kpredict

DX · ERP · Power Platform · Deep Learning

현업의 문제를
실제로 쓰이는 도구로 바꿉니다

윤재웅 (Jaewoong Yoon). 포스코인터내셔널 DX혁신실 차장이자 Power BI·Power Apps·Power Automate 전사 사내 강사, 한국 MS 파워플랫폼 협회 기술 이사입니다. 포스코 뉴칼라 과정에서 약 1,600명에게 Python 데이터 분석을 가르쳤습니다. LSTM으로 2030년 전기 도매가격(SMP)을 예측한 경영학 석사이기도 합니다.

  • 1,600명Python 데이터 분석 누적 수강생
  • 21차수2026년 신입사원 교육·DX 준전문가 과정 주강사 · 강의 만족도 4.8/5
  • 15건현업 DX·RPA 개발 지원 (2025–2026)
  • 12종직접 만든 교재·교육자료

교재 보기연락처

소개About

현업의 문제를 빠르게 구현하고, 조직에 정착시킵니다

2003년 디스플레이·전자 장비의 전장·제어 엔지니어로 시작해 피지컬 AI의 바탕이 되는 설비 제어를 현장에서 익혔고, 2008년 포스코DX에 합류한 뒤 포스코그룹에서 ERP 구축·운영, 데이터 분석, RPA, 시각화를 다뤄 왔습니다. 포스코에너지에서 전사 프로세스 진단에 참여했고, 이어 신설된 PI추진반에서 Oracle ERP → SAP ERP 전환(설비·품질 모듈)을 맡았습니다. 이후 5년간 SAP 전 모듈 운영을 총괄하며 권한·감사와 결산 이슈를 챙기고 셀 공장 확장 PM과 S/4HANA 전환 기획까지 맡았고, 한국퓨얼셀 분사 때는 SAP에서 더존 iCUBE로 IT 시스템을 분리(Carve-out)했습니다. 최근에는 폴란드 법인 ERP 구축 PMO와 인도 법인 ERP 솔루션 선정을 맡았습니다.

지금은 포스코인터내셔널 경영지원본부 DX혁신실에서 전사 DX를 기획·실행하고, 직접 설계한 DX 준전문가 과정으로 데이터 분석·자동화·시각화를 조직 전반에 확산하고 있습니다.

현장에서 "이런 기능이 있으면 좋겠다"는 요청을 들으면 생성형 AI와 바이브 코딩으로 몇 분 만에 작동하는 결과물을 만들어 보여 줍니다. 석사 과정에서는 RNN·LSTM으로 SMP를 예측해 한국품질경영학회 우수발표논문상을 받았습니다. 기술을 설명하는 사람보다, 현업의 문제를 구현하고 실제로 쓰이게 만드는 DX 전문가를 지향합니다.

프로젝트Projects

현업의 문제를 풀고, 직접 만들고, 확산한 일

폴란드 · 인도 모터코아 ERP 구축 PMO

2024 – 현재 · 포스코인터내셔널
범위
폴란드 모터코아: 전체 23명 규모 ERP 구축 프로젝트의 PMO로 초기 기획부터 실행 관리까지 담당
인도 모터코아: ERP 솔루션 선정을 맡았고, 구축 단계에서도 PMO를 맡았습니다. 폴란드와 유사한 구축이라 PMO 업무는 이슈 관리 중심으로 수행했습니다
한 일
ERP 솔루션 선정 단계에서 경쟁 입찰 기획, RFP 작성, 제안 평가표 작성, 평가 항목별·조직별 가중치 설계와 반영을 수행했습니다. 인도 모터코아는 글로벌 제조업 ERP인 QAD와, 인도 타타컨설턴시서비스(TCS)가 현지 중소·중견 제조기업용으로 제공하는 클라우드 ERP인 TCS iON 등 후보 솔루션을 비교하고 구매·생산·원가·재무 약 133개 항목의 기능 적합성과 추가 개발 필요 여부를 분석했습니다.
결과
폴란드 모터코아 ERP는 2024년 하반기 경쟁 입찰과 평가를 거쳐 2024년 10월 QAD와 계약했고, 2025년 5월 회계·구매 모듈 1차 오픈 후 7월 생산 모듈까지 가동했습니다. 인도 모터코아 ERP는 솔루션 선정을 거쳐 2026년 5월 QAD와 계약해 구축을 시작했고, 2026년 10월 구축을 완료했습니다.
2차 프로젝트
본사의 글로벌 연결 손익관리체계 구축 프로젝트에 맞춰, 모터코아 3개 법인(인도·멕시코·폴란드)의 관리회계 추가 개발을 2차 프로젝트로 협의하고 있습니다.
바탕
전사 프로세스 진단, Oracle ERP → SAP ERP 전환 PI 프로젝트(설비·품질 모듈)와 SAP ERP 운영으로 쌓은 업무 프로세스·시스템 실무 경험
  • ERP
  • PMO
  • RFP · 제안 평가
  • 해외 법인

AI Agent 기반 전략적 구매 타이밍 최적화 시스템 · Q-Procure Assistant

2025.11 · 포스코그룹 해커톤 본선 진출
과제
상품 등록부터 시장가 조사, 구매 타이밍 알림까지 구매의 전 과정을 AI 에이전트가 자동으로 지원하는 시스템
에이전트
Q코드 관리: 이미지만 올리면 유사 품목을 찾아 등록까지 처리 · 재고 소진 예측: 재고 흐름과 구매 주기 데이터로 소진 시점을 미리 파악 · Target Price 산정: 웹 데이터로 환율·공급망 리스크·시장가를 종합해 목표 단가 계산 · 보고서 작성: 품목 데이터로 구매 전략 보고서 자동 생성 · 구매 타이밍 알림: 최적의 구매 시점을 감지해 담당자에게 알리고 보고서로 연결
맡은 일
팀의 디자이너로서 서비스 흐름을 설계하고 에이전트 구축 등을 수행했습니다.
결과
포스코그룹 해커톤(2025.11.06–07) 본선에 진출했습니다.
  • AI Agent
  • 멀티 에이전트
  • 구매·조달
  • 가격 예측
  • 해커톤

해외 법인 현지 직원 DX 인력 양성 · Global Mobility Program

2026.09 – 2026.11 · 인도네시아 무역법인 직원 본사 순환근무 · 업무 멘토
배경
인사팀의 Global Mobility Program으로 인도네시아 무역법인 현지 직원(G.Staff)을 13주간 본사 DX기획그룹에서 육성하는 첫 사례입니다. 법인이 스스로 DX 과제를 수행할 수 있는 역량을 갖추는 것이 목표입니다.
맡은 일
업무 멘토로서 프로그램을 설계하고, Power BI·Power Apps·Power Automate 교육과 실습을 영어로 진행했습니다. 교육에서 끝내지 않고 법인 현업 과제를 함께 정의해 직접 구현하도록 이끌었습니다.
과제 1
일일 매출채권(AR) 리마인더: SAP 매출채권 데이터를 Teams·Outlook으로 자동 배포해 연체·만기 임박 건을 식별하고 고객 알림을 표준화. 1인당 주간 업무 1시간 → 15분 미만, 수동 알림 발송 0건, 사용자 6명 → 25명 확대 계획
과제 2
Single View 대시보드: SAP 매출·무역 통계·위치 데이터를 Power BI로 통합해 매출·수출입·밸류체인/항만 3개 화면 구축. 흩어져 있던 3개 데이터 영역을 하나로 모아, 부서마다 보고서를 따로 만들지 않고 같은 화면과 수치를 함께 씁니다.
진행 중
사내 바이브 코딩 플랫폼인 샌드박스(Track 2)로, 인도네시아 법인에 이미 구축된 AI 에이전트를 이관해 회사 관리 환경에서 다시 구축하는 과제를 진행하고 있습니다. 11월 말 최종 발표 예정입니다.
  • 글로벌 인재 육성
  • 영어 강의
  • Power BI
  • Power Automate
  • SAP 연계
  • 업무 멘토

한국퓨얼셀 IT 시스템 분리(Carve-out) · SAP → 더존 iCUBE 전환

2019.11 – 2020.08 · 사외파견
배경
포스코에너지에서 사업을 분사해 한국퓨얼셀㈜을 세우면서, 모회사 시스템에서 떨어져 나온 독립 IT 환경이 필요했습니다.
한 일
SAP 기반 업무환경을 더존 iCUBE(클라우드) 7개 모듈로 전환하고, EP 그룹웨어를 포함한 독립 IT 운영체계를 구축했습니다. 데이터와 사용자 이관을 지원하고, 네트워크 장비·프린터 등 사무환경 전반의 구축도 지원했습니다.
모듈
회계관리 · 인사관리 · 근태관리 · 영업관리 · 구매자재관리 · 무역관리 · 서비스관리
인력 양성
분사 후 새 법인이 IT를 스스로 운영할 수 있도록 IT 운영 담당 1명과 IT 관리 담당 1명을 양성해, 신설 법인의 IT 담당 조직을 처음부터 꾸렸습니다.
결과
분사 이후에도 업무가 끊기지 않았고, 새 법인이 자체 인력으로 IT를 운영할 수 있는 기반을 갖췄습니다.
  • Carve-out
  • SAP
  • 더존 iCUBE 클라우드
  • 7개 모듈
  • 그룹웨어
  • 데이터 이관
  • 사무환경 구축
  • IT 인력 양성

