🔗 원문 전체 보기 → Venturesquare.net
요약
포티투마루가 장동인 KAIST 김재철AI대학원 책임교수를 초청해 기업의 AX 전략과 바이브코딩 시대 개발자의 역할 변화를 주제로 사내 특강을 진행했다. 장 교수는 AI 활용을 업무 자동화에서 예측과 시뮬레이션, 비즈니스 최적화로 발전시키려면 현업 중심의 문제정의와 도메인 전문성이 필요하다고 강조했다. AI가 코드 생성을 담당하는 범위가 커질수록 고객 요구를 이해하고 결과를 검증하는 역량이 개발자의 핵심 경쟁력이 된다는 설명이다.
본문
- 모델 성능 경쟁에서 업무 솔루션·표준 경쟁으로…‘돈 되는 AI’의 출발점은 문제정의
- 자동화 넘어 예측·시뮬레이션·최적화로 AX 확장…도메인 지식과 결과 검증 역량 강조
AI가 코드를 생성하는 범위가 커지면서 개발자의 역할도 달라지고 있다. 코드를 빠르게 만드는 능력보다 해결해야 할 문제를 정확히 정의하고 AI가 만든 결과를 검증하는 역량이 중요해지는 흐름이다. 기업의 AI 전환 역시 반복 업무를 줄이는 자동화 단계에서 데이터를 활용한 예측과 시뮬레이션, 비즈니스 최적화로 이동하고 있다. 포티투마루는 장동인 KAIST 교수를 초청해 이 같은 변화가 기업의 AX 전략과 소프트웨어 엔지니어의 업무에 미치는 영향을 공유했다.
에이전틱 AI 스타트업 포티투마루(42Maru)는 28일 서울 서초구 본사 사내 소통 공간 ‘Cafè42’에서 장동인 KAIST 김재철AI대학원 책임교수를 초청해 ‘기업의 AX와 개발자의 미래’를 주제로 임직원 특강을 열었다.
이번 특강은 매월 전 임직원이 사업 현황과 성과를 공유하는 포티투마루 먼슬리 미팅에 이어 진행됐다. 기술과 제품을 개발하는 구성원이 글로벌 AI 산업의 변화를 이해하고 고객의 업무와 사업 성과를 중심으로 AX를 설계하는 역량을 갖추도록 마련했다.
장 교수는 오라클과 딜로이트, SAS코리아, 한국테라데이타 등 글로벌 기술·컨설팅 기업을 거쳐 AI와 데이터 전략 분야에서 활동해왔다. 현재 KAIST 김재철AI대학원에서 기업의 AI 전략을 담당할 최고인공지능책임자(CAIO) 양성 과정을 이끌고 있다.
이날 장 교수는 엔비디아와 앤트로픽 등 글로벌 AI 기업의 전략과 기술 생태계 변화를 바탕으로 기업의 AX 방향을 설명했다. 글로벌 AI 산업의 경쟁축이 모델의 매개변수와 성능을 비교하는 단계에서 실제 업무를 바꾸는 솔루션과 플랫폼, 기술 표준을 선점하는 방향으로 이동하고 있다고 진단했다.
기업이 투자 대비 성과를 만드는 ‘돈 되는 AI’를 구축하려면 기술을 도입하기 전에 적용할 업무와 해결할 문제를 구체화해야 한다고 강조했다. 범위가 넓고 추상적인 혁신 과제를 제시하기보다 현재 업무에서 반복되는 판단과 병목, 비용이 발생하는 지점을 좁혀 AI가 수행할 과업으로 정의해야 한다는 의미다.
AI 적용 과정에서 현업 담당자의 역할도 중요하게 다뤘다. 업무 흐름과 고객 요구, 예외 상황을 가장 잘 아는 현업이 AI 과제를 정의하고 개발자·데이터 전문가와 협업해야 실제 사용 가능한 결과를 만들 수 있다는 설명이다. 기술 조직이 모델과 시스템을 구축하더라도 현업의 업무 지식이 반영되지 않으면 파일럿 이후 사용이 중단되거나 성과 측정이 어려워질 수 있다.
장 교수는 기업의 AI 활용 단계를 업무 자동화와 예측, 시뮬레이션, 비즈니스 최적화로 구분했다. 자동화가 정해진 절차를 빠르게 수행하는 데 초점을 맞춘다면 예측은 데이터를 기반으로 수요와 위험, 고객 행동을 전망하는 단계다. 시뮬레이션은 여러 조건에 따른 결과를 사전에 비교하고, 최적화는 예측과 시뮬레이션 결과를 실제 의사결정과 자원 배분에 연결한다.
