1. 요약
급속히 발전하는 인공지능 환경에서 AI 에이전트는 업무 자동화, 효율성 향상, 맞춤형 고객 경험 제공을 통해 비즈니스 혁신의 핵심 역할을 수행합니다. 고객 서비스 챗봇과 같은 AI 에이전트는 환경과 상호작용하며 데이터를 수집하고, 이를 활용해 설정된 목표를 달성하기 위한 자율적 의사결정을 수행합니다. GPT-3, GPT-4와 같은 대규모 언어 모델(LLM)과 생성형 AI 모델은 AI 에이전트 구조의 근간이며, 특정 산업과 기능에 맞춰 최적화할 수 있습니다.
AI 에이전트 시장은 머신러닝과 LLM의 발전에 힘입어 급성장하고 있습니다. 북미가 AI 에이전트 개발을 선도하고 있으며, 아시아 태평양 시장이 빠르게 추격하고 있습니다. AI 에이전트 생태계는 기반 모델 개발사, 에이전트 개발사, 인프라 제공업체 등 다양한 참여자로 구성되어 있습니다.
도구 활용, 자기성찰, 다중 에이전트 협업과 같은 기능들은 환각(부정확하거나 오래된 정보 생성)과 비일관성 같은 LLM의 근본적 한계를 해결합니다. 이러한 기능은 AI 에이전트의 성능을 크게 개선하여 실제 응용에서 더 정확하고 강력한 협업을 가능하게 합니다.
AI 에이전트의 보급은 전 세계적으로 AI에 대한 대중의 인식에 크게 좌우됩니다. 개발도상국에서는 AI 응용에 대한 인식과 기대가 높으며, 많은 국가가 국가 AI 전략을 적극 수립하고 있습니다. 반면 선진국은 더 신중한 태도와 높은 회의론을 보이지만, AI 연구개발에 더 큰 경제적 역량을 보유하고 있습니다. 세대 간 격차도 AI 도입에 영향을 미치며, 젊은 세대가 AI 기술에 더 친숙하고 적극적입니다.
AI 에이전트의 핵심 과제는 인간과의 상호작용입니다. 다양한 산업 분야에서 에이전트와 협업하는 인간이 늘어남에 따라, 인간-AI 협업의 문제 해결이 에이전트 성공의 핵심이 되었습니다. 주요 문제 중 하나는 AI 의사결정 과정의 투명성 부족으로 인한 기능적 불투명성으로, 이는 효과적인 팀워크와 신뢰 구축을 방해합니다. 투명성 부족은 AI 도입 기피를 야기할 수 있으며, 특히 오류 발생 시 인간의 AI 시스템 불신으로 이어집니다. AI 시스템의 대응 실패는 협업 효율 저하, 소통 단절, 오류 발생, 인간-AI 협업자 간 신뢰 상실을 초래할 수 있습니다. 또한 인간이 AI 에이전트와 소통할 때 매개변수, 단어, 구문의 특정 순서를 결정하는 데 어려움을 겪으면서 언어별 문제가 발생합니다. 이러한 문제 해결은 효과적이고 신뢰할 수 있는 인간-AI 협업을 촉진하고 결과에 대한 책임과 신뢰성을 확립하는 데 매우 중요합니다.
또 다른 주요 연구 분야는 Social AI로, 사회적 신호, 감정, 행동을 이해하고 해석하며 대응할 수 있는 에이전트를 개발하여 더 자연스럽고 효과적인 상호작용을 실현하는 것을 목표로 합니다. 소셜 AI는 가상 비서와 고객 서비스 봇에서부터 다양한 분야의 동반자 로봇과 협업 에이전트까지 광범위한 응용을 포함합니다. 그러나 이 분야는 사회적 구성의 모호성으로 인해 구현에 어려움을 겪고 있으며, 이는 서로 다른 행위자와 해석자 간의 이해 차이로 이어집니다. AI 에이전트가 미묘한 신호를 정확히 이해하지 못하면 응답 지연이나 부정확한 대응이 발생할 수 있습니다.
행위자의 관점, 경험, 역할이 시간에 따라 변화하고 서로 영향을 주고받는 사회적 상호작용의 다중 관점 상호의존성은 Social AI 에이전트가 이러한 역동적 상호작용을 이해하고 추론하는 데 큰 도전과제가 됩니다.