SAP ERP 운영 총괄 · 셀 공장 확장 PM · Next ERP 기획

2014.07 – 2019.10 · 포스코에너지 정보기획그룹
운영 총괄
SD·MM·FI·CO·PS·QM 전 모듈의 총괄 기획자로 결산 이슈, 프로그램 변경 승인, 권한 관리를 맡았습니다. 현업 요구사항을 확인해 개발사와 일정을 협의하고 ITSM 프로세스로 개발을 관리했으며, Functional·Technical Spec과 매뉴얼을 검토·승인하고 Hard Coding은 별도로 관리했습니다.
권한·감사
매월 장기 미접속자와 부서 이동자의 권한을 분석해 회수·변경·유지를 판단했고, SAP 권한 감사를 문제없이 통과했습니다. 소프트웨어 자산관리사로서 SAP 라이선스 감사(GLAS)와 타 저작권사 감사에도 대응했습니다.
확장 PM
2015년 1~6월 셀 공장 추가에 따른 SAP 확장 프로젝트 PM(SD·FI·PM·MM)을 맡았습니다.
차세대 기획
SAP S/4HANA 전환을 전사 혁신과 가치 창출 관점에서 기획하고, 신기술 설명회로 현재의 문제점과 대안을 제시해 전사 Next ERP 방향을 이끌었습니다. 표준 프로세스 관리 프로그램(Real BPA)을 기획·관리했습니다.
그 밖에
2015년 ISMS(정보보호 관리체계) 인증 심사 정보자산 담당, IT 유지보수 등 정보시스템·소프트웨어 구매 계약 담당
결과
2018년 본부장 표창(원가절감·프로세스 혁신), 2019년 모범사원 선정
  • SAP 운영 총괄
  • 권한·라이선스 감사
  • ITSM
  • 셀 공장 확장 PM
  • S/4HANA 기획
  • Real BPA
  • ISMS

전사 프로세스 진단과 PI추진반 · Oracle → SAP ERP 전환

2012.04 – 2014.07 · 포스코에너지
1차 진단
경영에 미치는 영향의 우선순위를 감안해, 신규 투자사업을 중심으로 투자·생산·구매·R&D 프로세스를 진단했습니다.
2차 진단
시장 변화에 대비한 실행 프로세스를 중심으로, 수익성 향상을 위해 발전소 건설·운전·정비의 경쟁력 제고에 초점을 맞췄습니다.
맡은 일
진단 전체의 데이터와 VOC·VOB 취합, 진단 보고서 실무 작성을 주로 맡았습니다.
결과
진단 결과는 포스코 회장 보고로 이어졌고(보고 자리 참석), 이를 계기로 2012년 10월 PI추진반이 신설됐습니다.
PI추진반
2012.10 – 2014.07 PI추진반에서 PI3.0을 통한 통합시스템 구축에 참여해 표준 프로세스를 도출하고 설비(PM)·품질(QM) 모듈을 담당했습니다. 이 과정에서 Oracle ERP에서 SAP ERP로의 전환이 결정됐습니다.
기록
2012년부터 2년여간 전 임직원이 참여한 전사 업무혁신 PI3.0(Process Innovation)의 발족부터 Master Plan, 통합시스템 구축, 변화된 모습과 기대효과, 성공 요인까지 전 과정을 2015년 책 「포스코에너지, 내일을 먼저 만나다」로 발간했고, 집필에 참여했습니다. 판매 수익금은 전액 기부됐습니다. (에너지경제, 2015.05.04 보도)
  • 프로세스 진단
  • 발전소 운영
  • VOC·VOB
  • 보고서 작성
  • PI
  • Oracle → SAP
  • 설비(PM)·품질(QM)
  • PI3.0
필자 윤재웅(맨 왼쪽)과 동료들이 PI3.0 업무혁신 과정을 담은 책 「포스코에너지, 내일을 먼저 만나다」를 들고 있는 모습
「포스코에너지, 내일을 먼저 만나다」 발간 (2015) · 필자 · 맨 왼쪽 · 사진: 에너지경제 2015.05.04 보도

수출 거래처 우려거래자 자동 조회 RPA

2026 · 포스코인터내셔널
문제
거래처가 우려거래자인지 확인하려면 직원마다 필요할 때 정부의 전략물자관리시스템에 들어가 한 곳씩 직접 검색해야 했습니다. 같은 확인을 여러 사람이 반복했습니다.
한 일
SAP에 등록된 모든 거래처 약 2만 건을 전략물자관리시스템에서 자동으로 조회하고, 결과를 사내 공지에 올려 두는 RPA를 직접 설계하고 개발했습니다.
결과
직원 각자가 하던 개별 검색이 사라지고, 누구나 공지에서 전체 거래처의 조회 결과를 바로 확인합니다. 이 사례를 사내 교재와 강의에도 반영했습니다. 2026년 Power Platform 지원 완료 실적 8건 중 하나입니다.
  • RPA
  • SAP
  • 웹 데이터 수집

현업 DX 과제 8건: 대시보드 4건 · 자동화 4건

2026 · 포스코인터내셔널
대시보드
철강 부문 실적, 전기강판 판매, 기초소재 수입 국가별 통계(HS코드 검색), 철강원료 트레이딩 실적
자동화
우려거래자 자동 조회, 이차전지 원료 시황·웹 데이터 수집, 철강 시황지 메일의 Teams 채널 자동 게시, 무역금융 주요 지표 데이터 자동 수집·누적
방식
현업 요청을 듣고 직접 설계·개발하거나, 담당자가 스스로 만들 수 있도록 함께 개발했습니다.
  • Power BI
  • Power Automate
  • RPA

RPA Self 개발 지원 7건

2025 · 포스코인터내셔널
사례
해외법인(독일) 요청으로 웹사이트에서 CHF(스위스 프랑) 등 10가지 통화의 환율 수집 후 SAP 자동 입력, 국제 유가·뉴스 수집과 메일링, IEA 에너지 보고서를 받아 ChatGPT로 전략 보고서 초안 작성, 월 결산 반복 업무 자동화, 원자재 Surcharge 웹 수집, 익일 작업 계획 메일 자동 발송 등
결과
현업 담당자가 직접 만들고 운영하는 자동화가 늘어나, 개발 요청 없이도 반복 업무를 줄이는 구조를 만들었습니다.
계기
시스템을 구축·운영하는 동안에는 듣기 어려웠던 "진짜 도움이 된다"는 말을 이 과제에서 처음 들었습니다. 이후 개인 시간을 들여 DX 준전문가 과정 교재를 직접 만들고, 직원 개발 지원을 이어 가고 있습니다.
  • Power Automate Desktop
  • 생성형 AI
  • SAP

유럽 법인 DX Contest 평가 체계 설계

2026 · 포스코인터내셔널
범위
유럽 5개 법인이 제출한 DX 과제 12건
한 일
효과성·확산성·혁신성·기술난이도·구현가능성 5개 기준과 배점 체계를 설계해 객관적으로 평가할 수 있게 했습니다.
  • DX 평가
  • 해외 법인

Power BI 중급 과정 End-to-End 실습 설계

DX 준전문가 과정 · 교재 직접 제작
문제
직원들이 가장 어려워하는 단계는 데이터 수집부터 자동화, 연결, 예약 새로고침까지 이어지는 흐름이었습니다.
한 일
공공·웹 데이터 수집, Power Automate Desktop 자동화, Power BI Service 연계를 하나의 실습 시나리오로 재구성하고 교재를 직접 만들었습니다.
결과
수강생이 현업에서 바로 쓸 수 있는 데이터 파이프라인을 직접 구현하게 됐고, 현장 질문과 시행착오를 교재에 계속 반영하고 있습니다.
  • Power BI
  • Power Automate Desktop
  • Power BI Service

의사결정으로 이어지는 대시보드 설계 교육

사내 교육 · 대시보드 설계
문제
보기 좋기만 하고 실제로는 쓰이지 않는 대시보드가 많았습니다.
한 일
Stephen Few의 대시보드 디자인 이론을 접목해 "좋은 대시보드 vs 사용되지 않는 대시보드"를 비교하고, 임원 보고용 KPI 구조, 드릴다운, 조건부 서식 활용법을 사례 중심으로 가르쳤습니다.
결과
경영·의사결정 관점에서 대시보드를 설계하는 방법을 조직에 확산했습니다.
  • Power BI
  • 대시보드 디자인
  • KPI 설계

바이브 코딩으로 만든 개인 앱 · 계획·실적 플래너 (PDF + 설치형 앱)

2026.10 – 11 · 개인 프로젝트 · Claude
문제
삼성노트에서 S펜으로 쓰는 PDF 다이어리는 자유롭지만, 월간에 쓴 내용이 주간으로 옮겨지지 않고 폰·PC에서 같은 기록을 볼 수 없었습니다.
1단계 · PDF
갤럭시 탭(16:10)에 맞춘 2027 계획·실적 일정표 PDF(펼침면 61장)를 Python으로 자동 생성했습니다. 연간 → 월간 14개월 → 주간 53주가 링크로 연결되고, 시간마다 계획 | 실적 막대를 둡니다. ReportLab으로 PDF를, korean_lunar_calendar로 음력을 처리해 색·칸·글자 크기를 바꾸면 몇 초 만에 전체를 다시 만듭니다.
2단계 · 앱
PDF의 한계를 풀려고 같은 방식을 앱으로 옮겼습니다. 한 번 입력하면 월간 달력과 주간 시간표에 함께 나타나고, 30분 칸마다 계획(빨강)과 실행(파랑)을 나란히 기록합니다. 할 일 상태 기호(□ → / → ✕ → ← → →), 2050년까지 공휴일·대체공휴일·음력, 스와이프 넘기기, 글자 크기 8단계, JSON 백업·복원, 폰은 하루 보기·태블릿과 PC는 일주일 한 화면으로 맞췄습니다.
설계 원칙
태블릿이 자주 오프라인이어서 "기기에 먼저 저장하고, 인터넷이 되면 서버와 맞춘다"(오프라인 우선)로 설계했습니다.
동기화
하루를 통째로 덮어쓰지 않고 할 일 한 줄·목표 한 줄·시간표 블록 하나·메모 하나를 항목 단위로 맞춥니다. 태블릿에서 할 일을, 폰에서 시간표를 고쳐도 둘 다 남고, 같은 항목을 두 곳에서 고치면 나중 것이 남되 다른 쪽은 '충돌 기록'에 보관해 되살릴 수 있습니다. 두 브라우저로 오프라인 충돌까지 시험해 확인했습니다.
기술하는 일
HTML·CSS·JavaScript 한 파일 앱화면, 달력, 음력(브라우저 내장 단기 달력), 공휴일 표
PWA (manifest.json)홈 화면에 앱처럼 설치, 주소창 없는 전체 화면
서비스 워커 (sw.js)앱 파일을 기기에 보관해 인터넷 없이도 열리고, 연결되면 새 버전을 받아 업데이트
localStorage입력 즉시 기기에 저장, 글자 크기 같은 기기별 설정
Firebase Authentication이메일·비밀번호 로그인
Cloud Firestore (오프라인 캐시)기기 간 동기화, 오프라인에서 고친 내용을 모아 두었다가 연결되면 전송
Firestore 보안 규칙로그인한 본인만 자기 기록을 읽고 쓰기
GitHub Pages무료 호스팅, 저장소에 올리면 앱 주소에 자동 반영
배포
원본 HTML을 고치면 빌드 스크립트(build.py)가 서비스 워커·백업·동기화 연결을 붙인 설치형 파일을 만들고, 서비스 워커 버전을 올려 GitHub에 올리면 기기가 다음 실행 때 새 버전을 받습니다. Firebase 라이브러리도 앱 안에 함께 넣어, 인터넷이 없을 때도 앱 전체가 열립니다.
계획·실적 플래너 주간 화면: 요일별 할 일과 30분 단위 시간표에 계획과 실행 막대가 나란히 표시됨
주간 화면 · 화면 속 일정은 예시 데이터입니다
  • 바이브 코딩
  • Claude
  • Python · ReportLab
  • PWA
  • Service Worker
  • Firebase Auth
  • Cloud Firestore
  • 오프라인 우선
  • GitHub Pages

