Earticle

현대 보안 환경에서 증가하는 사이버 공격과 복잡한 위협에 대응하기 위해 대규모 언어 모델 기반 AI 에이전트와 전문 도구의 결합이 주목받고 있다. 그러나 최신 위협 부족이나 단순히 LLM의 추론은 환각(hallucination) 현상 등 한계도 존재한다. 본 논문에서는 이러한 한계를 극복하기 위해 제안된 세 가지 최신 보안 AI 에이전트 프레임워크 사례(SERC, IDS-Agent, PhishLLM)를 비교 분석한다. 각 사 례의 적용 분야는 보안 운영 센터(Security Operations Center) 이벤트 대응, IoT 침입 탐지, 피싱 웹 사이트 탐지로서, LLM에 외부 지식을 결합하거나 체계적인 추론 과정을 도입함으로써 기존 방식의 한계를 극복하고 성능과 신뢰성을 향상시켰다. 본 비교 연구를 통해 각 프레임워크의 접근법, 주요 기 술(RAG, CoT 등) 및 성능 향상 내용을 살펴보고, 논의를 바탕으로 향후 보안 분야 LLM 에이전트 개 발을 위한 방향성을 제시한다.

의료 현장에서 AI Agent와 VR/XR 기술의 확산은 환자 중심 치료 효율성을 높이는 동시에, 음성·생체·행동 정보의 대규모 수집으로 새로운 보안·프라이버시 위험을 야기한다. 국제 표준기관(NIST, ISO/IEC)은 XR 기기를 고위험 의료기기로 분류하 고 있으며, 특히 간호사는 이러한 위험을 이해해야 한다. 그러나 간호대학생 대상 보안 인식 연구는 매우 부족하다. 본 연구에 서 간호대학생 110명을 조사한 결과, 단순 VR 경험은 보안 인식과 유의한 관련이 없었으나 개인정보 보호 교육을 경험한 참 여자는 경험하지 않은 경우 보다 보안 인식이 높았다. 보안 지침·교육 필요성 인식은 높지만, 기술적 취약성 인식은 낮아 실천 역량 부족이 확인되었다. 보호동기이론(PMT)에 기반하여, 예비 간호사를 위한 통합적 보안 교육과 시나리오 기반 훈련이 필요함을 제언한다.

The integration of AI Agents and VR/XR technologies in healthcare enhances patient-centered communication and clinical efficiency, yet introduces significant cybersecurity and privacy risks due to extensive voice, biometric, and behavioral data processing. International standards organizations, including NIST and ISO/IEC, have identified XR devices as high-risk medical technologies that require careful protection. However, cybersecurity awareness among nursing students—the future primary users of digital health tools—remains underexplored. This study investigated VR device security awareness among 110 nursing students. Results indicated no significant differences based on demographic characteristics or simple VR usage experience, whereas prior exposure to privacy-protection education was associated with higher awareness. Notably, participants strongly recognized the need for security guidelines and education, while awareness of VR-specific vulnerabilities remained low, reflecting limited practical security competence. Guided by Protection Motivation Theory (PMT), the findings highlight the urgency of developing integrated cybersecurity curricula and scenario-based training to strengthen nursing students’ readiness for AI Agent–VR/XR clinical environments.

본 연구에서는 멀티모달 AI 기술을 활용하여 사용자가 특정 목적지로 이동하는 목적을 달성하기 위해, 다수의 택시 어플리케이션을 호출 및 취소하는 과정을 자동화하는 에이전트 시스템인, Taxi Call Agent를 개발하였다. 이 시스템은 각 어플리케이션의 화면을 캡처하고, UI Automator를 활용하여 화면의 UI 요소를 저장한 뒤 이를 프롬프트와 함께 GPT-4o API로 전송하여 각 어플리케이션에서 필요한 행동을 수신하도록 설계되어 사용자가 입력한 한 문장으로 택시 호출을 가능하게 한다. 현재까지 구현한 Taxi Call Agent는 다음의 두 가지 주요 기능에 초점을 맞추고 있다: 1. 다중 택시 어플리케이션 관리: 시스템은 여러 택시 어플리케이션을 동시에 관리하고, 각 어플리케이션의 화면을 캡처하여 UI 요소를 분석한다. 이를 통해 사용자가 원하는 목적지로의 택시 호출을 여러 택시 어플리케이션에서 동시에 시도한다. 2. 택시 호출 취소 최적화: 여러 택시 어플리케이션을 이용하여 사용자가 원하는 목적지로의 호출을 동시에 시도한 후, 첫 번째로 배차가 확정된 택시를 제외한 나머지 호출을 자동으로 취소하는 기능을 통해 사용자에 효율적인 택시 이용 경험을 제공한다. 추가로 사용자의 요청을 자동화하는 과정에서 발생하는 GPT API 호출 비용의 변동과 기술 발전 속도 등을 고려하여 Taxi Call Agent를 활용한 비즈니스 모델의 실제 실행 가능성을 분석한다.

