• 시큐리티연구
• /
• 제28호
• /
• pp.103-130
• /
• 2011

본 연구는 글로벌 비즈니스 환경에서의 한국기업의 수익성과 기업안정성 제고를 위한 기업보안과 비즈니스의 전략적 협력에 관한 연구이다. 현대기업환경은 하루가 다르게 과학기술이 복잡해지고 국경에 상관없이 새로운 경쟁자들이 등장하면서 아무리 거대한 기업이라도 혁신적인 사고로 무장한 새로운 기업에게 하루 아침에 시장을 내주어야 하는 상황이 빈발하고 있다. 이러한 새로운 환경에서 살아남기 위해서는 새로운 관점의 기업경영관리기법에 대한 패러다임의 변화이다. 한국기업이 과거를 답습하는 낮은 수준의 보안리스크관리방법으로는 기업수익에 도움이 되는 보안관리가 되지 못한다. 21세기 70억에 육박하는 인구가 살고 있는 지구촌은 급격한 생태계변화에 직면해있다. 급격한 기후환경의 변화는 순식간에 수십만 명의 이재민을 발생시키고, 신종전염병으로 수백만 마리의 가축을 생매장시키는 광경을 우리는 매순간 목격하고 있다. 이러한 변화는 지구촌에 살고 있는 인간의 삶의 근본적인 방식의 변화를 추동하고 있다. 우리의 경제적인 삶의 근간인 기업생태계도 여기에 예외가 될 수는 없다. 21세기 기업환경에서 생존하기 위해서는 경영진 수준의 보안리스크관리가 필요하며, 보안리스크관리를 통한 기업경쟁력을 제고를 위해서는 기업의 보고라인을 새롭게 정립하여야 할 것이다. 기업도 변화하는 환경에 민감하지 않으면, 하루아침에 시간의 뒤안길로 사라질 수 있음을 명심하여야 한다. 현대기업의 새로운 리스크 중에 특히 한국기업들이 안이하게 대처하는 분야가 보안리스크이다. 과거와 다르게 훨씬 대규모이고 전파 속도가 빠른 보안리스크는 경영진이 다루어야 하는 주요한 기업리스크 중에 하나이다. 현대기업에 핵심적인 영향력을 미치는 보안리스크에는 기업 브랜드와 평판의 보호, 생산과 운영의 연속성, 고객신뢰의 유지가 우선한다. 본 연구에서는 이러한 보안리스크를 효과적으로 다루기 위한 기업보안과 비즈니스의 전략적 협력에 관하여 제시하였다.

• 지능정보연구
• /
• 제28권3호
• /
• pp.259-278
• /
• 2022

인공지능(AI)의 확산과 함께 금융 분야에서도 상품추천, 고객 응대 자동화, 이상거래탐지, 신용 심사 등 다양한 인공지능 기반 서비스가 확대되고 있다. 하지만 데이터에 기반한 기계학습의 특성상 신뢰성과 관련된 문제 발생과 예상하지 못한 사회적 논란도 함께 발생하고 있다. 인공지능의 효용은 극대화하고 위험과 부작용은 최소화할 수 있는 신뢰할 수 있는 인공지능에 대한 필요성은 점점 더 커지고 있다. 이러한 배경에서 본 연구는 소비자의 금융 생활에 직접 영향을 끼치는 인공지능 기반 개인신용평가의 공정성 확보를 위한 체크리스트 제안을 통해 인공지능 기반 금융서비스에 대한 신뢰 향상에 기여하고자 하였다. 인공지능 신뢰성의 주요 핵심 요소인 투명성, 안전성, 책무성, 공정성 중 포용 금융의 관점에서 자동화된 알고리즘의 혜택을 사회적 차별 없이 모두가 누릴 수 있도록 공정성을 연구 대상으로 선정하였다. 문헌 연구를 통해 공정성이 영향을 끼치는 서비스 운용의 전 과정을 데이터, 알고리즘, 사용자의 세 개의 영역으로 구분하고, 12가지 하위 점검 항목과 항목별 세부 권고안으로 체크리스트를 구성하였다. 구성한 체크리스트는 이해관계자(금융 분야 종사자, 인공지능 분야 종사자, 일반 사용자)별 계층적 분석과정(AHP)을 통해 점검 항목에 대한 상대적 중요도 및 우선순위를 도출하였다. 이해관계자별 중요도에 따라 세 개의 그룹으로 분류하여 분석한 결과 학습데이터와 비금융정보 활용에 대한 타당성 검증 및 신규 유입 데이터 모니터링의 필요성 등 실용적 측면에서 구체적인 점검 사항을 파악하였고, 금융 소비자인 일반 사용자의 경우 결과에 대한 해석 오류 및 편향성 확인에 대한 중요도를 높게 평가한다는 것을 확인할 수 있었다. 본 연구의 결과가 더 공정한 인공지능 기반 금융서비스의 구축과 운영에 기여할 수 있기를 기대한다.

