{"templateName":"base-page-template54","cssClassNames":"page basicpage summit-page","allowedRenditionsWidth":["320","480","640","768","960","1200","1440","1920"],"description":"인공지능 정의와 작동 방식, AI 유형과 사용 사례를 소개하는 완벽한 가이드입니다. 그리고 기업 거버넌스 및 AI 역사, 엔터프라이즈 AI의 미래도 알아보세요.","language":"ko","title":"인공지능이란? AI 완벽 가이드 | Snowflake","analyticsPageType":"homepage","analyticsCategory":"general","analyticsSubCategory":"","excludeFromAnalytics":false,":mappedPath":"/ko/artificial-intelligence/",":type":"snowflake-site/components/structure/page",":items":{"root":{"columnCount":12,"columnClassNames":{"markup_editor_928258845":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-banner":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-header":"aem-GridColumn aem-GridColumn--default--12","responsivegrid":"aem-GridColumn aem-GridColumn--default--12","markup_editor_597730182":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-footer":"aem-GridColumn aem-GridColumn--default--12","experiencefragment":"aem-GridColumn aem-GridColumn--default--12","modal_container":"aem-GridColumn aem-GridColumn--default--12","markup_editor":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12",":items":{"experiencefragment-banner":{"id":"experiencefragment-a36bbfc82c","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/ko/site/pushdown-banner/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/ko/site/pushdown-banner/master.xfmodel.json?callerPage=/content/snowflake-site/global/ko/artificial-intelligence"},"experiencefragment-header":{"id":"experiencefragment-c9a93a4e97","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/ko/site/mega-nav-header/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/ko/site/mega-nav-header/master.xfmodel.json?callerPage=/content/snowflake-site/global/ko/artificial-intelligence"},"responsivegrid":{"columnCount":12,"columnClassNames":{"container_copy":"aem-GridColumn aem-GridColumn--default--12","container_626207224_":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12",":items":{"container_copy":{"layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"container":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"hero",":type":"snowflake-site/components/container",":items":{"container":{"layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"flexible_column_cont":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_841934424":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_1454163424":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"container-bd67a3469d",":type":"snowflake-site/components/container",":items":{"flexible_column_cont":{"id":"flexible-column-container-1df6493c9c","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"extra-small","bottomPadding":"none","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-8544324e83",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"breadcrumb":{"id":"breadcrumb-6a4a03e742","items":[{"id":"breadcrumb-6a4a03e742-item-6486f44734","link":{"valid":true,"url":"/ko/"},"active":false,"current":false,"title":"한국어",":type":"snowflake-site/components/structure/page","appliedCssClassNames":"summit-page"},{"id":"breadcrumb-6a4a03e742-item-bbf96f220b","link":{"valid":true,"url":"/ko/artificial-intelligence/"},"active":true,"current":true,"title":"인공지능",":type":"snowflake-site/components/structure/page","appliedCssClassNames":"summit-page"}],":type":"snowflake-site/components/breadcrumb"}},":itemsOrder":["breadcrumb"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false},"flexible_column_cont_1454163424":{"id":"flexible-column-container-c65847d699","type":"2-column-even","alignColumns":"center","containerMaxWidth":"extra-large","topPadding":"small","bottomPadding":"medium","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"additionalClasses":"seo-pillar-hero__content","layout":"SIMPLE","id":"container-a174e7326c",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"text_copy":{"id":"text-4f9d45116e","additionalClasses":"eyebrow-text","text":"\u003Cp style=\"padding-top: 8.0px;\"\u003E기본 가이드\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-02"},"title_v2":{"id":"title-v2-f4fb3aec7e","additionalClasses":"lowercase seo-hub-hero__headline","type":"heading1","lines":["인공지능 완벽 가이드"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text":{"id":"text-ff2f83f233","additionalClasses":"seo-hub-hero__subheadline","text":"\u003Cp\u003E엔터프라이즈 AI는 이미 운영 단계에 접어들었으나, 이를 뒷받침할 아키텍처와 데이터 전략, 그리고 거버넌스 체계는 아직 이를 따라잡지 못하고 있습니다. 이 가이드는 AI 시스템이 어떻게 구축되는지, 어디에서 성공하거나 실패하는지, 그리고 기업이 이를 효과적으로 관리하기 위해 고려해야 할 사항을 설명합니다.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"container":{"additionalClasses":"hub-hero__authors","layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"content_chip_copy":"aem-GridColumn aem-GridColumn--default--12","content_chip":"aem-GridColumn aem-GridColumn--default--12 aem-GridColumn--offset--default--0 aem-GridColumn--default--none"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"container-c8bf44627d",":type":"snowflake-site/components/container",":items":{"content_chip_copy":{"id":"content-chip-ae5cced5ae","cta":{"id":"cta","showOutboundIcon":false,"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"약력 보기"},"image":{"id":"image","height":"800","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--d2c1126d-3244-486b-9007-1d2bc56e1893/laurie-macpherson.jpg?preferwebp=true&quality=85","alt":"Laurie MacPherson","lazyEnabled":true,"width":"800",":type":"snowflake-site/components/image"},"headline":{"id":"title","type":"heading5","lines":["Laurie MacPherson","테크니컬 라이터, Snowflake"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip"},"content_chip":{"id":"content-chip-0021c979d1","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/en/blog/authors/jiyun-kim/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"약력 보기"},"image":{"id":"image","height":"567","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--a7298322-b642-462f-a1ea-e4319d26238d/jiyun-kim-photo.jpg?preferwebp=true&quality=85","alt":"David Gaule","lazyEnabled":true,"width":"425",":type":"snowflake-site/components/image"},"headline":{"id":"title","type":"heading5","lines":["Jiyun Kim","SEO Specialist, Snowflake"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip"}},":itemsOrder":["content_chip_copy","content_chip"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-small"}},":itemsOrder":["text_copy","title_v2","text","container"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-small"},"flexible_column_content_container_2":{"additionalClasses":"seo-hub-hero__video","layout":"SIMPLE","id":"container-43cf543cda",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"youtube":{"id":"embed-8bf0c8d174","youtubeVideoId":"-HWNc-Hd90U","layout":"responsive","youtubeAspectRatio":"56.25","youtubeAutoPlay":false,"youtubeLoop":false,"youtubeMute":false,"youtubePlaysInline":false,"youtubeRel":false,"embeddableResourceType":"core/wcm/components/embed/v1/embed/embeddable/youtube","type":"EMBEDDABLE",":type":"snowflake-site/components/youtube"}},":itemsOrder":["youtube"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false},"flexible_column_cont_841934424":{"id":"flexible-column-container-0e2ba2aefd","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"extra-small","bottomPadding":"medium","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"border-top","backgroundImageOption":"none","flexible_column_content_container_1":{"additionalClasses":"related-topics-outer-container","layout":"SIMPLE","id":"container-1c80d1eaa6",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"text_894059747":{"id":"text-ad5c18511b","text":"\u003Cp\u003E인공지능(AI)\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"},"text":{"id":"text-c9fe1e7996","additionalClasses":"related-topics","text":"\u003Cul\u003E\r\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/ai-compliance/\"\u003EAI 규정 준수\u003C/a\u003E\u003C/li\u003E\r\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/ai-ethics/\"\u003EAI 윤리\u003C/a\u003E\u003C/li\u003E\r\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/\"\u003EAI 거버넌스\u003C/a\u003E\u003C/li\u003E\r\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/business\"\u003E비즈니스에서의 