기업이 전사적인 AI 네이티브 조직으로 전환하려면 개별 업무의 생산성 향상과 함께 의사결정 구조도 재설계해야 한다. 어느 업무를 AI에 맡기고 사람이 어디에서 검토·승인할지, 결과의 정확성과 사업 성과를 어떤 지표로 평가할지까지 운영 기준에 포함해야 한다.
바이브코딩 시대, 생성은 쉬워지고 검증이 경쟁력
AI가 자연어 지시를 바탕으로 코드를 작성하는 바이브코딩이 확산되면서 소프트웨어 엔지니어의 경쟁력도 코딩 속도에서 문제 이해와 결과 검증으로 이동한다. 정형화된 코드와 기능은 AI가 빠르게 생성할 수 있지만, 무엇을 개발해야 하는지와 생성된 결과가 고객 요구와 시스템 조건을 충족하는지는 사람이 판단해야 한다.
장 교수는 관련 실사용 분석을 언급하며 AI 활용의 성패를 가르는 요인으로 도메인 전문성을 제시했다. 코딩 도구를 능숙하게 사용하는 것만으로는 산업별 규제와 업무 절차, 데이터 특성, 고객이 실제로 겪는 문제를 코드와 서비스에 반영하기 어렵다는 진단이다.
그는 “사람이 ‘무엇을’ 정하고 AI가 ‘어떻게’를 맡는 분업 구조에서 생성은 흔해지고 검증하는 능력이 귀해진다”며 “모델이 바뀌어도 살아남는 좋은 질문은 프롬프트 기술이 아니라 업(業)에 대한 질문이며, 고객의 요구를 깊이 이해하고 결과를 검증하는 역량이 개발자에게 남는 경쟁력”이라고 말했다.
이 같은 변화는 개발자의 업무가 줄어든다는 의미보다 담당 범위가 코드 작성에서 문제정의와 설계, 품질검증, 고객 업무 이해로 확장된다는 뜻에 가깝다. 개발자는 AI가 생성한 코드의 보안과 성능, 예외 처리, 시스템 연계 가능성을 검토하고 현업과 함께 결과가 실제 문제를 해결하는지 확인해야 한다.
포티투마루는 이번 특강을 전사 AI 네이티브 역량을 강화하는 내부 학습 프로그램으로 연결한다. 먼슬리 미팅과 외부 전문가 특강을 통해 기술·사업·운영 조직이 AI 산업의 변화를 공유하고 고객사의 AX 과제를 함께 논의할 계획이다.
특강이 열린 Cafè42는 임직원 회의와 교류, 전문가 강연, 미디어 밋업 등에 활용되는 포티투마루의 사내 소통 공간이다. 포티투마루는 제품과 기술 개발 결과를 공유하는 내부 프로그램과 외부 전문가와의 토론을 결합해 구성원의 산업·도메인 이해를 높이고 있다.
포티투마루는 검색증강생성 기술 ‘RAG42’와 인공지능 독해 기술 ‘MRC42’, 도메인 특화 경량언어모델 ‘LLM42’를 기반으로 기업과 공공기관의 AX를 지원한다. RAG와 MRC를 결합해 생성형 AI가 근거 없이 답변하는 환각 위험을 낮추고, 고객 데이터와 업무 환경에 맞춘 프라이빗 AI 구축을 제공한다. 다만 RAG와 도메인 특화 모델도 오류 가능성을 완전히 제거하지는 못하므로 검색 근거와 생성 결과를 검증하는 운영체계가 함께 필요하다.
김동환 포티투마루 대표는 “에이전틱 AI 시대를 선도하기 위해서는 기술의 진화 속도에 기민하게 발맞추는 것을 넘어 고객의 비즈니스 본질을 꿰뚫고 최적화된 해법을 제시할 수 있는 도메인 통찰력이 필수적”이라며 “포티투마루 구성원들이 기술 구현자를 넘어 고객사의 실질적인 AX 성공을 이끄는 ‘AI 비즈니스 파트너’로서 역량과 마인드셋을 다지는 계기가 됐다”고 말했다.
