MIT Tech Review • 37일 전

시장 모델로 숨겨진 수익원을 여는 AI

IMP

5/10

핵심 요약

Fetcherr와 제휴해 작성된 이 글은 항공사가 매일 수백 개 항공편과 수만 명의 승객을 운송하며 수백 개의 변수(수요, 계절, 경쟁사 동향 등)를 고려해 가격을 책정해야 하는 복잡한 과정을 다룹니다. 생성형 AI 기반 '시장 모델(market model)'이 실시간으로 이러한 복잡한 상업적 의사결정을 처리하는 새로운 수단으로 부상하고 있으며, 버진 애틀랜틱은 이를 활용해 더 빠르고 세밀한 가격 결정을 내리고 있다고 소개합니다.

번역된 본문

후원 콘텐츠: Fetcherr와 제휴하여 작성됨

항공사는 매일 수백 개의 항공편으로 수만 명의 승객을 운송한다. 이러한 항공편은 단순한 point-to-point(직항) 노선이 아닌 경우가 많으며, 승객들은 여러 번의 환승을 필요로 한다. 항공사는 각 여행의 가격을 책정하기 위해 수백 가지의 변수를 고려할 수 있다. 수요, 계절, 시간대, 시사 이슈, 글로벌 시장, 경쟁 항공사의 활동 등이 그 예시다. 이는 끊임없이 외부 세계의 변화에 적응해야 하는 섬세한 과정이다.

생성형 AI 기반의 시장 모델(market model)이 이런 복잡한 작업을 실시간으로 처리하는 수단으로 떠오르고 있다. 이러한 딥러닝 모델은 고해상도 수치 데이터로 학습되었으며, 복잡한 금융 역학을 분석·시뮬레이션·예측하도록 설계되었다. 과거 추세나 정적 규칙에 의존하는 대신, 시장 모델은 AI '두뇌'처럼 작동하며 다양한 데이터를 통합해 서로 다른 시장 환경을 시뮬레이션하고, 가격 책정, 재고 관리, 수익 관리 같은 동적인 상업적 의사결정을 내린다.

보고서 다운로드

버진 애틀랜틱의 수익 관리·판매·이커머스 담당 수석 부사장인 도미닉 케네디(Dominic Kennedy)는 일부 시장에서 생성형 가격 책정 엔진을 구동하기 위해 자신의 팀이 사용 중인 시장 모델에 대해 이렇게 말한다. "이 모델은 더 낫고, 더 빠르며, 더 세밀한 상업적 의사결정을 내리는 데 도움을 줍니다." 그는 또한 "이 모델은 수요, 운항 능력, 예약 여부 등 수많은 서로 다른 입력값을 실시간으로 고려합니다. 경쟁사 대비 우리의 포지셔닝, 시장 상황, 수요가 나타나는 방식에 중요한 의미를 갖는 여러 요인들을 정교하게 평가합니다"라고 덧붙였다.

전체 보고서 다운로드

이 콘텐츠는 MIT Technology Review의 커스텀 콘텐츠 부서인 Insights가 제작했다. MIT Technology Review의 편집진이 작성한 것이 아니며, 인간 작가, 편집자, 분석가, 일러스트레이터가 조사·디자인·집필을 담당했다. 여기에는 설문 작성 및 데이터 수집도 포함된다. 사용되었을 수 있는 AI 도구는 철저한 인간 검토를 거친 보조적 제작 과정에 한정되었다.

