Earticle

본 연구는 소상공인이 AI를 전략적으로 도입할 수 있도록 실질적으로 실행 가능한 AI 기반 마케팅 전략 프레임워크를 제안하는 것을 목적으로 한다. 문헌조사를 통해 소상공인 마케팅의 구조적 한계와 AI 기술의 활용 가능성을 이론적으로 분석하였으며, 콘텐츠 생성 AI, 이미지 생성 AI, 광고 자동화 도구 등 실제 생성형 AI 툴을 활용한 실행 절차를 설계하였다. 또한 핵심 마케팅 영역별로 실제 전략에 적용 가능한 가이드라인을 제시하였으며, 소셜미디어 마케팅, 광고 전략 최적화, 홍보 및 PR 전략, 영업 전략 및 고객 응대 전략 등으로 구분하여 소상공인이 직접 활용 가능한 실행안을 제시하였다. 특히 프롬프트 설계-실행-성과 측정-개선으로 이어지는 전략 루틴과 KPI 기반 측정 체계는 반복성과 측정 가능성을 구조화하는 데 기여하였다. 이는 AI 도입이 단순한 도구 활용을 넘어서 전략적 루프에 통합될 때 실질적인 성과를 창출할 수 있음을 시사한다. 다만 본 연구는 국내 소상공인에 대한 실증 분석이 포함되지 않았다는 제한점을 지니며, 국내 업종별 맞춤 전략과 장기적 성과 측정을 위한 후속 실증 연구가 요구된다.

This study proposes a practical, executable AI-based marketing strategy framework to help small business owners adopt artificial intelligence (AI) effectively. A literature review was conducted to identify the structural limitations of small business marketing and the potential applications of AI technologies. Based on this, the study designed an execution procedure using real generative AI tools such as content and image generation AI and advertising automation platforms. It also presents strategic guidelines for applying AI to social media, advertising, PR, sales, and customer engagement. A key contribution is the structured routine combining prompt design, execution, performance measurement, and refinement, supported by a KPI-based evaluation system. The study highlights that AI produces better outcomes when integrated into a strategic loop rather than used in isolation. However, empirical validation to Korean small business owners is lacking, and future research should explore industry-specific strategies in Korea and long-term performance outcomes.

Artificial intelligence (AI) is rapidly advancing from automated measurement to full-report generation, yet existing frameworks do not provide a unified scoring approach for both human- and AI-authored reports. We developed EchoPeer, a three-step evaluation framework for echocardiography reports, scored against a reference standard. Step 0 (safety score, %) is a pass/fail safety gate for life-threatening findings (critical omission and hallucination). Step 1 (precision score, 0?80 scale) scores per-item diagnostic accuracy across 25 items in four anatomical domains. Step 2 (quality score, 0?20 scale) grades clinical utility across three checkpoints: relevance, synthesis, and clarity. The precision and quality scores are summed as a composite score (0?100 scale), with step 0 failures scored as 0. EchoPeer was applied to 30 adult transthoracic echocardiography cases interpreted by 11 human readers across three training levels. All three EchoPeer scores increased monotonically with training level. Median safety scores were 86.7%, 90.0%, and 96.7% for levels 1, 2, and 3, respectively (P = 0.005), and sensitivity for critical finding detection rose from 59.3% to 92.6% (P = 0.007). Median precision scores were 61.8, 64.7, and 70.9, respectively (P = 0.007), and median quality scores were 10.4, 12.9, and 15.1, respectively (P = 0.009). The composite score followed the same gradient (72.2, 77.7, and 86.2, respectively; P = 0.003), and the precision and quality scores correlated significantly at both the case level (Spearman ρ = 0.568) and the participant level (ρ = 0.888). EchoPeer discriminates clinical competence in human readers and produces an error profile that mirrors known challenges in echocardiographic reporting, providing a clinically grounded foundation for the future evaluation of AI-generated echocardiography reports.

