主页搜索
搜索
选择时间
搜索范围
全部的
‘收入基础’新闻 2个
-
韩国将就业保险适用标准从工时改为收入，月收入需达80万韩元政府决定将就业保险的适用标准从工时转变为收入。即使个别企业的工资未达到就业保险的适用标准，也可以通过新设的“收入合并制度”将多个企业的工资合并计算。 劳动部于10日宣布，将对《就业保险法》和《就业伤害保险费征收法》的部分下位法令进行为期40天的立法预告。 收入基础的就业保险是为了将短时工和多重就业者纳入就业安全网而进行的制度改革。在平台劳动、短时工作和多重就业日益增加的情况下，仅以工时判断就业保险的适用性将导致存在盲区。 因此，政府决定将就业保险的适用标准从工时改为收入，并与国税厅的收入资料进行关联。这为所有工作者提供了适用就业保险的基础。 首先，就业保险的适用标准将从现行的每月工作60小时（每周15小时）以上，改为每月收入80万韩元以上。这是考虑到每周工作15小时的新加入就业保险劳动者的月收入平均为79万韩元，而劳动提供者的就业保险适用标准为80万韩元等因素。未来在调整适用标准时，将考虑物价上涨率、工资上涨率和就业保险适用对象的扩大等因素。 针对在多个企业工作的劳动者，将新设收入合并制度。即使个别企业的工资低于每月80万韩元，只要多个企业的工资合计超过80万韩元，劳动者可根据个人申请加入就业保险。 保险费征收体系也将进行改革。企业主每年一次的年总工资申报将被取消。取而代之的是，企业主每月向劳动福利公团申报月工资，或以国税厅的收入申报资料作为月工资申报的替代方式。此外，社会福利领域的非营利法人优先支持企业的选定标准中将包括“营业收入600亿韩元以下”。 与此同时，劳动部长金英勋当天访问了劳动福利公团，检查收入基础就业保险的推进情况。劳动福利公团自3月起成立了专门工作组，通过与国税厅及健康保险、国民养老金等其他社会保险机构的业务协商，准备确保收入基础就业保险在现场的落实。 特别是将国税厅的约2510万条收入资料与约1550万人的就业保险数据库进行匹配和关联，重新设计基于劳动者收入的就业和伤害保险费的征收和结算工作流程。为了支持企业主的便利，将进行就业和伤害保险的综合服务改进、移动应用程序的升级、一键工资服务的推广、聊天机器人咨询系统的建设等工作。 然而，为了确保现场的落实，减少行政负担的工作也至关重要。当天与金部长会面的劳动福利公团工会强调，需要充足的人力和预算保障，以及改善就业保险投保资格的双重获取限制等。 金英勋劳动部长表示：“收入基础的就业保险是韩国就业保险30年历史上最大的转折点，我们将毫不松懈地推进包括基础设施在内的现场所需各项事宜。这是国家对所有工作者负责的‘全民就业保险’的第一步，我们将持续扩大就业保险的适用对象。”※ 本报道经人工智能（AI）系统翻译与编辑。
2026-07-10 19:04:00 -
Naver进军国防人工智能市场，成立专门团队Naver正式进军国防人工智能（AI）市场。 根据6月1日的信息技术（IT）行业消息，Naver Cloud从今天起成立国防人工智能转型（AX）专门组织，开始扩大在国防领域的AI业务。该组织由Naver Cloud首席执行官金裕元负责，金总负责Naver的整体AI业务。 Naver进军国防AI市场的原因包括对主权AI和公共AX需求的增加。由于国防AI领域对安全和监管的高度敏感，外资云服务或海外AI技术难以应用，这为国内企业提供了机会。尤其是，Naver可以从一般消费者AI服务转向公共和国防市场，建立稳定的企业对政府（B2G）收入基础。 据悉，在Naver Cloud未能获得科学技术信息通信部的“独立AI基础模型”支持项目后，Naver Cloud认为可以将其基础设施、模型和服务的技术应用于国防AI领域。 Naver相关人士表示：“我们认为国防AI领域适合从基础设施到服务的各个方面，因此成立了安全组织。Naver具备基于国内云的从基础设施到模型、服务的全栈AI能力，正在为进军国防领域做准备。” 业界人士指出：“为国防环境量身定制的云服务或生成型AI模型的设计也是可行的，政府对国防AI需求的增加将对Naver产生积极影响。” 然而，国防AI的引入也存在谨慎的声音。由于国防领域对安全的高度敏感，单纯引入高性能AI模型的方式难以适用。若将机密信息用于AI学习或推理，可能会导致信息泄露、错误判断和责任归属等问题。 专家们认为，国防环境下的AI应用将根据安全级别和数据等级进行分类后再进行。即使Naver与国防AX的合作讨论进行，信息类型的逐步学习也是必要的。预计AI首先将在行政和工作环境的改善中得到应用。 韩国安宰大学网络安全学教授郭振表示：“国防AI不仅可以用于行政或工作环境的改善，还可以在实际战场环境中应用，因此使用范围非常广泛。但引入AI并不能解决所有问题，在军队等环境中，整个引入过程必须非常谨慎。”※ 本报道经人工智能（AI）系统翻译与编辑。
