零售行业的人工智能（AI）应用正在向能够自主分析数据、做出判断并采取行动的“代理AI”阶段演进。随着AI代理深入价格决策、客户分析和人才培养等核心业务领域，工作方式也在发生变化。 根据行业消息，乐天超市自10日起开始推出以蔬菜价格预测为基础的AI，逐步开发各部门专用的AI代理。去年6月，乐天超市引入了内部员工使用的AI代理，进行内部规定的指导、会议室预定等工作自动化。特别是，乐天超市通过AI学习销售业绩和货架陈列量，自主决定最佳折扣率，已在129家水产店和99家熟食店实施了“AI新鲜降价”系统，降低了商品的废弃率。公司计划在今年将该系统扩展到农产品和非新鲜类商品。 CJ Olive Young在4月引入了谷歌的“Gemini Enterprise”，以生成各职能专用的AI代理，最大化工作效率。人事部门利用“入职代理”帮助新员工快速适应，商品规划师（MD）通过全球美容趋势分析代理提取各国市场数据并反映在规划方向上。全球业务负责人也通过AI快速搜索各国化妆品法规和禁用成分信息，提高了海外出口的应对能力。 百货公司也在扩大AI代理的应用范围。乐天百货去年5月与全球数据分析公司Strategy合作，首次在零售行业引入生成型“BI代理”。乐天百货表示，经过高技能和专业性要求的客户分析过程已被简化为对话形式，客户分析所需时间缩短至几分钟或几十秒。乐天百货相关人士表示：“我们正在考虑将BI代理的应用扩展到商品规划、营销等百货公司的核心业务领域。” 现代百货则通过直接将学习了公司内部专家经验的AI投入实际工作，加快了“AX（AI转型）”的进程。以控股公司内的AX推进室为核心，去年5月正式引入的AI导师“海（Hai）”就是一个典型案例。海是一款学习了13个职能领域139名内部专家经验和见解的生成型AI，担任帮助新员工或职能转换者的“数字导师”，提高了组织的工作投入度。此外，AI文案撰写工具“路易斯”、分析客户投诉和意见并提出解决方案的“洞察实验室”、AI广告设计师“一步到位”等多种AI工具也在帮助实务人员做出决策。 随着AI代理在零售现场的实际商业成果得到验证，支撑这一趋势的全球相关市场也预示着爆炸性增长。根据全球市场调研公司Grand View Research的数据显示，全球AI代理市场规模预计将从2025年的763亿美元（约合11万亿韩元）以年均49.6%的速度增长，到2033年达到1829亿美元（约合266万亿韩元）。全球IT研究公司Gartner也预测，企业软件应用中搭载代理AI的比例将从2024年的不足1%飙升至2028年的33%，日常工作决策中至少15%将通过AI代理自主完成。 一位零售行业人士分析称：“由于零售业从商品采购到客户应对都存在许多变数，代理AI的引入对该行业的影响远大于其他行业。未来，AI在多大程度上被精确应用于实际决策，将成为零售企业未来竞争力的关键因素。”※ 本报道经人工智能（AI）系统翻译与编辑。

蒂맵出行推出了一项新服务‘移动日志’，该服务可以保存和管理用户的出行和访问记录。 蒂맵出行于4日宣布推出‘移动日志’服务，旨在记录和回顾用户日常的出行路线和访问地点。 移动日志是一项可以集中管理行驶记录和地点签到信息的服务。用户可以通过地图和时间轴的形式查看自己访问的地点和出行路线，从而像日记一样记录和管理个人的出行历史。 使用蒂맵导航进行驾驶或步行后，记录会自动保存。用户在特定地点签到时，可以留下更详细的位置记录。访问后，用户还可以选择想要的日期添加签到记录，而不想留下记录的地点则可以手动删除。