인공지능의 응용

인공지능은 학습, 추론, 문제 해결, 인지, 의사결정 등 일반적으로 인간의 지능과 관련된 과제를 수행할 수 있는 컴퓨터 시스템의 능력이다. 인공지능은 산업계와 학계 전반에 걸쳐 다양한 응용 분야에서 활용되어 왔다. 인공지능 분야 내에는 여러 하위 분야가 존재한다. 그중 머신러닝 분야는 언어 번역, 이미지 인식, 의사결정, 신용 평가, 전자상거래 등 다양한 과학적·상업적 목적으로 활용되고 있다. 최근 몇 년간 생성형 인공지능 분야에서 대대적인 발전이 이루어졌는데, 이는 생성 모델을 사용하여 텍스트, 이미지, 동영상 또는 기타 형태의 데이터를 생산하는 기술이다. 이 문서에서는 다양한 분야에서의 인공지능 응용 사례를 설명한다.

농업

농업 분야에서 인공지능은 농부들이 수확량을 늘리기 위해 관개, 시비, 살충제 처리가 필요한 구역을 식별하는 방법으로 제안되어 효율성을 향상시키고 있다. 인공지능은 가축 돼지 울음소리의 감정 분류, 온실 자동화, 질병 및 해충 탐지, 관개 최적화 등에 활용되고 있다.

건축 및 디자인

비즈니스

2023년의 한 연구에 따르면, 생성형 인공지능은 컨택 센터에서 생산성을 15% 향상시켰다. 또 다른 2023년 연구에서는 글쓰기 업무에서 생산성이 최대 40%까지 향상된 것으로 나타났다. 2025년 8월 MIT의 검토에 따르면, 조사 대상 기업 중 95%가 인공지능 사용으로 인한 매출 개선을 보고하지 않았다. 2025년 9월 하버드 비즈니스 리뷰의 기사에서는 인공지능 사용 증가가 자동적으로 매출이나 실제 생산성 향상으로 이어지지는 않는다고 설명한다. 이 기사에서는 "좋은 업무처럼 위장하지만, 주어진 과업을 실질적으로 진전시킬 만한 내용이 부족한 AI 생성 업무 콘텐츠"를 가리켜 '워크슬롭(workslop)'이라는 용어를 만들었다. 스탠퍼드 소셜 미디어 연구소와 공동으로 수행한 연구에 따르면, 워크슬롭은 생산성을 향상시키지 못하며 동료 간의 신뢰와 협업을 저해한다.

컴퓨터 과학

프로그래밍 지원

AI 지원 소프트웨어 개발

인공지능은 실시간 코드 완성, 채팅, 자동 테스트 생성에 활용될 수 있다. 이러한 도구들은 일반적으로 편집기와 IDE에 플러그인 형태로 통합된다. AI 지원 소프트웨어 개발 시스템은 기능성, 품질, 속도, 개인정보 보호 접근 방식에서 차이가 있다. 주로 인공지능을 통해 소프트웨어를 만드는 것을 '바이브 코딩(vibe coding)'이라고 한다. 인공지능이 생성하거나 제안한 코드는 부정확하거나 비효율적일 수 있다. AI 지원 코딩의 사용은 소프트웨어 개발 속도를 높일 수 있지만, 디버깅과 테스트 과정에서 추가 작업을 발생시켜 오히려 프로세스를 늦출 수도 있다. 인공지능 기술을 성급하게 조기 도입하면 추가적인 기술 부채가 발생할 수도 있다. 또한 AI 코딩 소프트웨어는 품질이 일관되지 않은 광범위한 코드로 학습되어 종종 취약한 관행을 복제하기 때문에, 사이버보안 측면에서도 추가적인 검토와 세심한 점검이 필요하다.

신경망 설계

인공지능은 다른 인공지능을 만드는 데 사용될 수 있다. 예를 들어, 2017년 11월경 구글의 AutoML 프로젝트는 새로운 신경망 토폴로지를 진화시켜 ImageNet과 POCO F1에 최적화된 시스템인 NASNet을 만들었다. NASNet의 성능은 이전에 발표된 모든 ImageNet 성능을 능가했다.

양자 컴퓨팅

양자 컴퓨터의 연구 개발은 머신러닝 알고리즘을 활용하여 수행되고 있다. 예를 들어, 뉴로모픽 컴퓨터(NC)/인공 신경망을 위한 프로토타입 광자 양자 멤리스티브 장치와 다양한 잠재적 뉴로모픽 컴퓨팅 관련 응용 분야를 가진 양자 재료를 사용하는 NC가 있다. 물리학 및 화학 문제를 해결하기 위해 양자 시뮬레이터에 양자 머신러닝을 사용하는 방안이 제안되었다.

