- 이 교과목은 “모델을 잘 아는 사람”이 아니라 “문제를 AI Solution으로 바꿀 수 있는 사람”을 길러내는 것을 목표로 한다.
정확도가 높은 모델도 데이터 품질, 현업 프로세스, 사용자 신뢰, 운영 비용, 법·윤리 리스크, 조직 수용성이 결합되지 않으면 현장에서 버려진다. 본 강의는 AI 기술과 모델에 대한최소한의 이해에서 출발하여, 산업·조직의 실제 문제를 데이터·알고리즘·UX·도메인·운영이 결합된 실행 가능한 솔루션으로 전환하는 사고방식과 프레임워크를 익히고, 나아가 ‘기술의 이해’와 ‘책임 있는 활용’ 사이의 균형 잡힌 AI 리터러시를 함양한다.
강의는 세 개의 축으로 구성된다. ① AI 기술·모델(30%)에서는 데이터 중심 AI, 핵심 알고리즘, 생성형·에이전트형 AI의 작동 원리를 직관적 수준에서 다룬다. ② AI Solutions(40%)에서는 금융·제조·교육·유통·콘텐츠·의료·공공 등 산업별 문제를 ‘AI Solution Canvas’로 구조화하고 구현·운영·도입 전략까지 연결한다. ③ ‘기술과 활용 사이’(30%)에서는 AI에 대한 오해, 기술 없는 활용의 위험과 활용 없는 기술의 공허함, 인간의 역할과 사회적 책임을 교양·시민적 관점에서 성찰한다
• CLO1. AI Model, AI Product, AI Solution 의 차이를 설명하고, 좋은 모델이 현장에서실패하는 원인을 진단할 수 있다.
• CLO2. 분석형·생성형·에이전트형·물리형 AI 의 특성을 이해하고, 문제 유형에 맞는 AI접근법을 선택할 수 있다.
• CLO3. ‘Data × Algorithm × UX × Domain × Ops’ 관점에서 산업·조직의 문제를 AI SolutionCanvas 로 구조화할 수 있다.
• CLO4. 산업별(금융·제조·교육·유통·콘텐츠·의료·공공) 대표 유즈케이스와 성과지표,리스크·규제를 비교·분석할 수 있다.
• CLO5. PoC–MVP–Production 의 차이와 MLOps/LLMOps/AgentOps 의 운영 요소를 이해하고도입 로드맵을 설계할 수 있다.
• CLO6. AI 의 한계(환각·편향·책임)를 비판적으로 인식하고, 결과를 검증하며 책임 있게 활용하는 시민적 교양을 갖춘다.

강의는 세 영역을 다음 비율로 구성하며, 각 영역은 별도로 끝나지 않고 사례·실습을 통해 상호 연결된다.

영역 비중 핵심 질문 근거 자료
A. AI 기술·모델 30% AI는 어떻게 작동하며, 어떤 문제에 어떤기술이 맞는가? 『AI Solutions』 Part I~II
B. AI Solutions 40% 산업·조직의 문제를 어떻게 솔루션으로 바꾸고 운영하는가? 『AI Solutions』 Part III~IV
C. 기술과 활용 사이 30% 기술을 이해하고 책임 있게 활용한다는것은 무엇인가? 『AI기술의 이해와 AI활용 사이』

『AI Solutions: 경제·산업·조직 문제 해결의 미래』
『AI기술의 이해와 AI활용 사이: 생성형 AI 시대, 제대로 이해하고 책임 있게 활용하기 위한 교양』
기타 — 산업별 최신 사례 자료, 공개 데이터셋, LLM/RAG 실습 노트북은 강의 중 별도 제공.

- 강의 유형: 대면 강의