Offcanvas

AI ������������

AI에 성공하는 13%의 기업은 무엇이 다를까?··· 8가지 비밀

인공지능이 CIO를 모든 임원의 의제로 부상했다. 하지만 변혁적인 비즈니스 가치를 이끌어내고 위해서는 감안해야 할 것들이 많다.  AI의 잠재력은 실로 크다. 동시에 과제도 만만치 않다. 지난 여름 공개된 딜로이트(Deloitte)의 조사에 따르면 기업 중 61%는 AI가 향후 3년 동안 산업을 혁신할 것으로 기대하고 있다. 매킨지는 지난 11월 조차에서 효과적인 리더, AI 프로젝트에 대한 높은 집중도, 명확한 AI 비전과 전략을 갖춘 기업들이 이 변화를 통해 가장 큰 혜택을 입을 수 있을 것으로 전망했다. 특히 중요한 차별점이 있다. AI를 대규모로 배치할 수 있는 능력이다. 경쟁 우위에 서게 될 기업들은 다양한 AI 애플리케이션을 여러 팀들을 거쳐 배치할 수 있는 기업들이다. 캡제미니(Capgemini)의 2020년 AI 실태 보고서에 따르면 현재까지 조직 중 13%만이 그렇게 할 수 있었다. 이미 AI로부터 실질적인 혜택을 누리고 있는 전문가들이 인공지능 프로젝트를 비즈니스 가치로 전환하는 팁을 공유했다.   비즈니스 혁신에 집중하라 3년 전, GE가 AI 여정을 시작하던 초기에는 최소한의 실행 가능한 프로젝트로 시작해야 했다. 지금은 비즈니스 자체의 혁신의 일환으로 AI를 활용하는 것이 더 중요하다. “작은 사일로에서 절감되는 재고분의 양을 최적화하며 200~300만 달러를 절약할 수 있지만 회사 전반에 걸쳐 가치가 창출되지는 않는다”라고 GE의 CTO 수석 부사장 콜린 파리스는 말했다. 다음 단계는 GE가 배운 것을 바탕으로 고객들에게 같은 서비스를 제공하는 것이었다. 하지만 AI를 활용하여 비용을 절감하던 것에서 AI를 활용하여 비즈니스를 성장시키는 쪽으로 방향을 전환하려면 전략을 근본적으로 바꿔 비즈니스 혁신에 집중해야 한다. GE에서는 AI를 활용하여 린(Lean) 제조 원칙을 활용하는 것을 의미한다. AI와 린을 활용하면 변화에 대한 내부적인 저항이 감소한다. 파리스가 “우리는 오랫동안 제조업에 린을 적용했...

AI 프로젝트 AI 성공 협업 현업

2021.05.28

인공지능이 CIO를 모든 임원의 의제로 부상했다. 하지만 변혁적인 비즈니스 가치를 이끌어내고 위해서는 감안해야 할 것들이 많다.  AI의 잠재력은 실로 크다. 동시에 과제도 만만치 않다. 지난 여름 공개된 딜로이트(Deloitte)의 조사에 따르면 기업 중 61%는 AI가 향후 3년 동안 산업을 혁신할 것으로 기대하고 있다. 매킨지는 지난 11월 조차에서 효과적인 리더, AI 프로젝트에 대한 높은 집중도, 명확한 AI 비전과 전략을 갖춘 기업들이 이 변화를 통해 가장 큰 혜택을 입을 수 있을 것으로 전망했다. 특히 중요한 차별점이 있다. AI를 대규모로 배치할 수 있는 능력이다. 경쟁 우위에 서게 될 기업들은 다양한 AI 애플리케이션을 여러 팀들을 거쳐 배치할 수 있는 기업들이다. 캡제미니(Capgemini)의 2020년 AI 실태 보고서에 따르면 현재까지 조직 중 13%만이 그렇게 할 수 있었다. 이미 AI로부터 실질적인 혜택을 누리고 있는 전문가들이 인공지능 프로젝트를 비즈니스 가치로 전환하는 팁을 공유했다.   비즈니스 혁신에 집중하라 3년 전, GE가 AI 여정을 시작하던 초기에는 최소한의 실행 가능한 프로젝트로 시작해야 했다. 지금은 비즈니스 자체의 혁신의 일환으로 AI를 활용하는 것이 더 중요하다. “작은 사일로에서 절감되는 재고분의 양을 최적화하며 200~300만 달러를 절약할 수 있지만 회사 전반에 걸쳐 가치가 창출되지는 않는다”라고 GE의 CTO 수석 부사장 콜린 파리스는 말했다. 다음 단계는 GE가 배운 것을 바탕으로 고객들에게 같은 서비스를 제공하는 것이었다. 하지만 AI를 활용하여 비용을 절감하던 것에서 AI를 활용하여 비즈니스를 성장시키는 쪽으로 방향을 전환하려면 전략을 근본적으로 바꿔 비즈니스 혁신에 집중해야 한다. GE에서는 AI를 활용하여 린(Lean) 제조 원칙을 활용하는 것을 의미한다. AI와 린을 활용하면 변화에 대한 내부적인 저항이 감소한다. 파리스가 “우리는 오랫동안 제조업에 린을 적용했...