본 연구는 AI에이전트의 외형과 음성 유형이 사회적 존재감을 매개로 신뢰(대상신뢰, 정보신뢰)에 미치는 영향을 검증하였다. 3×2 피험자 간 실험(N=382) 결과, 외형과 음성 유형의 상호작용 효과는 유의하지 않았으나(F=2.20, p=.112), 음성 유형은 사회적 존재감에 유의미한 주효과를 보였다(F=24.45, p<.001). 기계형 외형 조건에 한해 합성 음성과의 결합 시 존재감이 부분 회복되는 경향이 관찰되어(B=.347, p=.050) 단서 정합성 효과의 가능성을 시사하였다. 사회적 존재감은 외형과 신뢰 간 관계를 부분 매개하였으나, 음성 유형의 조절된 매개효과는 유의하지 않았다. 다만 조건부 간접효과 분석에서 기계형 외형의 신뢰 감소 경로는 자연음성 조건에서만 유의하였다(대상신뢰 Effect=-.394, 정보신뢰 Effect=-.215). 이는 다감각 단서 정합성이 신뢰 형성과 관련될 가능성을 제한적으로 시사한다.

This study examines how AI agent appearance and voice type influence credibility (source, message) through social presence. A 3×2 between-subjects experiment (N=382) showed that the interaction between appearance and voice type was not significant (F=2.20, p=.112), while voice type had a significant main effect on social presence (F=24.45, p<.001). A supplementary analysis found that, within the mechanomorphic appearance condition only, pairing with a synthetic voice partially recovered social presence (B=.347, p=.050), suggesting a limited cue-consistency effect. Social presence partially mediated the relationship between appearance and credibility, but the moderated mediation effect of voice type was not significant. Conditional indirect effects, however, showed that the mechanomorphic appearance's negative path to credibility was significant only in the natural voice condition (object credibility Effect=-.394; message credibility Effect=-.215). These findings offer limited support for the role of multisensory cue congruency in agent credibility.

인공지능 제품은 스마트폰이나 스피커, 가전제품에 에이전트로 내장되어 ‘인공지능 비서'로 활용되고 있으며, 현재는 약 인공지능 수준으로 에이전트의 성격, 목소리 등 의인화에 관한 연구가 진행되고 있다. 향후 인공지능 기술 발전으로 지능형 에이전트의 역할과 기능이 확장될 것으로 보이며, 사용자 유형, 사용환경, 에이전트 외관 등 에이전트 관련 다양한 속성에 대한 고려가 필요할 것으로 보인다. 따라서 본 연구에서는 강한 인공지능 에이전트가 나타나는 컨셉 영상 시나리오의 분석을 통해 사용자 관점에서 에이전트의 인터랙션 속성들을 유형화하였다. 연구방법으로 에이전트에 대한 이론적고찰을 토대로 분석을 위한 프레임워크를 구축하였다. 이후 대중화된 영상시청 플랫폼인 유튜브(Youtube) 를 활용하여 다수의 영상 시나리오를 수집 및 선별하고 환경, 사용자, 에이전트 관점에 따라 분석하였다. 그 결과 시점, 공간, 형태, 에이전트 행위, 연동기기, 에이전트 인터페이스, 사용상태, 사용자 인터페이스 8개 속성을 유형화하였다. 이는 향후 상용화될 에이전트의 개발 및 예측 시 참고자료로 활용될 것으로 기대된다.

AI products are used 'AI assistants' as embedded in smart phones, speakers, appliances as agents. Studies on anthropomorphism, such as personality, voice with a weak AI are being conducted. Role and function of AI agents will expand from development of AI technology. Various attributes related to the agent, such as user type, usage environment, appearance of the agent will need to be considered. This study intends to categorize interaction factors related to agents from the user's perspective through analysis of concept videos which agents with strong AI. Framework for analysis was built on the basis of theoretical considerations for agents. Concept videos were collected from YouTube. They are analyzed according to perspectives on environment, user, agent. It was categorized into 8 attributes: viewpoint, space, shape, agent behavior, interlocking device, agent interface, usage status, and user interface. It can be used as reference when developing, predicting agents to be commercialized in the future.

본 연구는 바이브 코딩과 피지컬 AI 기술의 확산 및 발전에 따라 블록 기반 프로그래밍 교육에서 자연어 기반 의 텍스트 기반 프로그래밍으로 전환 필요성에 주목하고, 이를 초등 교육 현장에 적용할 수 있는 방안을 모색하였 다. 이를 위해 AI 에이전트 협력형 로봇 프로그래밍 학습 모형 및 지원 시스템을 개발하여, 학습자가 텍스트 프로 그래밍 학습 과정에서 경험하는 문법적 인지 부하를 완화하고 스스로 사고를 확장할 수 있도록 비계 제공과 점진 적 자율성 부여를 체계적으로 지원하도록 설계하였다. 개발된 시스템은 자연어로 코딩 의도를 전달하는 바이브 코 딩 패러다임을 적용하고, RAG 및 멀티 에이전트 기술을 기반으로 학습자 수준에 따른 맞춤형 피드백을 제공한다. 또한 함께 개발된 8차시 분량의 교육 프로그램을 초등학교 6학년 학생 23명에게 적용하여 그 효과성을 분석하였 다. 대응 표본 t-검정 결과, 학생들의 컴퓨팅 사고력은 통계적으로 유의미하게 향상되었으며, 특히 하위 영역 중 추상화 역량에서 가장 높은 향상 폭을 보였다. 학습자 인식 조사 결과, AI 에이전트의 개별 맞춤형 지원과 로봇의 즉각적인 피드백이 텍스트 코딩에 대한 심리적 장벽을 낮추고 문제 해결에 대한 몰입도를 높인 것으로 확인되었 다. 본 연구는 인공지능 전환 시대에 학습자의 텍스트 프로그래밍 진입 장벽을 낮추기 위한 실천적 교수-학습 모 델과 시스템 설계 원리를 제시했다는 점에서 교육적 의의를 갖는다.

