.08:13

그래서 제가 직접 경험했던 사례를 몇 가지 들어보려고 합니다. 왜냐하면 이 부분은08:21

유동적이고 새롭기 때문에, 가장 유용하고 도움이 되었으면 좋겠어요.08:25

저는 IBM 연구에 합류해서, 캠브리지 지역의 바이오텍 유니콘에서 농업 관련 일을 했어요.08:33

그래서 옥수수, 대두, 밀에 크리스퍼를 사용해서 더 많은 식량을 생산하고 물을 덜 사용하는 식물을 만들고 있었어요.08:39

물을 사용했는데, 그런 실험을 하려면 10년과 엄청난 면적의 땅이 필요했어요. 유전자 편집이 효과가 있을지 검증하려면 말이죠.08:44

유전자 편집이 효과가 있을지 확인하려면 과학자들이 어떤 편집을 해야 할지 더 나은 가설을 세울 수 있는 방법이 필요했어요.08:50

맞게 만들 수 있는 방법이었죠. 그래서 AI와 데이터 부분이 시작될 수 있었고, 제가 합류했을 때08:56

거기서 저를 보더니 라니아는 컴퓨터 전문가 같다고, 그들은 더 이상09:03

훌륭한 유전학자들과 농업 전문가들은 많았지만, 기술 전문가는 거의 없었어요.09:08

엔지니어링 쪽도 필요하다고 해서, IT도 맡고 CISO를 채용해 달라고 하더라고요.09:13

CISO를 고용해야 하고 데이터 엔지니어도 없어서, 그 요구사항이 아주 빠르게 커졌어요.09:18

처음 생각했던 'AI 함께 만들어보자'는 것보다 훨씬 더 많은 부분을 포함하게 되었죠. 그 회사는 씨앗을 파는 회사였거든요.09:23

씨앗을 판매하는 회사였고, 저는 IBM에서 플랫폼을 구축하고 있었어요.09:28

결국 AWS 기반으로 완전히 전환했고, Databricks도 도입해서 엔지니어들의 시간을 썼죠.09:32

유전자 발견을 위한 새로운 알고리즘을 개발하는 데 사용했어요.09:39

Box에서 Microsoft로 옮기는 것과 같은 IT 관련 업무도 있었고요.09:44

흥미롭긴 했지만 제 즐거움이나 열정이 필요한 부분은 아니었어요.09:51

그래서 완전히 다른 경험이었고, 거기에 필요한 기술도 달랐죠.09:58

하지만 그곳의 AI 역시 회사 운영 방식을 근본적으로 변화시키고 있었고요.10:03

큰 성공을 거둘 수 있는 능력이죠10:08

그래서 슬라이더로 다시 돌아가면, 음 저는 이렇게 말씀드리고 싶어요.10:13

지금 제가 맡고 있는 WSO2에서는 대략 과학자 20명, 아키텍트 60명, 코치 20명 정도 돼요.10:17

코치고요. 아래 슬라이더들도 제가 각 영역에서 어디에 위치하는지 보여주고 있어요, 음10:25

차원들을 나타내죠. 저희는 작은 연구팀이 있고, 거기서 어떤 흥미로운 일들을 해왔어요.10:32

정말 흥미로운 일을 했고, 회사 전략을 바꾸기 위해 노력했어요.10:37

에이전트 엔터프라이즈 패브릭에 집중하고 있고, 저는 많은 시간을 코칭하는 데 썼어요.10:42

주로 외부로 코칭을 하고 있어요. 저희는 기술 중심의 직원들이 많아요.10:47

전체 회사 인력의 약 75%가 기술직이고, 사람들은 정말 호기심이 많아요.10:51

호기심이 없으면 아마 오래 머물지 못할 만한 곳이에요.10:57

내부 코칭을 많이 할 필요가 없고, 저희는 많은 코칭을 해요11:00

이전 역할에서는 그러지 않았어요, 방금 말씀드렸듯이 매우 달랐죠11:08

핵심은 새로운 알고리즘을 만들거나 새로운 Foundation Model을 개발할 필요가 없다는 것이었어요.11:13

아이디어는 잘 알려진 AI 기술들을 어떻게 적용할 수 있을까 하는 것이었어요?11:19

데이터를 어떻게 수집하고, 데이터를 정리하고 통합할 수 있을까요?11:23

그리고 이 것들을 그들이 사용하는 프로세스에 어떻게 주입할 수 있을까요?11:29

일부 경우에는 유전자 발견 부분에서 더 많은 발명이 있었지만, 다른 곳에서는 기본적인 작업에 관한 것이었어요.11:35

예를 들어 과학자들은 배아의 크기를 측정하면11:41