2021.05.28

'AI 프로젝트를 수렁으로 이끄는' 7가지 흔한 이유

어디서부터 잘못된 것일까? AI를 도입한 많은 기업들이 흔한 실수를 저지른다. 여기 AI를 제 궤도에 올려놓을 수 있는 조언들을 정리했다.       인공지능(AI)은 생산성과 비즈니스 민첩성, 고객 만족을 높이는 데 도움을 줄 수 있다. 새 제품 및 서비스의 출시 시간을 앞당길 수도 있다. 그러나 IT리더가 AI 과학을 추구하면서 성공보다는 실망을 경험하는 경우가 많아지고 있다. 예를 들어 2020년 IDC연구에서는 28%의 AI 및 머신러닝(ML) 프로젝트가 실패한 것으로 나타났다. 효과적인 AI 전략을 수립하는 데에는 신중한 계획, 정확히 정의된 목표, 강력한 경영진의 의지와 함께 흔한 실수를 능숙하게 회피하는 능력이 필요하다. 기존의 AI 전략이 기대치 달성에 실패하고 있다면 아마 아래의 7가지 이유 중 하나 때문일 가능성이 높다.    불충분한 직원 교육  AI의 성공적 전개에 있어 주요 걸림돌 중 하나는 단연 이용자와 관련된 것이다. 페퍼다인 대학교 그래지아디오 경영대학원의 정보시스템 및 기술운영 교수인 찰라 그리피-브라운은 “직원에게 AI 솔루션 이용 교육을 하지 않는다면 AI는 성장하지 못할 것이다” 라고 말했다.  이어 그는, 단순히 교육 차원을 넘어, “정책을 갱신해야 하고, 단순한 기술 지원 뿐 아니라 업무 지원도 배치되어 있어야 한다”라고 덧붙였다.  IT리더는 인력이 신기술로 작업할 수 있도록 적절히 교육시켜야 한다고 세계적인 IT 컨설팅 회사인 인포시스의 사장인 래비 쿠마르가 말했다. 그는 “단순히 AI를 소비하는 것이 아니라 이와 함께 작업할 수 있도록 팀을 교육시키고 무장시킬 수 있는 계획이 마련되어 있어야 한다”라고 말했다. 즉 AI가 인간의 노력을 요구한다는 발상은 처음부터 이니셔티브에 각인되어 있어야 한다. 그리피-브라운은 “이는 AI 자체보다 전개하기가 더 어려울 수 있다”라고 말했다.  거버넌스의 부재 또는 부적합 ...