This study emphasizes the need for a shift from block-based programming education to natural language-b ased text-based programming amid the rise of Vibe Coding and Physical AI, and explores ways to apply this approach in elementary education. To achieve this, we developed a collaborative AI agent-based robot progra mming learning model and support system. This model systematically supports scaffolding and gradual autono my, alleviating the grammatical cognitive burden learners experience during text-based programming and enab ling them to expand their thinking. The developed system applies the Vibe Coding paradigm, which conveys c oding intent through natural language, and provides personalized feedback based on learner level using RAG a nd multi-agent technologies. Furthermore, an 8-session educational program developed alongside the system was applied to 23 sixth-grade elementary students to analyze its effectiveness. Results from paired sample ttests showed a statistically significant improvement in students' computational thinking skills, with the highest improvement observed in the abstraction competency subdomain. Learner perception surveys confirmed that t he AI agent's individualized support and the robot's immediate feedback lowered psychological barriers to text coding and increased engagement in problem-solving. This study holds educational significance as it presents a practical teaching-learning model and system design principles to lower the entry barriers to text program ming for students in the era of artificial intelligence transformation.

2025년 ‘인공지능 에이전트 AI Agent’가 새로운 기술 트렌드로 부각되 었다. 그런데 새로운 인공지능 관련 서비스가 발표될 때마다 기술의 발전 적인 측면이나 부정적인 측면만을 보고 판단하는 단편적인 접근이 주를 이룬다. 그러나 중요한 것은 ‘불확실한 가능성’을 추측하기보다, 실제 개 인과 산업현장에서 사람들이 AI를 받아들이는 모습과 활용방식을 추적하 고 관찰하는 것이다. 인공지능 기술은 인간과 인간사회 사이의 관계 안에 서 등장했고 앞으로도 이 관계는 지속될 것이기 때문이다. 본 연구에서는 인공지능을 독립된 실체가 아니라 인간과의 관계 속에서 서로를 구성하는 존재로 이해하기 위해, 브뤼노 라투르의 ‘과학기술학’ 관 점에 주목하였다. 이를 통해 인간과 인간사회, 인공지능 사이의 관계를 통찰할 수 있는 이론적 프레임워크를 제안하고자 하였다. 연구방법으로는 국내외 선행연구 분석을 통해 과학기술학의 접근방식과 라투르의 주요 개 념을 살펴보고, ‘인간-인공지능-인간사회’의 네트워크를 통찰하는 이론적 프레임워크를 제안하였다. 이후 인공지능 에이전트의 대표 사례인 ‘젠스파 크’를 중심으로 과학기술학 기반의 프레임워크의 적용가능성에 대해 모색 하였다. 연구결과 과학기술학 관점에서 인간과 인공지능, 인류사회는 독립된 존 재가 아니라 상호 연결된 집합체로 구성됨을 확인하였다. 젠스파크 분석 을 통해 사용자들이 점차 더 많은 권한을 인공지능 에이전트에 ‘위임’하고 있으며, 이는 인간-기술 관계의 재편성을 시사한다는 점을 밝혔다. 특히 인공지능 에이전트 서비스가 등장할 때마다 인공지능의 발전과 가치, 인 간 대체의 위험성에 대한 논의는 활발하지만, 서비스를 작동시키기 위해 필요한 자원 인프라에 대한 언급은 제한적이거나 별개의 이슈로 다루어진 다는 점을 발견하였다. 이는 인공지능 서비스의 원리가 숨겨지는 ‘블랙박 스’화 현상으로, 막대한 자원소모와 사회 인프라 불균형 등의 이면이 가려지고 있음을 보여준다. 본 연구에서 제안한 이론적 프레임워크는 인공지능 기술에 통찰적으로 접근할 수 있는 방법론으로 활용될 수 있으며, 인공지능 에이전트가 초래 할 사회 변화에 대응할 수 있는 가능성을 제공할 것으로 기대한다.

By 2025, ‘AI Agent’ are emerging as a new technological trend. However, whenever new AI-related services are announced, the prevailing approach tends to be fragmented, focusing solely on the progressive or negative aspects of the technology. What is important, however, is not to speculate on ‘uncertain possibilities,’ but to track and observe how people actually adopt and utilize AI in their personal lives and in industrial settings. This is because AI technology emerged within the context of human-human relationships, and this relationship will continue in the future. In this study, we focused on Bruno Latour's “Science and Technology Studies” perspective to understand AI not as an independent entity but as an entity that constitutes itself in relation to humans. Through this, we aimed to propose a theoretical framework that provides insight into the relationship between humans, human society, and AI. The research method involved analyzing previous domestic and international studies to examine the approaches of science and technology studies and Latour's key concepts, and then proposing a theoretical framework that provides insight into the network of “human-artificial intelligence-human society.” Subsequently, the applicability of the science and technology studies-based framework was explored using “Genspark,” a representative example of an artificial intelligence agent. The results confirmed that, from a science and technology studies perspective, humans, AI, and human society are not independent entities but interconnected entities. Through the analysis of Genspark, it was revealed that users are gradually ‘delegating(Delegation)’ more authority to AI agents, suggesting a restructuring of the human-technology relationship. In particular, while discussions on the development and value of AI and the risks of human replacement are active whenever AI agent services emerge, mentions of the resource infrastructure required to operate such services are limited or treated as separate issues. This phenomenon, where the principles of AI services are hidden in a ‘Black Box,’ reveals the underlying issues of massive resource consumption and social infrastructure imbalances. The theoretical framework proposed in this study is expected to serve as a methodological approach for gaining insights into AI technology and providing possibilities for addressing the societal changes that AI agents may bring about.