移动日志的设计确保只有用户本人可以查看。 此外，移动日志还提供了分析用户出行模式的‘移动日志洞察’功能。该功能可以分析最近的出行次数、常去地点、新发现的空间以及主要访问类别，直观地展示用户的生活半径和出行倾向。 用户可以通过蒂맵应用内的我的菜单、地点保存界面和行驶结束界面等多种途径使用移动日志。 蒂맵出行首席产品官全昌根表示：“移动日志不仅仅是保存出行数据的功能，更是帮助用户发现和管理自己的出行体验和偏好的服务。”他还表示：“未来，我们将继续基于实际出行数据，持续增强用户体验和内容的可信度。” 与此同时，蒂맵最近推出了实时道路信息共享功能‘社交举报’，进一步扩大了用户参与的功能，推动服务的升级。 ※ 本报道经人工智能（AI）系统翻译与编辑。

“许多企业期待引入人工智能（AI）后立即实现业务创新，但实际上现场出现了完全不同的问题。” 杨英模 红砖代表最近对企业的AI转型（AX）项目氛围进行了这样的说明。在生成型AI热潮中，聊天机器人、文档摘要和报告自动化系统的引入迅速增加。然而，在实际应用阶段，反复出现了意想不到的局限性。 杨代表特别提到，最近企业现场常常出现“虽然构建了AI，但员工并未有效使用”的情况。他表示：“最初，大多数评估集中在AI模型的性能和回答准确性上，但在实际工作环境中，与现有系统的连接结构、数据管理体系和权限问题等运营要素显得更为重要。” 在实际现场，AI本身与现有工作流程冲突的案例并不少见。一家企业构建了基于生成型AI的工作支持系统，但其使用率未能达到预期。由于未能与ERP（企业资源计划）、协作工具和内部系统自然连接，员工将其视为额外的独立程序。 文档管理体系问题也是反复出现的案例之一。最新文档与历史资料混杂，或各部门管理标准不同，导致AI基于过时资料进行回答的情况时有发生。杨代表指出：“企业AI中重要的不是简单的准确度，而是基于什么数据进行回答，访问权限是否得到正确反映等运营结构才是关键。” 最近，企业们正逐步转向同时使用多种AI模型的“多LLM”环境。营销组织使用基于软件即服务（SaaS）的AI，开发组织使用开源模型，客户服务组织则使用独立的AI解决方案，AI的使用方式日益多样化。然而，能够进行统一管理的体系仍然不足。 他表示：“企业在这种情况下，甚至难以了解哪个组织使用了哪些数据和哪些AI。”并指出：“在多LLM环境中，必须同时考虑数据控制、安全政策和成本管理。”尤其是在金融、制造和公共等对安全和运营稳定性要求较高的行业，这种趋势愈加明显。实际上，最近越来越多的案例不仅要求简单的AI引入，还要求数据连接结构、权限管理体系和运营治理设计等方面的配合。 杨代表指出，企业最大的误解之一是“仅将AI视为技术项目”。他强调：“在内部数据结构和工作流程、审批体系尚未理顺的情况下，若先引入AI，运营阶段必然会出现问题。”他表示，AX不仅仅是增加AI功能，而是重新设计企业运营结构的过程。 他补充道：“未来企业的AI竞争力将不再取决于谁引入了更优秀的模型，而是取决于AI在实际工作中能否稳定且可重复地运行。”※ 本报道经人工智能（AI）系统翻译与编辑。