AI 프로젝트 AI 전략 AI 거버넌스 AI 모니터링

2020.12.21

어디서부터 잘못된 것일까? AI를 도입한 많은 기업들이 흔한 실수를 저지른다. 여기 AI를 제 궤도에 올려놓을 수 있는 조언들을 정리했다.       인공지능(AI)은 생산성과 비즈니스 민첩성, 고객 만족을 높이는 데 도움을 줄 수 있다. 새 제품 및 서비스의 출시 시간을 앞당길 수도 있다. 그러나 IT리더가 AI 과학을 추구하면서 성공보다는 실망을 경험하는 경우가 많아지고 있다. 예를 들어 2020년 IDC연구에서는 28%의 AI 및 머신러닝(ML) 프로젝트가 실패한 것으로 나타났다. 효과적인 AI 전략을 수립하는 데에는 신중한 계획, 정확히 정의된 목표, 강력한 경영진의 의지와 함께 흔한 실수를 능숙하게 회피하는 능력이 필요하다. 기존의 AI 전략이 기대치 달성에 실패하고 있다면 아마 아래의 7가지 이유 중 하나 때문일 가능성이 높다.    불충분한 직원 교육  AI의 성공적 전개에 있어 주요 걸림돌 중 하나는 단연 이용자와 관련된 것이다. 페퍼다인 대학교 그래지아디오 경영대학원의 정보시스템 및 기술운영 교수인 찰라 그리피-브라운은 “직원에게 AI 솔루션 이용 교육을 하지 않는다면 AI는 성장하지 못할 것이다” 라고 말했다.  이어 그는, 단순히 교육 차원을 넘어, “정책을 갱신해야 하고, 단순한 기술 지원 뿐 아니라 업무 지원도 배치되어 있어야 한다”라고 덧붙였다.  IT리더는 인력이 신기술로 작업할 수 있도록 적절히 교육시켜야 한다고 세계적인 IT 컨설팅 회사인 인포시스의 사장인 래비 쿠마르가 말했다. 그는 “단순히 AI를 소비하는 것이 아니라 이와 함께 작업할 수 있도록 팀을 교육시키고 무장시킬 수 있는 계획이 마련되어 있어야 한다”라고 말했다. 즉 AI가 인간의 노력을 요구한다는 발상은 처음부터 이니셔티브에 각인되어 있어야 한다. 그리피-브라운은 “이는 AI 자체보다 전개하기가 더 어려울 수 있다”라고 말했다.  거버넌스의 부재 또는 부적합 ...

2020.12.21

'바보야, 문제는 데이터야!' AI 프로젝트가 폭망한 6가지 이유

AI 프로젝트가 기대에 미치지 못하는 주된 이유 중 하나는 데이터에 있다. 그러나 실수를 통해 배우고 장기적으로 노력할 수 있다면 AI 프로젝트가 더 나은 결과를 가져올 것이다.   미스터 쿠퍼(Mr. Cooper)는 18개월 전 고객 서비스 에이전트(담당자)들을 대상으로 고객들의 문제에 대한 해결책을 제안하는 지능형 추천 시스템을 출시했다. 과거 네이션스타(Nationstar)로 불렸던 이 회사는 고객이 380만 명에 달하는 미국 최대의 비은행권 모기지(주택 담보 대출) 서비스 제공하며, 이 프로젝트를 통해 큰 비용을 절약하리라 기대했다. 그러나 이 회사의 CIO 스리다르 샤르마는 9개월 뒤에 에이전트들이 시스템을 사용하지 않는 것을 알았다고 말했다. 이후 사용하지 않는 이유를 파악하는 데 6개월이 걸렸다. 시스템은 관련이 없는 추천을 했다. 그러나 문제의 원인이 머신러닝 알고리즘은 아니었다. 고객이 자신의 문제를 직접 설명한 데이터가 아닌, 고객 문제를 기술적으로 기술한 데이터를 트레이닝 데이터로 사용한 것이 문제였다. “우리는 고객이 요청하는 문제의 원인을 고객이 사용하는 ‘용어’로 캡처하는 데 실패했다. 내부에서 사용하는 기술 용어로 코딩을 한 것이다”라고 그는 말했다. 고객 서비스 에이전트가 통화 결과를 기록한 시스템 피드백 메커니즘에도 카테고리가 중복되는 문제가 있었고, 이로 인해 문제가 악화되었다. 그러나 샤르마는 이로 인해 회사에 초래된 비용은 공개하지 않았다. 미스터 쿠퍼 같은 AI 프로젝트 실패가 드문 일은 아니다. 최근 IDC의 한 조사 결과에 따르면, 약 30%의 회사만 AI 프로젝트의 성공률이 90%라고 대답했다. 실패 비율이 10~49%인 회사의 비율이 절반을 훨씬 넘었다. AI 프로젝트가 절반 이상 실패했다고 대답한 비율도 3%였다. 인력 부족, 이 기술에 대한 비현실적인 기대를 중요한 도전과제로 꼽은 응답자 비율이 1/3을 넘었다. 23%는 필요한 데이터가 없어 AI 프로젝트가 실패했다고 대답했다. 샤르마는...

