【토카티비-totocasinocomunity】 보증업체안전놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 스포츠뉴스 : 안구정화 놀이터홍보 놀이터후기공유 먹튀피해사례공유

로그인

글쓰기

[IT뉴스]MS “연구 속도 높이는 AI, 핵심은 ‘기다리는 시간’ 줄이기”

온카뱅크관리자

2026-10-01 07:27:25

<div id="layerTranslateNotice" style="display:none;"></div> 마이크로소프트 ‘인더스트리 서밋’ 30일 개최 헬스케어 부문 AI 통한 연구 혁신 방안 제시 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="ylFPAvPKLD">
 인공지능(AI) 기술이 헬스케어 연구의 속도와 규모를 바꾸고 있다. 기존에는 처리하기 어려웠던 방대한 데이터를 분석해 예상하지 못했던 가능성을 찾는 일이 '기계의 속도'로 가능해졌기 때문이다. 마이크로소프트는 AI를 연구에 활용함으로써 자료 수집과 데이터 정리, 분석 환경 구축 등 연구에 앞서 필요했던 '기다리는 시간'을 줄이고 연구자가 본연의 업무에 집중할 수 있다고 강조했다. 다만 연구 결과에 대한 '검증'은 여전히 사람의 몫이라고 선을 그었다. 
 <div contents-hash="4b903fb2d8480fa2d05b91ffb1c1685367e78fb034c4b59b9d835eeba1d49f8e" dmcf-pid="Yv0xkyx2Mk" dmcf-ptype="general">
 마이크로소프트는 30일 서울 강남구 코엑스 그랜드볼룸에서 '마이크로소프트 인더스트리 서밋(Microsoft Industry Summit)'을 열고 산업별 AI 전환 전략과 현장 사례를 공유했다. 금융, 리테일, 제조, 헬스케어·교육 등으로 구성된 이번 행사에서 헬스케어·교육 트랙은 병원과 대학, 연구기관의 데이터 준비와 지식 탐색부터 가설 수립, 분석 및 협업까지 연구 전 과정에 AI를 접목하는 방안을 소개했다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="4d64bc46b5a31faf0ecf7f70f19f85271a008bc6a50d736f649399e43a430616" data-idxno="453727" data-type="photo" dmcf-pid="GDWbJrb0Jc" dmcf-ptype="figure">
 <img alt="전종수 한국마이크로소프트 이사 / 권용만 기자" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/01/552810-SDi8XcZ/20261001072005196gird.jpg" data-org-width="600" dmcf-mid="Pv7YqRYCLm" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/01/552810-SDi8XcZ/20261001072005196gird.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 전종수 한국마이크로소프트 이사 / 권용만 기자
 </figcaption>
 </figure>
 연구자들의 '기다리는 시간' 줄이는 AI, '검증'은 사람 몫
 전종수 한국마이크로소프트 이사는 헬스케어·교육 트랙 기조연설에서 "연구원들은 실제 연구 과정에서 자료를 찾거나 데이터를 정리하고 분석 환경을 준비하는 데 많은 시간을 쓰고 있다"며 이러한 병목 지점을 찾는 것이 연구에 AI를 도입하는 출발점이라고 설명했다.
 연구는 문제 탐색에서 가설 수립, 데이터 확보, 분석과 모델링, 실험과 검증, 성과 공유와 재사용으로 이어진다. 결과가 기대와 다르면 이전 단계로 돌아가 같은 과정을 반복하기도 한다.
 AI 기술은 이 과정에서 자료 정리와 가설 검증, 데이터 오류 확인 등 다양한 업무를 지원할 수 있다. 일각에서는 AI가 연구 전 과정을 수행할 수 있다고 평가하기도 하지만 전 이사는 "연구 과정에서 '검증'은 AI가 대체할 수 없다"고 강조했다.
 AI가 생성한 결과는 원본 출처에서 사실 여부를 직접 확인해야 하고, 어떤 데이터와 방법으로 분석했는지 기록을 남겨야 한다. 연구 자료 활용 과정에서도 윤리와 보안 기준을 적용해야 한다는 설명이다.