2. Intro
인공지능(AI) 에이전트는 환경과 상호작용하며 데이터를 수집하고 활용하여 정해진 목표를 자율적으로 달성하는 소프트웨어 프로그램입니다. 이 시스템은 환경 데이터를 해석하고 이를 기반으로 의사결정을 내리며, 사전 정의된 알고리즘과 머신러닝 모델에 따라 작업을 수행합니다. AI 에이전트는 지속적인 학습과 적응을 통해 시간이 지날수록 그 역량이 향상됩니다.
AI 에이전트는 로봇의 센서나 챗봇의 고객 문의 처리와 같이 물리적 또는 소프트웨어 인터페이스를 통해 환경을 감지하는 지능적 개체입니다. 에이전트는 수집된 데이터를 바탕으로 합리적인 의사결정을 내리고 목표 달성을 위한 최적의 결과를 예측합니다. 예를 들어, 자율주행 자동차는 센서 데이터를 분석하여 도로의 장애물을 피하는 최적의 경로를 결정합니다.
비즈니스 측면에서 AI 에이전트는 작업 자동화를 통한 효율성 향상, 개인화된 고객 서비스, 확장성, 그리고 24시간 가용성이라는 장점을 제공합니다. 이를 통해 자원 배분이 최적화되고 비용이 절감되며, 전략적 의사결정에 필요한 데이터 기반 통찰력을 얻을 수 있습니다.
AI Agent Framework
최근 몇 년 동안 방대한 양의 텍스트와 정보에서 파생된 통합 지식을 보유하는 대규모 언어 모델(LLM)과 생성형 AI 모델에 대한 관심이 집중되고 있습니다. 이러한 모델은 에이전트 아키텍처의 초석이 되었으며(예시 1 참조) 특정 산업, 작업 또는 기능에 맞게 더욱 구체화될 수 있습니다. 에이전트의 일반적인 작업에는 컨텍스트, 지침, 배경 정보 또는 기타 관련 세부 정보를 제공하는 텍스트 조각을 전송하여 모델을 쿼리하는 작업이 포함됩니다. 이에 대한 응답으로 모델은 텍스트 조각, 이미지 또는 토큰 집합이 될 수 있는 출력을 생성합니다. 이 상호 작용은 에이전트 기능의 기본입니다.
(예시 1)
고급 에이전트 아키텍처에서는 시스템에 입력된 쿼리나 텍스트에 대한 응답이 여러 단계의 검증을 거칩니다. 각 응답은 최종 확정 전에 사전 정의된 목표, 기존 메모리, 외부 소스와 대조하여 검증됩니다. 이러한 반복적 프로세스를 통해 시스템은 마치 인간이 계산기 같은 도구를 활용하거나 관찰을 통해 결론을 개선하는 것처럼 사고를 정교화할 수 있습니다.
이 분야의 핵심 혁신은 방대한 데이터를 저장하고 필요시 즉시 검색할 수 있는 메모리 시스템의 도입입니다. RAG(Retrieval-Augmented Generation)와 같은 기술로 AI는 단순한 일회성 답변을 넘어설 수 있게 되었습니다. 시스템은 단일 응답 대신 관련 문서를 검색하고 프롬프트에 통합하여 여러 차례의 개선을 통해 더욱 정확한 답변을 생성합니다.
에이전트 아키텍처는 또한 특정 목표에 부합하는 출력을 위한 규칙을 정의하고 이를 준수합니다. 이 시스템은 복잡한 작업을 작은 하위 작업으로 나누고, 각 요소를 반복적으로 검증하고 개선하여 완성도와 일관성을 확보합니다. 이러한 하위 목표 계획 및 검증 능력을 통해 AI는 주요 목표를 효과적으로 달성할 수 있습니다.
이러한 정교한 에이전트 아키텍처의 발전은 AI 연구의 중요한 이정표입니다. AI 시스템은 이제 최종 답변 전에 내부적인 질의응답 과정을 거치며 일종의 "사고"를 보여줄 수 있습니다. 이는 AI를 인간의 추론 및 문제 해결 방식에 한층 가깝게 만들어, 다양한 산업 분야에서의 새로운 가능성을 열어주고 있습니다.
