• 품질경영학회지
• /
• 제51권3호
• /
• pp.363-379
• /
• 2023

Purpose: The main objective of this research is to construct an AI-based Composite Supplementary Index (ACSI) model to achieve accurate predictions of the Composite Index of Business Indicators. By incorporating various economic indicators as independent variables, the ACSI model enables the prediction and analysis of both the leading index (CLI) and coincident index (CCI). Methods: This study proposes an AI-based Composite Supplementary Index (ACSI) model that leverages diverse economic indicators as independent variables to forecast leading and coincident economic indicators. To evaluate the model's performance, advanced machine learning techniques including MLP, RNN, LSTM, and GRU were employed. Furthermore, the study explores the potential of employing deep learning models to train the weights associated with the independent variables that constitute the composite supplementary index. Results: The experimental results demonstrate the superior accuracy of the proposed composite supple- mentary index model in predicting leading and coincident economic indicators. Consequently, this model proves to be highly effective in forecasting economic cycles. Conclusion: In conclusion, the developed AI-based Composite Supplementary Index (ACSI) model successfully predicts the Composite Index of Business Indicators. Apart from its utility in management, economics, and investment domains, this model serves as a valuable indicator supporting policy-making and decision-making processes related to the economy.

• International journal of advanced smart convergence
• /
• 제8권2호
• /
• pp.56-67
• /
• 2019

The aim of this study is to develop Artificial Intelligence (AI) based business models of media firms. We define AI and discuss 'AI activity model'. The practices of the efficiency model are home equipment-based personalization and media content recommendation. The practices of the expert model are media content commissioning, content rights negotiation, copyright infringement, and promotion. The practices of the effectiveness model are photo & video auto-tagging and auto subtitling & simultaneous translation. The practices of the innovation model are content script creation and metadata management. The related use cases from 2012 to 2017 are introduced along the four activity models of AI. In conclusion, we propose for media companies to fully utilize the AI for transforming from traditional to successful digital media firms.

• 유통과학연구
• /
• 제15권4호
• /
• pp.69-78
• /
• 2017

Purpose - The study was AI as exploratory study on artificial intelligence (AI) shopping information services, to explore the possibility of a new business of the distribution industry. For research, we compare to IBM of consumer awareness surveys an AI shopping information service for retailing channel and target goods group. Finally, we present to service scenario for distribution service using AI. Research design, data, and methodology - First, to identify possible the success of the information service shopping using AI, AI technology for the consumer is very important for the acceptance of judgement. Therefore, we explored the possibility of AI information service for business as a shopping. The experimental data were used to interpret the meaning of the relevant literature and the IBM Institute of Business Value (IBV) Report 2015. This research is based on the use of a technical acceptance model (TAM) to determine whether the consumer would adopt the 'AI shopping information service' technology. Step 1 of the process assumes that the consumer adopts AI technology. In step 2, consumers find their preference channels and goods targeted at them as per their preferences. Finally Step 3, we present scenario for 'AI shopping information service' based on the results of Step 1 and 2. Results - Consumers have expressed their high interests in the new shopping information services, especially the on/off line distribution channels can use shopping information to increase the efficiency in provision of goods. Digital channel (such as SNS, online shopping etc.) is especially high value goods such as cars, furniture, and home appliances by displaying it to an appropriate product group. Conclusions - The study reveals the potential for the use of new business models such as 'AI shopping information service' by the distribution industry. We present seven scenario related AI application refer from IBM suggestion, and the findings would enable the distribution industry to approach target consumers with their products, especially high value goods. 'Shopping advisor' is considered to the most effective. In order to apply to the other field of the distribution industry business, which utilizes AI technology, it should be accompanied by additional empirical data analysis should be undertaken.

• The Journal of Asian Finance, Economics and Business
• /
• 제9권5호
• /
• pp.225-237
• /
• 2022

The term "artificial intelligence" is considered a component of sophisticated technological developments, and several intelligent tools have been developed to assist organizations and entrepreneurs in making business decisions. Artificial intelligence (AI) is defined as the concept of transforming inanimate objects into intelligent beings that can reason in the same way that humans do. Computer systems can imitate a variety of human intelligence activities, including learning, reasoning, problem-solving, speech recognition, and planning. This study's objective is to provide responses to the questions: Which factors should be taken into account while deciding whether or not to use AI applications? What role do these elements have in AI application adoption? However, this study proposes a framework to explore the significance and relation of success factors to AI adoption based on the technology-organization-environment model. Ten critical factors related to AI adoption are identified. The framework is empirically tested with data collected by mail surveying organizations in Vietnam. Structural Equation Modeling is applied to analyze the data. The results indicate that Technical compatibility, Relative advantage, Technical complexity, Technical capability, Managerial capability, Organizational readiness, Government involvement, Market uncertainty, and Vendor partnership are significantly related to AI applications adoption.

