| 목차 | 다음: Week 2 → |
Week 1: 오리엔테이션, AX/DX 기초
📌 학습 목표
- AX(AI Transformation) 및 DX(Digital Transformation) 개념 이해
- DX vs AX 차이점 및 3대 혁신 영역 파악
- DX 성숙도 모델 (Level 0~5) 이해
- 제조업 및 금융업 DX 사례 분석
- AI 기술 스택 및 생성형 AI 영향 이해
- LLM(Large Language Model) 사용 패턴 습득
- RACI 매트릭스를 활용한 팀 역할 정의
- 프로젝트에 필요한 도구 (Figma, Claude, Cursor) 소개
📚 주요 내용
1. 과정 소개
1.1 과목명 및 목표
과목명: 창업 아이디어 설계를 위한 AX/DX 서비스 기획
목표:
- AI와 디지털 혁신을 활용한 실전 서비스 기획 능력 배양
- End-to-End 프로젝트 경험을 통한 창업 역량 강화
1.2 학습 성과
- 실전 프로젝트 캔버스 및 BMC(Business Model Canvas) 작성
- AI 기반 서비스 설계 및 요구사항 정의
- 프로토타입 개발 및 검증 역량
- 팀 협업 및 커뮤니케이션 스킬 향상
1.3 15주 커리큘럼 개요
| 주차 | 주제 | 활동 |
|---|---|---|
| 1주차 | 오리엔테이션 & AX/DX 기초 | 개념 이해, 팀 구성 |
| 2주차 | 프로젝트 캔버스 | 캔버스 작성, SMART 목표 |
| 3주차 | 서비스 분석 설계 | 문제 정의, 요구사항 분석 |
| 4주차 | BMC & 시장 예측 | 비즈니스 모델, 시장 규모 추정 |
| 5-10주차 | 중간 개발 및 검증 | 기능 개발, 반복 개선 |
| 11주차 | Conceptual Design | 사용자 여정, 와이어프레임 |
| 12주차 | Detailed Design | API 명세, 보안 아키텍처 |
| 13주차 | UI/UX Design | 디자인 시스템, 인터랙션 |
| 14주차 | Prototyping | 프로토타입 개발 및 검증 |
| 15주차 | 최종 발표 | 데모 및 피드백 |
2. DX (Digital Transformation) 개념
2.1 정의
DX (Digital Transformation):
- 디지털 기술을 활용하여 비즈니스 모델, 프로세스, 문화를 근본적으로 변화시키는 것
- 단순한 IT 도입이 아닌, 조직 전반의 혁신
2.2 DX의 3대 혁신 영역
- Business Model Innovation (비즈니스 모델 혁신):
- 새로운 수익 모델 창출
- 예: Netflix (DVD 대여 → 스트리밍 구독)
- Process Innovation (프로세스 혁신):
- 업무 프로세스 자동화 및 효율화
- 예: RPA(Robotic Process Automation)로 반복 작업 자동화
- Customer Experience Innovation (고객 경험 혁신):
- 개인화된 서비스 제공
- 예: Amazon 추천 시스템, 카카오톡 챗봇 상담
2.3 DX 성숙도 모델 (Maturity Model)
Level 0: Analog (아날로그):
- 종이 문서, 수기 작업
- IT 시스템 미도입
Level 1: Digitization (디지털화):
- 종이 → 전자 문서 전환
- 예: 스캔, PDF 저장
Level 2: Digitalization (디지털라이제이션):
- 프로세스 디지털화
- 예: 전자결재 시스템, ERP 도입
Level 3: Digital Transformation (디지털 전환):
- 비즈니스 모델 변화
- 예: 온라인 쇼핑몰, O2O 서비스
Level 4: Data-Driven (데이터 기반):
- 데이터 분석 기반 의사결정
- 예: A/B 테스트, 고객 세그먼트 분석
Level 5: AI-Driven (AI 기반):
- AI 자동화 및 최적화
- 예: 추천 알고리즘, 챗봇, 자율주행
3. AX (AI Transformation) 개념
3.1 정의
AX (AI Transformation):
- AI 기술을 활용하여 비즈니스 가치를 창출하고, 조직 역량을 근본적으로 변화시키는 것
- DX의 진화된 형태
3.2 AX의 3대 혁신 영역
- Intelligence Augmentation (지능 증강):
- 인간의 의사결정 지원
- 예: 의료 진단 보조 AI, 투자 추천 AI
- Automation & Optimization (자동화 및 최적화):
- 반복 작업 자동화, 최적 솔루션 도출
- 예: 물류 경로 최적화, 제조 공정 최적화
- Personalization (개인화):
- 개인 맞춤형 서비스
- 예: Netflix 콘텐츠 추천, Spotify 플레이리스트
3.3 DX vs AX 비교
| 항목 | DX | AX |
|---|---|---|
| 핵심 기술 | 클라우드, 모바일, IoT | AI, ML, 딥러닝, LLM |
| 목표 | 프로세스 효율화 | 지능화 및 자동화 |