 연구 과정 중 AI가 줄여야 할 시간으로는 연구자의 '기다리는 시간'을 꼽았다. 전 이사는 "연구에서 실험이나 검증을 줄일 수는 없다"며 "AI는 연구자가 기다리는 시간을 줄이고 본질적 업무에 집중할 수 있도록 활용돼야 한다"고 말했다. 이어 "연구 혁신은 기술 하나만으로 해결할 수 없다"며 "AI 도입은 단순한 챗봇을 도입하는 일이 아니다. 연구자와 IT 담당자, 데이터 관리자가 같은 기준을 공유하고 협업해야 향상된 연구 환경을 만들 수 있다"고 덧붙였다.
 연구 현장에서 AI 활용도 이미 빠르게 확산되고 있다. 전 이사는 "연구 업무에 AI를 사용한 경험이 있는 사례가 58%에 이른다"고 소개했다.
 <div contents-hash="a66af2cb9c7bdd056d55a94ab931d5e455a51853850b012f9b759f5fbd658ba2" dmcf-pid="3ht6jS6bnn" dmcf-ptype="general">
 다만 현재 AI 활용이 '연구 발견'에 집중되면서 워크플로 재설계와 데이터 접근성 확대, 데이터 보호 등이 상대적으로 간과되고 있다고 지적했다. 그는 "이 세 영역을 함께 고려하지 않으면 제대로 된 결과를 얻기 어렵다"며 "연구 업무와 데이터 보호, AI가 함께 작동해야 신뢰할 수 있는 연구 환경을 구축할 수 있다"고 말했다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="3a0b17f6ff407dfec3825b65574aabccd3a8109ca04e86c9de4436da1e76b29e" data-idxno="453726" data-type="photo" dmcf-pid="0lFPAvPKii" dmcf-ptype="figure">
 <img alt="비슷한 연구라도 기관마다 병목 지점이 다르다. / 권용만 기자" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/01/552810-SDi8XcZ/20261001072006461nrtq.jpg" data-org-width="600" dmcf-mid="QJ54ah4qer" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/01/552810-SDi8XcZ/20261001072006461nrtq.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 비슷한 연구라도 기관마다 병목 지점이 다르다. / 권용만 기자
 </figcaption>
 </figure>
 연구 과정 가속화하는 AI, 핵심은 '데이터'와 '연결'
 대학과 병원, 연구소는 연구 목적과 병목 지점이 서로 다르다. 대학에서는 연구자가 바뀌더라도 데이터와 연구 과정이 남아 다음 연구자가 이어받을 수 있는  '연속성'이 중요하다. 병원에서는 민감한 데이터에 안전하게 접근하고 활용하기 위한 규정 준수가 강조된다. 연구소에서는 실패한 실험까지 기록으로 남겨 다음 실험에 활용해 반복 주기를 단축하는 것이 중요하다. 전 이사는 "같은 AI를 도입해도 기관에 따라 성공 기준은 달라져야 한다"고 말했다.
 이에 마이크로소프트는 연구 가속화와 지식 자산화를 목표로 하는 대학에 '마이크로소프트 365 코파일럿'을 활용해 자료 조사와 비교, 요약 시간을 줄이는 방안을 제시했다. 분석과 모델링 단계에서는 '깃허브 코파일럿'과 '애저 데이터브릭스' 등을 통해 코드 작성과 탐색적 분석을 지원하고 실험 이력을 통합 관리해 분석 착수 시간을 줄이고 재현 성공률을 높일 수 있다고 설명했다.
 공유 및 재사용 단계에서는 깃허브와 팀즈, 쉐어포인트, 마이크로소프트 패브릭 등을 이용해 코드와 문서, 데이터를 체계적으로 관리하고 재사용할 수 있는 기반을 마련할 것을 제안했다.
 안전한 연구 데이터 활용이 중요한 병원에서는 '마이크로소프트 패브릭'과 '애저 헬스 데이터 서비스'를 통해 분산된 데이터를 통합하고 데이터 준비 시간과 매핑 오류를 줄이는 방안을 제시했다.
 데이터 활용과 보호 단계에서는 마이크로소프트 퍼뷰(Purview)나 엔트라(Entra)를 이용해 데이터 분류와 보호, 접근 이력과 정책을 관리할 수 있다. 분석과 검증에는 마이크로소프트 패브릭과 애저 데이터브릭스나 애저 ML을 통해 분석·모델 이력을 자동으로 기록하고 같은 분석을 재현하거나 외부에서 검증할 수 있도록 하는 방안을 소개했다.