• 스마트미디어저널
• /
• 제10권1호
• /
• pp.99-107
• /
• 2021

4차 산업혁명, Industry 4.0 과 더불어 최근 ICT 분야의 메가트렌드는 빅데이터, IoT, 클라우드 컴퓨팅, 그리고 인공지능이라고 할 수 있다. 따라서, 4차 산업혁명 시대에 알맞은 AI 서비스들의 기술 개발과 다양한 산업 영역에서 ICT 분야의 융합에 따른 BI (Business Intelligence), IA (Intelligent Analytics, BI + AI), AIoT (Artificial Intelligence of Things), AIOPS (Artificial Intelligence for IT Operations), RPA 2.0 (Robotic Process Automation + AI) 등의 세분화된 기술 발전으로 급속한 디지털 전환 (Digital Transformation)이 진행되고 있는 추세이다. 본 연구에서는 이러한 기술적 상황에 따른 대용량 분산 Abyss 스토리지 기반으로 인프라 측면의 GPU, CDA (Connected Data Architecture) 프레임워크, 그리고 AI의 다양한 머신러닝 서비스들을 통합 및 고도화를 목표로 하며, AI 비즈니스의 수익 모델을 다양한 산업 영역에 활용하고자 한다.

• 벤처창업연구
• /
• 제19권3호
• /
• pp.53-68
• /
• 2024

Generative AI는 전 세계적으로 많은 관심을 받고 있으며, 이를 비즈니스 환경에서 효과적으로 활용하기 위한 방안이 모색되고 있다. 특히 OpenAI사에서 개발한 Large Language Model인 GPT-3.5 모델을 적용한 ChatGPT 서비스의 대중 공개 이후 더욱 주목받으며 전반적인 산업 분야에 큰 영향을 미치고 있다. 이 연구는 Generative AI, 특히 그 중에서도 OpenAI사의 GPT-3.5 모델을 적용한 ChatGPT의 등장에 초점을 맞춰 스타트업 업계에 미치는 영향을 조사하고 등장 이전과 이후에 일어난 변화를 비교하였다. 본 연구는 스타트업 업계에서 Generative AI가 어떻게 활용되고 있는지를 상세히 조사하고 ChatGPT의 등장이 업계에 미친 영향을 분석함으로써 비즈니스 환경에서 Generative AI의 실제 적용과 영향력을 밝히는 것을 목표로 한다. 이를 위해 ChatGPT 발표 전후에 등장한 Generative AI 관련 스타트업의 기업 정보를 수집하여 산업군, 사업 내용, 투자 정보 등의 변화를 분석하였다. 키워드 분석, 토픽 모델링, 네트워크 분석을 통해 스타트업 업계의 동향과 Generative AI의 도입이 스타트업 업계에 어떤 혁신을 가져왔는지 파악하였다. 연구 결과, ChatGPT의 등장 이후 Generative AI 관련 스타트업의 창업이 증가한 것을 알 수 있었으며 특히 Generative AI 관련 스타트업의 자금 조달 총액과 평균 금액이 크게 증가한 것을 확인할 수 있었다. 또한, 다양한 산업군에서 Generative AI 기술을 적용하고자 하는 시도를 보이고 이를 활용한 기업용 애플리케이션, SaaS 등 서비스와 제품의 개발이 활발해지며 새로운 비즈니스 모델의 등장에 영향을 미치고 있음을 확인하였다. 본 연구 결과를 통해 Generative AI가 스타트업 업계에 미치는 영향을 확인하였으며, 이러한 혁신적인 신기술의 등장이 비즈니스 생태계에 어떠한 변화를 가져다 줄 수 있는 지 이해하는데 이바지할 수 있다.

• 시스템엔지니어링학술지
• /
• 제20권1호
• /
• pp.1-15
• /
• 2024

This study attempted to analyze whether the government's regulatory innovation efforts affect the continued operation of new products and new service-based businesses, such as regulatory compliance and response efforts, despite the perception of regulatory difficulties as business barriers for firms in new industries. Previous studies on the impact of regulations on companies in new industries were a limit to obtaining implications for regulatory issues and characteristics of each field due to the simplification of regulatory indicators and the establishment of field integration. To compensate for this, this study focused on the field of AI and DATA services, and subdivided regulatory issues to indicate practical inconvenience as variables, and model fit and hypothesis verification were performed by applying Structural Equation Model analysis based on the survey results of related companies. As a result, in the field of AI and DATA services, "Perceived regulatory irrationality" and "Perceived government regulatory innovation efforts" significantly affect the "Regulatory environment satisfaction" of the regulated, and "Perceived regulatory irrationality" and "Regulatory environment satisfaction" affect "Regulatory response efforts for companies in new industries to continue their businesses." The significance of this study is that it conducted research on the factors affecting the continuity of business of companies in the AI and DATA service sector by linking the analysis of the impact relationship between satisfaction and continuous use intention, which have been mainly used in the "Policy Acceptance Model" and "IT service sector," to "efforts for companies to continue their business in a new industrial regulatory environment." In addition, by presenting a new empirical model for new industry regulations, it is expected to be meaningful as it can provide a research foundation that can obtain practical implications in related fields.