CRM AI 프로젝트 데이터 편향 드론 인공지능 PwC 비정형 데이터 실패 딜로이트 액센츄어 IDC CIO 데이터 트레이닝 데이터

2019.08.09

AI 프로젝트가 기대에 미치지 못하는 주된 이유 중 하나는 데이터에 있다. 그러나 실수를 통해 배우고 장기적으로 노력할 수 있다면 AI 프로젝트가 더 나은 결과를 가져올 것이다.   미스터 쿠퍼(Mr. Cooper)는 18개월 전 고객 서비스 에이전트(담당자)들을 대상으로 고객들의 문제에 대한 해결책을 제안하는 지능형 추천 시스템을 출시했다. 과거 네이션스타(Nationstar)로 불렸던 이 회사는 고객이 380만 명에 달하는 미국 최대의 비은행권 모기지(주택 담보 대출) 서비스 제공하며, 이 프로젝트를 통해 큰 비용을 절약하리라 기대했다. 그러나 이 회사의 CIO 스리다르 샤르마는 9개월 뒤에 에이전트들이 시스템을 사용하지 않는 것을 알았다고 말했다. 이후 사용하지 않는 이유를 파악하는 데 6개월이 걸렸다. 시스템은 관련이 없는 추천을 했다. 그러나 문제의 원인이 머신러닝 알고리즘은 아니었다. 고객이 자신의 문제를 직접 설명한 데이터가 아닌, 고객 문제를 기술적으로 기술한 데이터를 트레이닝 데이터로 사용한 것이 문제였다. “우리는 고객이 요청하는 문제의 원인을 고객이 사용하는 ‘용어’로 캡처하는 데 실패했다. 내부에서 사용하는 기술 용어로 코딩을 한 것이다”라고 그는 말했다. 고객 서비스 에이전트가 통화 결과를 기록한 시스템 피드백 메커니즘에도 카테고리가 중복되는 문제가 있었고, 이로 인해 문제가 악화되었다. 그러나 샤르마는 이로 인해 회사에 초래된 비용은 공개하지 않았다. 미스터 쿠퍼 같은 AI 프로젝트 실패가 드문 일은 아니다. 최근 IDC의 한 조사 결과에 따르면, 약 30%의 회사만 AI 프로젝트의 성공률이 90%라고 대답했다. 실패 비율이 10~49%인 회사의 비율이 절반을 훨씬 넘었다. AI 프로젝트가 절반 이상 실패했다고 대답한 비율도 3%였다. 인력 부족, 이 기술에 대한 비현실적인 기대를 중요한 도전과제로 꼽은 응답자 비율이 1/3을 넘었다. 23%는 필요한 데이터가 없어 AI 프로젝트가 실패했다고 대답했다. 샤르마는...

2019.08.09

‘손실로의 지름길’··· 피해야 할 AI 프로젝트 실수 9가지

AI에 대한 기업 분야의 열의가 식을 줄 모른다. IDC가 내놓은 최근의 예측에 따르면 세계적으로 인식 및 AI 시스템, 다시 말해 챗봇, 딥러닝, 그리고 이들을 구동하는 인프라에 대한 기업 지출이 올해 240억 달러에서 2022년에는 3배 증가한 776억 달러에 이를 것이다. 분명히, AI는 얼리어답터 단계에서 주류 비즈니스 이용 단계로 이동했다. 거의 모든 업종에 걸쳐 수많은 조직이 파일럿 프로젝트를 진행하거나 AI를 실무에 투입하고 있다. 그러나 이는 아무나 이행할 수 있다는 말이 전혀 아니다. AI에 돈을 허비하고 싶지 않다면, 회피해야 할 일반적 실수들을 짚고 넘어갈 필요가 있다.    과욕 마이크로소프트의 클라우드 AI 팀의 책임자인 랜스 올센은 “바다를 하루 만에 끓이려고 하지 말라”라고 표현했다. 전체 비즈니스 의사 결정 프로세스를 하룻밤 만에 AI로 바꿀 수는 없다. 따라서 작은 것부터 시작해 전문성을 쌓으면서 한 단계씩 나아가는 것이 가장 좋다.  먼저 쉬운 것을 찾아보라. 가장 중요한 시스템을 다루기 전에, 실험하고 결과를 검증할 수 있는 프로세스를 개발해야 한다. 올센은 “큰 투자를 즉시 시작하려 하면 안 된다”라고 경고했다.  고립된 개념 증명 시스템 구축 기존 데이터 파이프라인의 일부가 아닌 일회성 AI 시스템의 구축은 오래가지 못한다. 개별 프로젝트마다 지속성 있는 AI 자산을 생성할 수 있어야 한다. 여기서 ‘지속성 있는’이란 이를 개발하고 확장하는데 계속 투자할 수 있을 정도로 충분한 ROI를 생성하는 시스템을 말한다. 한 특정 팀을 위한 신규 툴이 아닌 전체 사업을 위한 AI 역량을 생성하는데 유용하다는 말이다.   이를테면 이미 실행하고 있는 비즈니스 애널리틱스를 바탕으로 이를 예측 시스템으로 변환시키는 것을 검토할 만하다. 올센은 “기존의 파이프라인을 이용하고 이미 하고 있는 것에 기반하는 최적화...