2026-06-02 00:33:00
-
韩国将就业保险适用标准从工时改为收入，月收入需达80万韩元
政府决定将就业保险的适用标准从工时转变为收入。即使个别企业的工资未达到就业保险的适用标准，也可以通过新设的“收入合并制度”将多个企业的工资合并计算。 劳动部于10日宣布，将对《就业保险法》和《就业伤害保险费征收法》的部分下位法令进行为期40天的立法预告。 收入基础的就业保险是为了将短时工和多重就业者纳入就业安全网而进行的制度改革。在平台劳动、短时工作和多重就业日益增加的情况下，仅以工时判断就业保险的适用性将导致存在盲区。 因此，政府决定将就业保险的适用标准从工时改为收入，并与国税厅的收入资料进行关联。这为所有工作者提供了适用就业保险的基础。 首先，就业保险的适用标准将从现行的每月工作60小时（每周15小时）以上，改为每月收入80万韩元以上。这是考虑到每周工作15小时的新加入就业保险劳动者的月收入平均为79万韩元，而劳动提供者的就业保险适用标准为80万韩元等因素。未来在调整适用标准时，将考虑物价上涨率、工资上涨率和就业保险适用对象的扩大等因素。 针对在多个企业工作的劳动者，将新设收入合并制度。即使个别企业的工资低于每月80万韩元，只要多个企业的工资合计超过80万韩元，劳动者可根据个人申请加入就业保险。 保险费征收体系也将进行改革。企业主每年一次的年总工资申报将被取消。取而代之的是，企业主每月向劳动福利公团申报月工资，或以国税厅的收入申报资料作为月工资申报的替代方式。此外，社会福利领域的非营利法人优先支持企业的选定标准中将包括“营业收入600亿韩元以下”。 与此同时，劳动部长金英勋当天访问了劳动福利公团，检查收入基础就业保险的推进情况。劳动福利公团自3月起成立了专门工作组，通过与国税厅及健康保险、国民养老金等其他社会保险机构的业务协商，准备确保收入基础就业保险在现场的落实。 特别是将国税厅的约2510万条收入资料与约1550万人的就业保险数据库进行匹配和关联，重新设计基于劳动者收入的就业和伤害保险费的征收和结算工作流程。为了支持企业主的便利，将进行就业和伤害保险的综合服务改进、移动应用程序的升级、一键工资服务的推广、聊天机器人咨询系统的建设等工作。 然而，为了确保现场的落实，减少行政负担的工作也至关重要。当天与金部长会面的劳动福利公团工会强调，需要充足的人力和预算保障，以及改善就业保险投保资格的双重获取限制等。 金英勋劳动部长表示：“收入基础的就业保险是韩国就业保险30年历史上最大的转折点，我们将毫不松懈地推进包括基础设施在内的现场所需各项事宜。这是国家对所有工作者负责的‘全民就业保险’的第一步，我们将持续扩大就业保险的适用对象。”※ 本报道经人工智能（AI）系统翻译与编辑。
2026-07-10 19:04:00 -
Naver进军国防人工智能市场，成立专门团队
Naver正式进军国防人工智能（AI）市场。 根据6月1日的信息技术（IT）行业消息，Naver Cloud从今天起成立国防人工智能转型（AX）专门组织，开始扩大在国防领域的AI业务。该组织由Naver Cloud首席执行官金裕元负责，金总负责Naver的整体AI业务。 Naver进军国防AI市场的原因包括对主权AI和公共AX需求的增加。由于国防AI领域对安全和监管的高度敏感，外资云服务或海外AI技术难以应用，这为国内企业提供了机会。尤其是，Naver可以从一般消费者AI服务转向公共和国防市场，建立稳定的企业对政府（B2G）收入基础。 据悉，在Naver Cloud未能获得科学技术信息通信部的“独立AI基础模型”支持项目后，Naver Cloud认为可以将其基础设施、模型和服务的技术应用于国防AI领域。 Naver相关人士表示：“我们认为国防AI领域适合从基础设施到服务的各个方面，因此成立了安全组织。Naver具备基于国内云的从基础设施到模型、服务的全栈AI能力，正在为进军国防领域做准备。” 业界人士指出：“为国防环境量身定制的云服务或生成型AI模型的设计也是可行的，政府对国防AI需求的增加将对Naver产生积极影响。” 然而，国防AI的引入也存在谨慎的声音。由于国防领域对安全的高度敏感，单纯引入高性能AI模型的方式难以适用。若将机密信息用于AI学习或推理，可能会导致信息泄露、错误判断和责任归属等问题。 专家们认为，国防环境下的AI应用将根据安全级别和数据等级进行分类后再进行。即使Naver与国防AX的合作讨论进行，信息类型的逐步学习也是必要的。预计AI首先将在行政和工作环境的改善中得到应用。 韩国安宰大学网络安全学教授郭振表示：“国防AI不仅可以用于行政或工作环境的改善，还可以在实际战场环境中应用，因此使用范围非常广泛。但引入AI并不能解决所有问题，在军队等环境中，整个引入过程必须非常谨慎。”※ 本报道经人工智能（AI）系统翻译与编辑。
2026-06-02 00:33:00
