AI 기술 발달에 따른 국제경영에서 생성형 AI 모델(GAN)의 활용 및 사례에 대한 연구

박영현

추천

검색

자료유형: 학술저널

저자정보: 박영현 (경남대학교)

저널정보: 한국무역경영학회 한국무역경영연구 무역경영연구 제33호

발행연도: 2024.1

수록면: 39 - 54 (16page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

디지털 트랜스포메이션이라는 시대적 배경에 따라 AI 기술들은 괄목할 만한 성과를 보이고 있으며 국제경영에 있어서 그 활용 및 중요성이 증가하고 있는 추세이다. 본 연구에서는 최근 큰 이슈가 되고 있는 생성형 AI에 대한 접근을 통하여 국제경영에서 활용할 수 있는 기술 및 적용 사례를 제시하고자 하였다. AI 기술은 다양한 기술들이 존재하고 있으며 대표적인 머신러닝, 딥러닝과 더불어 최근에 각광받고 있는 생성형 AI 기술이 있다. 생성형 AI에는 확률적 생서 모델, 오토인코더, 생성적 대립 신경망(GAN) 등이 있으며, 생성적 대립 신경망(GAN)은 다양한 형태로 발전하여 활용되어지고 있다. 생성적 대립 신경망(GAN)은 신경망 2개가 적대적인 관계에서 학습하는 기계학습 방식의 하나로 생성모델과 판별모델이 경쟁하면서 실제와 가까운 산출물을 만들어 내는 모델로서 기계가 경쟁하면서 학습을 하는 것이 특징이라고 할 수 있다. 이러한 생성형 대립 신경망(GAN)은 기술적으로 발달하며 InfoGAN이나 ProGAN, CycleGAN과 같은 형태로 발전하고 있다. 국제경영 분야에서 생성형 AI가 활용되고 있는 사례로는 출판, 패션 의류산업, 의료 분야, 마케팅, 미디어 컨텐츠 분야 등에서 선제적으로 적용되고 있다. 출판 분야에서는 AI가 책을 쓰고, 표지 및 리뷰, 가격 책정, 판매까지 직접하는 단계에 있으며, 다양한 AI 작가들이 개발되고 있다. 패션 의류에 있어서 디자인 및 모델의 AI 기술 적용이 늘어나고 있으며, 이는 AI 디자인한 옷을 입고, AI 모델을 통해 의류를 간접적으로 입어보고 구매할 수 있는 환경에 있다. 의료 분야에서는 병으로 잃어버린 목소리를 AI가 대체해주거나 MRI, CT, X-Ray 결과를 분석해주고, 증상을 식별하여 사람들이 보다 쉽게 확인할 수 있도록 해주는 생성형 AI 기술의 적용이 늘어나고 있다. 사례와 같이 생성형 AI는 기업과 산업의 발전 및 소비자 효용에 긍정적인 영향을 미치고 있으며 그 중요성은 계속해서 상승할 것으로 여겨진다. 디지털 트랜스포메이션이라는 큰 흐름 하에서 국제경영을 하는 기업들은 이러한 변화와 도전의 전방에서 새로운 혁신을 이끌어야 될 것이다.

Against the background of digital transformation, AI technologies are showing remarkable results, and their use and importance in international management are increasing. In this study, we attempted to present technologies and application cases that can be used in international management through an approach to generative AI, which has recently become a big issue. There are a variety of AI technologies, and in addition to the representative machine learning and deep learning, there is generative AI technology that has been in the spotlight recently. Generative AI includes probabilistic generator models, autoencoders, and generative adversarial networks (GANs), and generative adversarial networks (GANs) are being developed and used in various forms. Generative adversarial network (GAN) is a machine learning method in which two neural networks learn in an adversarial relationship. A generative model and a discriminant model compete to produce output close to the real thing. It is characterized by machines learning while competing. there is. These generative adversarial networks (GAN) are technologically advanced and are developing into forms such as InfoGAN, ProGAN, and CycleGAN. Examples of generative AI being used in the international management field include publishing, fashion and clothing industry, medical field, marketing, and media content fields, etc. In the publishing field, AI is at the stage where it directly writes books, covers and reviews, sets prices, and even sells books, and various AI writers are being developed. The application of AI technology in design and models is increasing in fashion clothing, and this is in an environment where people can wear AI-designed clothes and indirectly try on and purchase clothes through AI models. In the medical field, the application of generative AI technology is increasing, where AI replaces voices lost due to illness, analyzes MRI, CT, and X-ray results, and identifies symptoms so that people can check them more easily. As shown in the example, generative AI is having a positive impact on the development of companies and industries and consumer utility, and its importance is expected to continue to rise. Companies conducting international business under the major trend of digital transformation will have to lead new innovations at the forefront of these changes and challenges.

#국제경영 #AI 활용 #생성형 대립 신경망 #GAN #International Management #AI Utilization #Generative Adversarial Network #GAN

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)