바이브 코딩으로 만든 개인 앱 · 커피 카운터

2026 · 개인 프로젝트 · Claude
문제
하루에 커피를 몇 잔, 카페인을 얼마나 마시는지 감으로만 알고 있었습니다.
만든 것
음료 버튼을 한 번 누르면 기록되고, 카페인·당·크리머 합계와 하루 권장 상한(400mg) 대비 막대를 보여 줍니다. 통계 탭에서 7·30·90일 음료별 추이와 상한 초과일을 확인하고, 음료 종류와 수치는 직접 바꿀 수 있습니다.
의미
작은 불편 하나를 데이터로 바꾸는 과정은 현업 업무 자동화와 같습니다. 측정 → 시각화 → 행동 변화의 흐름을 생활 속에서 직접 실험했습니다.
동기화 설계
하루 기록을 문서 하나로 저장하고, 여러 번 누른 기록은 0.4초 동안 모아 순서대로 씁니다. 첫 연결 때 서버가 비어 있으면 기기 기록을 올리고, 빈 캐시가 기기 기록을 지우지 않도록 막았으며, 저장 공간 부족이나 연결 실패 시에는 기기에만 보관한다고 안내합니다.
커피 카운터 오늘 화면: 음료 버튼 4개와 카페인 합계 막대 커피 카운터 통계 화면: 7일 일별 카페인 막대 그래프와 음료별 합계표
오늘 · 통계 화면 · 화면 속 기록은 예시 데이터입니다
  • 바이브 코딩
  • Claude
  • 모바일 웹앱
  • 데이터 시각화
강연Talks

외부 강연 · 2026.09.17

Copilot을 활용해 단숨에 Power BI 전문가 되기

Modern Work Conference Seoul 2026 · 트랙2  |  Modern Work Community 주최, 한국마이크로소프트 13층

윤재웅이 'Copilot으로 데이터분석 전문가처럼 일하세요' 아젠다 슬라이드 앞에서 강연하는 모습 Modern Work Community 배너 앞에서 찍은 연사와 운영진 단체 사진
강연 장면과 Modern Work Community 연사·운영진 단체 사진

Power BI를 설치해 써 봤지만 업무에 어떻게 쓸지 고민하는 분들을 위한 세션입니다. "Copilot으로 '데이터분석 전문가'처럼 일하세요"를 주제로, 예제와 대시보드 설계, 실습까지 직접 만든 64쪽 분량 자료로 진행했습니다.

  1. 데이터 분석의 목적인사이트 도출 → 의사결정 → 효과 검증
  2. Copilot이 전처리파일이 여러 개여도, 정리가 안 돼 있어도
  3. 인사이트 + 설계 제안무엇이 보이는지와 어떻게 그릴지를 함께
  4. 따라 그리는 방법물어보고 그대로 따라 그리기
  5. Power BI 내 Copilot프롬프트로 직접 그려주기
  • Power BI
  • Microsoft 365 Copilot
  • 데이터 전처리
  • 대시보드 설계
동향News

Power Platform 동향 · 2026.11.08

Copilot Studio 2026 총정리: 실무자가 꼭 알아야 할 핵심 변화 5가지

Microsoft Copilot Studio 월간 업데이트(2026.3~11)·라이선스 가이드 정리 · 블로그 연재

2026년의 Copilot Studio는 더 이상 챗봇 빌더가 아닙니다. 스스로 계획을 세우고, 업무 시스템을 직접 조작하고, 회사의 보안 체계 안에서 관리되는 '일하는 에이전트' 플랫폼이 됐습니다.

Copilot Studio 하네스 구조도: 사용자 요청, 하네스, 모델·도구·맥락, 거버넌스
  1. 하네스(Harness)모델과 도구 사이에서 무엇을 언제 쓸지 정하는 계층. 예측 가능한 업무는 Standard 하네스, 추론형·다단계 업무는 Microsoft Copilot 하네스(2026.09 GitHub Copilot 하네스로 GA, 이후 개명)를 고릅니다.
  2. 새 워크플로우 + Computer use (2026.05)Computer use GA로 API 없는 프로그램도 화면 조작이 가능해졌고, 캔버스형 워크플로우 디자이너로 노드 단위 테스트·버전 관리를 지원합니다. 규칙은 워크플로우, 판단은 에이전트로 나눕니다.
  3. Entra Agent ID 자동 발급 (2026.07)새로 만드는 모든 에이전트가 고유 신원을 받아 에이전트 단위로 접근을 통제합니다. 환경 단위 텔레메트리(미리 보기), MCP 서버 인증 제도도 추가됐습니다.
  4. Skills · 메모리 · Work IQ업무 지침을 모듈로 재사용하고, 사용자별 맥락을 기억하며, 메일·일정·파일·Teams의 업무 맥락에 연결합니다(일부 미리 보기).
  5. 크레딧 과금테넌트 단위 소비형으로 선불 팩 월 $200(25,000 크레딧), 종량제 크레딧당 $0.01. 기능을 켤수록 응답당 비용이 늘어나므로 파일럿 전에 사용량 추정기로 계산합니다.

시사점 · 질문이 "AI가 무엇을 할 수 있나"에서 "우리 조직은 어떤 일을 맡길 준비가 됐나"로 바뀌고 있습니다. 업무를 규칙과 판단으로 나누고, 에이전트 권한과 크레딧 예산을 파일럿 단계부터 함께 설계하는 것이 출발점입니다.

가격은 미국 달러 정가 기준이며 계약 형태·지역에 따라 다릅니다. 기능별 정식 출시·미리 보기 상태는 바뀔 수 있습니다.

  • Copilot Studio
  • Harness
  • Computer use
  • Entra Agent ID
  • Copilot 크레딧

Power Platform 동향 · 2026.11.07

Dataverse는 AI 도구 안으로, Power BI는 시각화를, 아키텍처 센터는 보안 표준을 강화

Microsoft 공식 발표·문서 정리 · 2026.10 ~ 11 업데이트

최근 Microsoft Power Platform 업데이트는 세 방향으로 모입니다. 회사 데이터(Dataverse)를 직원이 이미 쓰는 AI 도구 안으로 가져가고, 보고서는 더 쉽게 만들고, 보안·접근 통제는 표준 설계로 정리하는 흐름입니다.

  1. Dataverse, 외부 AI 도구와 연결 확대 (2026.10~11)Copilot Cowork용 Dataverse 플러그인, n8n 노드, GitHub Copilot·Claude 등 코딩 에이전트용 플러그인이 공개됐습니다. 에이전트는 각 사용자의 기존 권한 범위 안에서만 데이터를 다룹니다.
  2. Power BI 2026년 10월 업데이트Gantt 차트(미리 보기), 드롭다운 목록 슬라이서(미리 보기), 차트 플롯 영역 배경색, Skills for Fabric로 사용자 지정 시각적 개체가 들어간 보고서 생성, 시맨틱 모델의 연속 용량 사용 보고, 모바일 레이아웃 페이지 표시가 추가됐습니다.
  3. Power Platform 아키텍처 센터 2026년 11월Power Pages 다중 계정 보안 접근, Microsoft Entra 보안 그룹으로 Dataverse 접근 통제를 표준화하는 참조 아키텍처가 새로 실렸습니다. 9월에는 Copilot Studio와 SAP를 연계한 구매 자동화 아키텍처도 공개됐습니다(아래 상세).

SAP 연계 상세 · 공급사 주문 확인서를 AI 에이전트가 PO와 대사

구매 규모가 큰 회사는 공급사로부터 주문 확인서(Order Acknowledgment)를 매일 대량으로 받습니다. 지금까지는 담당자가 확인서를 하나씩 열고, SAP에서 해당 구매오더(PO)를 찾아 수량·단가·납기를 눈으로 비교해 입력했습니다. Microsoft가 공개한 참조 아키텍처는 이 일을 여러 AI 에이전트가 나눠 맡고, 사람은 차이가 있는 건만 처리하도록 바꿉니다.

  1. 접수 · 공유 메일함이나 EDI로 들어온 확인서를 Power Automate가 감지해 Dataverse에 저장합니다.
  2. 추출 · 추출 에이전트(Copilot Studio)가 공급사마다 다른 양식에서 PO 번호, 품목, 수량, 단가, 단위, 확정 납기를 읽어 하나의 표준 형식으로 정리합니다.
  3. PO 조회 · 오케스트레이터 에이전트가 PO 번호를 키로 SAP 커넥터를 통해 SAP의 구매오더를 가져옵니다.
  4. 대사 · 매칭 에이전트가 확인서와 PO를 품목 줄 단위로 비교하고, 회사가 정한 기준(완전 일치 또는 허용 오차)을 적용합니다.
  5. 자동 확정 · 허용 범위 안이면 사람 개입 없이 SAP에 확정 결과를 다시 기록합니다.
  6. 예외 처리 · 차이가 있으면 Teams로 구매 담당자에게 확인서·PO·차이 항목을 함께 보내 빠르게 판단하게 합니다.
  7. 감사 기록 · 확정이든 예외든 모든 결과를 Dataverse에 남기고, Power BI로 처리율과 예외 추이를 봅니다.
보안
Microsoft Entra ID로 에이전트 전용 서비스 계정을 만들고, PO는 읽기만, 쓰기는 주문 확정 작업에만 허용하는 최소 권한을 줍니다. 단가 같은 민감 정보는 전송·저장 시 보호합니다.
안정성
PO 번호와 확인서 ID로 중복을 걸러 같은 메시지가 다시 와도 두 번 확정되지 않게 하고, 한 건이 실패해도 나머지 처리는 계속되게 합니다. SAP 커넥터 호출 한도를 고려해 Dataverse로 대기열을 둡니다.
책임 있는 AI
이상 건은 SAP에 반영되기 전에 사람이 검토하고, 모든 확정·에스컬레이션은 감사 가능한 기록으로 남깁니다.