• 지능정보연구
• /
• 제29권3호
• /
• pp.287-316
• /
• 2023

최근 전 세계적으로 기업의 환경(Environmental)·사회(Social)·지배구조(Governance)의 비재무적 요소를 고려한 지속가능경영이 필수적으로 요구되면서, 각 기업들은 이에 대응할 수 있는 전략적 방향 수립이 중요해지고 있다. 특히 기업이 속한 산업별로 상이한 ESG 이슈에 대한 이해를 바탕으로 산업과 개별 기업의 특성을 반영한 전략을 개발하고 추진할 수 있어야 할 것이다. 이에 본 연구에서는 금융, 제조, IT 분야별로 나누어 주요 국내 기업들의 ESG 보고서와 관련 뉴스 기사를 이용하여 산업별 ESG 동향과 활동을 비교 분석하였다. 키워드 빈도분석과 토픽 모델링을 활용한 분석 결과, 국내 ESG 선도 기업들의 지속가능경영 활동에서의 산업별 차이를 도출 할 수 있다. 금융 분야에서는 '고객 중심 경영'과 '기후 변화 대응', 제조 분야에서는 '지속가능한 공급망 관리'와 '탄소중립', IT 분야에서는 '기술혁신'과 '디지털 책임'이 강조되었다. ESG 요소별 우선 순위가 높은 활동의 예를 들면, 환경 측면에서는 '에너지 절감과 친환경 활동', 사회 측면에서는 '사회공헌과 상생', 지배구조 측면에서는 '이사회 독립성 강화와 리스크 관리' 등으로 나타났다. 더 나아가 산업별 각 ESG 요소의 핵심 이슈 뿐 아니라 ESG 보고서와 뉴스 기사의 내용 유사성 및 차별점도 확인하였다. 연구의 결과는 산업별 동향을 고려한 ESG 경영 전략 및 정책의 방향성을 제시하고 있으며 이는 산업별 ESG 평가체계 수립에도 도움이 될 것으로 기대한다.