AI\u003C/a\u003E\u003C/li\u003E\r\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/observability/\"\u003EAI 옵저버빌리티\u003C/a\u003E\u003C/li\u003E\r\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/ai-risk-management/\"\u003E위험 관리\u003C/a\u003E\u003C/li\u003E\r\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/ai-traceability/\"\u003EAI 추적 가능성\u003C/a\u003E\u003C/li\u003E\r\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/ai-transparency/\"\u003E투명성\u003C/a\u003E\u003C/li\u003E\r\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/algorithmic-bias/\"\u003E알고리즘 편향\u003C/a\u003E\u003C/li\u003E\r\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/machine-learning/deep-learning/\"\u003E딥러닝\u003C/a\u003E\u003C/li\u003E\r\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/en/artificial-intelligence/ai-governance/eu-ai-act/\"\u003EEU 인공지능법\u003C/a\u003E\u003C/li\u003E\r\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/machine-learning/feature-engineering/\"\u003E피처 엔지니어링\u003C/a\u003E\u003C/li\u003E\r\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/en/artificial-intelligence/ai-governance/iso-42001/\"\u003EISO/IEC 42001\u003C/a\u003E\u003C/li\u003E\r\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/machine-learning/\"\u003E머신러닝\u003C/a\u003E\u003C/li\u003E\r\n\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/machine-learning/inference/\"\u003E추론:\u003C/a\u003E\u003C/li\u003E\r\n\u003Ca\u003E\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/en/artificial-intelligence/machine-learning/mlops/\" style=\"background-color: rgb(255, 255, 255); font-family: adobe-clean, "Source Sans Pro", -apple-system, BlinkMacSystemFont, "Segoe UI", Roboto, Ubuntu, "Trebuchet MS", "Lucida Grande", sans-serif;\"\u003EMLOps\u003C/a\u003E\u003C/li\u003E\r\n\u003C/a\u003E\u003Cli\u003E\u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/responsible-ai/\"\u003E책임감 있는 AI\u003C/a\u003E\u003C/li\u003E\r\n\u003C/ul\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-small"}},":itemsOrder":["text_894059747","text"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false}},":itemsOrder":["flexible_column_cont","flexible_column_cont_1454163424","flexible_column_cont_841934424"],"appliedCssClassNames":"snowflake-container"}},":itemsOrder":["container"],"appliedCssClassNames":"ui-background-05 snowflake-responsive-container-inner-padding-small"},"container_626207224_":{"layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"container_1561483981_602520842":"aem-GridColumn aem-GridColumn--default--12","container_805795510":"aem-GridColumn aem-GridColumn--default--12","container_1561483981":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"hubBody",":type":"snowflake-site/components/container",":items":{"container_805795510":{"layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"flexible_column_cont":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"container-80dd391e72",":type":"snowflake-site/components/container",":items":{"flexible_column_cont":{"id":"flexible-column-container-15e13ae6b7","type":"2-column-60-40","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"medium","bottomPadding":"large","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"hub-body","backgroundImageOption":"none","flexible_column_content_container_1":{"additionalClasses":"longform-content","layout":"SIMPLE","id":"container-8ef59d4971",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"text_1521899678":{"id":"text-d9cafa9589","additionalClasses":"callout callout--general","text":"\u003Cp\u003E인공지능(AI)\u003C/p\u003E\n\u003Cp\u003E대다수 기업의 인공지능 활용은 이미 초기 단계를 넘어섰습니다. 이미 실운영 중인 모델이 존재하고 다양한 파일럿 프로젝트가 가동되고 있지만, 거버넌스 관련 논의는 급격한 도입 속도를 미처 따라가지 못하고 뒤처져 있는 실정입니다.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"},"text":{"id":"text-15daebaf31","text":"\u003Cp\u003E대부분의 기업 조직은 인공지능 여정의 시작에 있지 않습니다. 그들은 생산 중인 모델, 진행 중인 파일럿 및 배포 속도에 따라잡고 있는 거버넌스 대화를 가지고 있습니다. 팀은 이제 올바른 AI 아키텍처, 데이터 의존성 및 평가 전략을 선택하는 방법을 결정해야 하며, AI 생애 주기 전반에 걸쳐 일관된 거버넌스, 보안 및 운영 통제를 적용해야 합니다. 이는 종종 \u003Ca href=\"https://www.snowflake.com/ko/fundamentals/mlops/\"\u003EMLOps\u003C/a\u003E 관행을 통해 구현됩니다.\u003C/p\u003E\r\n\u003Cp\u003E이는 일반적인 AI 전략 이상의 것을 요구합니다. 예측 모델, 문서 분류기, RAG 애플리케이션 및 에이전틱 시스템은 다르게 구축되고, 다르게 실패하며, 데이터, 인프라 및 감독에 대해 서로 다른 요구를 합니다. 무엇을 구축할지, 무엇을 확장할지, 무엇을 거버넌스할지에 대한 결정은 이러한 차이를 고려해야 하며, 그 주위의 기업 통제를 분열시키지 않아야 합니다.\u003C/p\u003E\r\n\u003Cp\u003E이 가이드는 이를 위한 참고 자료입니다. 주요 AI 분야, 시스템이 어떻게 훈련되고 평가되는지, 기업이 이를 효과적으로 배포하는 곳, 그리고 배포가 시간이 지나도 유지되는지를 결정하는 거버넌스, 보안 및 데이터 고려 사항을 다룹니다.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_v2_1818028417":{"id":"title-v2-e1bcb1f0c3","additionalClasses":"anchor title anchor-title--what-is-artificial-intelligence","type":"heading2","lines":["인공지능 (AI)"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text_copy":{"id":"text-15232ce3b7","text":"\u003Cp\u003E인공지능은 단일 분야가 아니라 많은 중첩된 하위 분야로 구성된 광범위한 분야입니다. 예를 들어, \u003Ca href=\"https://www.snowflake.com/ko/artificial-intelligence/machine-learning/\"\u003E기계 학습\u003C/a\u003E (ML)은 AI의 하위 집합으로, 명시적인 규칙을 따르기보다는 데이터에서 통계적 패턴을 학습하는 시스템입니다. 딥 러닝은 ML의 하위 집합으로, 복잡하고 고차원적인 데이터의 표현을 학습하는 층화된 \u003Ca href=\"https://www.snowflake.com/ko/fundamentals/neural-network/\"\u003E신경망\u003C/a\u003E입니다. 생성형 AI는 딥 러닝의 산물로, 기존 입력을 분류하는 대신 새로운 출력을 생성하는 기초 모델입니다.\u003C/p\u003E\r\n\u003Cp\u003E각 층은 그 위의 층의 데이터 품질, 인프라 및 평가 요구 사항을 상속받습니다. 생성적 AI 배포는 모든 것을 포함하는 ML 배포이기도 합니다.\u003C/p\u003E\r\n\u003Cp\u003E이 분야는 또한 약 인공지능(Narrow AI)와 인공 일반 지능(AGI)을 구분합니다. 약 인공지능은 현재 생산 중인 모든 AI 시스템을 설명하며, 특정 작업이나 도메인에 최적화되어 있습니다. AI에 대한 기업의 결정은 항상 약 인공지능과 관련이 있으며, 이에 적용되는 거버넌스 프레임워크, 평가 관행 및 위험 모델이 포함됩니다. AGI는 인간 수준 또는 그 이상의 임의의 도메인에서 추론하고 학습할 수 있는 시스템으로, 여전히 연구 목표로 남아 있습니다.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"quote_item_1152526200":{"id":"quote-item-1a36d9612a","alignment":"left","layout":"simple","quoteSourceName":"Baris Gultekin","quoteSourceTitle":"Snowflake's VP of Product, AI","showQuoteIcon":true,"quote":"AI is opening the door for organizations to gain insights from unstructured data that they simply couldn’t before.","showHangingPunctuation":false,":type":"snowflake-site/components/quote-item"},"title_v2_copy_1903657955":{"id":"title-v2-639b8ad5dc","additionalClasses":"anchor-title anchor-title--how-does-artificial-intelligence-work","type":"heading2","lines":["인공지능은 어떻게 작동합니까?"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text_copy_copy":{"id":"text-ad54580cd7","text":"\u003Cp\u003E대부분의 AI 시스템은 동일한 기본 루프를 따릅니다. 데이터가 입력되고, 모델이 이를 학습하며, 그 모델은 새로운 데이터에 대한 예측이나 출력을 생성하는 데 사용됩니다. 각 세 가지 단계 (훈련, 추론 및 미세 조정)는 독특한 \u003Ca href=\"https://www.snowflake.com/en/fundamentals/ai-infrastructure/\"\u003E인프라\u003C/a\u003E 및 \u003Ca href=\"https://www.snowflake.com/ko/data-governance/\"\u003E거버넌스\u003C/a\u003E 요구 사항을 가지고 있습니다.\u003C/p\u003E\r\n\u003Cp\u003E\u003Cb\u003E훈련\u003C/b\u003E은 모델이 패턴을 인식할 수 있도록 대량의 레이블이 있는 데이터 또는 레이블이 없는 데이터에 노출되는 과정입니다. 딥 러닝 시스템의 경우, 이는 일반적으로 주어진 출력과 가장 관련성이 높은 입력의 부분을 학습하기 위해 주의 메커니즘을 사용하는 변환기 아키텍처를 포함합니다. 대부분의 생성적 AI 애플리케이션을 뒷받침하는 대형 기본 모델인 기초 모델을 훈련하는 데는 역사적으로 대규모 연구 기관과 클라우드 제공업체만 접근할 수 있었던 규모의 컴퓨팅이 필요합니다.\u003C/p\u003E\r\n\u003Cp\u003E\u003Cb\u003E추론\u003C/b\u003E은 훈련된 모델이 사용될 때 발생하는 일입니다. 사용자가 쿼리를 제출하면 모델이 응답을 생성하고 그 응답이 거의 실시간으로 반환됩니다. 추론 지연, 비용 및 신뢰성은 규모에서 중요해지는 운영상의 문제로, 특히 고객을 대상으로 하는 애플리케이션에서 더욱 그렇습니다.\u003C/p\u003E\r\n\u003Cp\u003E\u003Cb\u003E미세 조정\u003C/b\u003E은 사전 훈련된 모델을 특정 도메인이나 작업에 맞게 조정하는 것으로, 더 작고 목표가 명확한 데이터 세트를 사용합니다. 이는 처음부터 훈련하지 않고도 기초 모델의 기능을 원하는 조직에 일반적인 경로이지만, 미세 조정 데이터가 시간이 지남에 따라 생산 입력과 다를 경우 모델 드리프트의 위험을 초래합니다.\u003C/p\u003E\r\n\u003Cp\u003EAI 배포의 실제 병목 현상이 모델 자체인 경우는 드뭅니다. 400명의 고위 데이터 및 기술 임원을 대상으로 한 \u003Ca rel=\"noopener noreferrer\" target=\"_blank\" href=\"https://www.technologyreview.com/2025/10/23/1125651/redefining-data-engineering-in-the-age-of-ai/\"\u003EMIT 기술 리뷰 인사이트\u003C/a\u003E 설문 조사에서 응답자의 45%가 통합 복잡성을, 40%가 데이터 거버넌스를 AI 이니셔티브의 가장 큰 도전 과제로 언급했습니다. 데이터 품질, 거버넌스 및 컴퓨팅 인프라는 모델 선택보다 결과를 더 일관되게 형성합니다.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"text_2059046899":{"id":"text-fcbee82f6a","additionalClasses":"callout callout--general","text":"\u003Cul\u003E\n\u003Cli\u003E\u003Cb\u003E45%\u003C/b\u003E의 임원이 AI 이니셔티브에서 통합 복잡성을 주요 도전 과제로 언급합니다.