Like this:
Like Loading...Related
As AI Codes, 'Verifying Developers' Remain… FortyTwoMaru, Special Lecture by KAIST Professor Jang Dong-in
As the scope of AI code generation expands, the role of developers is also changing. The trend is shifting from the ability to write code quickly to the capability to accurately define problems and verify the results generated by AI. Corporate AI transformation is also moving from the automation stage of reducing repetitive tasks to prediction, simulation, and business optimization utilizing data. FortyTwoMaru invited Professor Dong-In Jang of KAIST to share the impact of these changes on corporate AX strategies and the work of software engineers.
Agentic AI startup 42Maru invited Professor Dong-in Jang, Head of the KAIST Jaechul AI Graduate School, to give a special lecture to employees on the topic of "Enterprise AX and the Future of Developers" at "Café42," an in-house communication space at its headquarters in Seocho-gu, Seoul, on the 28th.
This special lecture followed the FortyTwoMaru Monthly Meeting, where all employees share business status and achievements. It was designed to help members developing technology and products understand changes in the global AI industry and acquire the capability to design AX centered on customers' operations and business performance.
Professor Jang has been active in the fields of AI and data strategy, having worked at global technology and consulting firms such as Oracle, Deloitte, SAS Korea, and Teradata Korea. He is currently leading a training program for Chief Artificial Intelligence Officers (CAIOs) responsible for corporate AI strategy at the Jaechul Kim AI Graduate School at KAIST.
On this day, Professor Jang explained the direction of AX for companies based on the strategies of global AI firms such as NVIDIA and Antropic and changes in the technology ecosystem. He assessed that the competitive axis of the global AI industry is shifting from comparing model parameters and performance to preempting solutions, platforms, and technology standards that transform actual business processes.
It was emphasized that for companies to build "profitable AI" that generates return on investment, they must specify the tasks to be applied and the problems to be solved before adopting the technology. This means that rather than presenting broad and abstract innovation tasks, companies should narrow down the repetitive judgments, bottlenecks, and cost-incurring points in current operations to define the tasks that AI will perform.
The role of business personnel in the AI implementation process was also emphasized. The explanation is that business personnel, who best understand workflows, customer requirements, and exceptions, must define AI tasks and collaborate with developers and data experts to produce actually usable results. Even if the technology organization builds models and systems, if the business knowledge of the operational units is not reflected, usage may be discontinued after the pilot or performance measurement may become difficult.
Professor Jang categorized the stages of AI utilization by companies into task automation, forecasting, simulation, and business optimization. While automation focuses on rapidly executing established procedures, forecasting is the stage of predicting demand, risks, and customer behavior based on data. Simulation compares results under various conditions in advance, and optimization links the results of forecasting and simulation to actual decision-making and resource allocation.
To transition into an enterprise-wide AI-native organization, companies must redesign their decision-making structures alongside improving the productivity of individual tasks. Operational standards must encompass everything from which tasks are delegated to AI and where humans perform review and approval, to the metrics used to evaluate the accuracy of results and business performance.
In the era of VIVE Coding, creation becomes easier and verification becomes the competitive edge.
As Vibecoding—where AI writes code based on natural language instructions—becomes more widespread, the competitiveness of software engineers is shifting from coding speed to problem understanding and result verification. While AI can rapidly generate standardized code and functions, humans must judge what needs to be developed and whether the generated results meet customer requirements and system conditions.
Referring to relevant real-world usage analysis, Professor Jang identified domain expertise as a determining factor in the success or failure of AI utilization. His diagnosis is that merely being proficient in using coding tools makes it difficult to incorporate industry-specific regulations, business procedures, data characteristics, and the actual problems customers face into code and services.
He stated, “In a division of labor structure where humans determine ‘what’ and AI handles ‘how,’ generation becomes commonplace while the ability to verify becomes precious.” He added, “Good questions that survive even as models change are not prompting techniques but questions about the business itself; the capability to deeply understand customer needs and verify results is the competitive edge that remains for developers.”
This change signifies that developers' workloads are expanding beyond code writing to include problem definition, design, quality verification, and understanding customer business processes, rather than simply reducing their tasks. Developers must review the security, performance, exception handling, and system integration capabilities of AI-generated code and collaborate with business partners to verify that the results solve actual problems.
FortyTwoMaru is connecting this special lecture to an internal learning program that strengthens company-wide AI native capabilities. Through monthly meetings and special lectures by external experts, the technology, business, and operations organizations plan to share changes in the AI industry and discuss clients' AX challenges together.