심층 탐구: 인공지능

LLM의 근본적 결함으로 인해 공격에 극도로 취약하다: 이 결함으로 인해 항공기 내비게이션 시스템을 방해하는 방법을 알려주는 것처럼 해서는 안 될 일을 하도록 속이기 쉽다. (윌 더글러스 헤븐 기자)
Anthropic, Claude가 개념을 고민하는 숨겨진 공간을 발견하다: 새로운 기법을 통해 회사는 LLM의 기묘한 작동 방식을 그 어느 때보다 깊이 탐구할 수 있게 되었다. (윌 더글러스 헤븐 기자)
Claude Science는 Anthropic의 최신 플래그십 제품이다: 이 회사는 과학 분야 AI에 집중하고 있다. (그레이스 허킨스 기자)
AI 에이전트가 목표 달성을 위해 거짓말하고 속이는 이유: 이러한 문제 행동은 '리워드 해킹(reward hacking)'이라 불린다. 알아두어야 할 내용을 소개한다. (그레이스 허킨스 기자)

연락 유지

MIT Technology Review의 최신 소식 받기: 특별 오퍼, 주요 기사, 예정된 이벤트 등을 확인하세요. 이메일을 입력해 주세요. 개인정보 처리방침. 이메일 제출해 주셔서 감사합니다! 더 많은 뉴스레터 탐색하기. 문제가 발생한 것 같습니다. 설정을 저장하는 데 어려움을 겪고 있습니다. 페이지를 새로고침하고 다시 시도해 주세요. 이 메시지가 계속 표시되면 받고자 하는 뉴스레터 목록과 함께 customer-service@technologyreview.com으로 연락해 주세요.

원문 보기

원문 보기 (영어)

Sponsored In partnership with Fetcherr Each day, an airline transports tens of thousands of passengers on hundreds of flights. Often these are not straightforward point-to-point routes, with passengers requiring multiple connections. The airline can consider potentially hundreds of variables to price each of these journeys: demand, season, time of day, current events, global markets, and competitor airline activity to name just a few. It is a nuanced process that must constantly adapt to the goings on in the wider world. Generative AI-powered market models are emerging as a means of handling complex tasks like this in real time. These deep learning models are trained on high-resolution numerical data and designed to analyze, simulate, and predict complex financial dynamics. Rather than relying on historical trends or static rules, the market model acts as an AI “brain,” consolidating a variety of data to simulate different market environments and make dynamic commercial decisions, such as pricing, inventory, or revenue management. DOWNLOAD THE REPORT “It helps us make better, faster, more granular commercial decisions,” says Dominic Kennedy, senior vice president of revenue management, sales, and e-commerce at Virgin Atlantic about the market model his team is using to drive their generative pricing engines in some markets. “It considers, on a real-time basis, a plethora of different inputs, whether it be demand, capacity, or booking. It has a really sophisticated way of evaluating our positioning relative to competitors, market conditions, and a whole raft of other things that have significance in how demand is manifested,” he adds. Download the full report This content was produced by Insights, the custom content arm of MIT Technology Review. It was not written by MIT Technology Review’s editorial staff. It was researched, designed, and written by human writers, editors, analysts, and illustrators. This includes the writing of surveys and collection of data for surveys. AI tools that may have been used were limited to secondary production processes that passed thorough human review. Deep Dive Artificial intelligence A fundamental flaw leaves LLMs strikingly vulnerable to attack It makes it easy to trick them into doing things they shouldn’t, such as telling you how to sabotage an aircraft’s navigation system. By Will Douglas Heaven archive page Anthropic found a hidden space where Claude puzzles over concepts A new technique has let the company probe deeper than ever into the weird workings of an LLM. By Will Douglas Heaven archive page Claude Science is Anthropic’s newest flagship product The company is doubling down on AI for science. By Grace Huckins archive page Here’s why AI agents lie and cheat to reach their goals The misbehavior is called reward hacking. This is what you need to know. By Grace Huckins archive page Stay connected Illustration by Rose Wong Get the latest updates from MIT Technology Review Discover special offers, top stories, upcoming events, and more. Enter your email Privacy Policy Thank you for submitting your email! Explore more newsletters It looks like something went wrong. We’re having trouble saving your preferences. Try refreshing this page and updating them one more time. If you continue to get this message, reach out to us at customer-service@technologyreview.com with a list of newsletters you’d like to receive.

생성형 AI 시장 모델 수익 관리 항공 산업 가격 책정