최근 조직 내 지식의 사일로 현상과 잦은 퇴사·이직은 지식 단절과 업무 공백을 야기하며 조직 성과를 위협하고 있다. 기존 인수인계 과정은 구성원 개인의 경험과 역량에 과도하게 의존하고 있으며, 파편화된 정보 관리 체계는 조직 지식의 지속 가능성을 저해하는 요인으 로 작용한다. 이에 본 연구는 AI Agent에 기반한 인수인계 서비스 설계를 제안한다. 본 연 구는 JD-R(Job Demand–Resource) 모델을 이론적 틀로 활용하여, AI Agent를 새로운 직무 자원(Job Resource)의 제공자로 규정한다. 구체적으로, AI Agent가 지식 표준화, 정보 접근 성 강화, 신속한 지원과 같은 직무 자원을 확대함으로써, 인수인계 과정에서 발생하는 업무 공백을 최소화하고 구성원의 몰입과 성과를 높일 수 있음을 밝히고자 한다. 이를 통해 본 연구는 AI 기반 지식관리 서비스가 조직 지식을 축적 가능한 자산으로 전환함으로써, 조직 의 생존과 경쟁력 확보를 위한 실질적 시사점을 제시한다.

본 연구는 전담 PB(Private Banker) 서비스를 받고 있는 은행 고객을 대상으로, AI 기반 에이전트 품질(AAQ)이 고객경험(CEX) 및 전환비용(SWC)과 어떤 관계를 가지며 관계지속의도(RCI)로 연결되는지 탐색하였다. 은행 AI에이전트 이용 경험이 있는 PB 고객 350명의 설문자료를 SPSS 29와 AMOS 29로 확인적요인분석, 판별타당도 검증, 구조방정식모형, 위계적 회귀분석하였다. AAQ는 CEX(β=.966)와 RCI(β=.698)에 유의한 정(+)의 영향을 미쳤으나, CEX가 RCI에 미치는 직접효과(가설 2)와 매개효과(가설 3)는 지지되지 않았다. 전환비용은 CEX-RCI 관계를 유의하게 조절하였으며(가설 4), 전환비용이 낮은 고객군에서 경험의 영향력이 큰 완충효과로 나타났다. 이는 인적 자문이 관계의 축을 이루는 집단에서 AAQ가 경험을 매개하지 않고 직접경로로 작용함을 시사한다. AAQ-CEX 판별타당도 한계, 공통방법편의, PB 표본의 특수성은 일반화를 제한한다.

Background/Objectives: This study examines how AI-based agent quality (AAQ) relates to relationship continuance intention (RCI) among bank customers receiving dedicated private-banker (PB) service, and the roles of customer experience (CEX) and switching costs (SWC). Methods/Statistical analysis: Survey data from 350 PB-service bank customers with AI agent experience were analyzed using SPSS 29 and AMOS 29, including confirmatory factor analysis, HTMT discriminant validity testing, structural equation modeling, and hierarchical regression. Findings: AAQ significantly predicted CEX (β=.966) and RCI (β=.698), whereas the direct CEX-RCI path (H2) and the mediating role of CEX (H3) were not supported. SWC moderated the CEX-RCI relationship (H4) in a buffering direction. Improvements/Applications: In this segment AAQ appears to act on retention primarily through a direct rather than an experience-mediated route. Discriminant validity between AAQ and CEX, common method variance, and the PB sample bound the generalizability of these findings.

Integrating Large Language Models (LLMs) into high-stakes evaluations like hiring and loans poses dual challenges: reducing algorithmic bias and embedding human compassion. We propose an AI evaluation framework grounded in the four-factor model of organizational justice, restructured into two dimensions: Structural Justice (procedural and distributive fairness) and Interactional Justice (interpersonal and informational compassion). Our modular, multi-agent system includes a Criteria Generator for fair rubric design and an Application Evaluator with two LLM agents—a “just bureaucrat” scoring structural fairness and a “compassionate communicator” scoring interactional fairness. These qualitative scores integrate with quantitative predictions through a Budget-Aware Fair Ranker to produce optimized outcomes. This framework offers a blueprint for AI systems that balance fairness with empathy, advancing beyond bias mitigation to foster just and compassionate decision-making in automated evaluations.

