배경: Claude, ChatGPT, Gemini, LLaMA, Mistral과 같은 대규모 언어 모델(LLM)의 급속한 확산은 생성형 인텔리전스를 계획, 조정, 거버넌스 프로세스에 통합하여 물류 및 공급망 관리의 변화를 촉진하고 있습니다. 이전 연구들은 알고리즘 능력에 중점을 두었으나, 확산 경로의 차이가 생산성 결과, 경영자 인지, 제도적 통제에 어떻게 영향을 미치는지는 거의 알려져 있지 않습니다. 방법: 본 연구는 생산성(Productivity), 관점(Perspective), 권력(Power)으로 구성된 통합 분석 프레임워크인 AI 확산 3대 요소를 개발 및 적용합니다. 5개의 주요 LLM 생태계에 대한 비교 질적 분석을 통해 기술 아키텍처, 접근 모델, 거버넌스 구조가 물류 환경에서 채택 패턴과 운영 통합에 어떻게 영향을 미치는지 연구합니다. 결과: 분석 결과 확산 성과는 모델 성능뿐 아니라 AI 시스템, 인간 작업 흐름, 제도적 거버넌스 간의 사회기술적 정렬에 달려 있음을 보여줍니다. 독점 플랫폼은 중앙 집중식 통합을 통해 생산성을 가속화하지만 의존성 위험을 초래하는 반면, 오픈 웨이트 생태계는 현지화된 혁신과 광범위한 참여를 지원합니다. 해석 가능성과 접근성의 차이는 공급망 단계 전반에 걸쳐 경영자의 신뢰, 학습, 의사결정 자율성에 유의미한 영향을 미칩니다. 결론: 물류 분야에서 지속 가능하고 포용적인 AI 채택은 운영 효율성과 해석 가능성 및 공정한 거버넌스 간의 균형을 요구합니다. 본 연구는 기술 배포를 인력 적응 및 생태계 회복력과 조화시키기 위한 설계 및 정책 원칙을 제시하며, 알고리즘 발전만이 아닌 확산 거버넌스에 초점을 맞춘 연구 과제를 제안합니다.
홍 등(Thu,)이 이 문제를 연구했습니다.