\u003C/li\u003E\n\u003Cli\u003E\u003Cb\u003E40%\u003C/b\u003E는 AI 성공의 주요 장벽으로 데이터 거버넌스를 언급합니다.\u003C/li\u003E\n\u003Cli\u003E현재 데이터 엔지니어링 시간의 \u003Cb\u003E37%\u003C/b\u003E가 AI 프로젝트에 투입되고 있습니다(2023년 19%에서 증가).\u003C/li\u003E\n\u003C/ul\u003E\n","richText":true,":type":"snowflake-site/components/text"},"quote_item":{"id":"quote-item-23f972f72a","alignment":"left","layout":"simple","quoteSourceName":"Jennifer Belissent","quoteSourceTitle":"Principal Data Strategist, Snowflake","showQuoteIcon":true,"quote":"Measuring the value that AI delivers is critical to justifying investment in it, prioritizing the applications of it and balancing its future benefits against potential risks.","showHangingPunctuation":false,":type":"snowflake-site/components/quote-item"},"text_1948751468":{"id":"text-15e7dcebe0","additionalClasses":"callout callout--warning","text":"\u003Cp\u003E\u003Cb\u003E자주 하는 실수\u003C/b\u003E\u003C/p\u003E\n\u003Cp\u003E강력한 데이터, 평가 및 거버넌스 기반을 구축하기 전에 모델 선택 또는 미세 조정에 집중하는 팀은 진단하고 수정하기 어려운 생산 문제에 직면하는 경우가 많습니다.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"},"text_2049864016":{"id":"text-8538915608","text":"\u003Cp\u003E\u003Ci\u003E\u003Cu\u003E\u003C/u\u003ESnowflake Cortex Agents 시작을 위한 비디오 튜토리얼을 시청하세요.\u003C/i\u003E\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"youtube_1156321798":{"id":"embed-c7034ce316","youtubeVideoId":"SDqyB-yWaAE","layout":"responsive","youtubeAspectRatio":"56.25","youtubeAutoPlay":false,"youtubeLoop":false,"youtubeMute":false,"youtubePlaysInline":false,"youtubeRel":false,"embeddableResourceType":"core/wcm/components/embed/v1/embed/embeddable/youtube","type":"EMBEDDABLE",":type":"snowflake-site/components/youtube"},"title_v2_copy":{"id":"title-v2-46c3a8d8cd","additionalClasses":"anchor-title anchor-title--types-of-ai","type":"heading2","lines":["AI 유형"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text_copy_copy_831105251":{"id":"text-1517f641ab","text":"\u003Cp\u003E연구자들은 일반적으로 메모리 및 추론 능력에 따라 AI 시스템을 네 가지 범주로 분류합니다.\u003C/p\u003E\n\u003Cp\u003E\u003Cb\u003E반응형 → 제한된 메모리 → 마음의 이론 → 자기 인식\u003C/b\u003E\u003C/p\u003E\n\u003Cp\u003E실제로 현재 생산 중인 모든 시스템은 처음 두 가지 유형에 해당합니다.\u003C/p\u003E\n\u003Ctable\u003E\n\u003Cthead\u003E\u003Ctr\u003E\u003Cth\u003E유형\u003C/th\u003E\n\u003Cth\u003E설명\u003C/th\u003E\n\u003Cth\u003E예시\u003C/th\u003E\n\u003C/tr\u003E\u003C/thead\u003E\u003Ctbody\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Cb\u003E반응형\u003C/b\u003E\u003C/td\u003E\n\u003Ctd\u003E과거의 상호작용을 저장하지 않은 채 오로지 현재의 입력에만 응답\u003C/td\u003E\n\u003Ctd\u003E실시간 이상 징후, 스팸 필터\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Cb\u003E제한된 메모리\u003C/b\u003E\u003C/td\u003E\n\u003Ctd\u003E과거 데이터를 활용하여 현재의 의사결정을 내림\u003C/td\u003E\n\u003Ctd\u003E추천 시스템, 사기 탐지 모델\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Cb\u003E마음의 이론\u003C/b\u003E\u003C/td\u003E\n\u003Ctd\u003E인간의 의도와 감정 상태를 이해\u003C/td\u003E\n\u003Ctd\u003E아직 연구 외부에서는 존재하지 않음\u003C/td\u003E\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Cb\u003E자기 인식\u003C/b\u003E\u003C/td\u003E\n\u003Ctd\u003E주관적 의식과 자기 지식을 가질 것\u003C/td\u003E\n\u003Ctd\u003E이론적\u003C/td\u003E\n\u003C/tr\u003E\u003C/tbody\u003E\u003C/table\u003E\n\u003Cp\u003E실용적인 의미: 오늘날의 AI는 제한된 맥락 내에서 작동합니다. 작업에서 잘 수행되는 모델은 해당 작업을 위해 훈련되었고 생산에서 보는 데이터와 유사한 데이터로 평가되었기 때문에 그렇게 됩니다. 일반화하는 것처럼 보이는 시스템은 보통 매우 큰 제한된 메모리 모델이거나 넓은 훈련 범위를 가진 좁은 시스템입니다. 일반 지능이 아닙니다.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_v2_565269666":{"id":"title-v2-614ab22c39","additionalClasses":"anchor-title anchor-title--core-ai-disciplines","type":"heading2","lines":["핵심 AI 분야"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text_1898884637":{"id":"text-42549a35cb","text":"\u003Cp\u003E다음 분야들은 응용 AI의 주요 분과를 나타냅니다. 각 분야는 고유한 방법, 기준 및 실패 모드를 가지고 있습니다. AI 시스템을 구축하거나 평가하는 팀에게 주어진 응용 프로그램이 어떤 분야에 해당하는지를 이해하는 것은 데이터 요구 사항, 평가 기준 및 위험에 대한 올바른 질문을 하는 출발점입니다.\u003C/p\u003E\r\n\u003Cp\u003E\u003Cb\u003E기계 학습\u003C/b\u003E은 통계 모델을 역사적 데이터에 훈련시켜 입력을 분류하고, 결과를 예측하거나 패턴을 드러냅니다. 핵심 설계 결정인 특징 공학, 하이퍼파라미터 조정, 앙상블 방법 모두 모델 복잡성, 해석 가능성 및 일반화 간의 트레이드오프를 포함합니다. 대부분의 기업 예측 분석은 ML에서 실행됩니다.\u003C/p\u003E\r\n\u003Cp\u003E\u003Cb\u003E딥 러닝\u003C/b\u003E은 다중 계층의 인공신경망을 활용하여 이미지, 오디오, 텍스트, 시계열 신호 등 복잡한 데이터의 표현을 학습합니다. 경사 하강법과 역전파를 포함한 여러 핵심 기술은 이러한 네트워크가 명시적인 공학 없이 자동으로 특징을 학습할 수 있게 합니다. 딥 러닝은 현재 소비자 애플리케이션에서 AI로 설명되는 대부분의 기능을 지원합니다. \u003Ca href=\"https://www.snowflake.com/ko/fundamentals/deep-learning/\"\u003E딥 러닝에 대해 더 알아보기 >\u003C/a\u003E\u003C/p\u003E\r\n\u003Cp\u003E\u003Cb\u003E자연어 처리\u003C/b\u003E (NLP)은 시스템이 인간 언어를 해석하고, 분류하고, 생성할 수 있게 합니다. 현대 NLP는 주로 변환기 기반 언어 모델에 기반하고 있으며, 문서 분류에서 대화형 인터페이스, 코드 생성에 이르기까지 다양한 응용 프로그램의 기초가 됩니다. \u003Ca href=\"https://www.snowflake.com/en/fundamentals/natural-language-processing/\"\u003E자연어 처리에 대해 더 알아보기 >\u003C/a\u003E\u003C/p\u003E\r\n\u003Cp\u003E\u003Cb\u003E컴퓨터 비전\u003C/b\u003E은 시각 데이터(이미지 및 비디오)에 딥 러닝을 적용하여 객체 탐지, 이미지 분류, 결함 식별 및 얼굴 인식과 같은 작업을 수행합니다. 제조, 물류, 의료 및 보안 분야에서 널리 배포되고 있습니다. \u003Ca href=\"https://www.snowflake.com/ko/fundamentals/computer-vision/\"\u003E컴퓨터 비전에 대해 더 알아보기 >\u003C/a\u003E\u003C/p\u003E\r\n\u003Cp\u003E\u003Cb\u003E강화 학습\u003C/b\u003E은 에이전트가 보상 신호를 극대화하기 위해 환경에서 행동을 취하도록 훈련합니다. 이는 AlphaGo와 같은 게임 플레이 시스템의 기초이며, 로봇 공학, 자율 시스템 및 수정된 형태로 인간 피드백으로부터의 강화 학습(RLHF)을 통한 언어 모델 훈련에 점점 더 관련성이 높아지고 있습니다. \u003Ca href=\"https://www.snowflake.com/en/fundamentals/reinforcement-learning/\"\u003E강화 학습에 대해 더 알아보기 >\u003C/a\u003E\u003C/p\u003E\r\n\u003Cp\u003E\u003Cb\u003E생성형 AI\u003C/b\u003E는 종종 텍스트에 적용될 때 \u003Ca href=\"https://www.snowflake.com/en/fundamentals/large-language-model/\"\u003E대형 언어 모델\u003C/a\u003E (LLMs)이라고 불리는 대규모 기초 모델을 사용하여 새로운 콘텐츠: 텍스트, 코드, 이미지, 오디오 및 합성 데이터를 생성합니다. 주요 기능에는 제로샷 학습(작업별 훈련 예제 없이 작업 수행)과 사고의 연쇄 유도(문제를 단계별로 해결하도록 모델을 안내)가 포함됩니다. 많은 조직에서 도입 속도가 평가 체계를 앞지르고 있으며, 이는 기획 단계가 아니라 실운영 환경에서 먼저 불거져 나오는 거버넌스 리스크입니다. \u003Ca href=\"https://www.snowflake.com/en/fundamentals/generative-ai/\"\u003E생성형 AI에 대해 더 알아보기 >\u003C/a\u003E\u003C/p\u003E\r\n\u003Cp\u003E\u003Cb\u003E멀티모달 AI\u003C/b\u003E는 텍스트, 이미지, 오디오, 비디오 등 다양한 입력을 공유 임베딩 공간에서 결합하여 단일 모델이 데이터 유형 간에 추론할 수 있도록 합니다. 이는 기초 모델 개발의 현재 최전선이며, 문서, 다이어그램 및 비구조적 미디어를 함께 처리해야 하는 응용 프로그램에 점점 더 관련성이 높아지고 있습니다.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_v2_2089711109":{"id":"title-v2-4904f9c892","additionalClasses":"anchor-title anchor-title--ai-agents-and-agentic-systems","type":"heading2","lines":["AI 에이전트 및 에이전틱 시스템"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text_1819706580":{"id":"text-b404aaa36f","text":"\u003Cp\u003EAI 에이전트는 단순한 챗봇보다 능력이 훨씬 더 뛰어납니다. 에이전트는 여러 단계를 계획하고, 외부 도구를 사용하며, 외부 출처에서 맥락을 검색하고, 행동을 취할 수 있습니다. 예를 들어, 고객 지원 챗봇은 질문에 답할 수 있지만, 에이전트는 문의를 받고, 관련 계정 기록을 검색하고, 지식 기반을 교차 참조하며, 해결책을 초안하고, 지원 티켓을 열 수 있습니다. 대부분 자율적으로 수행됩니다.\u003C/p\u003E\n\u003Cp\u003E이 능력은 또한 에이전틱 시스템이 \u003Ca href=\"https://www.snowflake.com/en/fundamentals/enterprise-ai/\"\u003E기업 AI\u003C/a\u003E 스택에서 가장 높은 위험 범주가 되는 이유입니다. 오류는 단계별로 누적되므로, 배포 전에 인간의 감독이 계획되어야 합니다.\u003C/p\u003E\n\u003Cp\u003E또한, AI 에이전트는 접근할 수 있는 정보의 품질에 따라 달라집니다 — \u003Ca href=\"https://www.snowflake.com/en/blog/easy-button-context-rich-ai-agents/\"\u003E검색 품질, 맥락 관리 및 도구 신뢰성\u003C/a\u003E은 모델 자체만큼 중요합니다. 오래되었거나 불완전하거나 잘못 범위가 설정된 데이터에서 작동하는 에이전트는 빠른 속도로 자신감 있고 그럴듯한 오류를 생성합니다.\u003C/p\u003E\n\u003Cp\u003E에이전틱 AI는 현재 기업 AI의 가장 빠르게 발전하는 분야이며, 거버넌스 프레임워크는 여전히 이를 따라잡고 있습니다. 에이전틱 시스템을 구축하는 팀은 배포 전에 범위, 에스컬레이션 경로 및 실패 모드를 정의해야 하며, 배포 후가 아닙니다. \u003Ca href=\"https://www.snowflake.com/en/fundamentals/ai-agents/\"\u003EAI 에이전트 자세히 알아보기 \u003E\u003C/a\u003E\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_v2_1848786618":{"id":"title-v2-38070c9ff9","additionalClasses":"anchor-title anchor-title--enterprise-ai-use-cases","type":"heading2","lines":["기업 AI 사용 사례"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text_992156203":{"id":"text-572a367430","text":"\u003Cp\u003E기업의 AI 도입은 워크플로우, 데이터 입력, 그리고 평가 기준이 명확히 이해된 영역에 집중되는 경향이 있습니다. 아래의 예시들은 추측성 프로젝트나 초기 단계의 실험이 아니라, AI가 이미 프로덕션 환경에 적용되어 활용 중인 영역들에 초점을 맞추고 있습니다.\u003C/p\u003E\n\u003Cp\u003E\u003Cb\u003E의사결정 지원\u003C/b\u003E은 분석가와 운영자의 판단을 모델이 생성한 추천으로 보강합니다. 