vix도 금리도 환율도, 매크로지표는 세상에 뭔가 큰 일이 일어났다기보다
다양한 매크로이벤트 앞두고 헷지수요+차익실현이 겹쳐서 이러는거같네요
포트 재정비의 기회로 ,,,
다양한 매크로이벤트 앞두고 헷지수요+차익실현이 겹쳐서 이러는거같네요
포트 재정비의 기회로 ,,,
😁4
Forwarded from MZ타뇽 긴축모드 ON
생각난김에 Kael Research 많관부탁드립니다
오래봐오고 있는 채널인데 인사이트 공유 및 매주 주말 차주 일정정리 꾸준히 해주시고 있습니다 특히 AI 관해서 재밌는 자료 많이 올려주시니 제 채널 좀 나가시고 일로 가보세요
https://t.me/kaelresearch
오래봐오고 있는 채널인데 인사이트 공유 및 매주 주말 차주 일정정리 꾸준히 해주시고 있습니다 특히 AI 관해서 재밌는 자료 많이 올려주시니 제 채널 좀 나가시고 일로 가보세요
https://t.me/kaelresearch
🤬2😁1
Forwarded from 이지스 리서치 (주식 투자 정보 텔레그램)
웨스팅하우스 지급 로열티는 2% 미만, 평균보다 낮아…한미 협력으로 세계 원전시장 공략 발판
-체코원전 1기당 13조원 수주, 로열티 2400억원은 1.8% 수준
-산업 평균 로열티 5~10%보다 훨씬 낮아 호구계약은 ‘어불성설’
-지재권 불확실성 해소 및 한미 원전 협력으로 세계시장 공략 기회
-“비공계 계약 내용 유출되면 국가 간 신뢰 자체가 무너지는 것”
https://www.ekn.kr/web/view.php?key=20250820026578536
-체코원전 1기당 13조원 수주, 로열티 2400억원은 1.8% 수준
-산업 평균 로열티 5~10%보다 훨씬 낮아 호구계약은 ‘어불성설’
-지재권 불확실성 해소 및 한미 원전 협력으로 세계시장 공략 기회
-“비공계 계약 내용 유출되면 국가 간 신뢰 자체가 무너지는 것”
https://www.ekn.kr/web/view.php?key=20250820026578536
에너지경제
웨스팅하우스 지급 로열티는 2% 미만, 평균보다 낮아…한미 협력으로 세계 원전시장 공략 발판
최근 일부 언론과 정치권에서 제기된 `한전·한수원과 미국 웨스팅하우스(WEC) 간의 지재권 계약`에 대해 여당에서는 매국계약이라고 폄훼하며 국정조사 필요성까지 제기하고 있다. 하지..
🤬17🤔9😁1
Forwarded from Granit34의 투자스토리
저는 "내 섹터의 우월함을 이야기하기 위해 타 섹터를 내리치는 사람" 을 매우 싫어합니다. 빛날 수 있는 섹터는 타 섹터를 내리치지 않더라도 알아서 잘 빛날 수 있고, 남의 단점에 집중하는 행위는 시장에 별다른 도움이 되지 못합니다.
그리고 뷰가 명확하다면 그냥 리포트로 이야기하시면 되지 않을까 싶습니다.
그리고 뷰가 명확하다면 그냥 리포트로 이야기하시면 되지 않을까 싶습니다.
😁6
Forwarded from Donald J. Trump
Any State that has built and relied on WINDMILLS and SOLAR for power are seeing RECORD BREAKING INCREASES IN ELECTRICITY AND ENERGY COSTS. THE SCAM OF THE CENTURY! We will not approve wind or farmer destroying Solar. The days of stupidity are over in the USA!!! MAGA
😁1🤔1🤬1
The GenAI Divide
STATE OF AI IN BUSINESS 2025
________________________________________
한줄 요약 🌊
전 세계 기업이 생성형 AI(GenAI)에 300~400억 달러를 쏟았지만, 95%는 P&L에 ‘0’의 성과를 내고 있습니다. 성공과 실패를 가르는 건 모델의 성능이 아니라 “학습(러닝)·메모리·워크플로 통합”**입니다. 외부 파트너와 함께 학습 가능한(learning capable) 시스템을 특정 프로세스에 깊게 넣은 조직만이 수백만 달러 가치를 실현하고 있습니다.