AI 에이전트의 유형
AI 에이전트는 단순 대체, 모델 기반 대체, 목표 기반, 효용 기반, 학습 에이전트 및 다중 에이전트 시스템의 고유한 유형으로 분류할 수 있습니다(예시 2 참조). 각 유형은 규칙 기반 작업부터 적응형 학습, 복잡한 환경 탐색 및 사전 정의된 목표 달성에 이르기까지 고유한 기능을 활용합니다.
(예시 2)
AI Agent의 기능
AI 에이전트는 다양한 작업을 수행하고 가치 있는 서비스를 제공할 수 있는 다양한 기능을 보유하고 있습니다. 몇 가지 주요 기능은 다음과 같습니다.
•
자율성: AI 에이전트는 인간의 지속적인 개입 없이 독립적으로 의사결정을 내리고 작업을 수행합니다. 이는 프로그래밍과 학습된 지식을 기반으로 이루어집니다.
•
반응성: AI 에이전트는 외부 자극이나 환경 변화에 즉각적으로 대응하여 동적 상황에서 적절한 조치를 취할 수 있습니다.
•
사전 대응: AI 에이전트는 단순 반응을 넘어 미래의 요구사항이나 문제를 예측합니다. 이를 통해 명시적 요청 이전에 작업을 제안하거나 권장사항을 제시하는 등 선제적 행동이 가능합니다.
•
학습 능력: AI 에이전트는 경험, 데이터, 상호작용을 통해 학습하며, 시간이 지날수록 성능을 개선하고 지식을 확장합니다.
•
사회성: AI 에이전트는 사회적 신호를 이해하고 표현하며, 대화와 같은 사회적 상호작용에 참여할 수 있습니다.
•
모빌리티: 물리적 AI 에이전트나 로봇은 환경을 탐색하고 이동하면서 실제 공간에서 필요한 작업을 수행할 수 있습니다.
AI 에이전트의 기능을 설명하기 위해, 일정을 자율적으로 관리하기 위해 AI 에이전트에 의존하는 바쁜 전문직 종사자인 홍길동의 예를 살펴보겠습니다 (예시 3 참조).
(예시 3)
Market Landscape
Market Dynamics
에이전트 AI 기술의 글로벌 시장 규모는 2023년 48억 달러를 기록했으며, 이는 적극적인 기술 도입과 혁신적 발전에 기인합니다. 연평균 성장률(CAGR) 43%를 고려할 때, 2028년까지 시장 규모는 285억 달러에 도달할 것으로 전망됩니다.
북미 지역은 에이전트 AI 시장을 선도하고 있으며, 다양한 산업 분야에서 이미 광범위한 도입이 이루어졌습니다. 이 지역의 우위는 거대 기술 기업들의 적극적인 혁신과 투자에 의해 더욱 공고해지고 있으며, 이들은 시장의 발전 방향을 주도하고 있습니다. 아시아 태평양 지역은 역내 국가들의 빠른 경제 성장에 힘입어 에이전트 AI 분야에서 가장 역동적인 시장으로 떠오르고 있습니다(자료 4 참조).
각국 정부의 AI 인프라 및 연구 개발에 대한 과감한 투자가 이러한 성장세를 뒷받침하고 있습니다. 또한 이 지역은 풍부한 전문 인력을 바탕으로 산업 전반에 걸쳐 AI 기술의 혁신과 도입을 가속화하고 있습니다.
(자료 4)
Player 에코 시스템
일반적인 플레이어 에코시스템은 사전 훈련된 AI 기반인 기초 모델 개발 회사, AI 에이전트를 생성 및 관리하는 에이전트 구축 회사, AI 배포에 필요한 컴퓨팅 리소스를 제공하는 인프라 제공 회사로 구성됩니다. (참고 5 참조)
기초 모델 개발 회사
기초 모델 빌더는 AI 에이전트의 중추 역할을 하는 기본 아키텍처와 사전 학습된 모델을 생성합니다. 그들은 인간과 유사한 텍스트를 이해하고 생성할 수 있는 대규모 신경망을 개발하고 미세 조정하는 데 중점을 둡니다. 이들의 작업은 AI 에이전트가 강력하고 다재다능한 언어 이해를 갖도록 하는 데 매우 중요합니다.
Agent 구축 회사
AI 에이전트 구축회사는 파운데이션 모델을 활용하여 특화된 애플리케이션과 서비스를 만듭니다. 그들은 고객 서비스, 콘텐츠 생성 및 데이터 분석과 같은 작업을 수행할 수 있는 대화형 에이전트를 설계하고 구현합니다. 그들의 목표는 이러한 에이전트를 특정 산업 또는 사용자 요구에 맞게 조정하여 사용성과 성능을 향상시키는 것입니다.