과학기술의 우위는 국가안보와 군사력에 매우 중요한 요소가 되었다. 초강대국들은 경쟁적으로 국가 및 국방 AI 전략을 수립하고 있으며, AI가 준비된 조직으로의 전환을 통해서 앞으로도 초강대국의 지위를 유지하고자 시도하고 있다. 본 연구에서는 한국이 취할 수 있는 전략적 방향으로 ‘신뢰를 기반으로 한 책임 있는 AI의 군사적 활용 시도’라는 의미에서 TRAI(Trust based Responsible Artificial Intelligence)를 제시하고, 이를 실행하기 위한 ‘군사용 AI 프레임워크’를 개발하고자 한다. 제시하는 군사용 AI 프레임워크는 먼저 대상으로서 AI의 개념에 대해 고찰하여 A3I(AI-enabled Autonomous Agent, AI 기반 자율 에이전트)로 정의하고, 기초 핵심기술 요소와 국방 핵심기술 요소(책임, 안전, 이해)로 구성된 군사용 AI를 제안하였다. 또한, 기획 및 계획의 레벨에서는 국방 AI 전략, 국방 AI 거버넌스, 국방 AI 생태계의 관계를 정립하고, 초기와 성숙기의 시기로 나누어 설명하였다. 개발된 군사용 AI 프레임워크는 국방 AI 전략을 모색하도록 지원할 것이다.

Technological superiority has become critical for national security and military strength. The great powers competitively established their national and defense AI strategies and tried to keep their global superpower over the next decade by transforming into an 'AI Ready' organization. In this paper, 'Trust-based Responsible Artificial Intelligence (TRAI) is suggested as a strategic direction of the Republic of Korea in the domain of military. For TRAI, 'Military AI Framework' is developed by embracing defense AI strategy, defense AI governance, ecosystems as the planning and programming level, and military AI as the budgeting and execution level. AI is redefined as A3I(AI-enabled Autonomous Agent) with elements of basic core technology and defense core technology. The defense core technologies include responsibility, safety, and understanding(cooperation), and toolkits for their implementation are suggested. The military AI framework is designed to guide a defense AI strategy.

본 연구는 국가 AI 전략을 비중·순서·기간으로 구조화된 생성적 학습 메커니즘으로 보는 AT–AA–AX 프레임워크를 바탕으로, 정부 AI 투자구조 인식과 조직의 AI 흡수역량이 국가 AI 전략에 대한전략적 신뢰에 미치는 영향을 분석했다. 정책 실행 계층 309명(회귀분석 227명)에 대한 위계적회귀분석 결과, 투자 비중 전략 인식과 조직의 AI 흡수역량은 전략적 신뢰를 유의하게 높였으나, 투자 순서 전략 인식은 유의하지 않았다. 개인의 AI 이해도가 아니라 조직 차원의 흡수역량이 신뢰를 견인하는 핵심 기제였다. 또한 응답자의 22.0%가 투자 비중 전략을 인지하지 못했고, 인지 결핍은 임원 13.0%, 팀장 29.1%, 실무자 31.9%로 높아져 ‘전략 전달의 갭’이 존재함을 확인했다. 이는 전략의 설계뿐 아니라 전달·수용의 중요성을 보여준다. 단일 문항 측정의 탐색적 연구라는 한계가 있으며, 다문항·종단 설계의 후속 연구를 제언한다.

This study examines how the structure of national AI investment, not merely its scale, shapes practitioners’ trust in the state’s AI strategy. Drawing on the AT?AA?AX framework (AI Technology, AI Application, AI Transformation), signaling theory, and absorptive capacity theory, we examine whether perceptions of the government’s AI investment weight strategy (which axes receive priority) and sequence strategy predict strategic trust, and whether organizational absorptive capacity, rather than individual AI literacy, drives it. A hierarchical regression of survey data from 309 Korean policy implementers (November 2025; regression N = 227) shows that perceived investment weight strategy and organizational AI absorptive capacity are significant positive predictors of strategic trust, whereas perceived sequence strategy and individual AI literacy are not. Moreover, 22.0% of respondents could not assess the government’s investment weight strategy, with deficits rising from 13.0% (executives) to 29.1% (team leaders) and 31.9% (staff), a strategy transmission gap concentrated in the implementation layer. National AI strategy effectiveness thus depends not only on how strategy is designed, but on how its signals are transmitted through organizational layers and absorbed into practice. We characterize the strategy transmission gap as a previously underexamined phenomenon with direct implications for AI strategy communication and national AI competitiveness.