________________________________________
핵심 수치 & 팩트 체크 📊
• 95% 무성과, 5%만 실적 창출: 통합형 AI 파일럿의 극소수만이 수백만 달러 가치를 창출.
• 탐색·파일럿은 활발하지만 실제 도입은 극소수: 80%+가 ChatGPT/Copilot을 탐색·파일럿, 40%가 배포 경험. 그러나 커스텀/임베디드 솔루션은 평가 60%→파일럿 20%→**프로덕션 5%**로 급락.
• 실패의 본질: 인프라나 규제가 아니라 학습 기능 부재(피드백 반영·맥락 적응·지속 개선 부재).
• 엔터프라이즈 vs 미드마켓: 대기업은 파일럿은 많지만 스케일 전환률이 낮고, 미드마켓은 평균 90일 내 전면 도입. 대기업은 9개월 이상 소요.
• 섀도우 AI: 회사가 LLM 구독을 산 곳은 40%, 그러나 직원의 **90%+**가 개인 도구로 일상적 사용.
• 예산 왜곡: AI 예산의 체감상 절반 이상이 영업/마케팅으로 향하지만, 실 ROI는 백오피스 자동화에서 더 큼.
• 바이 vs 빌드 성적표: 외부 파트너십(커스터마이즈·학습형) 배포 성공률 ~67%, 내부 빌드 ~33%.
________________________________________
왜 ‘GenAI 격차(GenAI Divide)’가 생기나? 🔍
• 산업 구조 변화의 한계: 빅테크·미디어를 제외하면 7/9 섹터에서 구조적 변화가 미미.
• 파일럿→프로덕션 낙차: 임베디드/태스크 특화형은 **성공 구현 5%**에 그침. 반면 범용 챗봇은 시도는 쉽지만 핵심 업무에선 메모리 부재로 한계.
• 사용자 심리의 모순: 개인 업무에선 ChatGPT가 더 “빠르고 좋고 익숙”하지만, 기업용 도구는 학습과 기억이 없으면 불신.
________________________________________
실패의 근본 원인: 러닝 갭(Learning Gap) 🧠
• 상위 장애 요인: 새 도구 저항, 모델 품질(맥락 부족), UX 불만, 스폰서십/체인지매니지먼트 이슈. 공통분모는 “기억·학습 부재”.
• 결론: 맥락 유지·피드백 학습·지속 개선이 가능한 시스템만이 핵심 업무로 들어간다.
________________________________________
섀도우 AI에서 배우는 것 🕶
직원들은 이미 개인 LLM으로 일을 자동화 중(사용 기업 40% vs 사용자 90%+). 조직은 이 비공식 성공 패턴을 정식화하여 채택·보안·데이터 경계를 갖춘 대안으로 승화해야 함.
서화백의그림놀이(@easobi)
________________________________________
돈 버는 자리: 백오피스가 황금광맥 💰
• 프런트오피스 가시성 vs 백오피스 실익: 예산은 영업/마케팅으로 쏠리지만, BPO 대체·에이전시 축소 등은 백오피스에서 즉각적인 현금 절감.
• 정량 효과
o 리드 자격 심사 40% 가속, 리텐션 10%p 개선(프런트).
o BPO 제거 연 200만~1,000만 달러 절감, 에이전시 비용 30% 절감, 리스크 체크 100만 달러 절감(백오피스).
________________________________________
누가 성공하나? (빌더 관점) 🛠
• 공식: 좁고 비싼 문제 → 깊은 커스터마이징 → 빠른 가시효과(셋업 부담↓, TTV↓) → 워크플로 확장.