예를 들어 위험 점수, 신용 심사, 임상 의사결정 지원, 공급망 최적화 등이 있습니다.\u003C/p\u003E\n\u003Cp\u003E\u003Cb\u003E자동화\u003C/b\u003E는 문서 처리, 이메일 분류, 지원 티켓 라우팅, 데이터 입력, 코드 리뷰와 같이 처리량이 많고 규칙을 기반으로 하는 업무를 처리합니다. 핵심 가치는 참신함이 아니라, 신속한 처리량과 일관성에 있습니다.\u003C/p\u003E\n\u003Cp\u003E\u003Cb\u003E콘텐츠 생성\u003C/b\u003E은 생성형 AI를 사용하여 초안, 요약, 번역, 제품 설명 및 내부 문서를 대규모로 생성합니다. 품질 관리 및 평가 인프라가 여기에서는 모델 선택보다 더 중요합니다.\u003C/p\u003E\n\u003Cp\u003E\u003Cb\u003E개인화\u003C/b\u003E는 추천 엔진, 동적 가격 책정, 개별화된 마케팅 및 적응형 제품 경험을 이끌어냅니다. 이 시스템들은 종종 조직 내에서 가장 오랜 기간 운영된 ML 배포이며, 가장 많은 역사적 기술 부채를 안고 있습니다.\u003C/p\u003E\n\u003Cp\u003E\u003Cb\u003E사기 및 이상 탐지\u003C/b\u003E는  딥러닝을 사용하여 기준에서 벗어나는 패턴을 식별합니다. 대표적인 예로 금융 사기, 네트워크 침입, 제조 결함, 데이터 품질 이슈 등이 있습니다.\u003C/p\u003E\n\u003Cp\u003E\u003Cb\u003E예측\u003C/b\u003E은 수요 계획, 용량 관리, 재무 예측 및 위험 모델링에 시간 시계열 모델과 ML을 적용합니다.\u003C/p\u003E\n\u003Cp\u003E\u003Ci\u003E이 프레젠테이션을 시청하여 생성적 AI와 가속화된 컴퓨팅이 모든 산업을 어떻게 변화시키고 있는지 이해하세요.\u003C/i\u003E\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"youtube_1030707130":{"id":"embed-79e5c0760d","youtubeVideoId":"O8sQxPgw8Ws","layout":"responsive","youtubeAspectRatio":"56.25","youtubeAutoPlay":false,"youtubeLoop":false,"youtubeMute":false,"youtubePlaysInline":false,"youtubeRel":false,"embeddableResourceType":"core/wcm/components/embed/v1/embed/embeddable/youtube","type":"EMBEDDABLE",":type":"snowflake-site/components/youtube"},"card_v2":{"id":"card-v2-1d99a2c6f4","additionalClasses":"seo-customer","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","text":{"id":"text","text":"\u003Cp\u003ETS Imagine은 금융 거래 및 위험 소프트웨어 회사로, Snowflake Cortex AI RAG를 사용하여 이메일 수신 및 지원 티켓 분류를 자동화하여 연간 4,000시간의 수작업을 회수하고 비용을 30% 줄였습니다.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"horizontal","title":{"id":"title","type":"heading4","lines":["고객 사례: TS Imagine"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/en/customers/all-customers/case-study/ts-imagine/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"사례 읽기"},"image":{"id":"image","height":"351","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--3b812ed0-848d-4714-96e8-ce82ea5f8ebb/ts-imagine%25403x.png?preferwebp=true&quality=85","alt":"TSImagine Logo","lazyEnabled":true,"width":"624",":type":"snowflake-site/components/image"},"type":"content-card"},"title_v2_copy_copy":{"id":"title-v2-e685e3d2ca","additionalClasses":"anchor-title anchor-title--ai-governance-risk-and-security","type":"heading2","lines":["AI 거버넌스, 위험 및 보안"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text_copy_copy_83110":{"id":"text-4ccfa7af4f","text":"\u003Cp\u003EAI 거버넌스는 더 이상 미래의 배포를 준비하는 기획 단계의 과제가 아닙니다. 많은 조직이 이제 이미 프로덕션 환경에 배포된 시스템을 관리(거버넌스)하고 있습니다. 여기에는 기업 차원의 통제 체계, 소유권 구조, 모니터링 관행이 완전히 정립되기 전에 구축된 모델과 애플리케이션도 포함됩니다.\u003C/p\u003E\n\u003Cp\u003E규제 환경이 이를 더욱 긴급하게 만들었습니다. \u003Ca href=\"https://www.snowflake.com/en/artificial-intelligence/ai-governance/eu-ai-act/\"\u003EEU AI 법\u003C/a\u003E은 위험 수준에 따라 계층화된 요구 사항을 설정합니다. 채용, 신용, 법 집행 및 중요한 인프라에 사용되는 시스템은 가장 엄격한 의무를 지닙니다. \u003Ca href=\"https://csrc.nist.gov/projects/risk-management/about-rmf\" target=\"_blank\"\u003ENIST AI 위험 관리 프레임워크\u003C/a\u003E는 모델 생애 주기 전반에 걸쳐 AI 위험을 식별, 평가 및 관리하기 위한 자발적이지만 널리 채택된 구조를 제공합니다. 두 가지 모두 거버넌스가 배포가 아닌 설계에서 시작된다고 가정합니다. 이는 그 단계를 건너뛴 조직들이 이제는 먼저 와야 했던 구조를 소급하여 구축하고 있다는 것을 의미합니다.\u003C/p\u003E\n\u003Cp\u003E기업 AI 위험은 세 가지 범주로 나뉩니다.\u003C/p\u003E\n\u003Cul\u003E\n\u003Cli\u003E\u003Cb\u003E데이터 위험\u003C/b\u003E은 훈련 데이터의 품질, 편향, 출처 및 개인 정보를 포함합니다.\u003C/li\u003E\n\u003Cli\u003E\u003Cb\u003E모델 위험\u003C/b\u003E은 정확성, 보정, 드리프트 및 해석 가능성을 포함합니다.\u003C/li\u003E\n\u003Cli\u003E\u003Cb\u003E운영 위험\u003C/b\u003E은 모델 출력이 결정, 사람 및 시스템에 미치는 하류 영향을 포함합니다.\u003C/li\u003E\n\u003C/ul\u003E\n\u003Cp\u003E이러한 위험을 관리하려면 체계적인 평가가 필요합니다. 이는 배포 전에 모델 동작을 테스트하기 위한 정의된 프로세스, 생산 중 모니터링 및 비즈니스 문제가 되기 전에 드리프트를 포착하는 것을 포함합니다.\u003C/p\u003E\n\u003Cp\u003E기업의 AI 배포 과정에서도 동일한 패턴이 나타납니다. 초기 단계부터 평가 체계 구축에 투자한 팀은 실운영 환경으로 넘어가기 전에 오류 유형을 잡아내지만, 그렇지 못한 팀은 결국 사용자 불만이 접수된 후에야 문제를 역추적하게 됩니다.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"quote_item_1218174521":{"id":"quote-item-13cac60c88","alignment":"left","layout":"simple","quoteSourceName":"Jennifer Belissent","quoteSourceTitle":"Principal Data Strategist, Snowflake","showQuoteIcon":true,"quote":"The way to expand AI use effectively — and increase the value delivered from it — is to operationalize and industrialize. That requires alignment between the technology and the business, coordination of resources, and standardization of policies and processes.","showHangingPunctuation":false,":type":"snowflake-site/components/quote-item"},"text_1896381897":{"id":"text-f1b8c8c45b","text":"\u003Cp\u003E\u003Ca href=\"https://www.snowflake.com/en/artificial-intelligence/ai-governance/\"\u003EAI 거버넌스에 대해 더 알아보기 \u003E\u003C/a\u003E | \u003Ca href=\"https://www.snowflake.com/en/fundamentals/ai-security/\"\u003EAI 보안에 대해 더 알아보기 \u003E\u003C/a\u003E\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text"},"title_v2_copy_copy_1670228814":{"id":"title-v2-64e926edd0","additionalClasses":"anchor-title anchor-title--the-data-foundation-behind-ai","type":"heading2","lines":["AI의 데이터 기반"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text_copy_copy_83110_19424502":{"id":"text-220d73b223","text":"\u003Cp\u003EAI 품질은 데이터 품질의 함수입니다. 이 관계는 이 가이드에서 다루는 모든 분야에 걸쳐 유지됩니다. 비대표적인 데이터로 훈련된 심층 학습 모델은 나쁜 데이터로 훈련된 로지스틱 회귀가 실패하는 방식과 동일하게 실패합니다. 단지 덜 명확하게 실패할 뿐입니다.\u003C/p\u003E\n\u003Cp\u003E현대 AI의 데이터 요구 사항은 깨끗하고 레이블이 지정된 데이터 세트를 넘어섭니다. 여기에는 팀이 권한을 가진 데이터로만 모델을 학습시키도록 하는 거버넌스 기반의 접근 제어, 학습과 프로덕션 환경 전체에서 피처(Feature)가 동일한 의미를 유지하게 하는 명확한 비즈니스 정의, 모델의 동작을 원래의 입력값까지 추적할 수 있는 데이터 리니지(흐름) 및 출처, 그리고 추론(Inference) 시 지연이나 병목 현상 없이 모델에 데이터를 공급할 수 있는 고성능 인프라가 포함됩니다.\u003C/p\u003E\n\u003Cp\u003E운영 현실은 데이터 엔지니어링 작업이 AI로 상당히 전환되었다는 것입니다. MIT 기술 리뷰 인사이트 설문조사에 따르면 데이터 엔지니어는 이제 AI 프로젝트에 37%의 시간을 할애하고 있으며, 이는 2023년의 19%에서 증가한 수치입니다. 2년 만에 거의 두 배가 되었습니다. 이러한 변화는 데이터 플랫폼 팀이 AI 준비가 완료된 데이터를 단순히 이론적으로 접근 가능한 수준을 넘어, 실제로 안정적으로 활용할 수 있도록 제공해야 한다는 압박을 가하고 있습니다.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"card_v2_946526351":{"id":"card-v2-b1734c3ce4","additionalClasses":"seo-customer","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","text":{"id":"text","text":"\u003Cp\u003EState Street는 Snowflake에 딥러닝 이상 탐지 시스템을 도입하여 데이터 운영에서 25배의 생산성 향상을 달성했습니다. 이를 통해 오류 탐지를 87% 줄이는 동시에, 실제 예외 사항을 100% 감지해 냈습니다. 클라이언트 온보딩 노동 비용이 50% 감소했습니다.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"horizontal","title":{"id":"title","type":"heading4","lines":["고객 사례: State Street"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/en/customers/all-customers/case-study/state-street/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"사례 읽기"},"image":{"id":"image","height":"351","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--d747d8ae-ec39-45c3-b3f3-c4c3f9a7e443/state-street%25403x.png?preferwebp=true&quality=85","alt":"State Street logo","lazyEnabled":true,"width":"624",":type":"snowflake-site/components/image"},"type":"content-card"},"text_copy_copy_83110_69230348":{"id":"text-cb44397ed5","text":"\u003Cp\u003ESnowflake AI 자세히 알아보기\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_v2_copy_copy_1534133931":{"id":"title-v2-1b9d562aa8","additionalClasses":"anchor-title anchor-title--history-of-ai","type":"heading2","lines":["AI의 역사"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text_copy_copy_83110_670475437":{"id":"text-34ca471021","additionalClasses":"callout callout--general","text":"\u003Cdiv\u003E \u003C/div\u003E\n\u003Cul\u003E\n\u003Cli\u003E\u003Cb\u003E1950\u003C/b\u003E 선구적인 컴퓨터 과학자 앨런 튜링이 기계 지능의 척도로 튜링 테스트를 제안합니다.\u003C/li\u003E\n\u003Cli\u003E\u003Cb\u003E1956\u003C/b\u003E 다트머스 회의에서 \"인공 지능\"이라는 용어가 탄생했습니다.\u003C/li\u003E\n\u003Cli\u003E\u003Cb\u003E1997\u003C/b\u003E IBM의 Deep Blue가 세계 체스 챔피언 Garry Kasparov를 이겼습니다.\u003C/li\u003E\n\u003Cli\u003E\u003Cb\u003E2012\u003C/b\u003E AlexNet이 ImageNet 대회에서 우승하고, 딥러닝이 컴퓨터 비전의 지배적인 패러다임이 됩니다.\u003C/li\u003E\n\u003Cli\u003E\u003Cb\u003E2017\u003C/b\u003E 구글 연구자들이 \"Attention Is All You Need\"에서 트랜스포머 아키텍처를 소개한다.\u003C/li\u003E\n\u003Cli\u003E\u003Cb\u003E2022\u003C/b\u003E ChatGPT가 출시되면서 생성형 AI가 기업들의 주요 화두로 자리 잡기 시작했습니다.