목표는 대부분의 확인서를 사람 손을 거치지 않고 끝까지 처리(Straight-through)하는 것이며, 같은 구조를 송장 처리·영업 주문처럼 문서가 많은 다른 업무로 넓힐 수 있습니다. 7월에는 Outlook 메일에서 바로 SAP 데이터를 조회·처리하는 Power Apps 연계 아키텍처도 함께 공개됐습니다.

시사점 · AI 에이전트가 회사 데이터를 직접 읽고 쓰기 시작할수록, 핵심은 "누가 어떤 데이터에 접근하는가"를 먼저 설계하는 것입니다. 권한을 Entra 보안 그룹으로 표준화해 두면 Copilot·Claude 같은 도구를 늘려도 통제 기준은 하나로 유지됩니다. SAP 연계 구매 자동화 사례는 ERP를 운영하는 조직이 바로 참고할 만합니다.

  • Dataverse
  • Power BI
  • Power Pages
  • Microsoft Entra
  • SAP 연계

AI 동향 · 2026.11.02

기업용 Claude, 보안·감사 체계를 갖추고 전사 도입 단계로

Anthropic 공식 발표 정리 · 2026.02 셀프 구매 오픈 · 2026.08 Compliance API 적용 범위 확대

기업이 생성형 AI를 망설이는 가장 큰 이유는 보안이었습니다. 올해 Claude Enterprise는 계정·데이터·로그를 회사가 직접 관리하는 기능을 갖추고, 영업 상담 없이도 바로 도입할 수 있게 되었습니다.

  1. Claude Enterprise 셀프 구매 (2026.02.12)웹에서 바로 구매하고 SSO·도메인 캡처·SCIM 자동 계정 관리를 몇 분 만에 설정. 조직 전체에 Claude·Claude Code·Cowork를 제공하고, Microsoft 365·Slack 커넥터와 Excel·PowerPoint 사이드바를 지원합니다.
  2. 관리·보안 기능 기본 포함감사 로그, Compliance API, 조직 단위 권한 관리, 맞춤 데이터 보존 정책, 사용 분석, 조직·사용자별 지출 한도. Enterprise 콘텐츠는 기본적으로 모델 학습에 쓰지 않습니다.
  3. Compliance API 적용 범위 확대 (2026.08)채팅뿐 아니라 Cowork(데스크톱·웹·모바일)와 Claude Code(CLI·데스크톱) 세션의 프롬프트·응답·도구 호출 내용과 사용자·시각 정보를 같은 API로 감사·eDiscovery에 활용. 단 웹 Claude Code, API 경유, Bedrock·Vertex AI·Foundry 세션은 아직 제외됩니다.
  4. 인증과 규제 대응SOC 2 Type II, ISO 27001, ISO/IEC 42001 인증, BAA 기반 HIPAA 구성 제공. 인증 범위는 플랜·클라우드 경로별로 Trust Center에서 확인해야 합니다.

시사점 · 보안 우려로 막기보다 회사가 관리할 수 있는 곳으로 사용을 옮기는 "통제된 허용"이 현실적인 선택지가 되었습니다. 도입 7단계와 보안 우려 11가지 해결 방안은 교재 섹션의 「기업용 Claude 도입 절차와 보안 체크리스트」에 정리했습니다.

  • Claude Enterprise
  • Compliance API
  • SSO · SCIM
  • AI 거버넌스

Power Platform 동향 · 2026.11.02

PPCC 2026: Power Platform, 앱 도구에서 에이전트 운영체계로

Power Platform Community Conference 2026 · 2026.10.27–29, 라스베이거스 MGM Grand · 참석자 9,000명 이상

올해 PPCC의 메시지는 앱·자동화·에이전트·코드·거버넌스가 하나의 운영 모델로 묶였다는 것입니다. 경쟁력의 중심이 "빠르게 만드는 것"에서 "안전하게 일하는 에이전트를 운영하는 것"으로 옮겨 가고 있습니다.

  • +20%Power Apps 일간 사용자
  • +20%Flow 실행 수
  • 2배+Power Apps 내 AI 사용
  • 3배+Copilot Studio 앱 사용

전년 대비 · 월간 활성 메이커 200만 명 이상, 앱 400만 개 이상 (Microsoft 발표)

  1. 에이전트가 동료가 됩니다Copilot Studio 에이전트가 자체 계정으로 Microsoft 365에서 일하고, 트리거로 스스로 시작하며, 업무 프로세스를 기억합니다. 길고 복잡한 작업은 Microsoft Copilot harness가 맡습니다.
  2. 앱 만들기의 경계가 사라집니다Copilot Studio 안에서 앱 제작(공개 미리보기), Copilot Cowork에서 앱 생성, 자연어로 캔버스·모델 기반 앱 제작. 개발자는 다시 만들 필요 없이 VS Code·GitHub Copilot·Copilot CLI로 이어받습니다.
  3. AI가 사업을 이해합니다Work IQ에 비즈니스 애플리케이션 연결(공개 미리보기), Dataverse 의미 모델 기반 Ask API·Business Skills·MCP Server로 에이전트가 업무 용어와 규칙을 압니다.
  4. 코드로 만든 것도 관리합니다Microsoft Copilot Managed Runtime이 Copilot으로 만든 코드를 기업 거버넌스 아래에서 호스팅합니다.
  5. 거버넌스와 비용을 한곳에서Microsoft Agent 365로 모든 앱·에이전트를 한눈에 보고, 커넥터 정책을 액션 단위로, 지출을 사용자·자산별로 통제합니다. 키노트 처음으로 보안·거버넌스 데모가 진행됐습니다.

발표된 고객 사례 · Asurion은 Copilot Studio 에이전트로 무접촉 송장 처리 비율을 20% 미만에서 70% 이상으로, NFL은 경기 운영 대시보드로 주 8~12시간의 입력·보고 업무를 줄였습니다.

기업이 지금 준비할 것

데이터
권한, 테이블 관계, 용어 정의를 AI가 읽을 수 있는 형태로 먼저 정비. 과공유와 데이터 품질 문제는 에이전트 품질과 위험으로 그대로 드러납니다
개발
메이커와 개발자가 같은 자산을 다루는 ALM, MCP·GitHub Copilot 활용 표준
운영
에이전트마다 소유자·승인자·중단 기준을 정하고 정기적으로 인벤토리 점검
비용
크레딧 사용량과 업무 성과를 함께 측정, 사용자·에이전트별 한도와 알림 설계
보안
에이전트의 데이터 접근·실행 권한 최소화, 민감정보 라벨·DLP·커넥터 노출 점검

대부분의 기능이 미리보기 단계이고 정식 출시일과 사용 한도는 발표되지 않았습니다. 진단(0–4주) → 설계(1–2개월) → 고가치 업무 2~3개 PoC(2–4개월) → 확산(4–9개월) 순으로 시범 적용부터 시작하기를 권합니다.

  • Copilot Studio
  • AI Agent
  • Power Apps
  • Work IQ · Dataverse
  • Agent 365
  • 거버넌스
교재Materials

직접 만든 교재 12종

모든 교재를 직접 기획하고 만들었습니다. 사내 교육은 Power BI·Power Apps 초급·중급 4개 과정으로 운영하며 차수마다 현장 질문과 시행착오를 반영해 고쳐 쓰고, 나머지 8종은 다음 과정을 위해 교재까지 만들어 둔 자료입니다.

교재 설계 원칙: 업종 → 회사 → 부서 · 교재와 실습 데이터셋을 큰 영역에서 작은 영역으로 좁혀 가며 직접 설계합니다. 수강생이 자기 업무 화면을 떠올리며 실습하고, 교육이 끝난 다음 날 바로 적용할 수 있게 하기 위해서입니다.

업종
종합상사·무역, 제조, 에너지 등 업종의 거래 구조를 반영합니다. 예: 삼국간 거래 600건으로 연결손익·내부거래 분석
회사
회사의 사업 구조와 쓰는 시스템에 맞춥니다. 예: 철강·에너지·식량 본부 구조를 본뜬 실적 데이터, SAP OData 연동
부서
그 부서가 매일 보는 지표와 화면으로 실습합니다. 예: 실적·설비 모니터링·법인 손익 대시보드

사내 운영 과정 교재 · DX 준전문가 과정 (강의 중)

Power BI · 초급151쪽 · 반나절

Power BI 이해 및 활용 실습

대시보드를 직접 만들며 현업에 바로 쓸 수 있는 기초를 갖춥니다.

  1. Power Platform 개요와 설치
  2. 시각화 개체 이해
  3. 공공 데이터 수집과 차트
  4. 데이터 전처리와 판매 대시보드
  5. 수출입 대시보드(Self BI)
  6. LLM으로 대시보드 그리기

Power BI · 중급206쪽 · 하루

생성형 AI 활용 실습 중심

웹 데이터 연동, 자동화, 대시보드 설계 원칙을 익혀 의사결정용 대시보드를 만듭니다.

  1. 생성형 AI로 전처리·테마 만들기
  2. 웹 데이터와 예약 새로고침
  3. Power Automate Desktop 자동화, Copilot으로 VBScript 생성
  4. 좋은 대시보드 vs 쓰이지 않는 대시보드
  5. 실적·설비 모니터링·법인 손익 대시보드 실습
  6. 워크스페이스·앱 배포와 1:1 피드백

Power Apps · 초급113쪽 · 반나절

코드 없이 만드는 스마트 업무 앱

개발 경험이 없어도 로우코드로 간단한 업무용 앱을 만듭니다.