• 잘 되는 카테고리: 보이스 AI 콜 요약/라우팅, 계약/양식 문서자동화, 반복적 코드 생성.
• 고전하는 카테고리: 복잡한 내부 로직·불투명한 의사결정 지원·사내 특수 휴리스틱 기반.
• 성장 레버: SI·보드/고문 레퍼럴 채널·마켓플레이스.
________________________________________
어떻게 사야(바이어) 성공하나? 🛒
• BPO처럼 구매: “SaaS 구독”이 아니라 성과 위임에 가깝게, 딥 커스터마이징·업무결과 지표로 벤더를 평가.
• 조직 설계: 분산 실험+명확한 오너십, 내부 빌드보다 전략적 파트너십이 2배 성공적.
• 성공률 데이터: 외부 ~67% vs 내부 ~33%(자기보고 기반 제한 포함).
________________________________________
인력 영향의 현실 👥
• 대규모 해고 아님: 비용 절감은 외주·에이전시 축소가 중심. 다만, 고객지원·행정처리·표준화 개발 등 아웃소싱 친화 영역에서 5~20% 축소 사례.
• 섹터별 전망: 헬스케어·에너지·제조 고도화 산업은 채용 축소 전망이 낮고, 테크/미디어는 24개월 내 채용 축소를 **80%+**가 예상.
________________________________________
다음 물결: 에이전틱 웹(Agentic Web) 🌐
• 메모리·피드백 루프가 녹아든 M365·ChatGPT 메모리 베타 등으로 “학습형” 기대치가 표준화. MCP/A2A/NANDA 프레임워크가 상호운용·조정의 기반.
• 에이전트들이 벤더 탐색·API 연동·정산/계약까지 자율 협상/실행하는 에이전틱 웹으로 이행 중.
• 윈도우는 18개월: 조달→구현 사이클과 러닝 데이터 락인으로 스위칭 코스트 가파름. 지금 선택이 고착화됨.
________________________________________
투자자 관점 체크리스트 ✅
• 러닝/메모리: 피드백 루프·지속 개선이 제품 설계에 초기부터 들어가 있는가?
• 워크플로 적합성: 기존 CRM/ERP/지식 관리와 깊게 통합되는가? (도입 마찰↓)
• 타깃 공정: 가시성 높은 프런트보다 백오피스 자동화에서 확실한 캐시아웃이 가능한가?
• 고객 획득: 레퍼럴·채널이 견고한가? (신뢰가 구매 결정에 핵심)
• 스케일 경로: “좁고 비싼 문제”에서 낮은 셋업·빠른 가치로 시작해 확장하는 로드맵이 있는가?
________________________________________
저자들의 이전 의견 대비 달라진 점 🔄
본 보고서는 이전 보고서와의 견해 변화나 정량 비교를 명시적으로 제시하지 않습니다. 다만 본문 곳곳에서 통념과 배치되는 결론(예: “엔터프라이즈가 느리다”는 통념 반박, “모델 품질보다 러닝/통합이 병목”, “내부 빌드보다 외부 파트너 성공률이 높음”)을 ‘신화 파트(5가지 미신)’**로 분명히 정리하고 있습니다.
________________________________________
결론 & 실행 포인트 🏁
• 지금 당장: 정식 도입 전, 섀도우 AI의 성공 패턴을 인벤토리화하고 보안/거버넌스 얹어 공식화.
• 사기보다 설계: 학습 가능한 시스템+깊은 커스터마이징+업무지표 기반 성과계약으로 전환.
• 파트너 우선: 내부 빌드 올인 대신 전략 파트너십으로 18개월 내 락인 경쟁에서 선점.