본 연구는 초등학교 입법교육에서 제기되는 학생 주도성 제약, 입법대안 지원의 현실적 어려움, 입법 지원 도구 부재의 문제를 해결하기 위해 AI 입법 에이전트 ALE(AI agent for Legislative Education)를 개발하고 그 효과를 검증하는 데 목적이 있다. ALE은 쟁점 도출, RAG(Retrieval Augmented Generation)기반의 관련 법령 탐색, 입법안 초안 생성 및 수정 기능을 통해 입법교 육의 주요 학습 단계를 지원하도록 설계되었다. ALE의 효과는 인천 소재 초등학교 6학년 40명을 대상으로 ALE 활용 수업과 미활용 수업을 적용하여 검증하였다. 연구 결과, ALE 활용 집단은 통 제 집단에 비해 FIAC(Flanders Interaction Analysis Categories) 분석과 설문에서 학생 주도성 이 향상되었음이 확인되었으며, 작성한 법률안에 대한 전문가 평가에서도 법률안 완성도가 더 높 게 나타났다. 또한 SUS(System Usability Scale) 점수 평균 80점 이상의 높은 사용성이 확인되어 초등학생이 활용하기에 적합한 도구임이 확인되었다. 이러한 결과는 ALE이 초등 입법교육의 실천 적 한계를 완화하고, 학생이 스스로 완성도 있는 입법 경험을 할 수 있도록 지원하는 교육용 AI 도구로서의 활용될 수 있다는 가능성을 시사한다.

This study aims to develop an AI-based legislative agent, ALE (AI Agent for Legislative Education), and to examine its effectiveness in addressing key challenges in elementary legislative education, including limited student agency, practical difficulties in supporting legislative alternatives, and the lack of appropriate instructional tools. ALE was designed to support the major stages of legislative learning, including issue identification, retrieval of relevant laws using a Retrieval-Augmented Generation (RAG) approach, and the drafting and revision of legislative proposals. The effectiveness of ALE was evaluated through an experimental study involving 40 sixth-grade students from an elementary school in Incheon, comparing classes that utilized ALE with those that did not. The results showed that the ALE group demonstrated increased student agency, as evidenced by FIAC (Flanders Interaction Analysis Categories) analysis and survey responses. In addition, expert evaluations of student-produced legislative drafts indicated higher levels of legislative completeness in the ALE group compared to the control group. Furthermore, the average SUS (System Usability Scale) score exceeded 80, indicating high usability and confirming the suitability of ALE for elementary-level learners. These findings suggest that ALE has the potential to mitigate practical limitations in elementary legislative education and to function as an effective educational AI tool that supports students in engaging in more autonomous and well-developed legislative experiences.

전통복식을 현대 패션에 재해석하려는 디자이너에게는 유물의 형태·재질·치수와 같은 실물 정보뿐 아니라, 복식사적 해석·상징성·역사적 맥락이 모두 필요하다. 그러나 이 두 유형의 정보는 박물관 유물 데이터베이스와 학술 논문이라는 서로 다른 자료원에 분산되어 있어, 디자이너가 기획 과정에서 이를 통합적으로 탐색하고 디자인 근거로 활용하기가 쉽지 않다. 범용 생성형 인공지능에 이러한 질문을 던질 경우, 전통복식 고유의 실물 근거와 문화적 맥락이 누락된 일반론적 응답이 산출되어 디자인 기획의 근거로 삼기 어렵다. 이에 본 연구는 단국대학교 석주선기념박물관 유물 데이터베이스와 동 박물관 발행 ｢한국복식｣ 학술지 코퍼스를 이중 지식원으로 활용하는 검색 증강 생성 기반 패션 디자인 인공지능 에이전트를 설계·구현하였다. 시스템은 디자이너의 질문 의도에 따라 실물 정보 중심, 학술 해석 중심, 또는 양쪽을 통합하는 방식으로 자료를 선별하여 응답의 근거로 제공한다. 패션 디자인 기획 질의에 대한 비교 검증 결과, 검색 증강 생성 미적용 시 범용 대규모 언어모델은 모든 질의에서 유물 소장번호와 학술 논문 인용이 전혀 포함되지 않은 일반론적 디자인 제안에 머물렀으나, 적용 시에는 질의당 평균 유물 3건, 논문 5건의 출처가 응답 근거로 활용되었고 인용된 소장번호는 전수가 박물관 DB의 실존 유물과 일치하였다. 확장된 후속 포트폴리오 평가에서도 질문 의도에 기반한 자료 선별이 안정적으로 작동하였고, 실물 근거가 필요한 질의에서는 분리 유지구조가 단일 병합 구조 대조군보다 실물 근거 확보에서 뚜렷한 우위를 보였다. 이러한 응답을 FEA 모델 관점에서 분석한 결과, 유물 실측 정보는 기능적 차원의 물리적 근거를, 논문의 복식사적 해석은 표현적·심미적차원의 문화적 근거를 뒷받침하여, 디자이너가 세 차원 모두에서 자료에 기반한 기획 판단을 내릴 수 있는 구조를 갖추고 있음을 확인하였다. 본 연구는 전통복식 아카이브와 학술 문헌을 연결하는 인공지능 에이전트를 통해, 디자이너가 전통복식 자료에 기반한 근거 있는 디자인 기획 지원을 받을 수 있는 구조적 가능성을 제시하였다.