역사적 기여

AI 연구자들은 컴퓨터 과학에서 가장 어려운 문제들을 해결하기 위해 많은 도구를 만들었다. 그들의 발명품 중 다수는 주류 컴퓨터 과학에 채택되어 더 이상 인공지능으로 간주되지 않는다. 다음은 모두 원래 인공지능 연구실에서 개발된 것들이다:

• 시분할 처리
• 대화형 인터프리터
• 그래픽 사용자 인터페이스와 컴퓨터 마우스
• 신속 애플리케이션 개발 환경
• 연결 리스트 자료구조
• 자동 저장소 관리
• 기호 프로그래밍
• 함수형 프로그래밍
• 동적 프로그래밍
• 객체 지향 프로그래밍
• 광학 문자 인식
• 제약 충족

고객 서비스

인적 자원

인공지능의 또 다른 응용 분야는 인적 자원 관리이다. 인공지능은 이력서를 심사하고 자격 요건에 따라 후보자의 순위를 매기며, 특정 직무에서 후보자의 성공 가능성을 예측하고, 챗봇을 활용하여 반복적인 커뮤니케이션 업무를 자동화할 수 있다.

온라인 및 전화 고객 서비스

인공지능은 웹 페이지의 아바타(자동 온라인 어시스턴트)의 기반 기술이다. 이를 통해 운영 및 교육 비용을 절감할 수 있다. Pypestream은 모바일 애플리케이션의 고객 서비스를 자동화하여 고객과의 소통을 간소화했다.

구글 앱은 언어를 분석하고 음성을 텍스트로 변환한다. 이 플랫폼은 고객의 언어를 통해 화가 난 고객을 식별하고 적절하게 대응할 수 있다. 아마존은 주문 상태 확인, 주문 취소, 환불 제공, 고객을 인간 상담원에게 연결하는 등의 작업을 수행할 수 있는 고객 서비스용 챗봇을 사용하고 있다. ChatGPT와 같은 생성형 인공지능(GenAI)은 업무 자동화와 의사결정 강화를 위해 비즈니스에서 점점 더 많이 활용되고 있다.

호스피탈리티

호스피탈리티 산업에서 인공지능은 반복적인 업무를 줄이고, 트렌드를 분석하며, 투숙객과 상호작용하고, 고객의 니즈를 예측하는 데 활용된다. AI 호텔 서비스는 챗봇, 애플리케이션, 가상 음성 어시스턴트, 서비스 로봇 등의 형태로 제공된다.

교육

교육 기관에서 인공지능은 출결 관리, 채점, 성적 평가 등의 일상적인 업무를 자동화하는 데 활용되고 있다. AI 도구는 또한 학생들의 진도를 모니터링하고 학습 행동을 분석하여 학업에 어려움을 겪는 학생들에게 적시에 개입할 수 있도록 하는 것을 목표로 활용되고 있다.

에너지 및 환경

에너지 시스템

미국 에너지부는 2024년 4월 보고서에서 인공지능이 전력망 모델링, 대규모 언어 모델을 활용한 연방 허가 검토, 재생에너지 생산량 예측, 전기차 충전 네트워크 계획 프로세스 개선 등에 응용될 수 있다고 기술했다. 다른 연구들은 머신러닝이 에너지 소비 예측 및 스케줄링에 활용될 수 있다고 제안했는데, 예를 들어 재생에너지 간헐성 관리에 도움이 될 수 있다(스마트 그리드 및 전력망에서의 기후변화 완화 참조).

환경 모니터링

해양을 감시하는 자율 선박, AI 기반 위성 데이터 분석, 수동 음향학 또는 원격 탐사 및 기타 환경 모니터링 응용 분야에서 머신러닝이 활용되고 있다.

예를 들어, 'Global Plastic Watch'는 플라스틱 폐기물 현장의 분석 및 추적을 위한 AI 기반 위성 모니터링 플랫폼으로, 주로 해양 오염인 플라스틱 오염을 방지하기 위해 누가 어디에서 플라스틱 폐기물을 부적절하게 관리하여 바다에 버리는지 식별하는 데 도움을 준다.

조기 경보 시스템

머신러닝은 재난 및 환경 문제의 조기 경보 신호를 포착하는 데 사용될 수 있으며, 여기에는 자연 발생 팬데믹, 지진, 산사태, 폭우, 장기 수자원 취약성, 생태계 붕괴 임계점, 남세균 대발생, 가뭄 등이 포함될 수 있다.

경제적·사회적 과제

서던캘리포니아 대학교는 노숙 문제와 같은 사회 문제를 해결하기 위해 인공지능을 활용하는 것을 목표로 인공지능과 사회 센터를 설립했다. 스탠퍼드 연구진은 인공지능을 활용하여 위성 이미지를 분석하고 고빈곤 지역을 식별하고 있다.

엔터테인먼트 및 미디어

미디어

AI 응용 프로그램은 영화, TV 프로그램, 광고 동영상 또는 사용자 제작 콘텐츠와 같은 미디어 콘텐츠를 분석한다. 이러한 솔루션에는 종종 컴퓨터 비전이 활용된다.

일반적인 시나리오에는 다음의 분석이 포함된다.