“现在企业AI的竞争标准不再是使用什么模型，而是能否在实际工作中安全、可重复地运营AI。” 红砖公司CEO杨英模最近对企业AI市场的变化作出了这样的解释。他指出，生成型AI扩散初期，巨型语言模型（LLM）的性能竞争是核心，而现在企业内部的数据、权限和安全体系的“运营结构”本身已成为AI竞争力的关键。 他表示：“最初人们常问‘使用什么模型’，而现在更多的是‘我们公司的数据能否安全连接？’以及‘如何反映部门的权限？’等以运营为中心的问题。”他指出，企业开始将AI视为不仅仅是生产力工具，而是实际的工作基础设施。 基于生成型AI的内容引擎初创公司红砖，提供基于自家开发的“红砖AI引擎”的AI解决方案，支持企业和机构的数据及业务自动化。用户只需输入文本即可生成游戏、教育和营销内容，并通过内部文档和协作工具的联动，支持知识搜索、文档撰写和报告草稿生成等功能。 企业解决方案“红砖AI企业版”同时提供安装型和云型，基于端到端加密的推理结构安全处理敏感信息。根据2025年的数据，公司累计用户已突破1000万。此外，红砖还被阿联酋穆巴达拉主权财富基金的初创企业孵化项目“Hub71”选中。 杨英模指出，企业的AI转型（AX）项目正从简单的聊天机器人引入，转向“AI运营体系建设”阶段。他解释说，实际现场中，数据结构、权限体系和业务流程的重新设计比AI模型的性能更为重要。他表示：“在演示环境中，AI看起来运行良好，但在实际企业现场，文档分散在多个系统中，最新资料与历史资料混杂在一起。”他补充道：“权限体系复杂交错，单靠模型无法完成AX。” 因此，红砖正在将自身定位从单纯的AI解决方案公司，扩展为“企业AI基础设施平台”公司。其核心战略是安全连接企业内部数据，运营符合部门需求的AI代理，并整合管理数据访问权限、成本和日志。 杨英模特别强调，全球AI市场中“前置部署工程师（FDE）”模式已成为重要趋势。这种模式深入客户的实际工作环境，共同定义问题，然后在AI平台上快速实现，并进一步提升产品功能。 他表示：“过去的系统建设（SI）项目以需求为基础，而FDE则是在客户现场共同发现问题，并将其积累为可重复的平台功能。”他补充道：“红砖也不再是单纯的建设公司，而是致力于成为客户AX转型的AI工程合作伙伴。” 他还指出，企业正在转向使用多种AI模型的“多模型运营体系（Multi-LLM）”，这是因为不同工作所需的成本、速度和推理能力各不相同，单一模型难以处理所有工作。 杨英模表示：“简单的摘要或分类可以使用轻量级模型，而复杂的分析或决策支持则需要高性能模型，这在成本和性能方面更为高效。”他指出：“企业AI最终比起模型本身，更重要的是如何在什么样的运营结构上进行管理。” 红砖未来将专注于构建一个将AI基础设施、知识型AI、协作型AI工作环境、AI业务自动化系统及安全、权限、治理功能整合为一个企业AI平台的“AI运营环境”。 杨英模表示：“未来企业AI市场将迅速从实验阶段转向实际运营阶段。”他强调：“红砖将帮助企业不仅仅使用AI，而是安全地将其作为组织的工作基础设施进行运营。”※ 本报道经人工智能（AI）系统翻译与编辑。

人工智能如今不再仅仅是技术问题，而是管理、人类和文明的问题。企业在多快引入AI之前，更重要的是人类与AI之间应建立怎样的关系。在这一问题面前，KAIST G-School院长、人工智能管理者课程负责人余贤德教授推出新书《AI管理：少年兵与爱因斯坦》，与读者见面。余教授于5月16日在首尔永丰文库钟阁总店举办了北方音乐会。本次活动由永丰文库与德鲁克思维共同举办，围绕其著作的核心内容，与读者探讨AI时代的新管理范式、领导力和人类的思维能力。活动吸引了包括企业家、教授、大使、文化界人士和市民在内的100余名参与者。联合国全球契约韩国协会秘书长柳贤哲、CTS基督教电视副会长安基石、行家来运动总部理事长金善来等各界领袖的参与，使此次北方音乐会不仅仅是一次出版活动，更是一个探讨AI时代管理与人类未来的公共论坛。《AI管理：少年兵与爱因斯坦》传达的核心信息十分明确。