  1. Power Apps 시작하기와 화면 구성
  2. 진행 현황 공유 앱(SharePoint Lists 연동)
  3. 나만의 앱 만들기
  4. LLM으로 앱 만들기 사례

Power Apps · 중급163쪽 · 하루

Vibe 코딩, AI로 만드는 맞춤형 앱

바이브 코딩으로 실무용 앱을 만들고, 고치고, 직접 운영합니다.

  1. 핵심 함수·수식·컨트롤 복습
  2. 출장자 정보 앱: 요구사항부터 게시까지
  3. vibe.powerapps.com 바이브 코딩 입문
  4. 자연어로 업무 보고·이메일 액션 앱 만들기

교재 제작 완료 · 강의 준비 중 · PDF 내려받기

Python · 바이브 코딩5시간 · 강의 준비 중

파이썬으로 완성하는 AI 바이브 코딩: Claude Code 중심

AI가 만든 코드를 "그대로 쓰는 사람"에서 "의도대로 고치고 책임지는 사람"으로. 읽기 → 수정 → 검증 → 업무 적용 순서로 실습합니다.

  1. 바이브 코딩 이해: 좋은 요청의 6요소, 채팅형 코딩과 Claude Code 비교
  2. AI 코드를 읽고 고치는 최소 Python 문법: 변수·조건·반복·함수·라이브러리, Traceback 읽기
  3. Claude Code 실전: 탐색 → 계획 → 구현 → 실행 → 검토, CLAUDE.md·PRD·diff·테스트
  4. 업무 사례와 최신 AI: 엑셀 12개 파일 병합, 보고서 자동화, RAG, MCP, 멀티에이전트
  5. 기업 환경 보안: 입력·실행·배포 전 체크리스트, AI 코드 리뷰 기준 8가지

SAP · Power BI12장 · 강의 준비 중

SAP CDS View & OData 서비스 생성과 Power BI 연동

SAP 데이터를 CDS View로 정의하고 OData로 열어 Power BI 대시보드까지 연결합니다. SAP 접속 없이 공개 OData로 먼저 연습할 수 있습니다.

  1. CDS View 실습 4종: 기본·JOIN·Association·Parameter
  2. OData 생성 3가지: @OData.publish · SEGW · RAP
  3. 심화: RAP Draft Handling, CDS Access Control(DCL)
  4. Power BI 연동: OData 피드, Power Query, 스타 스키마, DAX
  5. 게시, Gateway, 예약·증분 새로고침, 트러블슈팅

Power BI · 입문30~60분 · 교재 제작

좋은 대시보드 만드는 Power BI 쉬운 실습

144행 가상 데이터로 깔끔한 1페이지 대시보드를 완성하며, 복잡한 모델링보다 좋은 대시보드의 구조와 디자인 기준을 먼저 익힙니다.

  1. Stephen Few식 5원칙: 명확성·비교·간결함·일관성·행동
  2. 12단계 따라하기: CSV → 측정값 4개 → KPI·막대·추이·매트릭스
  3. 색상 규칙, 정렬, 인사이트 박스
  4. 세 문장 보고: 결론 → 원인 → 행동

Power BI · 중급90분 · 교재 제작

삼국간 거래 Power BI 수익성 분석

가상 거래 600건으로 연결손익·내부거래·마감 리스크를 추적하는 대시보드를 만들고, KPI에서 원인과 Action까지 설명합니다.

  1. Power Query 형식 점검과 Date Table·스타 스키마
  2. 연결 OPM·미매칭·고위험 거래 DAX 측정값
  3. KPI·Waterfall·Matrix·Drill-through로 원전표 추적
  4. 의도적으로 심은 이상 패턴 찾기와 3문장 보고

Process · Task Mining · 교육자료슬라이드 18장 · 교재 제작

강제 입력 없이 업무 데이터 확보하기

직원에게 새 시스템 입력을 강요하지 않고, ERP·결재 시스템에 이미 쌓인 기록으로 실제 업무 흐름을 읽는 프로세스 마이닝 입문입니다. 시스템 기록이 없는 PC 업무는 Power Automate Task Mining으로 직접 Recording해 자동화 후보를 찾는 실습까지 이어집니다.

  1. 강제 입력의 함정: 입력 부담·품질 저하·신뢰 하락
  2. 이벤트 로그 세 열(Case ID·Activity·Timestamp)로 흐름 읽기
  3. 도구 비교: Power Automate Process Mining, Celonis, SAP Signavio
  4. 프로세스 마이닝과 태스크 마이닝의 차이, 지켜야 할 선
  5. 구매→지급 예시와 작게 시작하는 시범 적용 4단계
  6. Task Mining 실습: 대상 업무 선정표 → Recording 5건 설계 → 클릭을 업무 Activity로 정제 → Process Map·Variant 분석
  7. 발견 패턴을 Power Automate·Power Apps·Power BI로 연결한 To-Be와 자동화 우선순위 평가

AI Governance · 교육자료3쪽 · 교재 제작

기업용 Claude 도입 절차와 보안 체크리스트

AI를 막으면 직원은 개인 계정으로 씁니다. 회사가 계정·데이터·로그를 관리하는 "통제된 허용"으로 옮기기 위한 도입 7단계와 보안 우려별 해결 방안을 정리했습니다.

  1. 도입 경로 비교: Team · Enterprise · API · 클라우드 경유(Bedrock·Vertex AI·Foundry)
  2. 7단계: 정책·데이터 등급 → 계약 검토 → SSO·SCIM → 데이터 보호 → 감사 로그·SIEM → 시범 → 교육·운영
  3. 보안 우려 11가지와 해결 방안: 학습 이용, 보존, 섀도 AI, 커넥터·MCP 과권한, 프롬프트 인젝션 등
  4. 개발 조직의 Claude Code 안전 사용과 오픈 전 체크리스트

Power Apps × AI 코딩 · 실습 교재슬라이드 11장 · 교재 제작

VS Code + Claude로 Power Apps 앱 단숨에 만들기

VS Code의 Claude에게 만들 앱을 설명하고 SharePoint 목록의 컬럼만 정확히 알려 주면, Claude가 앱 패키지(.zip)를 만들어 줍니다. make.powerapps.com에서 가져오기 한 번으로 앱이 열리고, 데이터 연결까지 거의 수정 없이 끝나는 실무 방식을 실습합니다.

  1. 캔버스 앱은 코드(.pa.yaml + Power Fx): .msapp과 앱 패키지(.zip) 구조
  2. SharePoint 컬럼 명세 쓰는 법: 내부 이름 · 형식 · 표시 이름, 한글 컬럼 주의점
  3. 5단계 실습: 목록 준비 → Claude에게 설명 → 캔버스 앱 가져오기 → SharePoint 연결 선택 → 열어서 확인
  4. 그대로 쓰는 프롬프트 예시: 재고 관리 앱(검색·필터·상세·입력 폼)
  5. 심화: 공식 Canvas Apps 플러그인 + MCP로 실시간 동기화, 검토·보안 수칙

Security · 교육자료3쪽 · 교재 제작

바이브 코딩 환경의 공격 표면 관리 방안

비개발 직원이 AI로 앱을 직접 만드는 시대에, 바이브 코딩을 막기보다 안전하게 넓히기 위한 공격 표면 관리(ASM·CTEM) 방안을 정리했습니다.

  1. 노출 유형: 회사 도메인 배포, 외부 호스팅(섀도 IT), 코드 내부 문제
  2. 발견: 네트워크 기록과 CASB로 외부 서비스 사용 파악
  3. 등록·코드 보안: 배포 시 자산 등록 규칙, 시크릿 스캔·SCA·SAST
  4. 환경 통제와 3단계 추진안, 도구 예시

내려받는 PDF는 공개용으로 간추린 요약본입니다. 원본 교재는 PowerPoint로 만들었고, 화면 캡처와 단계별 설명이 담겨 훨씬 자세합니다. 교재 속 실습 데이터는 모두 임의로 만든 예제입니다.

집필Book

집필 중 · 출간 준비

Copilot과 함께하는 Power Platform 업무 자동화

데이터 수집부터 대시보드, 업무 앱까지 코딩 없이

"설치는 했는데 내 일에는 어떻게 쓰나요?" 강의장에서 가장 많이 들은 이 질문에 답하는 책입니다. Power Automate로 데이터를 모으고, Power BI로 보고, Power Apps로 현장에서 쓰는 흐름을 한 권으로 엮고, 모든 단계에서 Copilot과 생성형 AI를 조수로 씁니다.

  1. 시작하기Power Platform과 Copilot으로 일하는 방식, 실습 환경, 데이터 분석의 흐름
  2. 데이터 모으기Power Automate Desktop, 웹·공공 데이터 자동 수집, Copilot으로 만드는 엑셀 자동화
  3. 데이터 보기Power BI 대시보드, 파워 쿼리와 생성형 AI 전처리, 대시보드 설계, 예약 새로고침
  4. 업무 앱 만들기SharePoint 목록과 Power Apps, 갤러리·폼·검색, 바이브 코딩
  5. 하나로 잇기앱 입력 → 자동 알림 → 대시보드 종합 프로젝트, 조직에 정착시키기

본문 약 400쪽 · 5부 15장 · 공공 데이터와 가상 예제로 실습

공동 집필 · 2015 발간

포스코에너지, 내일을 먼저 만나다 (AMstory)

2012년부터 2년여간 전 임직원이 참여한 전사 업무혁신 PI3.0(Process Innovation)의 기록입니다. 프로젝트 발족부터 Master Plan, 통합시스템 구축, 변화된 모습과 기대효과, 성공 요인까지 전 과정을 담았고, PI추진반의 일원으로 집필에 참여했습니다. 국내 대형 서점과 온라인 서점에서 판매됐으며 수익금은 전액 기부됐습니다.