\u003C/li\u003E\n\u003Cli\u003E\u003Cb\u003E2024+\u003C/b\u003E 에이전틱 AI 시스템이 기업 배포의 차세대 개척지로 부상하고 있습니다.\u003C/li\u003E\n\u003C/ul\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"title_v2_685568339":{"id":"title-v2-f48c992b73","additionalClasses":"anchor-title anchor-title--next-steps","type":"heading2","lines":["다음 단계"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text_1142311968":{"id":"text-cdbc7d5353","text":"\u003Cp\u003E신뢰할 수 있는 엔터프라이즈 AI는 모델을 둘러싼 운영 체제에 달려 있습니다. 여기에는 평가 방법, 거버넌스 기반의 데이터 접근 제어, 모니터링 관행, 소유권 구조를 비롯해 잘못된 출력, 드리프트,, 성능 저하, 의도하지 않은 동작이 발생했을 때를 위한 에스컬레이션(비상 보고 및 대응) 경로가 포함됩니다. 아래의 가이드는 AI 시스템이 고립된 배치에서 신뢰할 수 있는 생산 서비스로 이동하는 데 도움이 되는 분야를 다룹니다.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"},"text_617860334":{"id":"text-4e646a8e05","additionalClasses":"callout callout--general","text":"\u003Cp\u003E\u003Cb\u003E핵심 요약\u003C/b\u003E\u003C/p\u003E\n\u003Cp\u003E엔터프라이즈 AI는 조직이 전체 수명주기에 걸쳐 아키텍처, 데이터, 평가, 거버넌스를 유기적으로 정렬할 때 성공할 가능성이 더 커집니다. 이는 서로 다른 AI 시스템마다 세부 요구사항이 다르더라도, 결국에는 일관된 통제 체계 아래에서 운영되어야 함을 전제로 합니다.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-regular text-color-text-05"}},":itemsOrder":["text_1521899678","text","title_v2_1818028417","text_copy","quote_item_1152526200","title_v2_copy_1903657955","text_copy_copy","text_2059046899","quote_item","text_1948751468","text_2049864016","youtube_1156321798","title_v2_copy","text_copy_copy_831105251","title_v2_565269666","text_1898884637","title_v2_2089711109","text_1819706580","title_v2_1848786618","text_992156203","youtube_1030707130","card_v2","title_v2_copy_copy","text_copy_copy_83110","quote_item_1218174521","text_1896381897","title_v2_copy_copy_1670228814","text_copy_copy_83110_19424502","card_v2_946526351","text_copy_copy_83110_69230348","title_v2_copy_copy_1534133931","text_copy_copy_83110_670475437","title_v2_685568339","text_1142311968","text_617860334"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-medium"},"flexible_column_content_container_2":{"additionalClasses":"hub-sidebar","layout":"SIMPLE","id":"container-74aca76f24",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"container":{"additionalClasses":"sticky-sidebar","layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"text_943981956_copy_":"aem-GridColumn aem-GridColumn--default--12","text_copy":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"container-5f6555799c",":type":"snowflake-site/components/container",":items":{"text_943981956_copy_":{"id":"text-b9825b817d","additionalClasses":"eyebrow-text","text":"\u003Cp\u003E이 가이드의 주요 내용\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text"},"text_copy":{"id":"text-f1b541f5ad","additionalClasses":"page-toc","text":"\u003Cul\u003E\r\n\u003Cli data-anchor=\"what-is-artificial-intelligence\"\u003E인공지능 (AI)\u003C/li\u003E\r\n\u003Cli data-anchor=\"how-does-artificial-intelligence-work\"\u003E인공지능은 어떻게 작동합니까?\u003C/li\u003E\r\n\u003Cli data-anchor=\"types-of-ai\"\u003EAI 유형\u003C/li\u003E\r\n\u003Cli data-anchor=\"core-ai-disciplines\"\u003E핵심 AI 분야\u003C/li\u003E\r\n\u003Cli data-anchor=\"ai-agents-and-agentic-systems\"\u003EAI 에이전트 및 에이전틱 시스템\u003C/li\u003E\r\n\u003Cli data-anchor=\"enterprise-ai-use-cases\"\u003E기업 AI 사용 사례\u003C/li\u003E\r\n\u003Cli data-anchor=\"ai-governance-risk-and-security\"\u003EAI 거버넌스, 위험 및 보안\u003C/li\u003E\r\n\u003Cli data-anchor=\"the-data-foundation-behind-ai\"\u003EAI의 데이터 기반\u003C/li\u003E\r\n\u003Cli data-anchor=\"history-of-ai\"\u003EAI의 역사\u003C/li\u003E\r\n\u003Cli data-anchor=\"next-steps\"\u003E다음 단계\u003C/li\u003E\r\n\u003C/ul\u003E\r\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-size-small text-color-text-05"}},":itemsOrder":["text_943981956_copy_","text_copy"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-small"}},":itemsOrder":["container"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-small"},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false}},":itemsOrder":["flexible_column_cont"],"appliedCssClassNames":"snowflake-container snowflake-responsive-container-inner-padding-small"},"container_1561483981":{"layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"container":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"topics",":type":"snowflake-site/components/container",":items":{"container":{"layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"flexible_column_cont_1969625716":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_470142727":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont":"aem-GridColumn aem-GridColumn--default--12","title_v2":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_1605976184":"aem-GridColumn aem-GridColumn--default--12","flexible_column_cont_1090102409":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"container-16ba55f19e",":type":"snowflake-site/components/container",":items":{"flexible_column_cont_470142727":{"id":"flexible-column-container-ce5d3a5068","type":"2-column-40-60","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"extra-large","bottomPadding":"large","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-879a4340b6",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"title_v2_copy":{"id":"title-v2-b93dd71247","additionalClasses":"hub-faq__headline","type":"heading2","lines":["자주 묻는 질문"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text_copy":{"id":"text-2feb029a70","text":"\u003Cp\u003ESnowflake 전문가가 인공 지능 관련 자주 묻는 질문에 답변합니다.\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"}},":itemsOrder":["title_v2_copy","text_copy"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-extra-small"},"flexible_column_content_container_2":{"layout":"SIMPLE","id":"container-4358cb7b8c",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"simple_snowflake_acc":{"id":"simple-snowflake-accordion-ee36a096c8","additionalClasses":"seo-hub__faqs","showDivider":false,"accordionItemsList":[{"title":"AI는 무엇인가요?","richText":"\u003Cp\u003EAI(인공지능)는 패턴 인식, 예측 수행, 언어 이해, 콘텐츠 생성 등 인간의 추론 능력과 관련된 작업을 수행하는 소프트웨어 시스템을 의미합니다. 실제로 대부분의 AI 시스템은 일반적인 추론 엔진이 아닌 특정 작업에 최적화된 좁은 도구입니다.\u003C/p\u003E\r\n"},{"title":"AI와 머신러닝의 차이는 무엇인가요?","richText":"\u003Cp\u003E머신러닝(ML)은 AI의 하위 집합입니다. AI는 인간과 유사한 추론 작업을 수행하는 시스템의 더 넓은 분야입니다. 머신러닝(ML)은 명시적으로 프로그래밍된 규칙을 따르기보다는 데이터에서 통계적 패턴을 학습하는 AI 시스템 구축을 위한 특정 접근 방식입니다.\u003C/p\u003E\r\n"},{"title":"ChatGPT는 인공지능인가요?","richText":"\u003Cp\u003E네. ChatGPT는 대규모 언어 모델(LLM)을 기반으로 한 생성적 AI 애플리케이션으로, 이는 딥러닝의 산물이며, 딥러닝은 머신러닝의 하위 집합이고, 머신러닝은 AI의 하위 집합입니다. 해당 도메인 내에서는 매우 뛰어난 성능을 발휘하지만, 전반적인 추론 능력을 갖춘 범용적인 시스템은 아닙니다.\u003C/p\u003E\r\n"},{"title":"AI의 주요 목표는 무엇인가요?","richText":"\u003Cp\u003E기업 차원에서 AI 도입의 목표는 의사결정과 운영의 속도, 정확성, 확장성을 향상하고, 수작업을 줄이며, 인간의 힘만으로는 찾아내기 어려운 데이터 속 패턴을 발굴하는 것입니다.\u003C/p\u003E\r\n"},{"title":"AI는 비즈니스에서 무엇에 사용됩니까? ","richText":"\u003Cp\u003E기업 환경에서 가장 대규모로 도입되는 핵심 활용 사례로는 의사결정 지원, 업무 프로세스 자동화, 콘텐츠 생성, 맞춤형 개인화, 사기 및 이상 징후 탐지, 그리고 미래 예측 등이 있습니다. 공통된 주제는 이전에 출력 단위당 상당한 인간 시간을 요구했던 작업에 통계적 학습을 적용하는 것입니다.\u003C/p\u003E\r\n"},{"title":"AI 모델 훈련과 추론의 차이는 무엇입니까?","richText":"\u003Cp\u003E훈련은 \u003Ca href=\"https://www.snowflake.com/ko/fundamentals/ai-models/\"\u003EAI 모델\u003C/a\u003E이 내부 매개변수를 조정하여 대규모 데이터 세트에서 패턴을 학습하는 과정입니다. 추론은 훈련된 모델이 새로운 데이터에 대해 예측을 하거나 출력을 생성하는 것입니다. 즉 훈련은 모델을 구축하고, 추론은 그것을 적용합니다.