• 지능정보연구
• /
• 제29권1호
• /
• pp.327-351
• /
• 2023

본 논문은 인공지능(AI) 프로젝트를 성공적으로 이끄는 주요 요인을 도출하고 중요도의우선순위를 두는 것을 목적으로 한다. 이를 위해 우선 기존 유관 연구들을 검토하여 성공요인을 선정하고, 전문가 인터뷰를 통해 17개 요인을 최종 도출하였다. 이어 TOE 프레임워크를 활용하여 계층 모형을 개발하였다. 이후, AI 활용 기업 소속 전문가와 AI 자문 및 기술, 플랫폼, 어플리케이션을 지원하는 공급기업 소속 전문가를 대상으로 설문 조사를 실시하고, AHP 방법을 활용하여 분석하였다. 분석 결과, 환경적 요인보다 조직적 요인과 기술적 요인이 모두 중요한데, 이 중 조직적 요인이 조금 더 중요한 것으로 나타났다. 조직적 요인 중에서는 전략/명확한 비즈니스 니즈와 AI 구현/활용 역량, 그리고 부서 간 협업/커뮤니케이션이 가장 중요한 요인으로 나타났다. 기술적 요인 중에서는 AI 학습을 위한 충분한 데이터 양과 데이터 품질이 가장 중요한 요인으로 도출되었으며, 이어서 IT 인프라/호환성이 중요하게 응답되었다. 환경적 요인에서는 AI를 직접 사용할 고객의 준비와 지지가 중요한 요인으로 나타났다. 각 17개 개별요인의 중요도를 살펴보면 데이터의 가용성과 품질(0.2245)이 가장 중요하고, 이어 전략/명확한 비즈니스 니즈(0.1076), 고객준비/지지(0.0763) 순으로 중요한 것으로 분석되었다. 이러한 결과는 AI 도입을 검토 중이거나 실행중인 기업, AI 도입을 지원하는 서비스 공급기업, AI 산업을 육성하고자 하는 정부 정책 입안자들에게 성공적인 실행, 육성을 위한 가이드로 활용될 수 있다. 또한 AI 프로젝트의 성공 모델을 연구하고자 하는 연구자들에게도 기여할 것으로 기대된다.

• 한국항행학회논문지
• /
• 제27권2호
• /
• pp.235-246
• /
• 2023

4차 산업혁명 기반에서 인공지능(AI), 전기자동차 및 로봇 등의 급속한 기술발전에 있어 반도체가 핵심성능을 좌우하면서, 반도체 경쟁력이 국가 경쟁력과 직결되는 상황을 맞이하였다. 하지만, 한국 반도체 산업은 메모리 반도체를 제외한 시스템 반도체 분야에서 지속적으로 경쟁력이 약화되어, 본 연구에서 침체기에 빠진 한국 팹리스 시스템 반도체 기업의 성장에서 가장 시급한 세계시장 개척을 위해 새로운 스마트계약 기반 블록체인 거래모델인 F-SBM (Fabless-Smart contract based Blockchain Model)을 제안한다. 본 연구는 새로운 F-SBM 모델을 통해 반도체의 Technology, Economy, Reliability 항목의 스마트 계약 기반 컨소시엄 블록체인을 통해 팹리스 업체의 신규고객 확보방안을 검증하였다. 이는 한국 팹리스 시스템 반도체 산업의 숙원인 세계 시장 개척을 위한 신규고객 확보의 높은 진입장벽이 개선됨과 새로운 성장방안을 도출하였다는 측면에서 큰 의의를 가진다.

• 품질경영학회지
• /
• 제51권4호
• /
• pp.573-588
• /
• 2023

Purpose: This study presents a research approach that utilizes deep reinforcement learning to construct optimal portfolios based on the business cycle for stocks and other assets. The objective is to develop effective investment strategies that adapt to the varying returns of assets in accordance with the business cycle. Methods: In this study, a diverse set of time series data, including stocks, is collected and utilized to train a deep reinforcement learning model. The proposed approach optimizes asset allocation based on the business cycle, particularly by gathering data for different states such as prosperity, recession, depression, and recovery and constructing portfolios optimized for each phase. Results: Experimental results confirm the effectiveness of the proposed deep reinforcement learning-based approach in constructing optimal portfolios tailored to the business cycle. The utility of optimizing portfolio investment strategies for each phase of the business cycle is demonstrated. Conclusion: This paper contributes to the construction of optimal portfolios based on the business cycle using a deep reinforcement learning approach, providing investors with effective investment strategies that simultaneously seek stability and profitability. As a result, investors can adopt stable and profitable investment strategies that adapt to business cycle volatility.