| 의사결정 | 데이터 기반 | AI 예측/추천 기반 |
| 예시 | 전자결재, ERP | 챗봇, 추천 시스템, 자율주행 |
4. 산업별 DX 사례
4.1 제조업 DX 사례
스마트 팩토리:
- 배경: 전통 제조업의 생산성 정체, 인력 부족
- 솔루션: IoT 센서, 데이터 분석, 예측 정비
- 효과:
- 불량률 30% 감소
- 가동률 20% 증가
- 에너지 비용 15% 절감
예시 - 현대자동차:
- 협동 로봇(Co-bot) 도입으로 작업자 부담 감소
- AI 비전 검사로 품질 관리 자동화
4.2 금융업 DX 사례
디지털 뱅킹:
- 배경: 오프라인 지점 방문 감소, MZ세대 모바일 선호
- 솔루션: 모바일 앱, 비대면 계좌 개설, AI 챗봇 상담
- 효과:
- 고객 만족도 40% 향상
- 운영 비용 25% 절감
- 신규 고객 유입 증가
예시 - 카카오뱅크:
- 100% 모바일 기반 은행
- 26주 만에 가입자 300만 돌파 (2017년)
- AI 기반 신용평가 모델
5. DX 성공 및 실패 사례
5.1 성공 사례
Netflix:
- DVD 대여 → 스트리밍 서비스로 전환
- AI 추천 알고리즘으로 개인화
- 전 세계 2억 명 이상 구독자 (2023년 기준)
Tesla:
- 전통 자동차 → 소프트웨어 중심 EV
- OTA(Over-The-Air) 업데이트로 지속 개선
- 자율주행 FSD(Full Self-Driving) 개발
5.2 실패 사례 (교훈)
GE Digital:
- 2015년 산업 인터넷 플랫폼 Predix 출시
- 2018년 매각 (약 10억 달러 손실)
- 교훈: 기존 조직 문화와의 충돌, 고객 니즈 미반영
Kodak:
- 디지털 카메라 발명했으나 필름 사업 고수
- 2012년 파산 신청
- 교훈: 기술은 있었으나 비즈니스 모델 전환 실패
6. AI 기술 스택
6.1 AI 기술 계층
Foundation Layer (기반 계층):
- 하드웨어: GPU, TPU, 클라우드 인프라
- 프레임워크: TensorFlow, PyTorch
Model Layer (모델 계층):
- 머신러닝: 지도학습, 비지도학습, 강화학습
- 딥러닝: CNN, RNN, Transformer
- LLM: GPT-4, Claude, Gemini
Application Layer (응용 계층):
- 자연어 처리 (NLP)
- 컴퓨터 비전 (CV)
- 음성 인식/합성 (TTS/STT)
- 추천 시스템
6.2 생성형 AI (Generative AI) 영향
정의:
- 텍스트, 이미지, 음악, 코드 등을 생성하는 AI
주요 모델:
- 텍스트: GPT-4, Claude, Gemini
- 이미지: DALL-E, Midjourney, Stable Diffusion
- 코드: GitHub Copilot, Cursor
- 음성: ElevenLabs, WaveNet
산업 영향:
- 콘텐츠 제작: 블로그, 마케팅 카피, 광고 크리에이티브
- 소프트웨어 개발: 코드 자동 생성, 버그 수정
- 교육: 개인화 학습 콘텐츠, AI 튜터
- 고객 서비스: 챗봇 상담, FAQ 자동 응답
7. LLM (Large Language Model) 사용 패턴
7.1 LLM 개념
정의:
- 대규모 텍스트 데이터로 학습된 언어 모델
- 자연어 이해 및 생성 능력
주요 LLM:
- OpenAI GPT-4
- Anthropic Claude
- Google Gemini
- Meta LLaMA
7.2 사용 패턴
1. Text Generation (텍스트 생성):
- 블로그 글, 이메일, 보고서 작성
- 예: “SaaS 스타트업 마케팅 전략 보고서 작성해줘”
2. Summarization (요약):
- 긴 문서 요약, 회의록 요약
- 예: “이 PDF 보고서를 3줄로 요약해줘”
3. Question Answering (질문 답변):
- 지식 검색, FAQ 자동 응답
- 예: “Python으로 API 호출하는 방법 알려줘”
4. Code Generation (코드 생성):
- 함수 작성, 버그 수정, 코드 리팩토링
- 예: “React로 로그인 폼 컴포넌트 만들어줘”
5. Translation (번역):
- 다국어 번역, 전문 용어 번역
- 예: “이 영어 문서를 한국어로 번역해줘”
6. Data Extraction (데이터 추출):
- 비구조화 데이터에서 정보 추출
- 예: “이 이메일에서 회의 일정 추출해줘”
7.3 Prompt Engineering 기본
좋은 Prompt 작성 원칙:
- 명확하고 구체적으로: “보고서 써줘” (X) → “SaaS 스타트업의 시장 진입 전략 보고서를 3페이지 분량으로 작성해줘” (O)
- 역할 부여: “너는 마케팅 전문가야. ~”
- 예시 제공: “다음 예시처럼 작성해줘: …”
- 단계별 지시: “먼저 ~를 하고, 다음으로 ~”
8. RACI 매트릭스 및 팀 역할
8.1 RACI 개념
정의:
- 프로젝트 업무 책임을 명확히 하는 도구
구성 요소:
