조직 내 인공지능(AI)의 활용이 확산됨에 따라, 인적자원관리(HRM) 분야에서도 AI 기반 시스템의 도 입이 활발히 이루어지고 있다. 본 연구는 HRM에서 AI를 직접적으로 활용하는 주체인 HR 부서 직원을 대상으로, 인공지능 인적자원관리(AI-HRM)가 직원의 직무성과에 미치는 영향을 살펴보고자 한다. 구체 적으로 AI-HRM이 두 가지의 시스템 효율성 형태인 업무 효율성과 의사결정 효율성에 대한 직원의 인식 을 강화시키며 이는 결과적으로 직무성과를 증가시킬 것으로 예측하였다. 더 나아가 업무 효율성과 의사 결정 효율성 각각이 개인의 직무성과에 미치는 영향은 HR 부서 직원의 민첩성 수준에 따라 차등적 영향 을 미칠 수 있을 것으로 보고 직원 민첩성의 조절효과를 추가적으로 검토하고자 하였다. 이를 실증적으로 검증하기 위하여 국내 HRM 분야에서 AI를 활용하고 있는 기업에 종사하는 HR 부서 직원 173명을 대상 으로 설문조사를 진행하였다. 데이터 분석 결과, AI-HRM은 HR 부서 직원의 직무성과에 긍정적 영향을 미치는 것으로 나타났으며, AI-HRM과 직원의 직무성과 간의 관계는 직원들이 인식하는 시스템 효율성 (업무 효율성 및 의사결정 효율성)에 의해 매개되는 것으로 나타났다. 다시 말해, AI-HRM은 업무 효율성 및 의사결정 효율성을 높이며 이는 결과적으로 직원의 직무성과를 향상시킬 수 있다는 것이다. 또한, 직원 이 AI 기반 HRM 시스템을 효율적으로 인식할수록 개인의 직무성과가 향상되며, 이러한 긍정적 영향은 개인의 민첩성 수준이 높을수록 더 강화되는 것으로 나타났다. 이러한 본 연구결과를 통해 국내 HRM 시스템에서의 AI 도입 및 활용의 중요성과 개인의 민첩성 역량 강화를 강조하고자 한다.

In the production sites of small and medium sized manufacturing enterprises, the increasing proportion of foreign workers has led to frequent difficulties in responding promptly to process defects and equipment setting errors during night and weekend shifts due to the absence of Korean supervisors. If such issues are not addressed in a timely manner, they can lead to large scale defects and reduced production efficiency. In this study, we developed an AI-based defect prediction and prevention system for the bearing machining process to overcome these on site management limitations. Real time machining data, equipment information, and quality inspection results were collected from the production lines of the target company, and the prediction accuracy of three models, RNN(Recurrent Neural Network), LSTM(Long Short-Term Memory), and GRU(Gated Recurrent Unit), was compared. As a result, the LSTM model demonstrated the best performance. The developed system visualizes real time defect prediction results in the form of a dashboard, enabling workers to immediately detect anomalies and adjust the process accordingly. Particularly in bearing machining processes where mass production occurs in short periods, the risk of lot level defects is high, while this system can contribute to improved production quality and efficiency by enabling early defect prediction and immediate response.

본 연구는 케이트 크로포드와 블라단 욜러의 협업 프로젝트인 <AI 시스템의 해부>를 중심으로 인간, 사회, 지구를 관통하는 인공지능 시스템의 작동에 대한 그들의 비판적 담론을 읽어내는 데에 목적이 있다. <AI 시스템의 해부>는 인공지능 음성인식 스피커인 아마존 에코를 사례로 삼아 인공지능 기술세계의 물질적, 사회적 조건을 가시화한 ‘데이터 시각화’로서, 인공지능 시스템의 이면에 감추어진 노동, 데이터, 자원의 무자비한 추출 구조를 드러낸 해부학적 지도이다. 크로포드와 욜러는 인공지능 기술이 작동하는 기술세계의 지형을 탐구하고 시각화하 기 위해 ‘비판적 지도제작’을 중요한 인식적, 실천적 방법으로 사용해 왔다. 이에 본고는 <AI 시스템의 해부>에 대한 ‘지도 읽기’를 수행하되, 철학자 레비 브라이언트가 ‘존재지도학’에서 제시하는 지형학의 네 가지 요소를 범주로 삼아 거대 기술세계 지형도의 구조와 의미를 분석하였 다. 이를 통해 본고는 크로포트와 욜러의 지형도가 인공지능 기술세계의 광범위한 추출주의를 비판적으로 가시화하고 있음을 강조하였다.

재가노인 중에서 일상생활을 정상적으로 유지하려 함에 있어 제3자의 도 움을 필요로 하는 장기요양 인정자의 비중도 증가하고 있다. 돌봄을 필요로 하는 노인의 수는 지속적으로 증가할 것으로 예측되는 반면, 돌봄 제공자인 장기요양 인력의 수는 감소하는 경향이 나타나 향후 인력 부족이 예측되고 있다. 이러한 돌봄 수요와 공급 불균형 대응방안의 일환으로 디지털 돌봄 체 계에 대한 중요성이 부각되고 있으며, 노인의 돌봄권 보장과 노인을 돌보는 가족, 돌봄 제공자(요양보호사 등)의 돌봄 부담 완화 및 삶의 질 제고를 위한 그 역할이 더욱 중요해질 것으로 예상된다. 나아가 재가 노인돌봄 영역에 디 지털 기술을 어떠한 방식으로 활용해야 할 것인지에 대한 면밀한 검토가 필 요한 시점이라 할 수 있다. 이에 본 연구는 AI기술을 활용한 선행연구들을 통하여 노인돌봄 서비스의 범주가 어느 정도까지 연구되어 있는지 살펴보고 현장에서 접근할 수 있는 실질적 개선방안을 도출하고자 한다.

In response to the global transition towards carbon neutrality, there's an increasing emphasis on sustainable energy solutions, with offshore wind power playing a crucial role, especially in South Korea. This study presents an AI-based safety management system specifically designed for offshore wind operators. At the heart of this system is a machine learning algorithm that processes sensor data to automatically recognize human behavior and improve the accuracy of predicting worker actions and conditions. Such predictive analytics not only refines the analysis of behavioral patterns, but also increases the effectiveness of accident prevention. The results of this research are expected to significantly improve safety measures in offshore wind facilities and further sustainable energy initiatives.

Artificial intelligence (AI) has been applied to most industries by enhancing automation and contributing greatly to efficient processes and high-quality production. This research analyzes the applications of AI-based automobile accident prevention systems. It deals with AI-based collision prevention systems that learn information from various sensors attached to cars and AI-based accident detection systems that automatically report accidents to the control center in the event of a collision. Based on the literature review, technological and institutional changes are taking place at the national levels, which recognize the effectiveness of the systems. In addition, start-ups at home and abroad as well as major car manufacturers are in the process of commercializing auto parts equipped with AI-based collision prevention technology.