将AI视为简单工具的时代已经结束。现在，企业和组织必须将AI视为战略资源。然而，不能因AI的强大而失去人类的判断力和洞察力。余教授强调，AI时代的真正竞争力不在于技术本身，而在于人类与AI的协作智能，即CQ。 书名本身也具有象征意义。“少年兵”让人联想到未准备好就被推向战场的人类的不安与脆弱，而“爱因斯坦”则是思维、洞察和创造性智慧的象征。AI时代的管理者正站在这两者之间，一方面像被推向技术变革战场的少年兵一样感到不安，另一方面又需要恢复爱因斯坦式的思维，洞察问题的本质。余教授特别强调明确问题定义的重要性。无论AI多么强大，在错误的问题面前也无法给出好的答案。因此，AI管理的起点不是技术，而是问题。首先要问的是：要解决什么？要减轻谁的痛苦？要维护什么人文价值？他表示，了解人类的痛点是AI管理的起点。如果企业无法准确识别客户的不便、组织的瓶颈和社会的缺失，AI将只是华丽的装饰。相反，能够准确识别人类痛苦和需求的组织，能够通过AI提供更快速、更深入的解决方案。余贤德教授长期以来一直在探索AI与管理、人类与技术的交汇点。作为KAIST G-School院长，他将技术、管理与全球战略相结合，作为人工智能管理者课程的负责人，他向管理者传播AI时代的思维方式和组织运营策略。主办方表示，余教授还是KAIST-NYU的讲座教授，并在KAIST的全球教育项目和连接纽约与中东的知识网络中积极参与。此次著作是他探索之路的一个成果。这不仅是一本简单的AI使用手册，更是一本询问管理者在AI时代应具备何种哲学和判断力的书。书中引用了哈佛商学院的最新研究和全球商业案例，警告AI虽然可以促进创造性创新，但在具体的商业问题解决过程中，反而可能会妨碍成果。这一点非常重要。AI并非万能。AI依赖于人类创造的数据，并在设定的目标内运作。因此，如果目标模糊，结果也会模糊；如果问题错误，答案也会错误。AI时代的领导者不仅要善于使用机器，更要能够正确定义问题，坚守人文价值。余教授还提出了AI时代决策的多种类型。完全自动化、以人为主导、技术辅助、人工审核等，组织的情况决定了AI与人类的角色分配。重要的是，不是盲目依赖AI，而是要区分哪些工作由AI负责，哪些工作由人类做出最终判断。未来，企业管理将迎来代理AI和物理AI的时代。代理AI不仅仅是提供答案的AI，而是理解目标、设计过程并执行任务的AI。物理AI则是进入机器人、制造、物流、医疗和城市基础设施等现实世界，直接推动现实世界的AI。这两种趋势将从根本上改变企业的工作方式和产业结构。然而，更重要的仍然是人类。看不见的人类知识，即隐性知识，依然是组织的核心资产。仅凭文档化的显性数据无法解释企业的生命力。长期的经验、现场的感知、对客户的态度以及危机时的判断力无法仅用数字来表达。余教授强调的正是这一点。只有当人类的隐性知识与AI的显性数据有效结合时，组织才能取得真正的成果。最终，AI管理的正确道路不是技术崇拜，也不是排斥人类。人类应更加人性化，技术应朝着扩展人类可能性的方向发展。《AI管理：少年兵与爱因斯坦》正是探讨这一平衡的书。此次北方音乐会的意义也在于此。它不仅是介绍一本书的场合，更是探讨AI时代韩国管理应走向何方的场合。技术正在快速发展。然而，如果人类的思维与伦理、组织的智慧无法同步，这种速度反而可能带来危险。AI时代的赢家不是最早引入AI的企业，而是最深刻理解AI、最智慧地结合人类与技术角色的组织。余贤德教授的新书和北方音乐会正是向韩国企业和领导者提出了这个问题。我们将如何使用AI？与AI一起，我们将成为怎样的人？