Designers reinterpreting traditional Korean costume for contemporary fashion need both material evidence—form, fabric, and dimensions—and dress-historical interpretation of symbolism and context. These two types of information are dispersed across museum artifact databases and academic publications, hindering integrated exploration, and general-purpose generative AI typically returns responses lacking the material evidence and cultural context specific to traditional costume. Hence, this study designed and implemented a RAG-based fashion design AI agent that combines the Dankook University Seokjuseon Memorial Museum artifact database and the museum’s own journal, the Journal of Korean Costume corpus as dual knowledge sources. Depending on the designer’s query intent, the system selectively grounds responses in artifact data, in scholarly interpretation, or in an integration of both. Without RAG, the model produced generic suggestions with no artifact accession numbers or scholarly citations across all queries. With RAG enabled, responses incorporated on average 3 artifacts and 5 academic papers per query, and every cited accession number matched an actual museum record. Intent-based source selection remained stable in an extended evaluation portfolio, and for queries requiring artifact-grounded evidence, the dual-collection architecture clearly outperformed a single-merged-collection baseline in securing material evidence. Analyzed through the FEA consumer needs model, artifact measurement data supplied the physical grounds for the functional dimension, while dress-historical interpretation drawn from journal articles served as the cultural grounds for the expressive and aesthetic dimensions—enabling designers to make source-grounded planning decisions across all three FEA dimensions. This study demonstrates the structural feasibility of an AI agent that links traditional costume archives with academic literature, providing designers with support for evidence-based design planning grounded in traditional costume resources.

본 연구는 인천 문화관광에 관한 유튜브 온라인 담론을 자동 수집하고 분석하여 권역별 장소성 편향을 진단한 뒤, 이를 정책 의제로 전환하는 AI 에이전트 기반자동화 분석 체계를 설계하고 자료를 분석하는 데 목적이 있다. 본 연구는 데이터의 수집, 정제, 감성·이슈 분류, 주제분석, 편향진단, 정책 의제 도출의 개발 독립된 과정을 거쳐 순서대로 진행되도록 설계하였다. 감성·이슈 분류는 키워드 사전과 Claude Haiku 4.5를 활용하여 진행했고 LDA 토픽모델링으로 주제 분석을 진행했다. 본 논문에서는 Visual Studio Code에 Claude Code Haiku 4.5 모델을 사용하여 파이썬 환경에서 모든 작업을 진행했다. 분석 결과 송도·영종도는 높은 밀도를 보였고 원도심은 가장 낮은 관심도와 부정적인 댓글 비율이 높은 곳으로 나타났다. 강화도의 경우 가장 긍정적인 댓글이 많은 지역으로 나타났다. 송도·영종도의 경우 방문 분산과 편의 개선, 강화도는 체류형 관광 확장을 단기, 중기, 장기 정책 의제로 제안하였다. 본 연구의 의의는 개별 댓글 분석을 넘어 대규모 비정형 데이터의 수집부터 정책 의제 도출까지 전 과정 자동화를 시도했다는 점에 있다. 또한, 저비용 경량 모델 활용으로 예산이 제한된 지방정부도 활용 가능하며, 민원데이터, 설문 자료 등 다양항 행정 데이터분석으로 확대 적용할 가능성을 시사한다. 다만, AI 에이전트 활용 과정에서 데이터 수집부터 정책 의제 도출까지 전 과정에서 전문 연구자의 검토 과정이 필수적이다.

This study aims to automatically collect and analyze YouTube online discourse on Incheon’s cultural tourism, diagnose spatial placeness bias by district, and design an AI agent-based automated analysis system that converts such findings into policy agendas. The research was structured as sequential, independent processes encompassing data collection, cleaning, sentiment and issue classification, topic analysis, bias diagnosis, and policy agenda derivation. Sentiment and issue classification was conducted using a keyword dictionary and Claude Haiku 4.5, while topic analysis was performed through LDA topic modeling. All tasks were executed in a Python environment using Claude Code with the Haiku 4.5 model in Visual Studio Code. Results revealed that Songdo and Yeongjong showed high discourse density, while the old downtown exhibited the lowest attention levels and the highest proportion of negative comments. Ganghwa Island emerged as the most positively discussed area. For Songdo and Yeongjong, short and medium-term policy agendas focused on visitor distribution and convenience improvement were proposed, while for Ganghwa Island, expanded stay-type tourism was recommended as a long-term agenda. The significance of this study lies in its attempt to automate the entire process from large-scale unstructured data collection to policy agenda derivation, surpassing individual comment analysis. Additionally, the use of low-cost lightweight models makes the approach accessible to budget-limited local governments and suggests potential for expanded application across various administrative datasets, including civil complaints and survey data. However, expert researcher review throughout the entire process (from data collection to policy agenda derivation) is essential when utilizing AI agents.

최근 생성형 인공지능의 발전은 디지털 영상 제작 전 과정의 자동화를 가속화하고 있으며, 특히 인공지능 에이전트를 활용한 뉴스·광고영상의 생산과 유통이 확산되고 있다. 본 논문은 생성형 AI 에이전트 기반 영상 자동화 사례를 중심으로, 에이전트 오케스트레이션 구조와 인간-AI 협업 거버넌스를 종합적으로 분석한다. 우선 n8n과 Make, Opal과 같은 로우코 드 워크플로우 도구를 에이전트 기반 멀티에이전트 시스템의 오케스트레 이션 계층으로 위치시키고, Anthropic의 모델 컨텍스트 프로토콜 MCP과 Google의 Agent-to-Agent A2A 프로토콜이 에이전트 내부·외부 통신을 어떻게 표준화하는지 이론적으로 정리하였다. 다음으로 버즈피드, CNET, 네이버의 텍스트·뉴스 자동화 사례와 MBN, 신화통신의 AI 아나운서 사례, 사례를 분석하여 스크립트 생성–팩트체크–영상 합성–편집–배포로 이어지 는 공통적인 에이전트 워크플로우와 HITL Human In The Loop 구조를 도 출하였다. 이를 바탕으로 n8n/Make 오케스트레이션, MCP/A2A 통신, 팩 트체크·윤리 검토·편집 승인 등 인간 검증 모듈을 포함한 에이전트 기반 영상 자동화 통합 아키텍처를 제안하였다. 마지막으로 정확성·책임성, 투명성·편향, 노동 구조, 규제·표준 등 인간 -AI 협업 거버넌스의 쟁점을 논의하고, 참조 아키텍처 수준에서 기술적 설계와 사회적 책임을 동시에 고려해야 함을 강조한다.