________________________________________
==================
오늘의 AI 섹터 조정의 핑계거리인 MIT보고서
STATE OF AI IN BUSINESS 2025
________________________________________
한줄 요약 🌊
전 세계 기업이 생성형 AI(GenAI)에 300~400억 달러를 쏟았지만, 95%는 P&L에 ‘0’의 성과를 내고 있습니다. 성공과 실패를 가르는 건 모델의 성능이 아니라 “학습(러닝)·메모리·워크플로 통합”**입니다. 외부 파트너와 함께 학습 가능한(learning capable) 시스템을 특정 프로세스에 깊게 넣은 조직만이 수백만 달러 가치를 실현하고 있습니다.
________________________________________
핵심 수치 & 팩트 체크 📊
• 95% 무성과, 5%만 실적 창출: 통합형 AI 파일럿의 극소수만이 수백만 달러 가치를 창출.
• 탐색·파일럿은 활발하지만 실제 도입은 극소수: 80%+가 ChatGPT/Copilot을 탐색·파일럿, 40%가 배포 경험. 그러나 커스텀/임베디드 솔루션은 평가 60%→파일럿 20%→**프로덕션 5%**로 급락.
• 실패의 본질: 인프라나 규제가 아니라 학습 기능 부재(피드백 반영·맥락 적응·지속 개선 부재).
• 엔터프라이즈 vs 미드마켓: 대기업은 파일럿은 많지만 스케일 전환률이 낮고, 미드마켓은 평균 90일 내 전면 도입. 대기업은 9개월 이상 소요.
• 섀도우 AI: 회사가 LLM 구독을 산 곳은 40%, 그러나 직원의 **90%+**가 개인 도구로 일상적 사용.
• 예산 왜곡: AI 예산의 체감상 절반 이상이 영업/마케팅으로 향하지만, 실 ROI는 백오피스 자동화에서 더 큼.
• 바이 vs 빌드 성적표: 외부 파트너십(커스터마이즈·학습형) 배포 성공률 ~67%, 내부 빌드 ~33%.
________________________________________
왜 ‘GenAI 격차(GenAI Divide)’가 생기나? 🔍
• 산업 구조 변화의 한계: 빅테크·미디어를 제외하면 7/9 섹터에서 구조적 변화가 미미.
• 파일럿→프로덕션 낙차: 임베디드/태스크 특화형은 **성공 구현 5%**에 그침. 반면 범용 챗봇은 시도는 쉽지만 핵심 업무에선 메모리 부재로 한계.
• 사용자 심리의 모순: 개인 업무에선 ChatGPT가 더 “빠르고 좋고 익숙”하지만, 기업용 도구는 학습과 기억이 없으면 불신.
________________________________________
실패의 근본 원인: 러닝 갭(Learning Gap) 🧠
• 상위 장애 요인: 새 도구 저항, 모델 품질(맥락 부족), UX 불만, 스폰서십/체인지매니지먼트 이슈. 공통분모는 “기억·학습 부재”.
• 결론: 맥락 유지·피드백 학습·지속 개선이 가능한 시스템만이 핵심 업무로 들어간다.
________________________________________
섀도우 AI에서 배우는 것 🕶
직원들은 이미 개인 LLM으로 일을 자동화 중(사용 기업 40% vs 사용자 90%+). 조직은 이 비공식 성공 패턴을 정식화하여 채택·보안·데이터 경계를 갖춘 대안으로 승화해야 함.
서화백의그림놀이(@easobi)
________________________________________
돈 버는 자리: 백오피스가 황금광맥 💰
• 프런트오피스 가시성 vs 백오피스 실익: 예산은 영업/마케팅으로 쏠리지만, BPO 대체·에이전시 축소 등은 백오피스에서 즉각적인 현금 절감.
• 정량 효과
o 리드 자격 심사 40% 가속, 리텐션 10%p 개선(프런트).
o BPO 제거 연 200만~1,000만 달러 절감, 에이전시 비용 30% 절감, 리스크 체크 100만 달러 절감(백오피스).