\u003C/p\u003E\r\n"}],":type":"snowflake-site/components/simple-snowflake-accordion"}},":itemsOrder":["simple_snowflake_acc"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false},"title_v2":{"id":"title-v2-3625306755","additionalClasses":"hub-explore-resources-header__headline","type":"heading2","lines":["AI 리소스 탐색하기"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"flexible_column_cont_1605976184":{"id":"flexible-column-container-83db436773","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"extra-small","bottomPadding":"none","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-0d729d7c2d",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"flexible_column_cont":{"id":"flexible-column-container-3fefaf15ed","propertiesId":"seo-hub-resources","type":"2-column-even","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"extra-small","bottomPadding":"none","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-441db68877",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"content_chip":{"id":"content-chip-7c65b7995e","tagText":"EBOOK","tagColor":"#71D3DC","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/en/lp/radical-roi-generative-ai/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"더 보기"},"headline":{"id":"title","type":"heading5","lines":["2026 생성형 AI와 에이전트의 ROI"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip","appliedCssClassNames":"snowflake-content-chip-white-bg"},"content_chip_1350384":{"id":"content-chip-54adbe1e90","tagText":"백서","tagColor":"#FFD9AF","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/en/resources/white-paper/from-prompt-to-purpose-unlocking-business-value-with-agentic-ai/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"더 보기"},"headline":{"id":"title","type":"heading5","lines":["프롬프트에서 목적까지: 에이전틱 AI로 비즈니스 가치를 여는 방법"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip","appliedCssClassNames":"snowflake-content-chip-white-bg"}},":itemsOrder":["content_chip","content_chip_1350384"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-medium"},"flexible_column_content_container_2":{"layout":"SIMPLE","id":"container-8662c6f894",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"content_chip_1281525":{"id":"content-chip-d99fc07a76","tagText":"EBOOK","tagColor":"#71D3DC","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/en/resources/ebook/building-the-interoperable-lakehouse-data-strategies-for-ai-leaders/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"더 보기"},"headline":{"id":"title","type":"heading5","lines":["상호 운용 가능한 레이크하우스 구축: AI 리더를 위한 데이터 전략"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip","appliedCssClassNames":"snowflake-content-chip-white-bg"},"content_chip_5895901":{"id":"content-chip-42112c7641","tagText":"보고서","tagColor":"#C6EDF1","cta":{"id":"cta","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/en/redefining-data-engineering-in-the-age-of-ai/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"더 보기"},"headline":{"id":"title","type":"heading5","lines":["AI 시대의 데이터 엔지니어링 재정의"],":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/content-chip","appliedCssClassNames":"snowflake-content-chip-white-bg"}},":itemsOrder":["content_chip_1281525","content_chip_5895901"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-medium"},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false}},":itemsOrder":["flexible_column_cont"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false},"flexible_column_cont_1090102409":{"id":"flexible-column-container-897365b723","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"large","bottomPadding":"none","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-52a8dc575d",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"title_v2_copy_copy":{"id":"title-v2-b3d451d101","additionalClasses":"hub-explore-topics-header__headline","type":"heading2","lines":["AI 주제 탐색하기"],":type":"snowflake-site/components/title-v2","appliedCssClassNames":"left-alignment"},"text_copy_copy":{"id":"text-b75e4e6aa6","text":"\u003Cp\u003E인공지능의 모든 측면에 대한 심층 분석\u003C/p\u003E\n","richText":true,":type":"snowflake-site/components/text","appliedCssClassNames":"text-color-text-05"}},":itemsOrder":["title_v2_copy_copy","text_copy_copy"],"appliedCssClassNames":"snowflake-responsive-container-inner-padding-extra-small"},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false},"flexible_column_cont":{"id":"flexible-column-container-988239e05b","type":"3-column-even","alignColumns":"match-height","containerMaxWidth":"extra-large","topPadding":"small","bottomPadding":"none","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-c9052a20f1",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"card_v2":{"id":"card-v2-0672280e07","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","text":{"id":"text","text":"\u003Cp\u003E투명하고 공정하며 책임 있고 안전한 AI 시스템을 구축하기 위한 원칙 및 거버넌스 관행.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"vertical","title":{"id":"title","type":"heading4","lines":["AI 윤리"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/ai-ethics/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"자세히 알아보기"},"type":"content-card"}},":itemsOrder":["card_v2"]},"flexible_column_content_container_2":{"layout":"SIMPLE","id":"container-2dfaf9379e",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"card_v2_copy":{"id":"card-v2-f55cf3b80a","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","text":{"id":"text","text":"\u003Cp\u003E윤리적 기준, 거버넌스 요구 사항 및 인간 감독에 부합하는 AI 시스템 개발을 위한 관행 및 통제.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"vertical","title":{"id":"title","type":"heading4","lines":["책임감 있는 AI"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/responsible-ai/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"자세히 알아보기"},"type":"content-card"}},":itemsOrder":["card_v2_copy"]},"flexible_column_content_container_3":{"layout":"SIMPLE","id":"container-60f17ce799",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"card_v2_copy":{"id":"card-v2-f268456942","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","text":{"id":"text","text":"\u003Cp\u003EAI 시스템 및 제공업체 전반에 걸쳐 AI 위험, 투명성, 책임 및 준수를 규율하는 EU 규정 개요.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"vertical","title":{"id":"title","type":"heading4","lines":["EU 인공지능법"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/eu-ai-act/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"자세히 알아보기"},"type":"content-card"}},":itemsOrder":["card_v2_copy"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false},"flexible_column_cont_1969625716":{"id":"flexible-column-container-d477278190","type":"3-column-even","alignColumns":"match-height","containerMaxWidth":"extra-large","topPadding":"none","bottomPadding":"large","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-d3e8b1b05b",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"card_v2":{"id":"card-v2-664d4b8d34","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","text":{"id":"text","text":"\u003Cp\u003EAI 모델 및 의사 결정 시스템에서 편향이 어떻게 발생하는지, 이를 감지하고 측정하며 줄이는 데 사용되는 방법.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"vertical","title":{"id":"title","type":"heading4","lines":["알고리즘 편향"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/algorithmic-bias/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"자세히 알아보기"},"type":"content-card"}},":itemsOrder":["card_v2"]},"flexible_column_content_container_2":{"layout":"SIMPLE","id":"container-b740cbe5b6",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"card_v2_copy":{"id":"card-v2-c38d2b6c52","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","text":{"id":"text","text":"\u003Cp\u003EAI 위험, 책임, 준수 및 운영 통제를 관리하기 위한 프레임워크, 정책 및 감독 모델.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"vertical","title":{"id":"title","type":"heading4","lines":["AI 거버넌스"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"자세히 알아보기"},"type":"content-card"}},":itemsOrder":["card_v2_copy"]},"flexible_column_content_container_3":{"layout":"SIMPLE","id":"container-7d6e100c5f",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"card_v2_copy":{"id":"card-v2-0cdf0cb797","configurationStatus":{"configured":true,"message":""},":type":"snowflake-site/components/card-v2","text":{"id":"text","text":"\u003Cp\u003E문서화, 설명 가능성, 추적 가능성 및 명확한 모델 거버넌스를 통해 AI 시스템을 이해할 수 있도록 만드는 접근 방식.