 실험과 검증 주기 단축이 중요한 연구소에는 마이크로소프트 디스커버리, 파운드리(Foundry)를 사용해 연구 지식과 가설 탐색을 연결해 가설 수립 시간을 줄이는 방안을 제시했다. 과거 실험 결과를 재활용하는 데도 활용할 수 있다.
 <div contents-hash="a3a6ece3984d90d3d08cc35c81ed178789623ece3710f9fc0e09154f7e1eacc4" dmcf-pid="buPEYzEodP" dmcf-ptype="general">
 설계와 실험, 재설계 단계에서는 마이크로소프트 디스커버리와 애저 HPC를 통해 실험 주기 시간과 연산 대기 시간을 줄일 수 있다. 검증과 기술 축적 단계에서는 마이크로소프트 패브릭이나 애저 데이터브릭스 등을 통해 모델과 실험, 데이터 이력을 보호 정책과 연결할 수 있다고 설명했다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="42d0c8ab9731b0e7fe49c068bb0c3b4779764a6a2284f6e93df131084d05a80d" data-idxno="453728" data-type="photo" dmcf-pid="K7QDGqDgR6" dmcf-ptype="figure">
 <img alt="AI 기반 연구 혁신을 위한 마이크로소프트의 기술 구성 / 권용만 기자" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/01/552810-SDi8XcZ/20261001072007709bwkx.jpg" data-org-width="600" dmcf-mid="xfpMEWMVnw" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/01/552810-SDi8XcZ/20261001072007709bwkx.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 AI 기반 연구 혁신을 위한 마이크로소프트의 기술 구성 / 권용만 기자
 </figcaption>
 </figure>
 마이크로소프트는 연구 가속화를 위한 기술을 개인 생산성과 조직 차원으로 나눠 소개했다.
 개인 생산성 측면에서는 '마이크로소프트 리서처'와 '깃허브 코파일럿'을 핵심 제품으로 제시했다. 특히 '크리틱 인 리서처(Critique in Researcher)'는 복수의 AI 모델이 서로의 답변을 검증해 결과의 신뢰도를 높인다. 하지만 이러한 도구도 연구자를 대체하는 것은 아니다. 전 이사는 "이 도구들이 연구자나 연구의 검증 과정을 대체하지는 않는다"며 "연구자와 함께 일하는 존재"라고 설명했다.
 조직 차원에서는 '마이크로소프트 파운드리'를 소개했다. 파운드리는 모델 선택뿐 아니라 데이터 관리와 가드레일, 활동의 모니터링, 문제 대응 등을 통합해 연구기관이 AI를 보다 신뢰할 수 있는 환경에서 활용할 수 있도록 지원한다. 
 데이터를 조직 외부로 반출하기 어려운 환경을 위한 '파운드리 로컬'과 '애저 로컬' 등의 옵션도 제공한다고 제시했다. 전 이사는 "연구기관은 온프레미스나 클라우드 중 어느 하나에 치우치기보다 목적과 규제에 따라 적절한 환경을 선택할 수 있어야 한다"고 말했다.
 마이크로소프트는 연구 혁신을 위한 플랫폼으로 데이터를 연결하는 통합 플랫폼 '마이크로소프트 패브릭', 대규모 데이터 분석과 AI를 위한 '애저 데이터브릭스', AI 에이전트 활용을 위한 '마이크로소프트 디스커버리' 등을 제시했다. 하지만 모든 도구를 일괄적으로 도입할 필요는 없다고 강조했다. 기관별 연구 환경과 목적에 따라 필요한 기술을 선택하면 된다는 설명이다.
 전종수 이사는 "연구 플랫폼의 가치는 도구의 수에 있는 것이 아니라 연구 과정에서 안전하고 신뢰성 있는 환경을 만드는 데 있다"고 말했다.
 권용만 기자 yongman.kwon@chosunbiz.com
 </section> 
 </div> 
 Copyright © IT조선. 무단전재 및 재배포 금지.

댓글 총 0개

업체홍보/구인 더보기

놀이터홍보 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기