Infrastructure 제공 회사
Infrastructure 제공 회사는 AI 에이전트를 배포, 확장 및 관리하는 데 필요한 컴퓨팅 리소스와 플랫폼을 제공합니다. 이를 통해 AI 모델에 필요한 처리 능력, 스토리지 및 네트워킹 기능이 갖춰져 있는지 확인합니다. 그들의 서비스에는 클라우드 컴퓨팅, 데이터 센터+ 및 특수 하드웨어가 포함되며, 이는 AI 에이전트의 효율적인 운영에 필수적입니다.
(참조5)
산업 응용 분야
AI Agent는 다양한 산업 분야에서 혁신적인 변화를 이끌고 있습니다(자료 6 참조).
의료 분야에서는 행정 업무를 간소화하고, 환자 분류와 응급 우선순위 지정을 지원하며, 데이터 기반 의사결정을 위한 예측 분석과 권장사항을 제공합니다. 또한 정신건강 상담을 지원하고, 맞춤형 물리치료 프로그램을 통해 재활 효과를 높입니다.
교육 분야에서는 개인별 맞춤 학습을 제공하고, 학생 수준에 맞는 실습 문제를 생성하며, 교사의 수업 계획 수립을 돕습니다. 특히 실시간 일대일 학습 지원을 통해 학생 개개인의 학습 요구사항을 효과적으로 충족시킵니다.
소프트웨어 개발 분야에서는 코드 제안, 버그 탐지 및 수정, 작업 계획 수립, 관련 자료 검색 등을 통해 개발 프로세스의 효율성을 크게 향상시킵니다.
게임 분야에서는 자연어 명령을 이해하고 복잡한 가상 환경에서 미리 정의된 작업을 수행하여 플레이어와의 상호작용과 자율성을 강화합니다.
이러한 발전은 각 분야에서 효율성 향상, 개인화된 경험 제공, 혁신적인 솔루션 창출이라는 성과를 보여주고 있습니다.
(자료6. 산업분야별 AI Agent 활용)
AI에 대한 일반인의 인식
AI 에이전트의 성공적인 활용은 대중의 AI에 대한 인식과 이해도에 크게 좌우됩니다. 이에 따라 다양한 지역과 연령층에서 AI에 대한 대중의 인식을 분석하는 것이 필수적입니다. 28개국을 대상으로 진행된 입소스 설문조사는 AI에 대한 전 세계적 인식을 파악할 수 있는 중요한 통찰을 제공합니다.
국가별 인식
아래 데이터는 경제 발전에 기반한 뚜렷한 추세를 보여주며, 부유한 국가에서는 AI 제품 및 서비스에 대해 더 회의적인 태도를 보이는 경우가 많습니다. 프랑스, 미국, 독일과 같은 국가는 AI의 이점에 대해 보통에서 높은 수준의 수용도를 보였으며, 이는 1인당 GDP 수치가 더 높은 것과 상관관계가 있습니다. 반대로, 중국과 인도와 같은 개발도상국은 AI를 일상 생활을 단순화하고 미래에 미칠 엄청난 영향을 예측하는 도구로 간주하면서 AI에 대한 강한 열정을 보이고 있습니다. (별첨 7 참조)
(별첨7. 인공지능의 영향에 대한 국가별 인식)
개발도산국: 높은 인식과 낙관주의
개발도상국에서는 AI 애플리케이션에 대한 높은 수준의 인식과 낙관론이 있습니다. 인도네시아(78%), 태국(74%), 터키(69%), 한국(66%)과 같은 국가에서는 AI를 사용하는 제품과 서비스를 알고 있는 인구의 비율이 눈에 띄었습니다. 2021년 10월 기준 44개국이 자체 국가 AI 전략 계획을 수립한 것으로 보고되어 글로벌 AI 경쟁에서 앞서 나가겠다는 의지를 보여주었습니다. 중국과 인도와 같은 신흥 경제국은 개발도상국에서 국가 AI 계획을 수립하는 데 앞장서고 있습니다. 이들 국가는 AI를 경제를 재편하고 교육, 의료 및 법률 서비스와 같은 부문의 중요한 격차를 해소할 수 있는 변혁의 힘으로 보고 있습니다.
