4월, 2025의 게시물 표시

2025년 국내 은행 업권의 AI 기반 사업 현황

이미지
2025년 국내 은행 업권의 AI 기반 사업 현황 2025년 국내 주요 은행들은 AI 기술을 활용하여 금융 서비스의 혁신과 효율성을 극대화하고 있습니다. 각 은행은 생성형 AI, 머신러닝, XAI 등을 활용하여 고객 경험 개선, 내부 업무 자동화, 신용평가 고도화 등 다양한 영역에서 AI 기반 서비스를 도입하고 있습니다. 은행별 주요 AI 기능 및 서비스        은행 주요 기능 및 서비스 진행 일정 신한은행 - AI 뱅커 기반 ‘디지털 데스크’와 무인점포 ‘AI 브랜치’ 운영- 감정 인식 분석을 통한 금융사고 예방 - 생성형 AI 기반 투자 및 금융지식 Q&A 서비스 2024년부터 점포 확대 및 2025년 상반기까지 생성형 AI 플랫폼 구축 예정 • 생성형   AI  기반  AI  은행원 • 생성형   AI  투자 및  금융지식  Q&A  서비스 NH농협은행 - 모든 영업점에 AI 뱅커 배치 -  AI  금융상품 추천 서비스 출시 ( XAI)   XAI를 활용한 금융상품 추천 서비스- 외국인 및 고령층을 위한 상담 서비스 제공 - 기업 대출 심사  AI  도입 2024년부터 적용 시작, 2025년까지 전국 확대 • 생성형   AI  플랫폼 기반 금융서비스 KB국민은행 • AI  금융비서 서비스 베타  오픈 - ‘리브 넥스트’의 AI 금융비서 베타 서비스- KB-GPT 및 KB-AI OCR 기술 활용- 생성형 AI 금융상담 Agent 도입 • 의심거래 보고 (STR) AI  적용 2024년부터 PoC 진행, 2025년 상반기까지 상용화 예정 • 생성형   AI  플랫폼 기반 금융서비스 우리은행 - ‘우리WON뱅킹’ 내 대출 상담 확장- 이상 외화 송금 탐지 프로세스 도입 • 생성형   AI  기반 ...

2025년 국내 은행 업권의 AI 기반 사업 현황

이미지
2025년 국내 은행 업권의 AI 기반 사업 현황 2025년 국내 주요 은행들은 AI 기술을 활용하여 금융 서비스의 혁신과 효율성을 극대화하고 있습니다. 각 은행은 생성형 AI, 머신러닝, XAI 등을 활용하여 고객 경험 개선, 내부 업무 자동화, 신용평가 고도화 등 다양한 영역에서 AI 기반 서비스를 도입하고 있습니다. 은행별 주요 AI 기능 및 서비스        은행 주요 기능 및 서비스 진행 일정 신한은행 - AI 뱅커 기반 ‘디지털 데스크’와 무인점포 ‘AI 브랜치’ 운영- 감정 인식 분석을 통한 금융사고 예방 - 생성형 AI 기반 투자 및 금융지식 Q&A 서비스 2024년부터 점포 확대 및 2025년 상반기까지 생성형 AI 플랫폼 구축 예정 • 생성형   AI  기반  AI  은행원 • 생성형   AI  투자 및  금융지식  Q&A  서비스 NH농협은행 - 모든 영업점에 AI 뱅커 배치 -  AI  금융상품 추천 서비스 출시 ( XAI)   XAI를 활용한 금융상품 추천 서비스- 외국인 및 고령층을 위한 상담 서비스 제공 - 기업 대출 심사  AI  도입 2024년부터 적용 시작, 2025년까지 전국 확대 • 생성형   AI  플랫폼 기반 금융서비스 KB국민은행 • AI  금융비서 서비스 베타  오픈 - ‘리브 넥스트’의 AI 금융비서 베타 서비스- KB-GPT 및 KB-AI OCR 기술 활용- 생성형 AI 금융상담 Agent 도입 • 의심거래 보고 (STR) AI  적용 2024년부터 PoC 진행, 2025년 상반기까지 상용화 예정 • 생성형   AI  플랫폼 기반 금융서비스 우리은행 - ‘우리WON뱅킹’ 내 대출 상담 확장- 이상 외화 송금 탐지 프로세스 도입 • 생성형   AI  기반 ...

