블로그 모아보기 - 인프런

[마소캠퍼스 GEN AI 인사이트] 트럼프 관세폭탄, 한국 산업은 얼마나 흔들렸을까?

이제 관세 하나가 나라 경제를 뒤흔드는 시대예요! 🌍트럼프 정부의 ‘관세폭탄’은 단순한 무역 조치가 아닌, 산업 전반에 영향을 주는 강력한 변수였어요.특히 한국은 자동차, 반도체, 철강 등 주력 수출 산업이 직접적인 타격을 받으며 큰 혼란을 겪었죠. 👉 더 자세한 분석과 수치는 아래 링크에서 보고서를 무료로 다운로드받을 수 있어요!📥 트럼프 관세 정책과 한국 산업 영향 보고서 보기 1. 40p 워드로 정리된 문서 보고서2. 30p PPT 정리된 프레젠테이션 보고서 단기적인 기회도 있었지만, 장기적으로는 더 큰 리스크가 숨어 있었던 이번 사례!글로벌 정책 변화가 우리 산업에 어떤 파장을 일으켰는지, 함께 들여다볼까요?✨트럼프 전 대통령은 ‘미국 제조업 살리기’를 목표로 해외 제품에 높은 관세를 매기기 시작했어요.그 핵심 키워드는 ‘America First’였죠.이 정책의 배경에는 무역적자 해소, 제조업 부활, 그리고 '공정무역'이라는 명분이 있었답니다.하지만 그 여파는 글로벌 경제 전체로 퍼져나가게 되었어요.트럼프 정부는 두 가지 방식으로 관세를 부과했어요.상호관세: 상대국이 미국에 부과하는 만큼 미국도 같은 비율로 부과!→ 한국엔 무려 25%가 부과되어 일본(24%), EU(20%)보다 높았어요.보편관세: 모든 나라에 공통적으로 적용되는 기본 관세로 철강, 자동차, 반도체 등이 대상이었죠. 이로 인해 한국 수출 기업들은 치열한 경쟁 환경에 놓이게 되었어요.한국 자동차 산업은 큰 타격을 받았어요.미국으로 수출되는 차량과 부품에 25%의 관세가 부과되었고,그 결과 한국 자동차 브랜드의 시장 점유율은 3.2%에서 1.8%까지 하락할 것으로 예상되었어요.차량 가격이 오르며 소비자 구매력도 줄어들었죠. 현대차와 기아차는 이런 위기를 극복하기 위해 미국 내 생산 공장을 더욱 확대했어요.반도체 산업은 조금 복잡한 상황이에요.중국산 제품을 대체하려는 미국의 수요가 늘어나며 단기적으로는 기회였지만,공급망 재편과 생산비 증가, TSMC와의 경쟁 심화 등으로 장기적인 불확실성이 커졌어요. 삼성과 SK하이닉스는 미국 반도체 정책에 발맞춰 수혜를 입었지만, 장기적으로는 고민이 필요하겠죠.철강산업 역시 관세 25% 부과의 영향을 피하지 못했어요.대미 수출량은 10.6% 감소했고, 생산비 압박은 자동차 및 가전제품 가격 인상으로 이어졌죠. 이에 따라 포스코, 현대제철은 미국 내 생산 설비 신설까지 고려하게 되었어요.한눈에 보면, 한국 산업은 트럼프의 관세폭탄 앞에 크게 흔들렸습니다.수출이 많다고 해서 안심할 수 없고, 단기적 기회도 장기적으론 리스크가 될 수 있다는 점을 보여주었죠. 이번 사례를 통해 국제정세에 대한 이해는 물론, 기업의 전략적 대응이 얼마나 중요한지도 알 수 있어요.앞으로도 글로벌 정책 변화에 주목하면서, 유연하게 대응하는 것이 필요하겠죠 :)마소캠퍼스와 함께 AI를 활용해 업무 혁신을 이뤄보세요!효율적이고 스마트한 일의 방식을 통해 성장할 수 있도록 도와드릴게요. 📌 관련 강의 <회사가 원하는 효율적인 AI 활용 – 회의 준비부터 기록까지>회의 준비부터 회의록 작성까지, AI가 다 해드립니다! 반복 업무는 자동화하고, 중요한 일에 집중하세요.