선진국: 인식은 미미하지만 AI 개발은 선도
반면, 선진국은 AI 애플리케이션에 대한 인식 수준이 중간 정도입니다. 예를 들어, 미국(37%), 캐나다(38%), 일본(52%), 독일(42%)과 같은 국가는 많은 개발도상국에 비해 비율이 낮습니다. 그럼에도 불구하고 선진국은 AI 혁명에서 급속한 진전을 이루는 데 있어 불가피한 우위를 점하고 있습니다. 경제적 능력이 더 커진 이 부유한 국가들은 당연히 현대 AI 모델을 만드는 데 필요한 연구 개발에 대규모 투자를 할 수 있는 가장 좋은 위치에 있습니다.
세대를 아우르는 의견
AI에 대한 인식과 이해는 기술 노출, 사회적 규범, 혁신에 대한 개인의 태도와 같은 요인으로 인해 세대에 따라 크게 다릅니다. (참고8)
(참고8. AI에 대한 세대별 인식과 이해)
Z세대는 AI에 대한 이해도가 가장 높으며, 72%가 AI에 친숙하다고 응답했습니다. 이들은 기술과 함께 성장한 세대로, 새로운 발전에 빠르게 적응하는 특징을 보입니다. 또한 Z세대의 59%가 AI 기반 제품과 서비스에 대해 알고 있으며, 이는 이들의 일상 속에서 현대 기술이 활발히 활용되고 있음을 보여줍니다.
Y세대 역시 AI에 대한 높은 이해도를 보이며, 69%가 AI에 익숙하다고 답했습니다. 또한 57%는 AI 애플리케이션에 대해 알고 있어, AI 기술에 대한 높은 인식과 적극적인 활용을 반영하고 있습니다.
X세대는 AI에 대한 이해도가 비교적 높은 편으로, 67%가 AI에 친숙하다고 응답했습니다. 그러나 AI 제품 및 서비스에 대한 인지도는 48%로, 젊은 세대에 비해 새로운 기술 활용도가 다소 낮은 모습을 보였습니다. X세대는 전통적인 업무 방식과 최신 기술의 균형을 유지하며, 직장에서 세대 간 중재자 역할을 수행하는 경향이 있습니다.
베이비붐 세대는 AI에 대한 이해도가 가장 낮은 편으로, 59%가 AI에 대해 익숙하지 않다고 답했습니다. AI 애플리케이션에 대한 인지도도 36%에 그쳐, 젊은 세대와의 기술 활용도 격차가 두드러집니다. 이러한 차이는 AI에 대한 낮은 노출도와 전통적인 방식에 대한 익숙함에서 기인할 가능성이 큽니다.
열린 기회와 도전
인간과 AI 협업
최근 생성형 인공 지능(Gen AI) 에이전트의 인지 기능이 발전함에 따라 단순한 도구로서의 전통적인 역할을 넘어설 수 있게 되었습니다. 이제 이러한 AI 에이전트는 협업 팀 구성원으로 기능하며 인간과 함께 작업하여 이미지 생성, 코드 작성, 블로그 개발과 같은 복잡한 작업을 수행합니다. 이는 AI를 창의적이고 기술적인 프로세스에 통합하는 데 있어 중요한 변화를 의미하며, 생산성을 높이고 혁신적인 협업을 촉진합니다. (참고9)
(참고9. 인간-AI 협업 연구 과제와 질문)
Social AI
Social AI 에이전트는 인간과 유사한 사회적 상호 작용을 이해하고, 해석하고, 참여하도록 설계된 고급 인공 지능 시스템입니다. 이러한 에이전트는 기계 학습, 자연어 처리 및 사회적 신호 처리의 조합을 활용하여 인간의 사회적 행동과 의사 소통 패턴을 모방합니다. 소셜 AI 에이전트는 목소리 톤, 얼굴 표정, 신체 언어, 상황에 맞는 언어 사용과 같은 미묘한 사회적 신호를 인식하고 생성함으로써 인간과 보다 자연스럽고 효과적인 상호 작용을 만드는 것을 목표로 합니다.