________________________________________
누가 성공하나? (빌더 관점) 🛠
• 공식: 좁고 비싼 문제 → 깊은 커스터마이징 → 빠른 가시효과(셋업 부담↓, TTV↓) → 워크플로 확장.
• 잘 되는 카테고리: 보이스 AI 콜 요약/라우팅, 계약/양식 문서자동화, 반복적 코드 생성.
• 고전하는 카테고리: 복잡한 내부 로직·불투명한 의사결정 지원·사내 특수 휴리스틱 기반.
• 성장 레버: SI·보드/고문 레퍼럴 채널·마켓플레이스.
________________________________________
어떻게 사야(바이어) 성공하나? 🛒
• BPO처럼 구매: “SaaS 구독”이 아니라 성과 위임에 가깝게, 딥 커스터마이징·업무결과 지표로 벤더를 평가.
• 조직 설계: 분산 실험+명확한 오너십, 내부 빌드보다 전략적 파트너십이 2배 성공적.
• 성공률 데이터: 외부 ~67% vs 내부 ~33%(자기보고 기반 제한 포함).
________________________________________
인력 영향의 현실 👥
• 대규모 해고 아님: 비용 절감은 외주·에이전시 축소가 중심. 다만, 고객지원·행정처리·표준화 개발 등 아웃소싱 친화 영역에서 5~20% 축소 사례.
• 섹터별 전망: 헬스케어·에너지·제조 고도화 산업은 채용 축소 전망이 낮고, 테크/미디어는 24개월 내 채용 축소를 **80%+**가 예상.
________________________________________
다음 물결: 에이전틱 웹(Agentic Web) 🌐
• 메모리·피드백 루프가 녹아든 M365·ChatGPT 메모리 베타 등으로 “학습형” 기대치가 표준화. MCP/A2A/NANDA 프레임워크가 상호운용·조정의 기반.
• 에이전트들이 벤더 탐색·API 연동·정산/계약까지 자율 협상/실행하는 에이전틱 웹으로 이행 중.
• 윈도우는 18개월: 조달→구현 사이클과 러닝 데이터 락인으로 스위칭 코스트 가파름. 지금 선택이 고착화됨.
________________________________________
투자자 관점 체크리스트 ✅
• 러닝/메모리: 피드백 루프·지속 개선이 제품 설계에 초기부터 들어가 있는가?
• 워크플로 적합성: 기존 CRM/ERP/지식 관리와 깊게 통합되는가? (도입 마찰↓)
• 타깃 공정: 가시성 높은 프런트보다 백오피스 자동화에서 확실한 캐시아웃이 가능한가?
• 고객 획득: 레퍼럴·채널이 견고한가? (신뢰가 구매 결정에 핵심)
• 스케일 경로: “좁고 비싼 문제”에서 낮은 셋업·빠른 가치로 시작해 확장하는 로드맵이 있는가?
________________________________________
저자들의 이전 의견 대비 달라진 점 🔄
본 보고서는 이전 보고서와의 견해 변화나 정량 비교를 명시적으로 제시하지 않습니다. 다만 본문 곳곳에서 통념과 배치되는 결론(예: “엔터프라이즈가 느리다”는 통념 반박, “모델 품질보다 러닝/통합이 병목”, “내부 빌드보다 외부 파트너 성공률이 높음”)을 ‘신화 파트(5가지 미신)’**로 분명히 정리하고 있습니다.
________________________________________
결론 & 실행 포인트 🏁
• 지금 당장: 정식 도입 전, 섀도우 AI의 성공 패턴을 인벤토리화하고 보안/거버넌스 얹어 공식화.
• 사기보다 설계: 학습 가능한 시스템+깊은 커스터마이징+업무지표 기반 성과계약으로 전환.
• 파트너 우선: 내부 빌드 올인 대신 전략 파트너십으로 18개월 내 락인 경쟁에서 선점.
________________________________________
==================
오늘의 AI 섹터 조정의 핑계거리인 MIT보고서