경영 · 전략･관세･수출규제･미국우선주의･트럼프관세･경영･경제이슈･ai트렌드･마소캠퍼스･한국경제･무역전쟁

1

인공지능과 추천 시스템 강의 노트 - (5/16) - 2024. 10. 4.

들어가며10월이 되면서 다시 찾은 서울은 더이상 무더위의 서울이 아니었고, 날씨는 언제 그랬냐는 듯 평범하였다. 한국에는 목요일 새벽에 도착하였고, 몇몇 적응들을 한 후 여의도로 출근도 평범했다. 여의도 전철역에는 뉴진스와 건담 관련 광고들이 펼쳐져 있었다. 기말 과제에 사인업을 20명 정도 하였다. 감을 잡기가 힘들었는지 작년 대비 학생들이 주제들을 이야기 못 해 주고 있는 상황인 거 같지만, 메일이 오면 일단 먼저 주제의 범위가 괜찮은지 같이 둘러 보며 피드백을 주고, 일정 조절을 같이 하고 있다. 이후 일정들을 체크해서 자유 간담회 시간을 잡을 예정이고, 이번 달 말 정도에 한 번 할 수 있으면 좋겠다는 생각이다. 준비한 내용들5주) 강의 update( 모든 이슈들은 openai 를 중심으로.. )추천시스템 - 3 추천시스템 - 4 추천 시스템 강의 3, 4장3장은 UI/UX 에 대한 이야기를, 4장은 추천 로직을 시스템으로서 접근하는 노력을 담았다. 하나의 제품이라 할 지라도 모두에게 모든 케이스를 만족시키는 결과를 하나의 로직이 만들어 낼 수 없을 것이고, 그러기에 제품의 여러 상태에 따라 다양한 내용들을 접목시키는 노력에 대해 이야기하고 있다. recommender로 불리기 전에는 information filtering 이라는 이름으로 널리 쓰이고 있었고, 이론적인 교과서적인 면에서 결국 시스템 구현은 아래 위키피디아에 나온 이 방법들을 기본으로 설명하고 있고, 하이브리드를 적용하는 것으로 접근한다. https://en.wikipedia.org/wiki/Collaborative_filtering제품의 구성 따라 아래의 예제들처럼 접근하시라.. 라는 잠정적인 결론. 개요 추천 - 내용 기반 필터링 알림 서비스 - 사용자-사용자 메모리 기반 협조 필터링 알림 서비스 - 모델 베이스 ( 데이터가 축적되면 ) 전자상거래 검색 - 내용 기반 필터링 전자상거래 홈페이지 - 구입 이력을 통한 추천 이후의 내용들은 각 서브 모듈을 어떻게 정의하고 비교할 것인지에 대한 내용들이어서 다음 시간으로 미루었다. 코딩과 수식이 난무한 시간이 될 것이고, 꽤 고민 거리들이 있게 될 거 같다.오늘의 퀴즈들오늘은 구글 검색 때 했던 몇가지 논의들 + 안팎으로 공개되었던 몇몇 숫자들에 대한 질문들.1. 구글의 검색 결과를 사용자가 클릭을 했을 때 click duration 이 짧으면 short click 이라 해서 이른바 낚임을 나타내는 나쁜 페이지를 나타내는 정보이고, long click 은 이후 페이지를 충분히 소비한 좋은 결과를 이야기하게 되는데, 이를 나누는 기준은 각각 몇 초일까 ?2. 구글이 knowledge panel 을 기존에 있던 광고 위에 올리고, 기존의 click mechanism 이 특히 모바일에서 틀어지게 되었는데, 주어진 쿼리에 스크롤이 얼마간 일어나지 않으면 비록 click 이 없더라도 쿼리에 대한 좋은 결과를 준 것으로 간주했는데, 이 때는 몇 초를 기준으로 삼았을까 ? Q&AQ. 사용자가 제품 안에서 하는 행동들을 기록해서 적으면 너무 방대하고 오차들이 많지 않나요 ?A. 이른바 event tracking 이라 불리는 영역이고 아주 오래전부터 상상 이상으로 많은 제품들이 이쪽에 있는데, Google Analytics / Firebase Event / Amplitude 등이 그 역할을 하고 있고, 그 데이터를 수집하려는 입장에서는 더 많은 정보들을 원하고 있을 것입니다. 