Café 42, where the special lecture was held, is FortyTwoMaru's internal communication space used for employee meetings and exchanges, expert lectures, and media meetups. FortyTwoMaru is enhancing its members' understanding of the industry and domain by combining internal programs that share product and technology development results with discussions with external experts.
FortyTwoMaru supports AX for enterprises and public institutions based on its search augmentative generation technology 'RAG42', AI reading comprehension technology 'MRC42', and domain-specific lightweight language model 'LLM42'. By combining RAG and MRC, it reduces the risk of illusions where generative AI provides answers without evidence and offers the implementation of private AI tailored to customer data and work environments. However, since RAG and domain-specific models cannot completely eliminate the possibility of errors, an operating system that verifies search rationale and generated results is also required.
Kim Dong-hwan, CEO of FortyTwoMaru, said, “To lead the era of Agentic AI, domain insight is essential to go beyond merely keeping pace with the speed of technological evolution and to penetrate the essence of a client’s business to present optimized solutions.” He added, “This served as an opportunity for FortyTwoMaru members to solidify their capabilities and mindset as ‘AI business partners’ who lead the client’s actual AX success, moving beyond simply being technology implementers.”
AIがコーディングするほど「検証する開発者」が残る…ポティトゥマル、チャンドンインKAIST教授特講
AIがコードを生成する範囲が大きくなり、開発者の役割も変わっている。コードを迅速に作る能力よりも解決すべき問題を正確に定義し、AIが作った結果を検証する能力が重要になる流れだ。企業のAI転換も繰り返し業務を減らす自動化段階でデータを活用した予測とシミュレーション、ビジネス最適化に移行している。フォーティトゥマルはチャンドンのKAIST教授を招待し、このような変化が企業のAX戦略とソフトウェアエンジニアの業務に及ぼす影響を共有した。
エージェンティックAIスタートアップフォーティ・トゥマル(42Maru)は28日、ソウル瑞草区本社社内コミュニケーション空間「Cafè42」でチャン・ドンインKAISTキム・ジェチョルAI大学院責任教授を招待し、「企業のAXと開発者の未来」をテーマに役職員特講を開いた。
今回の特講は、毎月前役職員が事業現況と成果を共有するフォーティトゥーマルマンスリーミーティングに続き進行された。技術と製品を開発するメンバーは、グローバルAI産業の変化を理解し、顧客の業務と事業成果を中心にAXを設計する能力を備えている。
チャン教授はオラクルとデロイト、SASコリア、韓国テラデータなどグローバル技術・コンサルティング企業を経てAIとデータ戦略分野で活動してきた。現在、KAISTキム・ジェチョルAI大学院で企業のAI戦略を担当する最高人工知能責任者(CAIO)養成過程をリードしている。
この日、張教授はNVIDIAやアントロピックなどグローバルAI企業の戦略と技術生態系の変化をもとに企業のAX方向を説明した。グローバルAI産業の競争軸がモデルのパラメータと性能を比較する段階で、実際の業務を変えるソリューションとプラットフォーム、技術標準を先取りする方向に移動していると診断した。
企業が投資対比成果を作る「お金になるAI」を構築するには、技術を導入する前に適用する業務と解決する問題を具体化しなければならないと強調した。範囲が広く、抽象的な革新課題を提示するよりも、現在の業務で繰り返される判断とボトルネック、コストが発生する点を絞り込み、AIが遂行する課題として定義しなければならないという意味だ。