• 벤처혁신연구
• /
• 제7권1호
• /
• pp.1-15
• /
• 2024

본 연구는 디지털 대전환이 빠르게 진행되는 환경에서 빅테크 플랫폼 기업들의 스포츠콘텐츠 비즈니스의 특징을 밝히는 데 있다. 구체적으로는 아마존을 대상으로 빅테크 플랫폼 기업의 시장구조를 살펴보고 이런 구조에서 스포츠콘텐츠가 그들에게 어떤 역할을 하는지 아마존의 스포츠마케팅 사업의 특징을 밝혀 빅테크 플랫폼 기업의 스포츠콘텐츠 비즈니스를 전망하였다. 양면시장 플랫폼 비즈니스를 기반으로 한 빅테크 플랫폼 기업들은 자신들의 플랫폼의 가치를 제고하는 전략에 스포츠콘텐츠가 존재하고 있다. 때문에 스포츠콘텐츠는 이들에게 플랫폼의 가치를 높이고 나아가 인프라와 같은 플랫폼 생태계의 시너지를 높여 수익을 극대화함으로써 독점적 지위를 공고히 하는 도구로 사용된다. 아마존은 대륙이나 국가별로 인기 있는 라이브스포츠중계권을 획득하여 이를 플랫폼에 공급하여 신규고객의 증가와 구매효과 뿐 아니라 경기단체나 팀에게 IT솔루션 서비스를 제공하고 다양한 프로모션 콘텐츠를 기획 공급하면서 광고 사업을 비롯한 아마존 플랫폼 전체에 시너지를 내고 있다. 아마존프라임비디오와 아마존 프라임에 라이브 스포츠 콘텐츠를 공급하고, 아마존 웹 서비스를 통해 다양한 스포츠 이해관계자들에게 기술적 서비스를 제공하고 있으며 동시에 광고주의 광고와 마케팅 성과를 분석하고 예측하는 아마존마케팅클라우드 서비스를 제공하면서 비즈니스 기회를 넓히고 아마존 전체의 가치를 높이고 있다. 이는 양면시장 플랫폼 기반의 빅테크 기업과 단면시장 기반의 레거시 글로벌 기업과의 시장구조의 차이에서 기인하며 디지털시대 스포츠마케팅 비즈니스의 새로운 변화라고 할 수 있다. 이 새로운 모델의 핵심은 라이브스포츠 스트리밍 중계권을 기반으로 한 다양한 콘텐츠 개발을 통한 비즈니스이며 스포츠콘텐츠 마케팅은 기존 중계권, 스폰서십과 함께 스포츠비즈니스의 주요 분야가 될 것이다. 아마존, 애플, 구글과 같은 빅테크 플랫폼 글로벌 기업들은 또 다른 새로운 글로벌 스포츠마케팅 기업이 될 수 있으며 현재의 스포츠마케팅 회사와 광고회사 그리고 팀과 경기단체들은 위기와 기회가 공존해 있다.

• 지능정보연구
• /
• 제23권1호
• /
• pp.95-108
• /
• 2017

최근 알파고의 등장으로 딥러닝 기술에 대한 관심이 고조되고 있다. 딥러닝은 향후 미래의 핵심 기술이 되어 일상생활의 많은 부분을 개선할 것이라는 기대를 받고 있지만, 주요한 성과들이 이미지 인식과 자연어처리 등에 국한되어 있고 전통적인 비즈니스 애널리틱스 문제에의 활용은 미비한 실정이다. 실제로 딥러닝 기술은 Convolutional Neural Network(CNN), Recurrent Neural Network(RNN), Deep Boltzmann Machine (DBM) 등 알고리즘들의 선택, Dropout 기법의 활용여부, 활성 함수의 선정 등 다양한 네트워크 설계 이슈들을 가지고 있다. 따라서 비즈니스 문제에서의 딥러닝 알고리즘 활용은 아직 탐구가 필요한 영역으로 남아있으며, 특히 딥러닝을 현실에 적용했을 때 발생할 수 있는 여러 가지 문제들은 미지수이다. 이에 따라 본 연구에서는 다이렉트 마케팅 응답모델, 고객이탈분석, 대출 위험 분석 등의 주요한 분류 문제인 이진분류에 딥러닝을 적용할 수 있을 것인지 그 가능성을 실험을 통해 확인하였다. 실험에는 어느 포르투갈 은행의 텔레마케팅 응답여부에 대한 데이터 집합을 사용하였으며, 전통적인 인공신경망인 Multi-Layer Perceptron, 딥러닝 알고리즘인 CNN과 RNN을 변형한 Long Short-Term Memory, 딥러닝 모형에 많이 활용되는 Dropout 기법 등을 이진 분류 문제에 활용했을 때의 성능을 비교하였다. 실험을 수행한 결과 CNN 알고리즘은 비즈니스 데이터의 이진분류 문제에서도 MLP 모형에 비해 향상된 성능을 보였다. 또한 MLP와 CNN 모두 Dropout을 적용한 모형이 적용하지 않은 모형보다 더 좋은 분류 성능을 보여줌에 따라, Dropout을 적용한 CNN 알고리즘이 이진분류 문제에도 활용될 수 있는 가능성을 확인하였다.