오차들을 줄이려는 노력들을 많이 하고 있고, 통계적으로 의미 있는 일들을 모으고 있고, 사용자들의 이벤트들을 모아서 보통 세션이라는 개념으로 해서 분석을 많이들 합니다. Q. 유튜브에서 추천은 어떤 식으로 이루어 지나요 ?A. 지금의 유튜브는 위의 두 줄을 '통합 추천'의 개념으로 놓고, 그 아래 그룹들을 추천해 주는 방식을 쓰고 있습니다. 넷플릭스나 아마존 등에서도 비슷하고, 친절한 그룹 설명들이 있는데, 그 중에 여러 이유들을 가지고 모아서 위에 모아 주는 용감한 전략을 쓰고 있지요. Q. 구글검색 굿클릭 기준이 30초~2분(모바일은 3초?)인데, 30초라고 결정했던 요소들이 어떤 것이었는지 궁금합니다. (예를 들어, 지난 데이터들을 분석해보니, 30초 미만 머물렀던 클릭들은 다시 검색하거나 다른 링크로 들어가는 행동을 보였다던지)A. 검색 결과 - 클릭 - back to 검색 결과 - 다른 클릭 이 일어날 때 앞의 back to 검색 결과에 대해 많은 가중치를 두는 계산들을 했었습니다. 페이지 자체의 품질이라기보다는 주어진 쿼리와의 연관성에 대한 피드백이 되는 경우가 많아서 사용자가 계속 검색 페이지로 돌아오는 건 클릭 후 행동이 그다지 만족스럽지 않았다는 것을 나타낸다 했었구요.모바일 3초는 knowledge panel 이 주어진 쿼리에 대해 얼마나 유효한지에 대한 수치였습니다. 검색 페이지를 보여줬을 때 사용자가 3초간 보고 스크롤을 하지 않는다면 검색 결과가 만족스러운 것이다 라는 해석이었더랬습니다. Q. Cross-selling 파트에서 구매전/구매후 추천되는 아이템이 다르고 운영되는 팀도 다를 것라고 하셨는데, 그냥 생각하기엔, 같은 팀에서 운영하는 것이 더 효율적이고 시너지가 날 것 같은데, 그 두 시점에 따라 다른팀에 의해 운영되는 효과가 궁금합니다.A. 제품의 구성원 따라 다르겠지만, 구글 정도의 큰 회사인 경우 혹은 다른 쇼핑몰 들일지라도 같은 공간을 여러 팀들이 경쟁해서 무언가를 꾸미는 형태로 진행된다 보시면 될 것이구요. 공급자 눈에 비슷해 보여도 ‘똑같은' 로직이 다른 곳에 최고의 성적을 내는 경우가 드물기도 하고, 반대로 안팎의 사정으로 묶어서 운영하기도 하겠구요. 효율을 어디서 정의하느냐 따라 다른 일들이 벌어진다 하겠습니다. 개인적으로 사용자 입장에서 구매 버튼 누르는 시점 앞뒤로 똑같은 걸 사라고 자꾸 뭔가가 뜨면 싫어할 거 같긴 합니다. 실제로 사용자들은 그런 사소한 이유들로 많이들 떠납니다. Q. Credibility파트에서 ‘리뷰자체를 신뢰하게 만드는 법’에 첫 항이 ‘운영자들이 리뷰를 직접검수’ 였는데, 언뜻 생각하기로 그렇게 많은 리뷰를 어떻게 다 검수하지란 생각이 들어서요,, 필터를 해서 특정한 유형의 리뷰만 보는 모델을 사용해서 효율화를 하는지(왠지 이것도 한계가 많아서,, 다 직접 봐야하지 않나 싶은데) 어떻게 효과적인 방법으로 리뷰 검수를 할 수 있는지 궁금합니다. A. 일단 사람이 먼저 해야 이후에 기계한테 룰이든 머신러닝이든 시키지 않을까요 ? 기계의 도움을 받아 사람이 하고 보수적으로 처리한다 정도가 맞는 말일 거 같습니다. 참고로 구글은 spam fighting 을 20년 넘게 해 오던 회사이고, 거기에 따른 노하우들에서 시작합니다. 참고로 막 만들어진 서비스의 경우 리뷰 별로 안 많을 겁니다… :) 제품을 운영하는 입장에서는 ‘효율화'는 나중에 와야 합니다.출처 : 브런치 매거진 KAIST DFMBA 2024https://brunch.co.kr/@chaesang/81 ( 2024. 10. 4 )