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text"},"layoutStyle":"vertical","title":{"id":"title","type":"heading4","lines":["투명성:"],":type":"snowflake-site/components/title-v2"},"button":{"id":"button","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/ko/artificial-intelligence/ai-governance/ai-transparency/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_EXTERNAL","text":"자세히 알아보기"},"type":"content-card"}},":itemsOrder":["card_v2_copy"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":false,"isActiveTOC":false}},":itemsOrder":["flexible_column_cont_470142727","title_v2","flexible_column_cont_1605976184","flexible_column_cont_1090102409","flexible_column_cont","flexible_column_cont_1969625716"],"appliedCssClassNames":"snowflake-container snowflake-responsive-container-inner-padding-small"}},":itemsOrder":["container"],"appliedCssClassNames":"ui-background-05 snowflake-responsive-container-inner-padding-small"},"container_1561483981_602520842":{"layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"container":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"faq",":type":"snowflake-site/components/container",":items":{"container":{"layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"container-6066f5f023",":type":"snowflake-site/components/container",":items":{},":itemsOrder":[],"appliedCssClassNames":"snowflake-container snowflake-responsive-container-inner-padding-small"}},":itemsOrder":["container"],"appliedCssClassNames":"ui-background-01 snowflake-responsive-container-inner-padding-small"}},":itemsOrder":["container_805795510","container_1561483981","container_1561483981_602520842"]}},":itemsOrder":["container_copy","container_626207224_"],":type":"wcm/foundation/components/responsivegrid"},"modal_container":{"layout":"SIMPLE","id":"container-79917e363b",":type":"snowflake-site/components/modal/modal-container",":items":{},":itemsOrder":[]},"markup_editor_928258845":{"id":"markup-editor-fe99f2530b","title":" ","cssContent":".snowflake-flexible-column-container-gray-10-bg\u003E.snowflake-flexible-column-container{background-color:var(--ui-background-05) !important}.text-size-regular:has(.seo-hub-hero__related-topic-label){display:flex;align-items:center}.hub-hero__headline span{text-transform:none !important}.hub-hero__subheadline p{max-width:70ch;margin-top:8px}.hub-hero__authors \u003E .container \u003E .cmp-container \u003E .aem-container{display:flex;flex-direction:row}.hub-hero__authors \u003E .container \u003E .cmp-container \u003E .aem-container \u003E div{width:auto !important;margin:24px 48px 0 0 !important}.hub-hero__authors .heading-5-v2{gap:var(--spacing-00)}.hub-hero__authors .snowflake-content-chip-button{display:none !important}.hub-hero__authors .snowflake-person-chip-content .body-2,.hub-hero__authors .snowflake-content-chip-content .snowflake-title-v2-line{font-size:16px !important;line-height:20px !important;font-family:\"Lato\",sans-serif !important;color:#000 !important;font-weight:600 !important}.hub-hero__authors .snowflake-person-chip-content .body-3,.hub-hero__authors .snowflake-content-chip-content .snowflake-title-v2-line:not(:first-child){font-weight:400 !important;color:var(--text-05) !important;font-size:16px !important}.hub-hero__authors .snowflake-image-container img{aspect-ratio:1 !important;border-radius:100%;overflow:hidden}.hub-hero__authors .snowflake-person-chip-avatar{width:56px;height:56px}.hub-hero__authors .snowflake-content-chip{align-items:center;display:inline-flex}.hub-hero__authors .snowflake-content-chip-image{max-width:56px;line-height:0;margin-right:var(--spacing-03)}.hub-hero__authors .snowflake-person-chip-inner-horizontal{gap:var(--spacing-03)}@media screen and (min-width:1367px){.hub-hero__headline .heading-1-v2{font-size:48px;line-height:44px}}#hub-explore-resources-grid-inner\u003E.container\u003E.cmp-container\u003E.aem-container{display:flex;flex-direction:row;flex-wrap:wrap;gap:24px}#hub-explore-resources-grid-inner\u003E.container\u003E.cmp-container\u003E.aem-container::before,#hub-explore-resources-grid-inner\u003E.container\u003E.cmp-container\u003E.aem-container::after{display:none}#hub-explore-resources-grid-inner\u003E.container\u003E.cmp-container\u003E.aem-container\u003Ediv{width:calc(25% - 18px)}.text-color-text-05 .snowflake-text h2,.text-color-text-05.cq-Editable-dom h2,.text-color-text-05 .snowflake-text h3,.text-color-text-05.cq-Editable-dom h3,.text-color-text-05 .snowflake-text h4,.text-color-text-05.cq-Editable-dom h4,.text-color-text-05 .snowflake-text h5,.text-color-text-05.cq-Editable-dom h5,.text-color-text-05 .snowflake-text h6,.text-color-text-05.cq-Editable-dom h6{color:#000 !important}",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":false},"markup_editor_597730182":{"id":"markup-editor-573e2a5e66","title":" ","cssContent":".sf-copy-markdown [data-copy-md]{display:inline-flex;align-items:center;gap:6px;padding:8px 16px;font-family:'Texta',sans-serif;text-transform:uppercase;font-weight:800 !important;font-size:14px;font-weight:500;color:#11567f;background:#f0faff;border:1px solid #b8e6f9;border-radius:24px;cursor:pointer;transition:background .2s ease,border-color .2s ease,color .2s ease}.sf-copy-markdown [data-copy-md]:hover{background:#ddf3fc;border-color:#29b5e8}.sf-copy-markdown [data-copy-md][data-copied=\"1\"]{color:#0f7b3e;background:#ecfdf5;border-color:#6ee7a0;pointer-events:none}.sf-copy-markdown [data-copy-md] svg{flex-shrink:0}.longform-conten .snowflake-content-chip-white-bg .snowflake-content-chip{box-shadow:0 0 24px 4px rgba(0,0,0,.02),0 4px 8px 0 rgba(0,0,0,.04);flex-direction:row-reverse;align-items:center}.longform-conten .snowflake-content-chip-button{display:none}.longform-conten .snowflake-content-chip-image__inner{aspect-ratio:5 / 3;display:flex;justify-content:center;align-items:center;background-color:var(--ui-01);border-radius:4px}.longform-conten .snowflake-content-chip-image{margin-right:0;margin-left:48px}.longform-conten .snowflake-content-chip-image img{width:50%;border-radius:0 !important;object-fit:contain}.longform-content .black-blue-text-color .snowflake-title-v2-line:not(:first-child){font-size:14px !important;font-weight:400 !important;color:rgba(0,0,0,.6) !important;margin-top:8px !important}.page-toc ul li:first-child{padding-top:0 !important}.page-toc ul li:last-child{padding-bottom:0 !important}.seo-hub__top-bar \u003E .container \u003E .cmp-container \u003E .aem-container \u003E div:first-child{flex-grow:1}.sf-copy-markdown{margin-top:40px !important}.page-toc ul{margin-top:16px !important}.seo-hub__top-bar \u003E .container \u003E .cmp-container \u003E .aem-container{display:flex;justify-content:space-between}.sf-copy-markdown{}.callout.snowflake-text p:not(:first-child){margin-top:var(--spacing-01)}.callout \u003E span \u003E p:first-child \u003E strong,.callout \u003E span \u003E p:first-child \u003E b{text-transform:uppercase;font-family:'Texta',sans-serif;font-size:16px !important;color:var(--ui-01) !important}.seo-hub-hero__subheadline p{max-width:50ch}.tag-group ul{list-style-type:none;padding:0;margin:0;display:flex;flex-direction:row;row-gap:12px;column-gap:8px;align-items:center;flex-wrap:wrap}.tag-group ul li:first-child{flex-shrink:0}.tag-group ul li a{display:inline-block;padding:2px 12px;border-radius:48px;background-color:#ededed;color:#666;font-size:14px !important}@media screen and (min-width:1367px){.seo-hub-hero__headline span.snowflake-title-v2-line{font-size:56px !important}}.callout.snowflake-text p:not(:first-child){margin-top:var(--spacing-01)}.callout \u003E span \u003E p:first-child \u003E b{text-transform:uppercase;font-family:'Texta',sans-serif;font-size:16px !important;color:var(--ui-01) !important}.seo-hub-hero__subheadline p{max-width:80ch}#hero:has(.snowflake-youtube-lite) .seo-hub-hero__subheadline p{max-width:50ch}.tag-group ul{list-style-type:none;padding:0;margin:0;display:flex;flex-direction:row;row-gap:12px;column-gap:8px;align-items:center;flex-wrap:wrap}.tag-group ul li:first-child{width:100%;flex-shrink:0}.tag-group ul li a{display:inline-block;padding:2px 12px;border-radius:48px;background-color:#ededed;color:#666;font-size:14px !important}@media screen and (min-width:1367px){.seo-hub-hero__headline span.snowflake-title-v2-line{font-size:56px !important}}",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":false},"markup_editor":{"id":"markup-editor-e9fc5b2515","title":" ","cssContent":"div.snowflake-breadcrumb a.snowflake-breadcrumb-item,.snowflake-breadcrumb div.snowflake-breadcrumb-item{text-transform:none;font-weight:500}.snowflake-breadcrumb svg{display:none !important}.snowflake-breadcrumb a:has(svg)::after{content:'/';margin:0 12px;color:#666}.hub-sidebar{padding:0 40px}.sticky-sidebar{max-width:340px;margin-left:auto}.page-toc ul{list-style-type:none;padding:0}.page-toc li{padding:8px 16px;border-left:4px solid var(--ui-01);cursor:pointer;transition:300ms ease all}.page-toc