에너지경제 2015.05.04 보도 · 자세한 내용은 프로젝트 섹션의 「전사 프로세스 진단과 PI추진반」 참고

연구Research

경영학 석사학위 논문 · 2023.08

딥러닝 기반 원전 확대의 전기요금원가 영향 연구

A Study on the Impact of Nuclear Power Plant Expansion Policies on the System Marginal Price of Electricity based on Deep Learning

윤재웅  |  아주대학교 경영대학원 · 지도교수 강주영

정부가 전력수급계획에서 원전·석탄·LNG·신재생의 발전 비율을 어떻게 정하느냐에 따라 전기 도매가격(SMP, 계통한계가격)이 달라진다는 것을 보인 연구입니다. 발전원별 정산단가 등 다른 조건은 2021년과 똑같이 두고, 2030년 전력 수요는 정부 계획의 목표 수요를, 발전원 비율은 제10차 전력수급계획을 반영해 2030년 SMP를 RNN과 LSTM으로 예측했습니다. 정책 선택 하나가 전기요금 원가를 얼마나 움직이는지를 숫자로 보여 줍니다.

−22.2%

정산단가 등 다른 조건을 2021년과 같게 두고 제10차 전력수급계획의 발전원 비율을 반영했을 때, LSTM이 예측한 2030년 SMP는 2021년 실적보다 22.2% 낮습니다. 2021년 전력시장 전체 정산금이 약 55조 원이라 이 차이는 작지 않습니다.

LSTM으로 예측한 2030년 2~12월 SMP가 2021년 같은 기간 실적보다 전 구간에서 낮게 나타난 선 그래프
2030년 SMP 예측(주황)과 2021년 실적(파랑), LSTM · 정규화 값 · 논문 그림 20
예측 오차(MAPE) 비교 · 낮을수록 정확
모델학습 (2002.01–2018.08)검증 (2018.09–2022.08)
RNN12.2%13.8%
LSTM6.5%8.6%

LSTM의 정확도가 RNN보다 약 1.7배 높았고, 예측 범위를 1년으로 좁히면 MAPE는 5.8%까지 내려갑니다.

2018년 9월부터 2022년 8월까지 실제 SMP와 LSTM 예측값이 거의 겹쳐 움직이는 검증 그래프
검증 구간 실제값과 예측값, 2018.09–2022.08 · 논문 그림 15
데이터
월별 전력거래량(GWh)과 전력거래금액(억 원)으로 SMP(원/kWh)를 예측. 2021년 실적과 발전원별 정산단가로 2030년 거래량·거래금액을 산출했습니다.
방법
시계열 딥러닝 모델 RNN과 LSTM을 학습·검증해 비교하고, 정확도가 높은 LSTM으로 2030년을 예측했습니다.
활용
신재생 투자 판단(SMP·REC 가격), 발전 산업의 의사결정, 합리적인 전기요금 논의에 쓸 수 있습니다.
다음 연구
뉴스 같은 비정형 정보를 생성형 AI로 수치화해 독립변수로 쓰고, 시계열 예측의 랜덤워크 한계를 넘는 연구를 구상하고 있습니다.
  • LSTM
  • RNN
  • SMP
  • 제10차 전력수급계획
  • 원전 정책
  • 시계열 예측

학술대회 발표논문 · 2022.10 · 우수발표논문상

정부의 원전 확대 정책이 전기 요금 원가에 미치는 영향을 딥러닝 알고리즘으로 예측 및 분석

윤재웅 · 강주영  |  한국품질경영학회 2022년 추계학술발표논문집, p. 36

석사 논문의 출발점이 된 연구입니다. 학술위원회 추천과 포상심의위원회 심사를 거쳐 2022년 한국품질경영학회 추계 학술대회 우수발표논문(Best Quality Management Presentation Award)으로 선정됐습니다. 인공지능 및 빅데이터 학술세션에서 발표했고, 아주대학교 경영대학 공지(2022.12.09)에도 수상 소식이 실렸습니다.

윤재웅이 논문 제목이 띄워진 화면 앞에서 청중에게 발표하는 모습 마이크를 들고 발표 중인 윤재웅, 학술대회 명찰 착용 2022 한국품질경영학회 추계 학술대회 개회식이 열린 강당
2022.10.21 한국품질경영학회 추계 학술대회 발표 · 대회 주제 "국가균형발전과 기업의 지속가능경영: K-Quality"

탈원전 정책 폐기와 원전 확대가 전기요금 원가에 어떤 영향을 주는지, 그리고 석탄발전을 현재 수준으로 유지할 때와 줄일 때 원가가 어떻게 달라지는지를 인공지능 딥러닝 알고리즘으로 예측했습니다.

2022년 상반기 연료 가격 상승률 (전년 대비)
두바이유60%
LNG229%
석탄223%

이 상승이 계통한계가격(SMP)을 끌어올려, 한국전력은 2022년 1분기에 약 8조 원 적자를 냈습니다.

배경
러시아의 우크라이나 침공(2022.2) 이후 에너지 시장이 흔들리고, 유럽연합의회가 그린 택소노미에 원전을 포함(2022.7.6)하는 등 원전·석탄·LNG의 역할이 다시 커졌습니다.
방법
제9차 전력수급계획의 발전원별 전원 믹스를 기반으로 석탄발전 유지·감소 시나리오를 시뮬레이션하고, 2022.8.30 발표된 제10차 전력수급기본계획 실무안도 반영했습니다.
  • 계통한계가격
  • 전기요금 원가
  • 딥러닝
  • 인공지능
  • 예측

학술대회 발표논문 · 2023.05

정부 정책의 전기 요금 원가 영향 딥러닝 알고리즘으로 예측

윤재웅(아주대, 포스코인터내셔널) · 강주영(아주대)  |  한국지능정보시스템학회 2023 춘계학술대회 · 2023.05.26 연세대학교 경영대학 · D3 비즈니스 애널리틱스 세션 발표(D3.5)

2022년 우수발표논문상 연구를 이어, 정부 에너지 정책이 전기 요금 원가에 주는 영향을 딥러닝으로 예측한 결과를 한국지능정보시스템학회 춘계학술대회 비즈니스 애널리틱스 세션에서 발표했습니다. 두 차례 학회 발표에서 받은 피드백을 반영해 석사학위 논문(2023.08)으로 완성했습니다.

  • 딥러닝
  • 전기 요금 원가
  • 에너지 정책
  • 비즈니스 애널리틱스

개인 연구 · 블록체인 기초

블록체인을 지키는 암호 함수 SHA-256

How SHA-256 keeps a blockchain honest

SHA-256은 어떤 길이의 데이터를 넣어도 항상 256비트(16진수 64자리)의 고유한 값, 즉 해시를 돌려주는 함수입니다. 블록체인은 이 성질 위에 서 있습니다.

결정성
같은 입력이면 언제 어디서 계산해도 같은 해시가 나옵니다.
눈사태 효과
입력이 한 글자만 달라도 해시가 완전히 달라집니다. 아래 예에서 "hello"와 "hellp"의 해시는 256비트 중 131비트가 다릅니다.
일방향
해시로부터 원래 입력을 거꾸로 알아낼 수 없습니다. 원하는 해시를 얻으려면 입력을 바꿔 가며 계속 계산해 보는 수밖에 없습니다.
충돌 저항
서로 다른 두 입력이 같은 해시를 갖는 경우를 현실적으로 찾을 수 없습니다.
import hashlib
for text in ["hello", "hellp"]:
    print(text, hashlib.sha256(text.encode()).hexdigest())
# hello  2cf24dba5fb0a30e26e83b2ac5b9e29e1b161e5c1fa7425e73043362938b9824
# hellp  fdd7585e08c4e2afd71dcabdb4636c89d557a3f42db9e2040c8bbd1708aa4ce7

블록체인에서 쓰이는 곳 · 각 블록은 바로 앞 블록의 해시를 자기 헤더에 담습니다. 그래서 과거 블록 하나를 고치면 그 해시가 바뀌고, 뒤에 이어진 모든 블록이 어긋나 위조가 드러납니다. 또 채굴은 "앞자리에 0이 충분히 많은 해시"가 나올 때까지 논스를 바꿔 가며 SHA-256을 반복하는 일이라, 일방향성 덕분에 지름길 없이 실제 계산(작업)을 증명하게 됩니다. 아래 제네시스 블록 재현 프로그램이 바로 이 원리를 보여 줍니다.

  • SHA-256
  • 해시 함수
  • 블록체인
  • 작업증명

개인 연구 · 블록체인

비트코인 제네시스 블록 해시를 파이썬으로 재현하기

Reproducing the Bitcoin genesis block hash in Python

사토시 나카모토의 비트코인 백서(2008)가 설명하는 작업증명(Proof-of-Work)을 파이썬으로 옮긴 프로그램입니다. 블록 헤더 80바이트(버전·이전 블록 해시·머클 루트·시각·난이도·논스)를 이어 붙여 SHA-256을 두 번 적용하고, 결과가 난이도 규칙(앞자리에 0이 충분히 많은 해시)을 만족하는지 확인합니다. 채굴은 논스를 하나씩 올려 가며 이 규칙에 맞는 숫자를 찾는 과정입니다.

import hashlib
import struct
version = struct.pack("<L", 1)
prev_block = bytes.fromhex("00" * 32)
merkle_root = bytes.fromhex("4a5e1e4baab89f3a32518a88c31bc87f618f76673e2cc77ab2127b7afdeda33b")[::-1]
timestamp = struct.pack("<L", 1231006505)
bits = struct.pack("<L", 0x1d00ffff)
nonce = struct.pack("<L", 2083236893)
header = version + prev_block + merkle_root + timestamp + bits + nonce
hash1 = hashlib.sha256(header).digest()
hash2 = hashlib.sha256(hash1).digest()
genesis_hash = hash2[::-1].hex()
print("Genesis Block Hash:", genesis_hash)

2009년 1월 3일 만들어진 제네시스 블록의 실제 논스(2,083,236,893)를 넣으면 공식 블록 해시가 그대로 재현됩니다.

000000000019d6689c085ae165831e934ff763ae46a2a6c172b3f1b60a8ce26f

Claude를 활용해 직접 작성하고, 실제 제네시스 블록 해시와 일치하는지 검증했습니다.