AI適用過程で、現業担当者の役割も重要に取り上げた。業務フローと顧客ニーズ、例外状況を最もよく知る現業がAI課題を定義し、開発者・データ専門家とコラボレーションしなければ実際に利用可能な結果を作ることができるという説明だ。技術組織がモデルとシステムを構築しても、現業の業務知識が反映されないと、パイロット以降の使用が中断されたり、業績測定が困難になることがある。
チャン教授は企業のAI活用段階を業務自動化と予測、シミュレーション、ビジネス最適化に分けた。自動化が定められた手順を素早く実行することに焦点を当てるならば、予測はデータに基づいて需要とリスク、顧客行動を見通す段階だ。シミュレーションはさまざまな条件による結果を事前に比較し、最適化は予測とシミュレーション結果を実際の意思決定とリソース配分にリンクします。
企業が全社的なAIネイティブ組織に転換するには、個別業務の生産性向上とともに意思決定構造も再設計しなければならない。どの業務をAIに任せ、人がどこで検討・承認するか、結果の正確性と事業成果をどのような指標で評価するかまで運営基準に含めなければならない。
バイブコーディング時代、生成が容易になり検証が競争力
AIが自然言語指示に基づいてコードを作成するバイブコーディングが広がり、ソフトウェアエンジニアの競争力もコーディング速度から問題理解と結果検証に移行する。整形化されたコードと機能はAIがすばやく生成することができますが、何を開発するのか、生成された結果が顧客のニーズとシステム条件を満たしているのかを判断する必要があります。
チャン教授は関連実用分析に言及し、AI活用の成否を分ける要因としてドメイン専門性を提示した。コーディングツールをうまく使用するだけでは、産業別の規制や業務手順、データ特性、顧客が実際に経験する問題をコードやサービスに反映しにくいという診断だ。
彼は「人が「何を」定め、AIが「どのように」を引き受ける分業構造で生成は一般的で検証する能力が帰る」とし「モデルが変わっても生き残る良い質問はプロンプト技術ではなく、アップに対する質問であり、顧客のニーズを深く理解し、結果を検証する能力が開発者に残した。
このような変化は、開発者の業務が減るという意味より、担当範囲がコード作成で問題定義と設計、品質検証、顧客業務理解に拡張されるという意味に近い。開発者は、AIが生成したコードのセキュリティとパフォーマンス、例外処理、システムの連携の可能性を確認し、現業とともに結果が実際の問題を解決していることを確認する必要があります。
フォーティトゥマルは今回の特講を戦士AIネイティブ能力を強化する内部学習プログラムにつなげる。マンスリーミーティングと外部専門家特講を通じて技術・事業・運営組織がAI産業の変化を共有し、顧客会社のAX課題を共に議論する計画だ。
特講が開かれたCafè42は、役職員会議と交流、専門家講演、メディアミットアップなどに活用されるフォーティトゥマルの社内コミュニケーション空間だ。ポチトゥマルは製品と技術開発の結果を共有する内部プログラムと外部専門家との議論を組み合わせ、構成員の産業・ドメイン理解を高めている。
フォーティトゥマルは検索拡張生成技術「RAG42」と人工知能読解技術「MRC42」、ドメイン特化軽量言語モデル「LLM42」を基盤に企業と公共機関のAXを支援する。 RAGとMRCを組み合わせて、生成型AIが根拠なく回答する幻覚リスクを下げ、顧客データと業務環境に合わせたプライベートAI構築を提供する。ただし、RAGとドメイン特化モデルもエラーの可能性を完全に排除することはできないため、検索根拠と生成結果を検証するオペレーティングシステムが一緒に必要である。
キム・ドンファンのポチトゥマル代表は「エージェンティックAI時代を先導するためには、技術の進化速度に敏感に発展することを超えて、顧客のビジネス本質を突き抜けて最適化された解決法を提示することができるドメイン洞察力が必須」とし、「ポチトゥマルメンバーが技術実装者を超えて顧客企業の実質」マインドセットを固めるきっかけになった」と話した。
作为人工智能代码，“验证开发者”依然存在……FortyTwoMaru，KAIST教授张东仁的特别讲座
随着人工智能代码生成范围的扩大，开发人员的角色也在发生变化。其发展趋势正从快速编写代码转向准确定义问题并验证人工智能生成的结果。企业人工智能转型也正从减少重复性任务的自动化阶段，转向利用数据进行预测、模拟和业务优化。FortyTwoMaru邀请了韩国科学技术院（KAIST）的张东仁教授，分享这些变化对企业人工智能战略和软件工程师工作的影响。
智能AI初创公司42Maru于28日邀请韩国科学技术院宰哲人工智能研究生院院长张东仁教授在其位于首尔瑞草区总部的内部交流空间“Café42”为员工举办了一场题为“企业AX与开发者的未来”的特别讲座。
本次特别讲座紧随 FortyTwoMaru 月度员工大会之后举行，在月度大会上，全体员工分享了公司业务状况和成果。讲座旨在帮助从事技术和产品开发的员工了解全球人工智能行业的变革，并掌握以客户运营和业务绩效为中心设计人工智能解决方案的能力。
张教授一直活跃于人工智能和数据战略领域，曾就职于甲骨文、德勤、SAS韩国和Teradata韩国等全球科技和咨询公司。目前，他在韩国科学技术院（KAIST）金在哲人工智能研究生院领导一个面向首席人工智能官（CAIO）的培训项目，这些首席人工智能官负责企业人工智能战略。
当天，张教授基于英伟达（NVIDIA）和安特罗普（Antropic）等全球人工智能公司的战略以及技术生态系统的变化，阐述了面向企业的人工智能发展方向。他认为，全球人工智能行业的竞争焦点正在从比较模型参数和性能转向抢占先机，争夺能够变革实际业务流程的解决方案、平台和技术标准。