옥수수 배아의 크기는 다음 단계가 성공할 가능성을 나타내는 지표였어요. 크기가 얼마나 높게요?11:47

유전자 편집의 다음 단계가 성공할 가능성을 나타내는 지표였지만, 사람이 하려면 너무 비용이 많이 들었죠?11:53

그래서 그들이 저에게 말했어요, 라니아, 혹시 AI를 사용할 수 있나요?12:00

저는 컴퓨터 비전 석사 학위를 받았기 때문에 그걸 살펴봤고, 음, 네,12:03

네, AI를 사용할 수 있어요. 블롭 감지 정도만 필요하고, 복잡한 머신러닝은 안 돼요.12:07

머신러닝은 필요 없고, 기본적인 컴퓨터 비전만 있으면 되고, 아주 간단한 알고리즘을 사용하면 돼요.12:10

정말 잘 작동했고, 그게 도움이 됐죠. 그리고 유전자 발견의 다른 경우에는 저희가12:15

출생과 관련된 몇 가지 흥미로운 점들이 있었어요.12:20

그래서 제가 그리드에 비유하려고 했는데, 제 경험을 말씀드리자면12:27

IBM과 바이오테크 스타트업, 그리고 현재 WSO2에서 일하면서 이런 차원을 고려해요.12:34

맞아요, 회사가 소프트웨어를 판매하는지, 그리고 대상이 주로 기술적인 사람들인지12:40

그리고 AI 도입 여정은 어디까지 진행되었나요?12:47

제가 무엇을 측정하는지 자주 물어보는데, 누군가 저에게 토큰을12:52

측정해 보라고 했는데, 저희가 얼마나 많은 AI를 사용하는지를 보기 위해 그렇다고 했어요.12:56

그게 너무 쉽게13:04

조작할 수 있어서요. 저는 그렇게 좋게 보지 않아요. 측정하기는 쉬워도 원치 않았어요.13:06

그래서 그들은 저에게 물어봤죠13:12

대신 무엇을 측정하느냐고 물어서, 저는 이렇게 말씀드렸어요. 제가 보는 것은 인력의 숙련도입니다.13:15

AI를 아는 사람이 센터 오브 엑설런스에 몇 명밖에 없나요. 그리고 누군가가 할 때마다13:19

그 사람들을 데려와야 하나요? 기능 전반에 걸쳐 빌더가 있나요?13:23

자신의 업무를 처리하고 정말로 보완할 수 있을 만큼 충분히 아는 사람들이 있나요. 예를 들어13:29

마케팅이나 다양한 엔지니어링 팀 등에서요, 아니면 또 다시 그것들을 모두 움켜쥐고 있나요?13:34

지금은 작고 중앙 집중적인 AI 팀이 있어서, 모든 곳과 협업하고 있고 각 제품마다 AI 리드가 있어요.13:39

모든 제품과 제품팀에서 AI 기능 개발을 담당하는 사람들이 있죠.13:44

그리고 일부 제품은 AI 우선 전략으로 시작해서, 모두가 AI 수준으로 작업하고 있어요.13:51

채택 정도가 중요하다고 생각해요. 단순히 이메일 코드를 정리하는 간단한 작업을 하고 있나요?13:56

완료하거나, 더 나은 결과를 위해 전체 워크플로우를 변경하고 있나요? 아니면 저희 팀 중 일부가 에이전트 직원들을 배치했어요.14:00

에이전트 직원을 배치한 팀도 있어요. 인스턴스를 만들 수 있는 에이전트가 있죠.14:06

팀과 함께 작업해요. 이건 스펙트럼이고, 각 팀은 다른 위치에 있어요.14:11

이 스펙트럼의 다양한 부분이죠. 도구 가용성 말인데, 회사로서 어떤 도구를 구독하고 있나요?14:16

팀이나 기업 계정으로 비용을 환불하거나 지불하고 있나요?14:24

그리고 지리적 가시성도 중요해요. 생성 엔진 최적화처럼, LLM이 저희를 찾을 수 있나요?14:29

LLM이 저희를 찾을 수 있을까요? 검색했을 때, 많은 일이 벌어지고 있어요.14:35

거기에 대해서는 아직 작업 중이고, 많은 사람들이 생각해도 간단하지 않아요.14:41

그리고 거기서도 누군가 흥미로운 이야기를 하더라고요. 누군가가14:47

어제 저를 거기서 봤다고 하더라고요. 웹이 에이전트를 위한 것이 되었고, 마치14:51

사람이 읽기 힘들어진 거죠. 모든 게 LLM이 읽는다는 걸 전제로 쓰여서 그렇고, 정말 답답하다면서 이제 LLM으로 읽고 요약하게 하고, 앞으로는 사람하고만 소통하겠다고 하시더라고요.14:56