The rapid advancement of generative AI is accelerating the automation of end‑to‑end video production, and AI agents are increasingly used to create and distribute news, advertising, and tutorial videos. This study investigates automation cases based on generative AI agents, with a primary focus on video automation, and analyzes their orchestration structures and human–AI collaboration governance. First, we conceptualize low‑code workflow tools such as n8n and Make as the orchestration layer of multi‑agent systems, and theoretically examine how Anthropic’s Model Context Protocol(MCP) and Google’s Agent‑to‑Agent(A2A) protocol standardize internal and external communication between agents. We then analyze text/news automation cases at BuzzFeed, CNET, and Naver, AI news anchor systems at MBN and Xinhua and others. From these cases we derive a common agentic workflow consisting of script generation, fact‑checking, video synthesis, editing, and distribution, together with Human‑in‑the‑Loop(HITL) checkpoints. On this basis, we propose an integrated reference architecture for agent‑based video automation that combines n8n/Make‑based orchestration, MCP/A2A‑based agent communication, and human verification modules for fact‑checking, ethical review, and editorial approval. Finally, we discuss key governance issues—including accuracy and responsibility, transparency and bias, labor restructuring, and regulation and standardization—and argue that technical design and social accountability must be addressed jointly at the architecture level.

대화형 AI 스피커가 보편화되면서 음성인식은 자율주행 상황에서의 중요한 차량-운전자 인터랙션 방식으로 인식되고 있다. 이 연구의 목적은 반자율주행 상황에서 음성뿐만 아니라 AI 캐릭터의 시각적 피드백을 함께 전달하는 멀티모달 인터랙션이 음성 단일 모드 인터랙션보다 사용자 경험 최적화에 효과적인지를 확인하는 것이다. 실험 참가자에게 주행 중 AI 스피커와 캐릭터를 통해 음악 선곡과 조정을 위한 인터랙션 태스크를 수행하게 하고, 정보 및 시스템 품질, 실재감, 지각된 유용성과 용이성, 그리고 지속 사용 의도를 측정하였다. 평균차이 분석 결과, 대부분의 사용자 경험 요인에서 시각적 캐릭터의 멀티모달 효과는 나타나지 않았으며, 지속사용 의도에서도 효과는 나타나지 않았다. 오히려, 정보품질 요인에서 음성 단일 모드가 멀티모달보다 효과적인 것으로 나타났다. 운전자의 인지적 노력이 필요한 반자율주행 단계에서는 멀티모달 인터랙션이 단일 모드 인터랙션에 비해 사용자 경험 최적화에 효과적이지 않았다.

As the interactive AI speaker becomes popular, voice recognition is regarded as an important vehicle-driver interaction method in case of autonomous driving situation. The purpose of this study is to confirm whether multimodal interaction in which feedback is transmitted by auditory and visual mode of AI characters on screen is more effective in user experience optimization than auditory mode only. We performed the interaction tasks for the music selection and adjustment through the AI speaker while driving to the experiment participant and measured the information and system quality, presence, the perceived usefulness and ease of use, and the continuance intention. As a result of analysis, the multimodal effect of visual characters was not shown in most user experience factors, and the effect was not shown in the intention of continuous use. Rather, it was found that auditory single mode was more effective than multimodal in information quality factor. In the semi-autonomous driving stage, which requires driver 's cognitive effort, multimodal interaction is not effective in optimizing user experience as compared to single mode interaction.