会议强调，企业要想构建能够带来投资回报的“盈利性人工智能”，必须在采用这项技术之前明确其应用任务和待解决的问题。这意味着，企业不应提出宽泛抽象的创新任务，而应缩小范围，找出当前运营中重复性判断、瓶颈环节和成本高昂之处，以此来定义人工智能将要执行的任务。
报告还强调了业务人员在人工智能实施过程中的作用。这是因为，最了解工作流程、客户需求和异常情况的业务人员必须定义人工智能任务，并与开发人员和数据专家协作，才能产生真正可用的结果。即使技术部门构建了模型和系统，如果运营部门的业务知识没有得到体现，那么试点结束后，这些模型和系统可能会停止使用，或者难以进行性能评估。
张教授将企业应用人工智能的阶段分为任务自动化、预测、模拟和业务优化。自动化侧重于快速执行既定流程；预测阶段则基于数据预测需求、风险和客户行为；模拟阶段预先比较不同条件下的结果；而优化阶段则将预测和模拟结果与实际决策和资源分配联系起来。
要转型为企业级原生人工智能组织，企业必须重新设计决策结构，同时提高各项任务的效率。运营标准必须涵盖所有方面，从哪些任务委派给人工智能、哪些环节需要人工审核和批准，到用于评估结果准确性和业务绩效的指标。
在 VIVE 编码时代，创作变得更加容易，而验证则成为竞争优势。
随着基于自然语言指令编写代码的Vibecoding技术日益普及，软件工程师的竞争焦点正从编码速度转向问题理解和结果验证。虽然人工智能可以快速生成标准化的代码和函数，但人类仍然需要判断哪些功能需要开发，以及生成的结果是否满足客户需求和系统条件。
张教授参考相关的实际应用分析指出，领域专业知识是人工智能应用成败的关键因素。他认为，仅仅熟练掌握编码工具的使用方法，难以将行业特定的法规、业务流程、数据特征以及客户面临的实际问题融入到代码和服务中。
他指出：“在人类决定‘做什么’而人工智能处理‘怎么做’的劳动分工结构中，生成变得司空见惯，而验证能力则变得弥足珍贵。” 他补充道：“即使模型不断变化，那些经得起时间考验的好问题并非启发式技巧，而是关乎业务本身的问题；深入理解客户需求并验证结果的能力，才是开发者始终保持的竞争优势。”
这一变化意味着开发人员的工作量不再仅仅局限于编写代码，而是扩展到问题定义、设计、质量验证以及理解客户业务流程，而不仅仅是减少工作量。开发人员必须审查人工智能生成代码的安全性、性能、异常处理和系统集成能力，并与业务伙伴协作，验证其结果是否能够解决实际问题。
FortyTwoMaru 将此次特别讲座与一项内部学习计划相结合，旨在提升公司整体的 AI 原生能力。通过每月例会和外部专家的特别讲座，技术、业务和运营部门计划共同分享 AI 行业的最新动态，并探讨客户在 AX 方面面临的挑战。
举办此次特别讲座的42号咖啡厅是FortyTwoMaru的内部交流空间，用于员工会议和交流、专家讲座以及媒体见面会。FortyTwoMaru通过结合分享产品和技术研发成果的内部项目以及与外部专家的讨论，来提升其成员对行业和领域的理解。
FortyTwoMaru 基于其搜索增强生成技术“RAG42”、AI 阅读理解技术“MRC42”和领域特定轻量级语言模型“LLM42”，为企业和公共机构提供 AX 支持。通过结合 RAG 和 MRC，它降低了生成式 AI 在没有证据的情况下提供答案的风险，并实现了针对客户数据和工作环境量身定制的私有 AI。然而，由于 RAG 和领域特定模型无法完全消除出错的可能性，因此还需要一个能够验证搜索逻辑和生成结果的操作系统。
FortyTwoMaru首席执行官金东焕表示：“要引领智能体人工智能时代，领域洞察力至关重要，它不仅能帮助我们跟上技术发展的步伐，还能让我们深入了解客户业务的本质，从而提供优化的解决方案。” 他补充道：“这为FortyTwoMaru成员提供了一个机会，让他们能够巩固自身作为‘人工智能业务合作伙伴’的能力和思维模式，引领客户在人工智能领域取得真正的成功，而不仅仅是技术实施者。”
Alors que les codes d'IA persistent, les « développeurs vérificateurs » demeurent… FortyTwoMaru, Conférence spéciale du professeur Jang Dong-in de KAIST
À mesure que le champ d'application de la génération de code par IA s'étend, le rôle des développeurs évolue. On passe de la capacité à coder rapidement à celle de définir précisément les problèmes et de vérifier les résultats générés par l'IA. La transformation de l'IA en entreprise évolue également : de l'automatisation des tâches répétitives à la prédiction, la simulation et l'optimisation des processus métier grâce aux données. FortyTwoMaru a invité le professeur Dong-In Jang de KAIST à partager son analyse de l'impact de ces changements sur les stratégies de gestion des actifs numériques (AX) des entreprises et sur le travail des ingénieurs logiciels.