제 LLM이 읽고 요약하게 하고, 이제부터는 사람들과만 소통할 거예요.15:02

소프트웨어 제품의 경우, 처음에는 제가15:08

이 역할을 시작했을 때는 무엇을 만들어야 할지, 무엇을 확장해야 할지15:13

확장하고, 어디와 파트너십을 맺어야 할지 고민했고, 저희 제품 모두가15:17

에이전트와 LLM에서 사용할 수 있도록, 문서도 LLM에서 사용 가능하도록 해야 했고, 작년에15:21

에이전트, LLM 및 도구 솔라 제품을 위한 퍼스트 클래스 지원을 추가했고, 그리고15:27

올해는 모든 제품이 에이전트에 의해 사용될 수 있도록 하고, 모든 것이 필요해요.15:31

MCP 서버와 스킬, 그리고 CLI 등이 필요하고, 에이전트 검증 가격도 중요해서 저희는 모두15:35

SaaS는 이제 죽었다, 좌석당 가격을 받는다, 뭐 이런 이야기도 많이 들었는데15:41

에이전트가 엄청난 성능을 보여주면 소비량이 늘어나서, 저희는15:45

가격은 모두 사용량 기반이고, 저희 스택을 계속 개선하고 있지만, 들어보니15:50

오늘 그거에 대해 또 흥미로운 이야기가 있는데, 누군가가 저에게 이런 얘기를 하더라고. '어, 제가 회사와 만나서15:53

제가 이름을 밝히지 않겠는데, 그 회사에서 저희 제품을 사용하게 했어요. 그런데 아주 좋았을 텐데 아무도15:57

제품을 더 좋게 만들기 위해 피드백을 받지 않아서, 부디 피드백 루프를 닫기를 바라요.16:03

사람들이 저희 제품을 사용하도록 하는 것뿐만 아니라, 좋아하고 도움이 된다고 생각할 때 사용하게끔 하는 것이 중요해요.16:08

그리고 세 번째 차원은 시장과 생태계입니다. AI 리더십은 단순히16:13

돈을 내고 기사를 낼 수 있는 것과는 다르게, 어닝 미디어를 확보했는지, 강연에 초대받았는지16:18

출판물이 있는지, 실제로 흥미로운 일을 하고 있어서 언론에 노출되고 있는지요?16:23

분석가 인정, 고객 채택 및 사용 사례는 매우 중요하다고 생각해요.16:31

저는 고객에게 무엇이 불편한지, 그리고 어떻게 개선할 수 있을지 많이 고민해요.16:37

저희는 완전 오픈 소스 회사이기 때문에 저희가 하는 모든 일은 100% 오픈 소스예요.16:42

오픈 코어.16:48

저희에게는 정말 중요한 신호입니다. 커뮤니티 참여와 채택16:51

그리고 스타와 포크가 있습니다. 마지막으로 AI 제품에서 발생하는 ARR이 있죠.16:57

저희의 일부 AI 제품은 매우 새 것이라서,17:01

ARR이 많지 않지만, 다른 지표들이 시작하는 데 도움이 될 수 있어요.17:04

그리고 저는 수익이 전부가 아니라고 생각해요.17:08

토큰 수도 전부가 아니고, 측정하는 지표는 변화해야 해요.17:14

시간에 따라 회사가 하는 일에 맞춰서요.17:20

지금 제가 측정하는 건 이런 것들이 성숙해지면 저는17:24

이 목록을 바꿀 거예요, 하지만 신중하게 생각해야 해요. 왜냐하면 정말로 얻는 것은17:28

측정하는 것에 따라 달라지기 때문이에요. 측정하기 시작하면 모두가 거기에 맞춰서 최적화할 거예요.17:34

WSO2에 대해 몇 마디만 하겠습니다. 저희는 약 20년 된 회사예요.17:40

약 1억 5천만 달러의 ARR을 가지고 있고, 저희 소프트웨어는 많은 기능을 지원해요.17:45

90개국이 넘는 곳에서17:53

여섯 대륙에 진출했으며, 저희의 주요 제품은 API 플랫폼 통합이었어요.17:55

플랫폼, ID 및 액세스 관리, 그리고 내부 개발자 플랫폼이 있고, 그에 대한 제품도 있어요.18:03

그리고 제가 온 지난 몇 년 동안 에이전트 ID와 AI 게이트웨이를 추가했어요.18:10

AI 상호 작용을 관리하기 위해 통합 플랫폼에 에이전트 빌더를 추가했어요.18:15

그래서 저희가 하는 일이고, 저희가 하는 모든 것은 오픈 소스이며, 이것이 오늘날 저희의 전체 포트폴리오예요.18:22

