인공지능 기반 서비스 (Artificial Intelligence-based Services, AIS)는 사용자와 상호작용을 하며 인공지능에 기반한 자동화, 예측, 분류와 같은 지능적 기능으로 가치를 제공한다. AIS 는 센싱, 학습, 적...

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
인공지능 기반 서비스 (Artificial Intelligence-based Services, AIS)는 사용자와 상호작용을 하며 인공지능에 기반한 자동화, 예측, 분류와 같은 지능적 기능으로 가치를 제공한다. AIS 는 센싱, 학습, 적...
인공지능 기반 서비스 (Artificial Intelligence-based Services, AIS)는 사용자와 상호작용을 하며 인공지능에 기반한 자동화, 예측, 분류와 같은 지능적 기능으로 가치를 제공한다. AIS 는 센싱, 학습, 적응성, 연결성이라는 특성을 보이며, 개인 맞춤형 또는 능동적인 서비스 제공을 가능하게 한다. AIS 시장은 빠른 속도로 성장하고 있으나, 디자인 실패 사례 또한 함께 증가하고 있다. 주요 원인 중 하나는 사용자가 서비스를 사용하는 정황에 대한 서비스 디자이너의 이해 부족이다. 이를 해결하기 위해서는 서비스 맥락에 기반한 디자인이 요구된다. 서비스 맥락은 사용자와 서비스의 상호작용 정황을 설명하는, 목적, 시간, 공간 등 구성 요소의 집합이다. 기존 연구들은 모바일, 정보통신기술, 스마트 서비스 등 새로운 서비스 유형의 맥락을 디자인에 반영하기 위해 시도해 왔으나, AIS 맥락을 다루는 연구는 부재한 상황이다. 만약 AIS 맥락을 디자인할 때 적절히 반영하지 못하면, 행동 패턴 및 사용 맥락과 일치하지 않는 서비스를 제공하여 디자인 실패를 초래한다. 본 연구는 AIS 맥락을 서비스 디자인에 반영할 수 있는 2단계 프레임워크를 제안한다. 첫 번째 단계는 형태학적 분석에 기반하여 AIS 맥락을 구조화한다. 형태학적 분석은 복잡한 문제를 차원과 변수로 분해하고 새로운 조합을 생성하는 방법론으로, AIS 맥락을 분해하여 디자인에 반영할 수 있게 한다. 이를 위해 5W1H와 문헌 검토를 통해 분석의 기초가 되는 5개의 차원을 정의한다. 다음으로는 거대 언어 모델 기반 정보 추출 기법으로 텍스트 데이터에서 차원별 변수 후보 키워드를 도출하고, 커뮤니티 탐지 기법을 적용하여 후보들을 각 차원의 독립적인 변수로서 정의한다. 마지막으로 차원과 변수로 구성된 형태학적 행렬을 도출한다. 두 번째 단계는 형태학적 행렬로부터 발생한 조합을 평가하고 후보를 제시하여, 서비스 아이디어 생성을 지원한다. 이를 위해, 변수가 추출된 텍스트 데이터에서 변수 간 공동 출현 관계 분석으로 조합의 실현 가능성을 측정하고, 이상치 탐지 기법으로 참신한 조합을 탐지한다. 마지막으로 토픽 모델링을 적용하여 조합을 그룹화하고, 각 토픽을 서비스 아이디어 후보로 제시한다. 프레임워크 검증을 위해 스마트 홈 서비스에 적용한다. 2,162건의 텍스트 데이터를 단계 1에 적용하여 1,920개 조합을 생성한다. 이후 단계 2에 적용하여 1,086개 조합을 선별 후 20개 토픽으로 그룹화하였다. 토픽 중 2개를 선택하여 서비스 아이디어 생성 예시를 보여준다. 본 연구는 AIS 맥락을 구조화하고, 서비스 아이디어화 지원 프레임워크를 제안한다. 이는 서비스 디자이너와 연구자의 AIS 맥락 이해를 높여, 디자인 실패를 방지 및 혁신적인 아이디어 생성에 기여한다.
목차 (Table of Contents)