La startup d'IA 42Maru a invité le professeur Dong-in Jang, directeur de l'école supérieure d'IA KAIST Jaechul, à donner une conférence spéciale aux employés sur le thème « Enterprise AX et l'avenir des développeurs » au « Café42 », un espace de communication interne à son siège social de Seocho-gu, à Séoul, le 28.
Cette conférence spéciale faisait suite à la réunion mensuelle de FortyTwoMaru, où tous les employés partagent leurs actualités et leurs réussites. Elle visait à aider les membres en charge du développement technologique et produit à appréhender les évolutions du secteur mondial de l'IA et à acquérir les compétences nécessaires pour concevoir des solutions d'expérience client centrées sur les opérations et la performance de l'entreprise.
Le professeur Jang est un expert reconnu en intelligence artificielle et en stratégie des données. Il a travaillé pour des entreprises internationales de conseil et de technologies telles qu'Oracle, Deloitte, SAS Korea et Teradata Korea. Il dirige actuellement un programme de formation pour les directeurs de l'intelligence artificielle (CAIO) chargés de la stratégie d'IA en entreprise, au sein de l'école doctorale d'IA Jaechul Kim de KAIST.
Ce jour-là, le professeur Jang a expliqué l'orientation de l'intelligence artificielle pour les entreprises, en s'appuyant sur les stratégies de géants mondiaux de l'IA comme NVIDIA et Antropic, ainsi que sur l'évolution de l'écosystème technologique. Il a estimé que l'axe concurrentiel du secteur mondial de l'IA évolue : il ne s'agit plus de comparer les paramètres et les performances des modèles, mais d'anticiper les solutions, les plateformes et les normes technologiques qui transforment les processus métiers.
Il a été souligné que, pour développer une IA rentable et génératrice de retour sur investissement, les entreprises doivent définir précisément les tâches à accomplir et les problèmes à résoudre avant d'adopter cette technologie. Autrement dit, plutôt que de présenter des objectifs d'innovation vastes et abstraits, elles doivent cibler les décisions répétitives, les points de blocage et les sources de coûts dans leurs opérations actuelles afin de définir les tâches que l'IA réalisera.
Le rôle des équipes métiers dans le processus de mise en œuvre de l'IA a également été souligné. En effet, ces équipes, qui comprennent le mieux les flux de travail, les exigences clients et les exceptions, doivent définir les tâches de l'IA et collaborer avec les développeurs et les experts en données pour produire des résultats réellement exploitables. Même si l'organisation technologique conçoit des modèles et des systèmes, si les connaissances métiers des unités opérationnelles ne sont pas prises en compte, l'utilisation risque d'être abandonnée après la phase pilote ou la mesure des performances peut s'avérer difficile.
Le professeur Jang a classé les étapes d'utilisation de l'IA par les entreprises en quatre catégories : automatisation des tâches, prévision, simulation et optimisation. L'automatisation vise à exécuter rapidement des procédures établies, tandis que la prévision consiste à anticiper la demande, les risques et le comportement des clients à partir des données. La simulation compare les résultats dans différentes conditions, et l'optimisation relie les résultats de la prévision et de la simulation à la prise de décision et à l'allocation des ressources.