两名（代表：吴京石）将为大学生和青年世代举办数字资产讲座。Upbit的在职员工将走进校园，分享数字资产行业及未来金融的实务经验。 两名于8日宣布将在首尔的六所大学开展数字资产教育项目“Upclass”。该项目旨在提高对数字资产的理解，提供针对不同世代的定制教育。 此次Upclass根据青年群体的需求，以Upbit的在职员工为主讲。去年曾邀请经济与科技领域的专家，今年则由两名员工亲自授课，重点传达数字资产市场的实务经验和职务故事。 主要课程为“数字资产与未来金融洞察”，两名员工将解释数字资产行业的变化及其在金融市场中的角色。接下来的“职业谈话”环节，由各校校友组成的两名员工将分享职务经验和就业准备的建议。 活动将于12日在中央大学拉开帷幕，随后在高丽大学、延世大学、汉阳大学、成均馆大学和首尔大学等六所大学依次举行。具体安排为：中央大学12日、高丽大学13日、延世大学14日、汉阳大学19日、成均馆大学21日、首尔大学26日。 参与费用为免费，需提前报名，先到先得。所有参与者将获得Upbit商品等纪念品，并有机会抽奖获得AirPods、比特币礼品卡、Naver购物券和Upbit披萨日套餐等奖品。 此次活动是在数字资产行业与传统金融接轨的背景下进行的。尽管青年群体对数字资产的使用经验丰富，但在行业结构、监管、技术安全和职务等方面的信息往往不足。两名希望通过在职讲座，拓宽青年对投资的认知，帮助他们更好地理解行业和职务。 未来的关键在于教育的持续性和实际职业的关联。如果能够超越一次性讲座，扩展到数字资产技术、监管、安全、数据和金融服务等领域的课程，将有助于提高青年对行业的理解。同时，分享Upbit在职员工的职业经验也将对吸引数字资产领域的人才产生积极影响。 吴京石表示：“我们希望未来金融的主角青年能够正确理解数字资产行业，并通过与实务专家的交流获得职业探索的实际帮助，因此准备了此次活动。未来，我们将持续开展有助于建立健康数字资产生态的教育活动。”※ 本报道经人工智能（AI）系统翻译与编辑。

三星电子宣布，通过与中央大学光明医院的临床研究，证实Galaxy Watch的生物信号分析技术可以高精度预测“迷走神经性晕厥(VVS)”。研究结果发表在欧洲心脏学会的数字健康期刊上，这是首次利用智能手表预测晕厥的研究。迷走神经性晕厥是因过度紧张或压力导致血压骤降，短暂失去意识，可能引发跌倒、骨折等二次伤害。中央大学光明医院的研究团队对132名疑似患者进行测试，佩戴Galaxy Watch6进行起立倾斜试验。通过Galaxy Watch6的光血流测量传感器实时收集心率变异性数据，并用AI算法分析。结果显示，能在晕厥发生前约5分钟以84.6%的准确率预测。三星电子MX事业部数字健康团队常务崔钟民表示：“这项研究展示了通过可穿戴技术将健康管理从事后转向预防的可能性。三星将基于此研究成果，努力在Galaxy Watch上提供预防性健康解决方案。”此外，三星电子正在加强Galaxy Watch的健康功能，提供从睡眠到运动、抗氧化、心血管的高级健康洞察。去年推出的Galaxy Watch8首次搭载抗氧化指数功能，5秒内测量体内抗氧化物质“类胡萝卜素”浓度，帮助改善健康饮食习惯。还可分析睡眠模式，建议最佳入睡时间，并测量睡眠中的“血管压力”，全面管理健康。※ 本报道经人工智能（AI）系统翻译与编辑。