- R (Responsible): 실행 책임자 (실제 작업 수행)
- A (Accountable): 최종 책임자 (승인 권한, 1명만 가능)
- C (Consulted): 자문 역할 (의견 제공)
- I (Informed): 정보 수신 (결과 공유 받음)
8.2 팀 구성 및 역할
PM (Project Manager):
- 프로젝트 전체 관리, 일정/리소스 조율
- RACI: A (대부분 업무)
PO (Product Owner):
- 제품 비전 수립, 요구사항 정의, 백로그 관리
- RACI: A (기획/요구사항), C (개발)
UX/UI Designer:
- 사용자 조사, 와이어프레임, 시각 디자인
- RACI: R (디자인), C (기획)
Frontend Developer:
- UI 구현, 인터랙션 개발, API 연동
- RACI: R (프론트엔드), C (디자인)
Backend Developer:
- API 개발, 데이터베이스 설계, 서버 인프라
- RACI: R (백엔드), C (기획)
Data Scientist / AI Engineer:
- 데이터 분석, 머신러닝 모델 개발
- RACI: R (AI/Data), C (기획/개발)
QA (Quality Assurance):
- 테스트 시나리오 작성, 버그 발견 및 보고
- RACI: R (테스트), I (개발)
8.3 RACI 매트릭스 예시
| 업무 / 역할 | PM | PO | Designer | Frontend | Backend | QA |
|---|---|---|---|---|---|---|
| 요구사항 정의 | A | R | C | C | C | I |
| 와이어프레임 작성 | I | C | R, A | C | - | - |
| UI 개발 | I | C | C | R, A | - | I |
| API 개발 | I | C | - | C | R, A | I |
| 테스트 | I | C | - | C | C | R, A |
| 최종 승인 | A | R | - | - | - | - |
9. 도구 소개
9.1 Figma
용도: UI/UX 디자인 및 프로토타이핑
주요 기능:
- 협업 디자인 (실시간 편집)
- 와이어프레임 및 목업 제작
- 프로토타입 링크 생성
- 디자인 시스템 관리
학습 리소스:
- Figma Learn (공식 튜토리얼)
- YouTube: “Figma Tutorial for Beginners”
9.2 Claude (Anthropic)
용도: AI 어시스턴트, 문서 작성, 코드 생성
주요 기능:
- 자연어 대화
- 긴 문서 분석 (최대 200K 토큰)
- 코드 생성 및 리뷰
- 요약 및 번역
활용 예시:
- PRD(Product Requirement Document) 작성
- User Story 생성
- API 명세 초안 작성
9.3 Cursor
용도: AI 기반 코드 에디터
주요 기능:
- 코드 자동 완성
- 자연어 → 코드 변환
- 코드 리팩토링 제안
- 버그 수정 지원
활용 예시:
- “React로 로그인 폼 만들어줘”
- “이 함수를 TypeScript로 변환해줘”
- “이 코드의 버그를 찾아줘”
🛠️ 실습 과제
과제 1: DX vs AX 이해도 체크
- 자신이 관심 있는 산업의 DX 사례 1개 조사 (500자 요약)
과제 2: 팀 구성 및 RACI 작성
- 프로젝트 팀원 역할 분담 (최소 3명)
- 주요 업무 5개에 대한 RACI 매트릭스 작성
과제 3: LLM 활용 연습
- Claude 또는 ChatGPT로 “자신의 프로젝트 아이디어 요약문” 작성 (200자)
과제 4: Figma 기초 실습
- Figma 회원가입 및 간단한 Lo-Fi 와이어프레임 1개 작성 (Home 화면)
📖 참고 자료
- 도서:
- “Leading Digital” - George Westerman
- “The AI-First Company” - Ash Fontana
- 온라인 리소스:
- McKinsey Digital - 디지털 전환 리포트
- Gartner - IT Trends & Research
- 도구 문서:
- Figma Community: figma.com/community
- Claude Documentation: docs.anthropic.com
- Cursor: cursor.sh
🔄 복습 체크리스트
- DX와 AX 개념 이해 및 차이점 파악
- DX 성숙도 모델 5단계 설명 가능
- 제조업/금융업 DX 사례 1개 이상 숙지
- AI 기술 스택 및 생성형 AI 영향 이해
- LLM 사용 패턴 6가지 파악
- RACI 매트릭스 작성 능력
- Figma, Claude, Cursor 기본 사용법 습득
📝 다음 주 예습
Week 2: 프로젝트 캔버스
- 9가지 캔버스 구성요소
- SMART 목표 설정 프레임워크
- 좋은 캔버스 vs 나쁜 캔버스
- AI 챗봇 서비스 기획 사례
| 목차 | 다음: Week 2 → |
Last Updated: 2026-02-14