Pour devenir une organisation entièrement basée sur l'IA, les entreprises doivent repenser leurs structures décisionnelles et améliorer la productivité des tâches individuelles. Les normes opérationnelles doivent couvrir tous les aspects, depuis la délégation des tâches à l'IA et les étapes de validation humaine jusqu'aux indicateurs de performance permettant d'évaluer la précision des résultats et les résultats de l'entreprise.
À l'ère du codage VIVE, la création devient plus facile et la vérification devient un avantage concurrentiel.
Avec la généralisation du Vibecoding (où l'IA écrit du code à partir d'instructions en langage naturel), la compétitivité des ingénieurs logiciels évolue : de la vitesse de codage, ils privilégient désormais la compréhension des problèmes et la vérification des résultats. Si l'IA peut générer rapidement du code et des fonctions standardisés, l'intervention humaine reste indispensable pour déterminer les besoins de développement et s'assurer que les résultats obtenus répondent aux exigences du client et aux contraintes du système.
S’appuyant sur une analyse concrète de l’utilisation de l’IA, le professeur Jang a identifié l’expertise métier comme un facteur déterminant du succès ou de l’échec de cette utilisation. Selon lui, la simple maîtrise des outils de programmation ne suffit pas à intégrer les réglementations sectorielles, les procédures commerciales, les caractéristiques des données et les problèmes concrets rencontrés par les clients dans le code et les services.
Il a déclaré : « Dans une structure de division du travail où les humains déterminent le « quoi » et l’IA le « comment », la génération devient courante tandis que la capacité de vérification devient précieuse. » Il a ajouté : « Les bonnes questions qui restent pertinentes malgré l’évolution des modèles ne relèvent pas des techniques d’incitation, mais portent sur l’activité elle-même ; la capacité à comprendre en profondeur les besoins des clients et à vérifier les résultats constitue l’avantage concurrentiel dont bénéficient encore les développeurs. »
Ce changement signifie que la charge de travail des développeurs s'étend désormais au-delà de la simple écriture de code pour inclure la définition des problèmes, la conception, la vérification de la qualité et la compréhension des processus métier du client, au lieu de simplement réduire leurs tâches. Les développeurs doivent examiner la sécurité, les performances, la gestion des exceptions et les capacités d'intégration système du code généré par l'IA et collaborer avec les partenaires commerciaux pour vérifier que les résultats répondent aux problèmes concrets.
FortyTwoMaru associe cette conférence spéciale à un programme de formation interne visant à renforcer les compétences natives en IA de l'entreprise. Grâce à des réunions mensuelles et des conférences animées par des experts externes, les équipes techniques, commerciales et opérationnelles partageront les évolutions du secteur de l'IA et discuteront ensemble des enjeux liés à la transformation numérique de leurs clients.
Le Café 42, où s'est tenue la conférence, est l'espace de communication interne de FortyTwoMaru. Il sert aux réunions et échanges entre employés, aux conférences d'experts et aux rencontres avec les médias. FortyTwoMaru enrichit la compréhension du secteur et du domaine par ses membres en combinant des programmes internes de partage des résultats de développement de produits et de technologies avec des discussions avec des experts externes.
FortyTwoMaru prend en charge l'architecture AX pour les entreprises et les institutions publiques grâce à sa technologie de génération de résultats de recherche augmentée « RAG42 », sa technologie de compréhension de lecture par IA « MRC42 » et son modèle de langage léger et spécifique au domaine « LLM42 ». En combinant RAG et MRC, elle réduit le risque d'erreurs liées à l'IA générative fournissant des réponses sans justification et permet la mise en œuvre d'une IA privée adaptée aux données client et aux environnements de travail. Cependant, comme RAG et les modèles spécifiques au domaine ne peuvent éliminer totalement le risque d'erreurs, un système d'exploitation vérifiant la logique de recherche et les résultats générés est également nécessaire.
Kim Dong-hwan, PDG de FortyTwoMaru, a déclaré : « Pour être à la pointe de l’IA agentique, il est essentiel de maîtriser le domaine d’activité de nos clients afin de dépasser le simple fait de suivre le rythme de l’évolution technologique et de saisir l’essence même de leur métier pour leur proposer des solutions optimisées. » Il a ajouté : « Cela a permis aux membres de FortyTwoMaru de consolider leurs compétences et leur vision de véritables partenaires en IA, contribuant directement au succès de l’IA agentique de leurs clients et allant bien au-delà de leur rôle de simples exécutants technologiques. »