Social AI 에이전트의 중요성은 인간과 컴퓨터의 상호작용을 강화하여 다양한 분야에 혁명을 일으킬 수 있는 잠재력에 있습니다. 고객 서비스에서 보다 공감적이고 개인화된 응답을 제공하여 고객 만족도와 효율성을 향상시킬 수 있습니다. 의료 분야에서 소셜 AI 에이전트는 환자, 특히 노인이나 정신 건강 문제가 있는 환자에게 교제와 지원을 제공할 수 있습니다. 교육 분야에서는 학습 경험을 개인의 필요에 맞게 조정하여 즉각적인 피드백과 격려를 제공할 수 있습니다. 또한 협업 작업 환경에서 소셜 AI 에이전트는 팀 구성원 간의 더 나은 의사 소통과 조정을 촉진할 수 있습니다. 소셜 AI 에이전트는 상호 작용을 보다 직관적이고 인간과 유사하게 만듦으로써 광범위한 애플리케이션에서 기술에 대한 접근성과 이점을 높일 수 있습니다.
Social AI 연구는 최근 몇 년 동안 가속화되었으며, 이로 인해 연구 커뮤니티에 더 많은 도전 과제와 관련 질문이 생겨났습니다.(참고10)
(참고10)
결론
AI Agent는 다양한 산업의 기본 도구로 부상하고 있으며 혁신과 빠른 채택으로 특징지어지는 상당한 생산성 향상을 주도하고 있습니다.
LLM으로 구동되는 AI Agent는 다양한 정보 소스에서 학습하고 컨텍스트와 사용자 선호도에 따라 응답을 조정할 수 있습니다. 목표를 갖고, 더 작고 일관된 작업으로 목표를 분해하고, 자기 성찰 및 수정을 하는 이러한 능력은 AI 에이전트가 복잡한 작업을 처리할 수 있도록 합니다 AI Agent는 이미 고객 상호 작용, 콘텐츠 제작 및 의사 결정 프로세스에서도 전례 없는 정확성과 효율성으로 잘 수행하고 있습니다.
LLM 기반 AI 에이전트는 인간 기계 상호 작용을 보다 간소화하고 우아하게 만들어 직관적이고 반응성이 뛰어난 AI 기반 경험을 발전시킬 수 있는 기회를 창출할 것을 약속합니다. 연구가 언어 이해 및 생성의 경계를 계속 넓혀 감에 따라 LLM 기반 AI 에이전트는 디지털 비서, 가상 동반자 및 자동화된 의사 결정 시스템을 통해 미래의 직업을 형성하는 데 점점 더 중심적인 역할을 할 것입니다.
AI Agent는 상당한 이점에도 불구하고 신중한 고려가 필요한 몇 가지 장애물에 직면해 있습니다. 데이터 개인 정보 보호, 알고리즘 투명성 및 윤리적 영향에 대한 우려에 의해 형성된 대중의 인식은 채택율과 규제 프레임워크에 영향을 미칩니다. 투명한 설계, 엄격한 테스트 및 윤리 지침을 통해 이러한 문제를 해결하는 것은 신뢰를 구축하고 AI 에이전트의 사회적 이점을 극대화하는 데 매우 중요합니다. 또한 편향 완화, 지속적인 학습 기능 및 플랫폼 간 상호 운용성과 같은 기술적 과제는 연구 개발의 중요한 영역으로 남아 있습니다. 연구자, 업계 리더 및 정책 입안자 간의 협력 노력은 이러한 과제를 극복하고 AI Agent가 글로벌 기술 발전에 긍정적으로 기여할 수 있도록 하는 데 필수적입니다.
앞으로 AI Agent의 미래는 지속적인 진화와 일상 생활로의 통합을 약속하며, 인간과 기계의 상호 작용을 재구성하는 동시에 부문 전반에 걸쳐 효율성을 높일 것입니다. AI 기술의 발전이 가속화됨에 따라 이해 관계자는 윤리적이고 공평하며 사회에 지속 가능한 방식으로 AI 에이전트의 잠재력을 최대한 활용하기 위해 책임 있는 배포와 사전 예방적 규제를 촉진하는 데 경계를 늦추지 않아야 합니다.
문의하기
피움AI의 AI 전환 서비스에 대해 더 자세히 알아보시려면 아래 연락처로 문의해 주세요.
•
이메일: contact@pium-ai.com
•
주소: 서울특별시 강남구 압구정로2길 46, 214호 98 피움에이아이(주)
“고객사의 AI 도입과 혁신 지원, 피움AI”