대학 교육 기타･인공지능･추천･경영

1

0

인공지능과 추천 시스템 강의 노트 - (2/16)

학생들의 수는 그대로 78명으로 확정되었다. 주입식 혹은 강연 위주의 수업이 예상되는 부분이라 한계도 있겠지만, 기말 과제 혹은 다양한 소통의 방식으로 생각의 폭을 넓히는 데 거들 수 있으면 한다. 준비한 자료들2주) 강의 updateAI 강의 - 1강 AI 강의 - 2강 AI 강의 - 3강 9월 2주에 있었던 이슈들 위 업계 소식에서 하이퍼라이트 인용은 Matt Shumer의 반성문을 이야기하려 했음이다. https://x.com/mattshumer_/status/1833619390098510039 AI 강의 1강 - 3강작년에 발간된 박태웅 선배님의 AI 강의 책의 앞부분 역사적인 순간들에 대해 같이 다루었다. 직간접적인 현업에서 있었던 이야기들이라 덧댈 이야기들이 꽤 있었고, 아무래도 과제의 세 토픽 중에 인공 지능 이야기가 소재도 많고 관심도 많은 게 학생들의 호응에서 차이가 나는 거 같다.이 책 개정판이 2025년판이 출간되었다 하여 학기 중에 다루어 볼 심산이다. 미국 다녀 오면 실물이 가능할테고, 이론적인 부분이 많이 보강되었다 하는데, 기술적 내용에 비해서는 사회적 시각이 아무래도 다양하다 보니 개인적으로는 뒷부분이 더 어려운 주제인 거 같다.https://m.yes24.com/Goods/Detail/133308510 당연하게 중심에는 2022년 말의 ChatGPT 가 있고, 개인적으로 더 큰 변화였다는 Llama 이후 사회적인 이슈들, 따라 가기에만도 벅찬 쏟아지는 뉴스들과 그에 따르는 현업의 복잡한 사정들에 대해 이야기를 나누었다. 25마리 말 경주 문제를 칠판에 놓고 같이 이야기를 했었고, 4종 AI 에게 7마리일 때 어떻게 할 지 물어보았을 때 정답을 다 못 주는 걸 확인할 수 있었다.인공 지능 이야기를 주로 하게 되었고, 추천과 금융 토픽에 대해서 따로 진지하게 다루지는 못했다. 다음 강 시간에는 세간의 '추천' 제품, '추천 시스템'에 대해 주로 이야기를 시작하기로 했다. 쉬어가는 퀴즈Q. 챗지피티가 2023년 1월에 2달 걸려 MAU 기준 1억명을 최초로 모았다고 했는데, 2024년 9월 현재 기준으로 1억명 사용자를 모으는 데 더 짧은 시간이 걸린 서비스들은 ?힌트 1) 하나는 이전, 하나는 이후힌트 2) 하나는 게임. 그래도 퀴즈인데 싶어 inflearn 에 올려 놓은 내가 만들어 놓은 강의 수강권을 상품으로 놓았고, 수많은 오답들 끝에 두 학생이 맞추어 주어 부끄럽지만 상품을 전해 줄 수 있었다. 맺으며이번 수업을 끝으로 추석 연휴가 시작이 되었다. 나도 미국으로 건너 가서 다음 2주는 미국에서 온라인으로 진행해야 하는 추가 난이도가 생겼고, 연휴 사이에 있는 다음 주는 출석 검사를 따로 하지 않고, 비디오 클립들을 같이 보는 시간으로 따로 할애하기로 했다. 출처 : 브런치 매거진 KAIST DFMBA 2024https://brunch.co.kr/@chaesang/77 ( 2024. 9. 13. )

대학 교육 기타･인공지능･추천･금융･경영

0

인공지능과 추천 시스템 강의 노트 - (1/16)