甲骨文与谷歌云加强战略联盟，旨在主导企业人工智能市场。两家公司推出了“甲骨文AI数据库代理”，利用谷歌最新的Gemini企业模型，实现甲骨文数据库的实时自然语言分析。这次合作的重点是直接连接甲骨文数据库和谷歌的强大AI模型Gemini。新的AI代理在谷歌云市场上提供，能即时解析用户的自然语言问题，直接查询甲骨文数据库并提供分析结果。关键在于数据无需外移或复制，敏感企业数据在现有的安全和治理政策下保持不变，从而消除AI引入时的数据泄露风险。这一解决方案突破了企业AI采用中的数据孤岛问题。过去，企业需要将ERP或CRM系统中的数据转移到数据仓库或湖仓中进行复杂的预处理。现在，只需简单的自然语言问题，如“分析地区产品销售趋势”或“提供设定销售活动优先级所需的数据”，即可无需SQL专家的帮助获得即时数据洞察。甲骨文和谷歌的联盟是对多云市场环境变化的现实回应。甲骨文在谷歌云数据中心直接运营其核心数据库和基础设施，满足不愿依赖单一云的企业客户需求。此次AI代理的推出，将这种物理结合提升为化学融合。甲骨文强大的企业数据库客户基础与谷歌的先进AI技术结合，形成了对抗微软Azure和OpenAI联盟的强大力量。全球企业的采用案例证明了这种合作的实际价值。日本的AI Shift利用甲骨文自主AI数据库加速开发和决策。欧洲最大支付服务公司Worldline通过甲骨文AI数据库在谷歌云上实现支付平台现代化。Worldline总监阿尔尼·斯密特表示：“在谷歌云中获得甲骨文Exadata的性能，确保了全球实时交易处理所需的扩展性和安全性。”甲骨文还宣布通过OCI GoldenGate支持实时数据库迁移，并加强甲骨文自主AI湖仓与谷歌BigQuery的集成。服务区域扩大到全球15个，并计划在未来12个月内增加2个区域，以积极应对全球需求。甲骨文云基础设施高级副总裁内森·托马斯表示：“AI直接应用于数据库层，提高了准确性和控制力，帮助客户更轻松地使用基于信任的业务数据的代理AI。”此次合作表明，云市场的竞争格局正在从单一服务性能的竞争，演变为跨云壁垒的生态系统竞争，为客户提供整合价值。※ 本报道经人工智能（AI）系统翻译与编辑。

随着人工智能（AI）在体育产业的广泛应用，数据驱动的比赛分析和粉丝体验创新竞争日益激烈。IBM宣布与高尔夫大师赛合作，扩大AI基础的数字粉丝体验功能。IBM计划通过大师赛数字平台为全球高尔夫爱好者提供数据驱动的比赛分析和定制内容。IBM的合作核心是AI视频分析功能‘大师赛搜索’，该功能基于50多年积累的大师赛比赛视频档案，利用自然语言搜索技术，快速找到所需场景。视频分析采用光学字符识别（OCR）、语音转文本、场景检测技术，结合1968年以来的比赛数据和2015年后的单个击球数据进行AI分析。‘洞察’功能也得到了增强。AI实时分析选手的击球位置，并与历史数据比较，计算出小鸟球、标准杆、柏忌等得分概率。这使得粉丝不仅能看到比赛结果，还能了解选手的战略决策过程。此次功能更新中，IBM的企业AI平台‘Watsonx’和小型语言模型Granite被应用。‘Watsonx Orchestrate’支持AI代理基础的自动分析功能，增强了数据分析自动化。体育产业中的AI分析技术正在迅速扩展为新的竞争领域。包括Naver在内的云计算公司正在比赛数据分析、粉丝体验个性化、视频自动生成等领域应用AI技术。体育产业因其实时数据和全球粉丝基础，被认为是AI技术验证和扩展的理想领域。特别是体育数据分析技术在企业数据分析市场的扩展潜力备受关注。用于比赛数据分析的AI技术也可应用于金融、零售、制造等行业的数据分析。IBM也在利用体育平台作为AI技术验证环境，扩大面向企业客户的AI解决方案。