아래쪽에 보시면 네 개의 플랫폼이 있고, 이 모습은 몇 년 전부터 존재했고, 방식은요18:28

저희가 시작한 것은 AI가 필요로 하는 방향으로 확장하겠다는 것이었어요.18:35

LLM AI API는 결국 API이지만, 관리해야 해요.18:40

달리 관리해야 해서 API 플랫폼과 ID 플랫폼에 AI 게이트웨이를 넣었어요.18:44

이미 사람들을 위한 강력한 ID 및 액세스 관리를 어떻게 해야 하는지 알고 있어요.18:48

사람에게 적용해 왔으니, 이제 에이전트에게도 해보자. 에이전트 아이덴티티를 추가했는데, 이 모든 것은18:52

지난해였고 올해는 그걸 사용할 수 있는 에이전트 플랫폼을 출시했어요.18:57

그것들을 활용할 수 있게 해주고, 전체 라이프사이클을 관리할 수도 있게 해줍니다.19:04

이 에이전트들의 전체 과정을 관리하게 해주죠. 과학자 측면의 몇 가지 예시를 보여드릴게요, 저희는19:11

작은 연구팀을 운영하고 있는데, 말씀드린 것처럼 정말 자랑스럽습니다. 이렇게19:17

올해 세 편의 논문을 발표했는데, 그 중 두 편은 스리랑카 학부생들과 함께 했어요. 그게19:20

그들의 첫 번째 논문 출판이었고, 한 편은 최고의 논문상을 수상했어요.19:26

건축 측면에서 보면, AI는 멋진 대상이지만, 저희는19:33

전체 디지털 패브릭에 녹여 넣고 싶어, 이 기능들을 활용해서 어떻게 확장할 수 있을까요?19:38

이전에 말씀드린 것처럼 이런 기능들을 추가한 것들이 바로 그것들입니다.19:43

에이전트 매니저는 가장 최근에 개발한 기능이고, 방금 출시되었어요.19:46

시간 관계상 자세히 설명할 순 없지만, 웹사이트의 GitHub 저장소를 살펴보세요.19:54

몇 초 후에 마무리 짓겠습니다. 핵심 아이디어는19:59

만능 해결책은 없어요. 회사에 따라 다른 사람들과 긴밀하게 협력해야 합니다. 시도해 보신다면20:06

이런 일을 하려면 CEO의 강력한 지지와 관계가 중요합니다. 왜냐하면20:12

회사 내 여러 부서와 긴밀하게 협력해야 하고, 또 어떤 경우에는20:17

AI를 적극적으로 도입하는 회사에서는 최고 AI 책임자와 최고 제품 책임자가 한 명인 경우도 있어요.20:22

최고 제품 책임자이자 최고 AI 책임자를 겸하는 거죠?20:29

또 다른 경우에는 놀랍게도 소프트웨어가 아닌 회사에서도20:33

인사부장(head of HR)이 AI 담당 부장이 되는 경우도 봤어요.20:38

그게 좀 어떻게 느껴지는지는 모르겠지만, 네, 알아요. 괜찮은 것 같아요.20:45

재미있는 일들이 일어나고 있어요. 모두가 어떻게 해야 할지 알아내려고 애쓰는데, 에이전트는 인력이라고 했으니까20:50

우리 인력이니까 저희가 관리하고 인사팀에서 관리하겠죠. 그런 점은 감사해요. 저처럼 느끼는 사람들이 많을 거라고 생각해요.20:57

이 방에 있는 사람들처럼요. 그 소문 들었잖아요, 그런 반응은 아니었어요. 음, 그래서21:05

마무리하면서 이 점을 말씀드릴게요. 저도 이 역할을 맡으려고 할 때21:12

생각해 봤어요. 누군가 이런 조언을 해줬거든요. 자신이 잘하는 게 뭔지 생각해보라고21:19

무엇을 사랑하고, 세상에 무엇이 필요하며, 얼마를 받을 수 있는지 생각해보고 교차점에 있는 것을 찾아보라고 했어요.21:24

이 역할은 아직 유동적이니까, 관심이 있고 찾아본다면 어딘가에 맞는 곳을 찾을 수 있을 거예요.21:30

자신이 중심이 되는 방식으로 만들어서 행복하고, 싫어하는 일은21:37

다른 사람이 다르게 처리하도록 하거나, 어쩌면 다른 회사가 더 잘 맞을 수도 있어요.21:43

당신의 관심사와 더 잘 맞을 수 있는21:50

당신이 좋아하는 것, 필요로 하는 것, 그리고 잘하는 것에 맞춰서요.21:55

좋아요, 정말 감사합니다. 질문 있으시면 제가 주변에 있어요.22:00