  • Python
  • SHA-256
  • 작업증명
  • 블록체인

개인 연구 · 딥러닝 원리

CNN은 이미지를 어떻게 간추리고, 그 위에서 판단할까

How a CNN condenses an image and builds on it

합성곱 신경망(CNN)은 이미지를 통째로 외우지 않습니다. 작은 필터로 이미지를 훑어 경계·질감 같은 특징만 남기고(합성곱), 그 결과를 더 작게 요약(풀링)하는 과정을 여러 번 반복합니다. 앞쪽 층은 선과 경계를, 뒤쪽 층은 그것을 조합한 모양과 사물을 알아봅니다. 마지막에 이렇게 간추린 특징을 바탕으로 분류하거나, 거꾸로 펼쳐 새 이미지를 만듭니다.

000999
000999
000999
000999
000999
000999
① 6×6 이미지 (36개 값)
∗
-101
-101
-101
② 세로 경계 필터 3×3
→
027270
027270
027270
027270
③ 합성곱 결과 4×4
→
2727
2727
④ 2×2 최대 풀링 (4개 값)

36개 숫자였던 이미지가 4개 숫자로 줄었지만 "가운데에 세로 경계가 있다"는 핵심 정보는 그대로 남았습니다. 실제 CNN은 이런 필터 수십~수백 개를 학습 데이터로부터 스스로 익힙니다.

import numpy as np
img = np.array([[0,0,0,9,9,9]] * 6)          # 왼쪽 어둡고 오른쪽 밝은 6×6 이미지
k   = np.array([[-1,0,1]] * 3)               # 세로 경계를 찾는 3×3 필터
conv = np.array([[(img[i:i+3, j:j+3] * k).sum() for j in range(4)] for i in range(4)])
relu = np.maximum(conv, 0)                   # 음수는 0으로
pool = np.array([[relu[i:i+2, j:j+2].max() for j in (0, 2)] for i in (0, 2)])  # 2×2 최댓값
간추리기
합성곱 + 활성화(ReLU) + 풀링을 쌓아 이미지 → 경계 → 모양 → 사물 순으로 압축된 특징을 만듭니다.
판단하기
마지막 특징을 완전연결층에 넣어 "고양이 92%"처럼 분류합니다.
효율 · GPU
필터 하나(위 예시는 가중치 9개)를 이미지 전체에 공유하므로, 36개 입력을 16개 출력에 모두 연결하는 방식(가중치 576개)보다 학습할 값이 훨씬 적습니다. 풀링은 다음 층의 계산량을 다시 줄입니다. 그리고 각 위치의 합성곱은 서로 독립적이라 동시에 병렬로 계산할 수 있어, 수천 개 코어로 행렬 연산을 한꺼번에 처리하는 GPU와 잘 맞습니다. 2012년 AlexNet이 GPU 2개로 CNN을 학습해 이미지 인식 대회에서 큰 격차로 우승하면서 딥러닝과 GPU의 결합이 본격화됐습니다.
만들기
오토인코더·생성 모델은 이 압축된 특징을 거꾸로 펼쳐(업샘플링) 이미지를 복원하거나 새로 만듭니다.

석사 논문에서 쓴 RNN·LSTM이 시간 순서의 패턴을 읽는다면, CNN은 공간의 패턴을 읽습니다. 두 구조 모두 "필요한 특징만 남겨 간추린 뒤 그 위에서 판단한다"는 같은 원리 위에 있습니다. 다만 RNN·LSTM은 앞 시점의 결과가 있어야 다음 시점을 계산할 수 있어 시간 축으로는 병렬화가 어렵습니다. LSTM의 게이트는 계산을 줄이기보다 오래된 정보를 잃지 않으려는 장치입니다. 이 한계를 넘어 문장 전체를 한 번에 병렬 처리하도록 만든 구조가 오늘날 생성형 AI의 바탕인 트랜스포머입니다.

  • 딥러닝
  • CNN
  • 합성곱
  • 풀링
  • Python · NumPy

개인 연구 · 생성형 AI 원리

트랜스포머는 문장을 어떻게 한 번에 이해할까

How a Transformer reads a whole sentence at once

RNN·LSTM은 단어를 한 개씩 순서대로 읽어 앞 결과를 다음으로 넘깁니다. 트랜스포머는 이 순서 의존을 없애고, 문장의 모든 단어가 서로를 동시에 바라보며 "누가 나와 관련 있는가"를 계산합니다. 이것이 셀프 어텐션이며, 모든 단어 쌍을 한 번의 행렬 곱으로 계산하므로 GPU에서 통째로 병렬 처리할 수 있습니다. GPT·Claude 같은 대규모 언어 모델이 모두 이 구조 위에 서 있습니다.

① 토큰·임베딩
문장을 토큰으로 나누고 각 토큰을 숫자 벡터로 바꿉니다. 순서 정보는 위치 인코딩으로 더해 줍니다.
② Q · K · V
각 단어에서 질문(Query, 내가 찾는 것), 열쇠(Key, 내가 가진 것), 값(Value, 전달할 내용) 세 벡터를 만듭니다.
③ 어텐션
Q와 K를 곱해 관련도 점수를 내고 softmax로 비율(합 1)로 바꾼 뒤, 그 비율만큼 V를 섞어 문맥이 반영된 새 표현을 만듭니다.
④ 멀티헤드 · 층 쌓기
여러 개의 어텐션(헤드)이 문법·의미 등 서로 다른 관계를 동시에 보고, 이런 층을 수십 개 쌓아 점점 깊은 의미를 담습니다.
⑤ 다음 토큰 생성
생성형 모델은 마지막 표현으로 "다음에 올 토큰"의 확률을 계산해 하나를 고르고, 그것을 다시 입력에 붙여 반복하며 문장을 만들어 갑니다.
나는사과를먹었다
나는0.400.200.40
사과를0.200.400.40
먹었다0.250.250.50
각 행의 단어가 어느 단어에 얼마나 주목하는지 (행 합계 1)

"먹었다"는 자기 자신에 50%, "나는"(누가)과 "사과를"(무엇을)에 25%씩 주목해, 주어와 목적어 정보를 함께 담은 표현이 됩니다. 아래 코드는 이 표를 그대로 계산합니다.

import numpy as np
X = np.array([[1,0], [0,1], [1,1]])           # 나는 · 사과를 · 먹었다 (2차원 예시 벡터)
Q, K, V = X, X, X                            # 실제 모델은 각각 학습된 행렬을 곱해 만듦
score = Q @ K.T / np.sqrt(2)                 # 단어끼리 얼마나 관련 있는지
weight = np.exp(score) / np.exp(score).sum(axis=1, keepdims=True)  # softmax → 합이 1
out = weight @ V                             # 관련도만큼 섞은 새 표현

CNN이 "작은 필터를 공유해 병렬로" 효율을 얻었다면, 트랜스포머는 "모든 단어 관계를 한 번의 행렬 곱으로" 효율을 얻었습니다. 대신 단어 수가 늘면 계산량이 제곱으로 커져, 긴 문서를 다루는 기법이 지금도 활발히 연구되고 있습니다.

  • 트랜스포머
  • 셀프 어텐션
  • LLM
  • Python · NumPy
기술Skills

다루는 기술

분야내용수준
ERP전사 프로세스 진단, Oracle ERP → SAP ERP 전환 PI(설비·품질 모듈), SAP 전 모듈 운영 총괄(권한·라이선스 감사, 결산 이슈), 셀 공장 확장 PM, S/4HANA Next ERP 기획, 자회사 분사 시 SAP → 더존 iCUBE 클라우드 7개 모듈 분리(Carve-out), 해외 법인 ERP 구축 PMO와 솔루션 선정(RFP·제안 평가 설계), 경영대학원 SAP Track에서 FI(재무회계) 모듈 학습실무
데이터 분석·시각화Power Query 전처리, 스타 스키마 모델링, DAX 측정값, 의사결정용 대시보드 설계(Stephen Few), 시계열 데이터 분석실무 · 교육 · 논문 연구
Python데이터 분석, RNN · LSTM 시계열 예측 모델, matplotlib 시각화논문 연구 적용 · 뉴칼라 과정 누적 약 1,600명 강의
Power Platform · AIPower BI, Power Apps, Power Automate, Microsoft 365 Copilot사내 초급·중급 과정 강의 · 교재 개발
강의포스코그룹 사내 강사 (디지털혁신교육, DX 준전문가 과정)A급 강사 인증
설비 제어 · 피지컬 AI 기반전장·제어망 설계, PLC(Mitsubishi MELSEC-Q)·터치스크린(HMI) 프로그래밍, 6축 다관절·디스펜서 로봇 연동 장비 제어, 장비 셋업·시운전실무 (2001–2007)
RPA · 자동화RPA 설계·개발, Power Automate Desktop, 웹·공공 데이터 수집 자동화실무 개발 · 교육
생성형 AI바이브 코딩(Claude Code, vibe.powerapps.com), Microsoft 365 Copilot, 생성형 AI 기반 업무 도구 구현실무 적용 · 교육
프로세스 · 보안프로세스 마이닝, 바이브 코딩 공격 표면 관리(ASM·CTEM), 정보시스템 감사CISA · 정보관리기술사 심화 과정 수료
경력 · 자격Career

경력 · 학력 · 자격

경력

  1. 2010.05 – 현재
    포스코인터내셔널 · 차장

    현재 경영지원본부 DX혁신실 DX기획그룹. 전사 DX 기획·실행, Power Platform(Power BI, Power Apps, Power Automate) 사내 전문가, WX(Work-way Transformation: DX 기반 일하는 방식 변화) 사내 강사. 폴란드 모터코아 ERP 구축 PMO, 인도 모터코아 ERP 선정·PMO(이슈 관리 중심), 모터코아 3개 법인 글로벌 연결 손익 관리회계 추가 개발(2차 프로젝트) 협의 중

    2010년 5월부터 재직. 2023년 1월 합병 전까지는 포스코에너지였으며, 아래 2010~2022년 이력은 포스코에너지 시절입니다

  2. 2020.09 – 2022.12
    포스코인재창조원 디지털혁신교육그룹 파견

    포스코에너지 소속으로 약 2년 4개월간 파견, 포스코 뉴칼라 과정 Python 강사

  3. 2019.11 – 2020.08
    한국퓨얼셀㈜ 사외파견

    포스코에너지에서 분사한 한국퓨얼셀의 IT 시스템 분리(Carve-out). SAP → 더존 iCUBE(클라우드) 7개 모듈 전환, EP 그룹웨어 포함 독립 IT 운영체계 구축, 데이터·사용자 이관과 사무환경 구축 지원, IT 운영·관리 담당 양성