IBM持续扩大在体育和娱乐领域的合作，包括‘法拉利车队HP’、‘温布尔登’、‘美国公开赛’、‘ESPN幻想足球’、‘格莱美奖’、‘UFC’等全球内容平台，推动AI基础的数字体验建设。IBM的体育和娱乐领域合作不仅是简单的活动支持，还被视为AI混合云和数据分析平台扩展战略的一部分。通过体育和娱乐产业，IBM获取AI技术应用案例，并将其扩展到企业市场。随着体育AI市场的快速增长，未来AI代理基础的数据分析竞争将更加激烈。IBM也将通过扩大AI平台在体育产业的应用范围，积极应对新的数据驱动产业竞争。IBM市场与传播高级副总裁乔纳森·阿达谢克表示：“大师赛搜索和洞察的更新展示了生成型AI和代理型AI如何将海量数据转化为有意义的洞察。这不仅适用于希望理解单次击球意义的高尔夫粉丝，也同样适用于分析数百万交易数据以得出模式并做出决策的金融机构。”※ 本报道经人工智能（AI）系统翻译与编辑。

LG CNS宣布成立“RX创新实验室”，专注于从企业机器人引入战略制定到执行的全程支持，旨在扩展机器人转型（RX）业务。此举被视为在人工智能（AI）和数字化转型（DX）之后，进一步拓展至物理自动化领域，以抢占企业机器人市场。4月1日，LG CNS表示，该实验室将提供客户定制的机器人引入咨询，涵盖工作流程重设计和概念验证（PoC）。随着IT服务公司在AI之后寻求新的增长动力，机器人业务的扩展成为趋势。由于人力短缺和成本增加，物流、制造等行业对机器人自动化的需求迅速增长。根据国际机器人联盟（IFR）去年9月的报告，2024年全球工业机器人安装数量达到约54.2万台，比十年前翻了一番，运营中的机器人超过466万台。全球物流机器人市场预计年均增长超过15%，企业对机器人自动化的投资正在增加。LG CNS计划通过RX创新实验室提供三阶段的机器人转型计划。在“洞察”阶段，分析行业特性和工作环境，发现机器人引入领域；在“设计”阶段，选择最佳机器人解决方案并设计人机角色分工；在“验证”阶段，基于现场数据进行概念验证，检验生产力和运营效率。LG CNS强调，机器人转型不仅是简单的流程自动化，而是重新设计整个工作流程。以物流企业为例，从商品入库到出库的全过程分析，找出机器人应用效果显著的环节，并通过数据化移动路径和处理时间，设计最佳工作结构。近年来，LG CNS在物流、制造领域进行了多项机器人概念验证项目，积累了相关经验。基于数百个物流中心自动化项目的经验，验证了仓库自动化机器人、AI拣选机器人、自主移动机器人（AMR）、无人运输机器人（AGV）等的应用可能性。此次组织成立被视为LG CNS完成了涵盖DX、AX、RX的企业创新体系建设。LG CNS运营“创新工作室”和“生成式AI工作室”，支持数字化转型，已进行约140个客户创新项目。随着机器人转型组织的加入，形成了支持企业数字、AI、机器人创新的综合结构。LG CNS加快了机器人转型核心技术的获取，与美国机器人脑开发公司“Skilled AI”、双臂控制公司“Config”扩大合作，并对美国人形机器人公司“Dexmate”进行战略投资，获得硬件设计能力。通过这些努力，LG CNS计划提供结合机器人基础模型（RFM）、机器人集成运营平台和硬件设计的全栈RX服务。AI自动化主要集中在软件领域，而RX则扩展到实际工业现场的物理自动化。LG CNS社长玄信均表示：“机器人转型的核心在于从整体工作流程的角度重新设计和创新生产力。LG CNS将基于物理AI能力，构建适合工业现场的RX模型，助力客户提升生产力和加速增长。”※ 本报道经人工智能（AI）系统翻译与编辑。