실수 AI 프로젝트

2018.12.20

AI에 대한 기업 분야의 열의가 식을 줄 모른다. IDC가 내놓은 최근의 예측에 따르면 세계적으로 인식 및 AI 시스템, 다시 말해 챗봇, 딥러닝, 그리고 이들을 구동하는 인프라에 대한 기업 지출이 올해 240억 달러에서 2022년에는 3배 증가한 776억 달러에 이를 것이다. 분명히, AI는 얼리어답터 단계에서 주류 비즈니스 이용 단계로 이동했다. 거의 모든 업종에 걸쳐 수많은 조직이 파일럿 프로젝트를 진행하거나 AI를 실무에 투입하고 있다. 그러나 이는 아무나 이행할 수 있다는 말이 전혀 아니다. AI에 돈을 허비하고 싶지 않다면, 회피해야 할 일반적 실수들을 짚고 넘어갈 필요가 있다.    과욕 마이크로소프트의 클라우드 AI 팀의 책임자인 랜스 올센은 “바다를 하루 만에 끓이려고 하지 말라”라고 표현했다. 전체 비즈니스 의사 결정 프로세스를 하룻밤 만에 AI로 바꿀 수는 없다. 따라서 작은 것부터 시작해 전문성을 쌓으면서 한 단계씩 나아가는 것이 가장 좋다.  먼저 쉬운 것을 찾아보라. 가장 중요한 시스템을 다루기 전에, 실험하고 결과를 검증할 수 있는 프로세스를 개발해야 한다. 올센은 “큰 투자를 즉시 시작하려 하면 안 된다”라고 경고했다.  고립된 개념 증명 시스템 구축 기존 데이터 파이프라인의 일부가 아닌 일회성 AI 시스템의 구축은 오래가지 못한다. 개별 프로젝트마다 지속성 있는 AI 자산을 생성할 수 있어야 한다. 여기서 ‘지속성 있는’이란 이를 개발하고 확장하는데 계속 투자할 수 있을 정도로 충분한 ROI를 생성하는 시스템을 말한다. 한 특정 팀을 위한 신규 툴이 아닌 전체 사업을 위한 AI 역량을 생성하는데 유용하다는 말이다.   이를테면 이미 실행하고 있는 비즈니스 애널리틱스를 바탕으로 이를 예측 시스템으로 변환시키는 것을 검토할 만하다. 올센은 “기존의 파이프라인을 이용하고 이미 하고 있는 것에 기반하는 최적화...