들어가며아직 더위가 한창인 여의도 강의장을 9개월만에 다시 방문하였다. 전임교수 등록이 말소되었다가 다시 신청하는 등 사소한 해프닝이 있었지만, 위치도 그대로고 강의장도 여전했다. 이번 학기의 회사, 숙소인 분당 정자역에서 여의도까지 금요일 오후의 출퇴근 길은 꽤 어려운 일이 되었지만, 작년에 한 번 해 봤다고 금방 익숙해 지는 느낌도 있고, 지원팀 분들의 친절함마저도 익숙하게 느껴졌다. 흐리지만 탁 트인 여의도 강의장과 넙죽이 원래 이 강의는 정원 60명인 DFMBA 과정에서 개설된 것이지만, 일단 그 과정의 학생들이 수강하고 남는 자리는 다른 대학원에도 오픈이 되어 총 78명이 수강하게 되었다. 정보경영 등 다른 과정에서 신청하는 학생들이 절반에 가깝게 되었다. 금요일 오후에 다른 과목이 없어서 대형 강의동을 비롯한 한 층 전체를 쓰는 셈이 되었고, 과목 조교 두 명이 수고가 많겠다는 생각이 든다.아직 전업 교수가 아니라 과목에 대한 어떤 기대치를 놓아야 하는지 걱정도 있지만, 학생들 사이에 그냥 가서 듣고 조금만 뭐 더 하면 학점 준다더라 같은 평만 아니면 좋겠고, 인연 닿는 친구들에게 도움이 되는 부분이 있으면 하는 마음이 끝까지 가면 한다. 준비한 자료들1주) 강의 소개 - 인공지능과 추천시스템 2024년 2학기 1주) 금융 - 시작하며1주) 인공 지능 - 시작하며1주) 추천 시스템 - 시작하며한 학기 동안 다루게 될 내용들 나눈 이야기들일단 첫번째 주에는 내 이야기를 하는 것으로 시작하게 되었다. 오랜 기간, 90% 이상 현업에서의 일들에서의 이야기들을 전하는 게 이 과목의 목표이기에 변경을 해야 하겠다는 학생들이 있으면 그 기회를 주는 게 맞다고도 생각해서 첫 시간은 내가 했던 역할들, 맡았던 과제들, 풀었던 문제들에 대해 큰 틀에서 이야기를 했다.한 학기 내내 힘 닿는 대로 세 가지 키워드들 ‘금융', ‘인공 지능', ‘추천 시스템' 에 대해 이야기를 나누는데, 워낙 여러 의미로 쓰이는 단어들인지라 여러 단상들에 대해 먼저 이야기들을 했다. 세 주제에 대한 경험들, 최근의 단상들, 앞으로의 기대들에 대한 이야기들을 나누는 것이었고, 각종 키워드들로 시작했다. 상대적으로 '금융'에 대한 이야기들이 적어질까 걱정이 되지만, 이는 계속 채워 나가야 할 부분으로 생각한다.그리고 각 주별 수업의 구성, 기말 과제 소개, 조교들과 오피스 아워를 통한 조절 등 한 학기를 준비하는 내용들을 나누었다. 소통이 잘 되고 있는 걸까 궁금함이 남아 있지만, 필요로 하는 이들에게 닿기를 바란다.출처 : 브런치 매거진 KAIST DFMBA 2024 https://brunch.co.kr/@chaesang/76 ( 2024. 9. 6. )

대학 교육 기타･인공지능･추천･금융･경영

0

인공지능과 추천 시스템 강의 노트 - (0/16)