MYSQL에서 제공하는 Vector Data 처리기능

이미지
  MYSQL에서 제공하는 Vector Data 처리기능 MySQL은 벡터 데이터 처리 기능을 내장하여 AI 기반 애플리케이션 개발을 지원합니다. 아래는 주요 기능과 사용 예시, 기존 벡터 DB 대비 장점을 정리한 내용입니다.     MySQL의 Vector DB 기능 1. 벡터 데이터 타입 지원 VECTOR(n) : n차원 벡터 저장 가능 (예: VECTOR(768) )[2][5]. 저장 방식 : VARBINARY 또는 리스트 형식 문자열로 4바이트 부동소수점 저장[2]. 크기 제한 : 2048~16383 차원 지원 (기본값 2048)[2].   2. 벡터 변환 함수 STRING_TO_VECTOR() : 문자열을 벡터로 변환 (예: '[1][2][3]' → 이진값)[2][5]. VECTOR_TO_STRING() : 이진 벡터를 문자열로 출력[2]. VECTOR_DIM() : 벡터의 차원 수 계산[2].   3. 유사도 계산 DISTANCE() : 코사인/유클리드/내적 유사도 계산 지원[2]. SELECT DISTANCE(embedding, '[1,2,3]' , 'COSINE' ) FROM books;     4. 벡터 연산 통합 표준 SQL 구문 : INSERT , UPDATE , JOIN 등 기존 SQL 문법과 호환[2][5]. 예시 테이블 생성 : CREATE TABLE books ( id INT PRIMARY KEY, title VARCHAR ( 60 ), embedding VECTOR( 768 ) USING VARBINARY );     사용 예시 1. 벡터 데이터 삽입 INSERT INTO books (title, embedding) VALUES ( 'AI 입문서' , STRING_TO_VECTOR( '[0.1,0.4,0.7]' ));   2. 유사도 검색 ...

Mysql - AI 구현을 위한 Vector data 처리하기

이미지
# Mysql - AI 구현을 위한 Vector data 처리하기 #  MySQL은 벡터 데이터 처리 기능을 내장하여 AI 기반 애플리케이션 개발을 지원합니다. 아래는 주요 기능과 사용 예시, 기존 벡터 DB 대비 장점을 정리한 내용입니다. MySQL의 Vector DB 기능 1. 벡터 데이터 타입 지원 VECTOR(n) : n차원 벡터 저장 가능 (예:  VECTOR(768) )[2][5]. 저장 방식 :  VARBINARY  또는 리스트 형식 문자열로 4바이트 부동소수점 저장[2]. 크기 제한 : 2048~16383 차원 지원 (기본값 2048)[2]. 2. 벡터 변환 함수 STRING_TO_VECTOR() : 문자열을 벡터로 변환 (예:  '[1][2][3]'  → 이진값)[2][5]. VECTOR_TO_STRING() : 이진 벡터를 문자열로 출력[2]. VECTOR_DIM() : 벡터의 차원 수 계산[2]. 3. 유사도 계산 DISTANCE() : 코사인/유클리드/내적 유사도 계산 지원[2]. SELECT DISTANCE (embedding, '[1,2,3]' , 'COSINE' ) FROM books; 4. 벡터 연산 통합 표준 SQL 구문 :  INSERT ,  UPDATE ,  JOIN  등 기존 SQL 문법과 호환[2][5]. 예시 테이블 생성 : CREATE TABLE books ( id INT PRIMARY KEY , title VARCHAR ( 60 ), embedding VECTOR( 768 ) USING VARBINARY ); Vector data 사용 예시 1. 벡터 데이터 삽입 INSERT INTO books (title, embedding) VALUES ( 'AI 입문서' , STRING_TO_VECTOR( '[0.1,0.4,0.7]' )); 2. 유사도 검색 SELECT title FROM books ORDER ...

이 블로그의 인기 게시물

( 경영전략,사업전략 ) 마이클 포터의 가치사슬 분석(Value Chain Analysis) 이론

[좋은글] 나침반의 바늘이 흔들리는 한 그 나침반은 틀리는 일이 없다 - 신영복

Kraken api - get token with python