인공지능 시대의 비즈니스 전략. by 정도희

1. 1부 도구의 이해
   1. 인공지능이란 무엇인가
      • 명확한 정의가 없는 인공지능
      • 어떻게 받아들여야 하나
      • 인공지능의 구성요소
      • 데이터 드리분 비즈니스
      • 핵심은 머신러닝
   2. 머신러닝이란 무엇인가
      • 머신러닝이 바꾼 컴퓨터 사용법
      • 스스로 학습한다는 의미에 대한 오해
      • 지도 학습으로 예측하기
      • 비지도 학습으로 이해하기
      • 강화 학습으로 원하는 대로 만들기
      • 컨텐츠 생성으로 발전중인 머신러닝
      • 머신러닝 알고리즘과 딥러닝
   3. 도구로서의 인공지능
      • 머신러닝이 하는 데이터 분석
      • 분석을 프로세스 안으로
      • 어디에나 쓸수 있는 예측
      • 예측으로 하는 진정한 개인화
      • 시각 인지력의 활용
      • 콘텐트 생성에 활용
      • 인간의 말로 일하게 하기
      • 미래예측
      • 머신러닝의 활용처
   4. 오해속의 빅데이터
      • 빅데이터는 SNS분석이 아니다. 
      • 불필요하고 해로운 빅데이터
      • 대상이 아닌 수단으로서의 빅데이터
2. 2부 경영의 변화
   1. 왜 변화가 필요한가?
      • 뒤에 숨겨진 과정들
      • 두뇌 한계를 뛰어넘기 위한 도구
      • 결국은 변화 관리
      • 인공지능 시대의 인간의 역할
   2. 경영관리의 변화
      • 충돌하는 이해 관계의 조정
      • 조직구조와 프로세스의 변경
      • 구체적인 계획은 오히려 방해가 된다. 
      • 다른것을 시도할 여유
      • 원활한 협업을 위한 조건
      • 근본적 변화는 하향식으로만 가능하다.
      • GE의 트랜스포메이션 사례
   3. 일하는 방식의 변화
      • 기회는 일상속에 있다. 
      • 이벤트가 아닌 일상으로
      • 기술이 선두에서 이끌어야 한다. 
      • 공부하고 따라해서 역량 키우기
      • 실패, 시행착오, 갈등은 좋은 신호
3. 실질적 실행
   1. 데이터 활용의 단계
      • 데이터는 분석하는 것이 아니라 활용하는 것이다. 
      • 반드시 거쳐야 하는 단계
      • 1단계 데이터 파악 : 구체적으로
      • 2단계 파일럿 프로그램 : 데이터 분석하면 실패
      • 3단계 데이터 수집과 저장 : 원시 데이터를 한곳에
      • 4단계 본격적 데이터 활용 및 신규 비즈니스 개발
   2. 현실적인 이슈
      • 데이터 전문조직의 구성
      • 데이터 활용의 현실
      • IT조직의 일이 아니다. 
      • 데이터 관련 직종
      • 데이터 전문가 채용과 취업
      • 머신러닝 운영의 새로운 문제들
   3. 데이터 분석
      • 데이터 분석이 뒤처진 이유
      • 모호한 데이터 분석
      • 기술적 분석
      • 탐색적 분석
      • 진정한 데이터 활용