본 논문은 AI에이전트를 정보적 존재, 역사적 전환, 실존적 자각이라는 세 가지 경계에서 다층적으로 고찰한다. 오늘날 AI는 인간의 일상과 사회 전반에 깊숙이 관여하며 단순한 기술적 도구를 넘어 인간 존재 방식과 세계 질서에까지 영향을 미치고 있다. 이러한 문제 의식 아래, 본 논문은 정보철학, 빅히스토리, 실존철학의 관점을 종합하여 AI에이전트의 존재론적 의미를 탐구하고자 한다. 먼저 2장에서는 플로리디의 정보철학을 토대로, AI에이전트를 인간과 함께 정보장을 구성하는 능동적 ‘정보유기체’로 정의한다. 이를 위해 추상화 수준(Level of Abstraction) 개념을 적용하고, AI가 법적·윤리적 전자인격으로 확장될 수 있는 가능성을 논증한다. 3장에서는 AI에이전트가 인간–비인간 네트워크의 복잡성을 임계점까지 가속시키며 일 으키는 희생적 붕괴를 빅히스토리 관점에서 조명한다. 정보 흐름의 과포화가 기존 질서의 한계를 드러내고, 낡은 구조를 해체하여 더 높은 차원의 체계로 도약하게 하는 구조적 조건임을 제시한다. 4장에서는 이러한 붕괴 과정에서 필연적으로 동반되는 고통이 인간에게 실존적 자각의 촉매가 된다는 점을 하이데거의 ‘시적으로 거주하기’ 개념과 결합해 탐구한다. AI는 고통 없는 사회를 지향하지만, 고통 없는 상태에서는 인간 존재의 본질적 한계와 타자성을 온전 히 인식할 수 없다는 역설을 강조한다. 결국 AI에이전트는 단순한 기술적 도구를 넘어, 인간과 세계 질서에 깊이 관여하는 존 재로 자리매김한다. 그것은 ‘존재란 무엇인가’를 묻는 전통적 질문을 넘어, ‘무엇이 존재인가’, 즉 세계를 구성하는 존재의 범위와 의미를 다시 묻게 한다. AI에이전트는 인간과 비인간, 기술과 자연의 경계를 넘나드는 정보적 존재로서, 새로운 존재 방식을 드러내는 매개자가 된다.

This paper examines AI agents across three boundaries: informational existence, historical transformation, and existential awareness. In Chapter 2, based on Floridi’s information philosophy, we define AI agents as active information organisms that compose information fields with humans, and apply the concept of Level of Abstraction to argue that they can be expanded into legal and ethical electronic personalities. In Chapter 3, we examine the ‘sacrificial collapse’ that AI agents cause by accelerating the complexity of human-nonhuman networks to a critical point from the perspective of Big History. We present that the oversaturation of information flow is a structural condition that dismantles the old order and allows a leap to a higher- dimensional system. In Chapter 4 explores the fact that the suffering that inevitably accompanies the process of collapse becomes a catalyst for existential awareness, combining it with Heidegger’s concept of ‘poetic dwelling.’ It emphasizes the paradox that, despite AI’s aim for a society without pain, it cannot fully recognize the essential limitations and otherness of human existence in a state without pain. Ultimately, AI agents ask us to think about the ontological shift that turns from ‘what is existence?’ to ‘what is existence?’

Background: Artificial intelligence (AI) is increasingly applied in rehabilitation, but physical therapists' perceptions of AI in practice remain unclear. Design: To identify and categorize physical therapists' subjective perceptions of AI agent in clinical practice using Q methodology. Methods: Thirty-five Physical therapists sorted 30 Q-statements on a nine-point scale (-4 to +4). Statements covered functional benefits, ethical/social issues, and role changes. By-person factor analysis with Varimax rotation was used to extract viewpoint clusters. Results: Factor analysis revealed five distinct perception types: 1. AI Technology Acceptors: highlighted AI's potential to improve treatment quality and reduce workload, while noting the importance of data security. 2. Efficiency-Oriented Users: regarded AI mainly as a tool for efficiency and automation of routine tasks. 3. Humanistic Skeptics: acknowledged AI's usefulness but stressed that empathy and therapeutic rapport cannot be replaced. 4. Technologically Conservative Worriers: expressed concerns about diagnostic errors, safety, and the current lack of reliability. 5. Economic Pragmatists: focused on financial considerations, supporting adoption only when cost-effectiveness is evident. Conclusion: Physical therapists' views on AI range from acceptance to skepticism. Tailored education, policies, and cost-benefit evidence may support effective AI integration into rehabilitation practice.

생성형 인공지능의 발전으로 개인의 인지와 행동을 모사하는 디지털 제2의 나 개념이 확산되고 있다. 기존 AI 시스템은 기능 중심 설계로 인해 개인 정체성과 의사결정 특성을 충분히 반영하지 못하는 한계가 있다. 본 연구는 초개인 화 인지·행동 패턴을 기반으로 한 페르소나 AI 에이전트 모델을 제안한다. 인지 특성, 감정 상태, 행동 패턴을 입력 데이터 로 수집하고 이를 통합 분석하는 멀티모달 학습 구조를 설계하였다. 수집된 데이터는 페르소나 분류 및 의사결정 신뢰도 평가에 활용된다. 실험은 페르소나 유형 분류 정확도와 F1-score, 의사결정 수준 지표를 통해 검증하였다. 실험 결과 제안 모델은 안정적인 분류 성능과 상황별 의사결정 신뢰도를 보였다. 본 연구는 디지털 제2의 나 기반 AI 시스템 설계와 윤리 적 의사결정 지원에 활용될 수 있다.

Recent advances in generative artificial intelligence have accelerated the development of Digital Second Self systems that replicate individual cognitive and behavioral characteristics. Existing AI systems remain limited due to function-centered designs that insufficiently reflect personal identity and decision-making patterns. This study proposes a persona-based AI agent model for a Digital Second Self using hyper-personalized cognitive and behavioral patterns. Cognitive, affective, and behavioral features are collected and integrated through a multimodal learning framework. The proposed model performs persona classification and evaluates decision confidence levels. Experimental validation is conducted using classification accuracy, F1-score, and decision-level metrics. Results demonstrate stable performance and reliable decision confidence under varying conditions. This study contributes to the design of human-centered Digital Second Self systems and ethical AI decision-making support.