2018.12.20

비현실적 기대와 비협조적 태도··· AI 도입 저해하는 '인적 요인' 극복법

기업의 AI 도입과 구현을 방해하는 요소로는 무엇이 있을까? 기술 컨설팅 회사인 사피언트(Sapient)의 AI 부문 최고 과학자인 래리 레프코비츠는 AI를 대규모로 활용하는 기업들은 20%에 불과하다고 진단했다. 그는 “아직 도입 초기이다. 분명히 ‘핫'하다. 그러나 예상보다 도입 속도가 느리다”라고 말했다. AI 구현을 가로막는 가장 큰 문제는 기술이 아니다. 사람과 관련이 있다. C레벨 경영진의 비현실적인 기대, 변화 관리의 어려움, 비협조적 직원들을 예로 들 수 있다. 그렇다면 사람들이 인공지능을 더 수월하게 수용해 활용하도록 만들기 위해 IT가 해야 할 일은 무엇일까? 레프코비츠는 “AI의 개념을 잘못 알고 있는 사람들이 흔하다. AI의 활용 대상, AI를 가장 효과적으로 활용하는 방법을 모른다”고 말했다. 비자(Visa)의 글로벌 상품 담당 시니어 디렉터인 마이클 자바라도 여기에 동의했다. 현재 AI에 대한 관심이 너무 높다 보니, 경영진이 AI가 모든 것을 해결할 수 없다는 점을 이해하도록 만드는 것이 자바라가 극복해야 할 가장 큰 도전 과제이다. 그는 사람들이 모든 문제를 작은 윈덱스(WIndex)로 해결할 수 있다고 믿는 ‘나의 그리스식 웨딩’의 아버지 같은 생각을 갖고 있다고 표현했다. 과속 위반 티켓을 방지해주는 AI부터 AI 기반 섹스봇까지 참신한 AI 애플리케이션 (응용 기술)들이 속속 등장하면서, AI로 모든 것을 해결할 수 있다는 인식을 갖게 되었다. 자바라는 “'문제가 발생했어? AI를 조금 써보지 뭐'라는 식의 태도가 나타나고 있다"라고 언급했다. 정밀한 초점 불행히도, 윈덱스처럼 AI도 모든 문제를 해결해줄 수 없다. 자바라는 “먼저 성취, 또는 달성할 목적과 목표를 생각해야 한다. 그리고 목적을 달성하는 방법과 관련, 종합적이고 전체적인 전략을 수립해야 한다. ...

AI 도입 AI 프로젝트

2018.04.02

기업의 AI 도입과 구현을 방해하는 요소로는 무엇이 있을까? 기술 컨설팅 회사인 사피언트(Sapient)의 AI 부문 최고 과학자인 래리 레프코비츠는 AI를 대규모로 활용하는 기업들은 20%에 불과하다고 진단했다. 그는 “아직 도입 초기이다. 분명히 ‘핫'하다. 그러나 예상보다 도입 속도가 느리다”라고 말했다. AI 구현을 가로막는 가장 큰 문제는 기술이 아니다. 사람과 관련이 있다. C레벨 경영진의 비현실적인 기대, 변화 관리의 어려움, 비협조적 직원들을 예로 들 수 있다. 그렇다면 사람들이 인공지능을 더 수월하게 수용해 활용하도록 만들기 위해 IT가 해야 할 일은 무엇일까? 레프코비츠는 “AI의 개념을 잘못 알고 있는 사람들이 흔하다. AI의 활용 대상, AI를 가장 효과적으로 활용하는 방법을 모른다”고 말했다. 비자(Visa)의 글로벌 상품 담당 시니어 디렉터인 마이클 자바라도 여기에 동의했다. 현재 AI에 대한 관심이 너무 높다 보니, 경영진이 AI가 모든 것을 해결할 수 없다는 점을 이해하도록 만드는 것이 자바라가 극복해야 할 가장 큰 도전 과제이다. 그는 사람들이 모든 문제를 작은 윈덱스(WIndex)로 해결할 수 있다고 믿는 ‘나의 그리스식 웨딩’의 아버지 같은 생각을 갖고 있다고 표현했다. 과속 위반 티켓을 방지해주는 AI부터 AI 기반 섹스봇까지 참신한 AI 애플리케이션 (응용 기술)들이 속속 등장하면서, AI로 모든 것을 해결할 수 있다는 인식을 갖게 되었다. 자바라는 “'문제가 발생했어? AI를 조금 써보지 뭐'라는 식의 태도가 나타나고 있다"라고 언급했다. 정밀한 초점 불행히도, 윈덱스처럼 AI도 모든 문제를 해결해줄 수 없다. 자바라는 “먼저 성취, 또는 달성할 목적과 목표를 생각해야 한다. 그리고 목적을 달성하는 방법과 관련, 종합적이고 전체적인 전략을 수립해야 한다. ...

2018.04.02

회사명:한국IDG 제호: ITWorld 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아00743 등록일자 : 2009년 01월 19일

발행인 : 박형미 편집인 : 박재곤 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2022 International Data Group. All rights reserved.

10.5.0.5