li:hover{color:var(--ui-01);border-color:#7fd3f1;transition:300ms ease all}.callout,.customer-card{background-color:#eef9fd;border-left:4px solid var(--ui-01);padding:24px 24px 24px 32px;border-radius:4px}.logo-container{max-width:180px}.longform-content li{margin-top:1rem !important}div.longform-content p{max-width:80ch}.bolder .snowflake-title-v2-line{font-weight:900 !important}.border-top\u003Ediv{border-top:1px solid #ccc;padding-top:48px}.related-topics ul{list-style-type:none;padding:0;margin:0;display:flex;gap:8px;flex-wrap:wrap}.related-topics li{display:inline-block;border:1px solid #ccc;padding:4px 12px;border-radius:24px}div.longform-content .snowflake-text h2,div.longform-content .snowflake-text .heading-2-v2,div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-title-v2 .heading-3-v2,div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-title-v2 .heading-4-v2,div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-title-v2 .heading-5-v2,div.longform-content .snowflake-text h6,div.longform-content .snowflake-title-v2 .heading-6-v2,div.longform-content .snowflake-text .heading-6-v2{text-transform:none !important}div.longform-content .snowflake-text h2,div.longform-content .snowflake-text .heading-2-v2,div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-text h6,div.longform-content .snowflake-text .heading-6-v2{margin-top:1.5rem !important;line-height:1.1 !important}div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-title-v2 .heading-3-v2,div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-title-v2 .heading-4-v2,div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-title-v2 .heading-5-v2,div.longform-content .snowflake-text h6,div.longform-content .snowflake-text .heading-6-v2,div.longform-content .snowflake-title-v2 .heading-6-v2{font-family:Lato,sans-serif !important;font-weight:800 !important}div.longform-content .snowflake-text h2,div.longform-content .snowflake-text .heading-2-v2,div.longform-content .snowflake-title-v2 .heading-2-v2{text-transform:none !important;font-size:28px !important}div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-title-v2 .heading-3-v2{font-size:22px !important}div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-title-v2 .heading-4-v2{font-size:18px !important}div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-title-v2 .heading-5-v2{font-size:16px !important}div.longform-content .snowflake-text h6,div.longform-content .snowflake-text .heading-6-v2,div.longform-content .snowflake-title-v2 .heading-6-v2{font-size:14px !important}@media screen and (min-width:992px){div.longform-content .snowflake-text h2,div.longform-content .snowflake-text .heading-2-v2,div.longform-content .snowflake-title-v2 .heading-2-v2{font-size:38px !important}div.longform-content .snowflake-text h3,div.longform-content .snowflake-text .heading-3-v2,div.longform-content .snowflake-title-v2 .heading-3-v2{font-size:26px !important}div.longform-content .snowflake-text h4,div.longform-content .snowflake-text .heading-4-v2,div.longform-content .snowflake-title-v2 .heading-4-v2{font-size:22px !important}div.longform-content .snowflake-text h5,div.longform-content .snowflake-text .heading-5-v2,div.longform-content .snowflake-title-v2 .heading-5-v2{font-size:18px !important}div.longform-content .snowflake-text h6,div.longform-content .snowflake-text .heading-6-v2,div.longform-content .snowflake-title-v2 .heading-6-v2{font-size:16px !important}}.sticky-sidebar .page-toc li.is-active{font-weight:600;color:var(--snow-blue,#29b5e8)}.sticky-sidebar .page-toc li[data-anchor]{cursor:pointer}.longform-content table{margin-top:24px;margin-bottom:24px;width:100%;background-color:var(--ui-background-01);border-collapse:collapse;border:2px solid var(--ui-background-09);font-family:'Lato',sans-serif;color:var(--ui-background-09)}.longform-content table thead{background-color:var(--ui-01)}.longform-content th,.longform-content td{min-width:120px;border:2px solid var(--ui-background-09);padding:var(--spacing-01)}.longform-content ol{margin-top:0 !important}.longform-content ol li{margin-bottom:1rem !important}.longform-content ul li{margin:0;padding:0 0 0 32px;position:relative}.longform-content ul{list-style-type:none}.longform-content ul li::before{content:\"\";display:block;border-radius:100%;background:#29b5e8;width:18px;height:18px;position:absolute;top:4px;left:0;border:5px solid #e5f2f7;box-sizing:border-box}.seo-customer.snowflake-card-v2-advanced-horizontal .snowflake-card-v2-advanced-image-container{max-width:200px}.seo-customer.snowflake-card-v2-advanced-horizontal .snowflake-card-v2-advanced-image-container img{object-fit:contain}.related-topics-outer-container \u003E .container \u003E .cmp-container \u003E .aem-container{display:flex;flex-direction:row}.related-topics-outer-container \u003E .container \u003E .cmp-container \u003E .aem-container \u003E div{width:auto !important;margin:0 !important}.related-topics-outer-container \u003E .container \u003E .cmp-container \u003E .aem-container \u003E div:first-child{margin-right:16px !important;flex-shrink:0}","jsContent":"(function(){var OFFSET=100;if(window.gsap&&window.ScrollTrigger){gsap.registerPlugin(ScrollTrigger);var sidebar=document.querySelector('.sticky-sidebar');var body=document.querySelector('.longform-content');if(sidebar&&body){ScrollTrigger.create({trigger:sidebar,start:'top 100px',endTrigger:body,end:'bottom bottom',pin:sidebar,pinSpacing:false});}}document.addEventListener('click',function(e){var li=e.target.closest('li[data-anchor]');if(!li)return;var slug=li.getAttribute('data-anchor');var heading=document.querySelector('.anchor-title--'+CSS.escape(slug));if(!heading)return;e.preventDefault();var top=heading.getBoundingClientRect().top+window.pageYOffset-OFFSET;window.scrollTo({top:top,behavior:'smooth'});history.replaceState(null,'','#'+slug);},false);var headings=document.querySelectorAll('[class*=\"anchor-title--\"]');if(headings.length&&'IntersectionObserver'in window){var io=new IntersectionObserver(function(entries){entries.forEach(function(entry){if(!entry.isIntersecting)return;var cls=Array.from(entry.target.classList).find(function(c){return c.indexOf('anchor-title--')===0;});if(!cls)return;var slug=cls.replace('anchor-title--','');document.querySelectorAll('li[data-anchor]').forEach(function(li){li.classList.toggle('is-active',li.getAttribute('data-anchor')===slug);});});},{rootMargin:'-20% 0px -70% 0px',threshold:0});headings.forEach(function(h){io.observe(h);});}})();",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":true},"experiencefragment-footer":{"id":"experiencefragment-401c5cbac5","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/ko/site/footer/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/ko/site/footer/master.xfmodel.json?callerPage=/content/snowflake-site/global/ko/artificial-intelligence"},"experiencefragment":{"id":"experiencefragment-3eccfc4486","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/ko/site/footer-legal-disclaimers/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/ko/site/footer-legal-disclaimers/master.xfmodel.json?callerPage=/content/snowflake-site/global/ko/artificial-intelligence"}},":itemsOrder":["experiencefragment-banner","experiencefragment-header","responsivegrid","modal_container","markup_editor_928258845","markup_editor_597730182","markup_editor","experiencefragment-footer","experiencefragment"],":type":"wcm/foundation/components/responsivegrid"}},":itemsOrder":["root"],":hierarchyType":"page",":path":"/content/snowflake-site/global/ko/artificial-intelligence","coveoConfig":{"apiKey":"xx335921a6-2a0a-40f2-a167-e390b4766c3d","organizationId":"snowflakecomputingproduction8neljofn","searchHub":"snowflake.com","pipeline":"snowflake.com"},"analyticsDebugMode":false,"analyticsData":{"excludeFromAnalytics":false,"subCategory":"","pageType":"homepage","templateName":"base-page-template54","siteName":"snowflake","pageUrl":"/content/snowflake-site/global/ko/artificial-intelligence","language":"ko","category":"general","pageName":"인공지능이란? AI 완벽 가이드","contentTags":[]},"isPasswordProtected":false,"analyticsContentTags":[],"analyticsEnabled":true,"locale":"ko"}