들어가며작년에 이어 올해에도 KAIST 경영대학원의 Digital Finance MBA 과정에 같은 과목의 강의를 의뢰받았다. 작년의 강의는 초보 교수의 어색한 진행, 원격 수업의 빈도가 높을 수밖에 없던 개인적인 사정, 문과와 이과가 모여 있는 수강생 그룹 등의 난이도가 있어 호불호가 꽤 갈렸고, 따라서 강의 평가가 평균보다 낮았었는데, 그래도 다른 과목들에서 채워 주지 못하는 부분을 다시 부탁을 주셔서 한 학기 더 해 보기로 하였다.장소와 조건은 작년과 같이 여의도 IFC 빌딩 17층. 금요일 오후 7시-10시, 16주 수업. 임용은 2024년 8월 말부터 1년간. 1주일에 반나절을 선생님으로 지내 보겠다고 하는 개인적인 목표를 유지하며 달성하고 싶고, 일상 시간을 같이 보내고 있는 회사 관계자들께 폐가 가지 않도록 하면서 한국과 미국을 오가려면 긴장을 더 하고 열심히 살아야 겠다는 다짐을 해 본다.올해는 현재 연구소장을 맡고 있는 인이지(https://www.ineeji.com/ )에서 서류 지원을 해 주셨고, 역시 여러 마음이 들지만 작년과 같이 거창한 생각보다는 직장인들이 업무 후 시간 내서 도전하는 그 노력들에 조그만 도움이라도 되면 싶었고, 여러 이야기들을 나누며 들을 수 있으면 하는 생각을 한다. 다만 불금 오후에 분당에서 여의도로 출퇴근은 꽤 난이도가 있어 보인다. 작년 강의에서 괜찮았던 점들기말 프로젝트를 발표함에 있어 가제출 - 피드백 - 발표의 사이클이 내용들을 풍부하게 하는 데 도움을 주었다. 출장 등의 공결을 고려한 자유로운 시간 배치도 그 자체로는 좋았다는 생각이다.인공 지능 부분과 추천 시스템 부분을 나누어 두 개의 다른 이야기를 한 시간씩 풀어 나갔는데, 학기 초에 소재가 충분했을 때는 도움이 많이 되었다. 특히 인공 지능 쪽은 북클럽의 책 같이 읽기와 같은 기대를 했었는데, 갓 출간된 교재 덕을 본 거 같다.기술과 거리가 있는 절반의 학생들을 바라 보느라 라이브 코딩을 몇 번 못 했는데, 의외로(?) 반응들이 괜찮았었다.매 주 15분 앞에 그 주에 있었던 AI 관련 뉴스 읽기를 했는데, 좋은 평가들을 받았었다. 작년 강의에서 아쉬웠던 점들학기말 프로젝트들을 운영했는데, 각 과제들마다 시간 제한을 제대로 하지 못해서 몇몇 과제들에 대해서는 아무말 대잔치처럼 흘러 가는 것에 대한 불만이 있었다. 이 부분은 강제 리모트 상황도 같이 겹쳐서 아쉬움이 많이 남는 부분이다.수업 중간에 비디오클립을 공유했었는데, 절반 정도는 반응이 좋았지만, 가끔 뜬금 없는 내용들이 15분씩 차지하게 되는 것에 대해서는 불만들이 있었다. 처음 몇 번에 만족했었어야 하는 생각이고, 하반기에는 억지로 비디오 클립을 찾는 노력이 불필요했던 거 같다.금융회사의 경영 혹은 기획 부서들과 전산쪽의 기술자들이 한 자리에 모여 있는 상황이어서 양쪽을 동시에 만족시키지 못하는 상황이 되기도 했었다. 코딩 관련해서 준비한 내용들도 있었지만, 선을 넘지 못한 느낌이었다.자유로운 간담회를 운영할 수 있었는데 개인 사정으로 학기말에 가까워서 운영하게 되었다. 학기 앞쪽에 시간을 냈었어야 하는 아쉬움이 있다. 올해 계획교재 3권을 골랐고, 이를 최대한 '인공 지능', '추천 시스템'의 두 토픽으로 나누어서 진행하려 한다.추천 시스템 입문 (Recommender System ) - 한빛 미디어 GPT-4를 활용한 인공지능 앱 개발 - 한빛 미디어 금융 전문가를 위한 머신러닝 알고리즘 - 위키북스 이 교과서에 있는 내용들은 GPT 이전 시대의 논의 거리들을 모으고 있어 책 내용을 훑는 것들 심지어 GPT4 조차도 옛날 이야기가 되어 버리게 되어 잘 섞어서 써야 겠다는 생각이다. state-of AI 등을 위한 공간, 특강을 위한 공간 등을 채워 보리라는 생각이다. 이 매거진을 이용해서 자료들을 모을 생각이고, 기록으로 남아 필요한 분들께 도움이 되면 하다.출처 : 브런치 매거진 KAIST DFMBA 2024 https://brunch.co.kr/@chaesang/74 ( Aug 22. 2024 )

대학 교육 기타･인공지능･추천･금융･경영

0