  4. 2014.07 – 2019.10
    포스코에너지 · 정보기획그룹

    SAP 전 모듈(SD·MM·FI·CO·PS·QM) 총괄 기획: 결산 이슈, 프로그램 변경 승인(ITSM), 권한 관리와 SAP 권한·라이선스 감사 대응. 2015년 셀 공장 추가 SAP 확장 PM, ISMS 인증 정보자산 담당. S/4HANA Next ERP 기획, 표준 프로세스 관리 프로그램(Real BPA) 운영, 정보시스템·SW 구매 계약 담당

  5. 2012.10 – 2014.07
    포스코에너지 · PI추진반

    프로세스 진단 결과에 따라 신설된 PI추진반에서 전사 업무혁신 PI3.0의 Oracle ERP → SAP ERP 전환 프로젝트에 참여, 설비(PM)·품질(QM) 모듈 담당. 프로젝트 전 과정을 담은 2015년 책 「포스코에너지, 내일을 먼저 만나다」 공동 집필

  6. 2012.04 – 2012.10
    포스코에너지 · 프로세스 진단팀

    1차 신규 투자사업 중심 투자·생산·구매·R&D, 2차 발전소 건설·운전·정비 중심으로 전사 프로세스 진단. 데이터·VOC·VOB 취합과 보고서 실무 작성. 결과는 포스코 회장에게 보고됐고(보고 자리 참석), 이를 계기로 PI추진반 신설

  7. 2010.05 – 2010.11
    포스코에너지 · Oracle ERP 확대 구축

    품질(QM) 모듈 PI로 프로세스 설계, ERP 구축, 안정화 참여

  8. 2010.05
    포스코에너지 합류

    포스코DX 소속 사업부가 포스코에너지로 합병되며 소속 이동

  9. 2009 – 2010
    포스코DX · 업무 표준 프로세스 정립 · ISO 9001 인증

    업무 표준 프로세스를 정립하고 ISO 9001 인증 심사 대응과 취득에 참여

  10. 2008.01 – 2010.05
    포스코DX

    발전 모듈과 BOP(Balance of Plant) 제품이 완성 후 제대로 동작하는지 제어망 등에서 확인하는 최종 검수 기술과 프로세스를 구현하고, 이를 운영할 수 있도록 인력 양성

  11. 2001.12 – 2007.12
    설비 제어 엔지니어링 · 피지컬 AI를 현장에서 이해하는 기반

    AI가 로봇과 설비를 직접 움직이는 피지컬 AI(Physical AI)는 결국 현장 장비의 제어 구조 위에서 동작합니다. 이 시기에 전장·제어망 설계, PLC·터치스크린 프로그래밍, 장비 셋업과 시운전을 직접 하고, LCD 편광판 부착 장비의 6축 다관절 로봇, 디스펜서 로봇과 장비의 연동 제어를 다루며, 신호가 센서에서 제어기를 거쳐 구동부까지 어떻게 흐르는지 현장에서 익혔습니다.

    · 영화엔지니어링 플랜트사업부(2001.12 – 2003.07): 마카오 Coloane-B 발전소(135MW급) 기계 설치·셋업, 가스터빈·스팀터빈·HRSG 기계도면 확인·검사와 설치·공정 관리(1년간 미국·유럽 엔지니어와 협업), 이후 플랜트·철골 구조물 견적
    · 탑엔지니어링 시스템컨트롤(2003.07 – 2006.02): LG Philips LCD P2·P5·P6·P8 공장 약액 공급 장비(CCSS)의 전장 도면·부품 선정, Mitsubishi MELSEC-Q PLC와 터치스크린(MMI) 프로그램, 장비 Turn-on·셋업, 운영 매뉴얼 작성과 교육, 증설·이원화 프로젝트와 A/S
    · ㈜SFA FPD장비팀(2006.02 – 2006.10): 삼성 LCD 편광판 부착 장비 전장 설계·기존 도면 변경, PLC 프로그램, 패널을 받아 다음 공정으로 넘기는 6축 다관절 로봇과 장비 간 연동 제어, 장비 개조·이설과 배선 관리
    · 반석정밀공업 생산기술(2006.10 – 2007.12): 인라인·데스크탑 디스펜서 로봇 셋업·전장·프로그램, 전자부품·소재 업체 액 도포 테스트와 납품 설치

    그래서 피지컬 AI 과제에서도 AI 모델만이 아니라 장비 데이터 수집, 제어 로직, 현장 시운전까지 연결해 보고, 설비 엔지니어와 같은 언어로 소통할 수 있습니다.

강의 · 교육 지원 · 대외활동

  1. 2026 – 현재
    한국 MS 파워플랫폼 협회 · 기술 이사

    협회 설립을 주도하고, 기업 간 실무 교류와 커뮤니티 기반 성장을 이끌고 있습니다

    협회 사이트 바로가기 ↗

  2. 2026.09 – 2026.11
    해외 법인 직원 DX 인력 양성 · 업무 멘토

    인도네시아 무역법인 직원 본사 순환근무(13주) 프로그램 설계와 Power Platform 영어 강의. 현업 과제 2건 구현(매출채권 리마인더 자동화, 통합 대시보드)

  3. 2026.09
    외부 강연 · Modern Work Conference Seoul 2026

    트랙2 「Copilot을 활용해 단숨에 Power BI 전문가 되기」 · Modern Work Community 주최, 한국마이크로소프트

    행사 페이지 보기 ↗

  4. 2025 – 2026
    DX 준전문가 과정 강사 · 포스코인터내셔널

    임직원 대상 Power BI, Power Apps 초급·중급 과정 강의, 과정 교재 직접 개발. DX 준전문가 과정은 승진 가점이 주어지는 공식 사내 과정입니다.
    2025년 신입사원 교육·DX 준전문가 과정 15차수 주강사·보조강사
    2026년 신입사원 교육·DX 준전문가 과정 21차수 주강사 · 강의 만족도 4.8점(5점 만점)

  5. 2025 – 2026
    직원 Self 개발 과정 지원 · 포스코인터내셔널

    직원들이 자기 업무용 대시보드와 RPA를 직접 만들 수 있도록 개발 과정을 지원. 2025년 RPA 개발 지원 7건, 2026년 현업 DX 과제 8건 완료

    오랫동안 시스템을 구축·운영해 왔지만, 셀프 개발 지원 과제를 하며 처음으로 현업에게서 "진짜 도움이 된다"는 말을 들었습니다. 그 경험이 개인 시간을 들여 DX 준전문가 과정 교재를 직접 만들고 직원 개발을 돕는 계기가 됐습니다.

  6. 2020.09 – 2022.12
    포스코 뉴칼라 과정 Python 강의 · 포스코인재창조원

    Python으로 데이터 전처리부터 분석, 시각화까지 강의. 뉴칼라 과정은 승진 가점이 주어져 인기가 많았던 과정

    파견 기간 내내 매월 첫째·둘째·셋째 주에 주마다 2일 과정(수강생 약 30명)을 한 번씩 강의하고, 넷째 주에는 수료 평가를 통과하지 못한 수강생의 재평가를 진행. 누적 수강생 약 1,600명, A급 강사 인증

    외부 기업(L사) 요청으로 R 온라인 강의를 촬영할 때는 코드를 입력하고 실행하는 장면을 Python RPA로 자동화해, 오타나 재촬영 없이 온라인 콘텐츠를 훨씬 편하게 제작했습니다.

  7. 2021 · 2022
    지역사회 교육 지원 · 포항제철공업고등학교 Python · RPA 강의

    회사 차원의 지역사회 교육 지원으로 연 1회씩 두 차례 강의. 학생들이 바로 활용할 수 있는 RPA를 가르쳐, 일부 학생이 관련 개발을 직접 수행

학력 · 수상 · 자격

  1. 2026.11
    Microsoft AI Genius Builder Certified 배지
    Microsoft AI Genius Builder Certified

    AI 에이전트 개발부터 운영까지 · Microsoft Reactor 라이브 시리즈 (시즌 6)

  2. 2026.04
    포스코그룹 WX 사내 강사 양성 과정 수료

    2026.04.20 – 04.21 · WX(Work-way Transformation): DX 기반 일하는 방식의 변화

  3. 2025.11
    포스코그룹 해커톤 본선 진출

    2025.11.06 – 11.07 · 과제 「AI Agent 기반 전략적 구매 타이밍 최적화 시스템」, 디자이너로 에이전트 구축 등 수행

  4. 2025.03 – 2025.08
    정보관리기술사 심화 과정 수료

    정보 기획·관리, 소프트웨어 공학, 데이터베이스, 네트워크, 보안, AI·빅데이터 과목 상위권 수료

  5. 2023.08
    경영학 석사 · 아주대학교 경영대학원 SAP Track

    SAP Track에서 SAP FI(재무회계) 모듈 중심 학습

    학위논문: 딥러닝 기반 원전 확대의 전기요금원가 영향 연구 (지도교수 강주영)

  6. 2022.10
    우수발표논문상 · 한국품질경영학회

    2022년 추계 학술대회 인공지능 및 빅데이터 학술세션, Best Quality Management Presentation Award

    아주대학교 경영대학 수상 소식 보기 ↗

  7. 2022.03
    A급 강사 인증 · 포스코인재창조원

    포스코그룹 사내 강사로 활동하며 강의 평가 우수 등 우수강사 인증 조건 충족

  8. 2020.10 – 2020.11
    강사 스피치 과정 수료

    사외 전문 강사 과정

  9. 2019
    모범사원 선정 · 포스코에너지

    2018년 본부장 표창(원가절감·프로세스 혁신)에 이어 선정

  10. 2019
    CISA · ISACA

    국제공인 정보시스템감사사 (Certified Information Systems Auditor) · 2019년 취득, 현재 미갱신

  11. 자격
    소프트웨어 자산관리사 · 품질 내부심사원

    소프트웨어 자산관리사(한국소프트웨어저작권협회), 품질 내부심사원(LRQA)

  12. 2002.02
    공학사 · 한동대학교 기계제어시스템공학부
연락처Contact