AI 사업 가치, 데이터 패브릭으로 높인다

AI 기술이 기업 현장에 빠르게 확산되고 있지만, 데이터의 질과 맥락이 사업적 가치 실현의 최대 장애물로 떠오르고 있다.

기업들은 2025년 말까지 절반 이상이 최소 세 가지 사업 기능에 AI를 도입할 것으로 예상된다. 챗봇, 예측 시스템 등 다양한 AI 솔루션이 금융, 공급망, 인사, 고객 운영 등 핵심 업무에 통합되는 추세다. SAP의 이판 칸 최고 제품 책임자는 AI가 방대한 데이터를 빠르게 처리하지만, 데이터에 담긴 비즈니스 맥락을 이해하지 못하면 잘못된 판단으로 이어져 투자 수익률(ROI)을 저해할 수 있다고 지적했다. AI 시스템이 정확한 의사결정을 내리고 사업 우선순위를 반영하도록 하려면, 단순한 데이터 통합을 넘어선 '데이터 패브릭' 구축이 필수적이다.

많은 기업이 데이터 아키텍처를 재검토하며 데이터를 단일 저장소로 옮기는 대신, 애플리케이션, 클라우드, 운영 시스템 전반에 걸쳐 정보를 연결하는 방법을 모색한다. 이 과정에서 비즈니스 작동 방식을 설명하는 의미론적 정보를 보존하는 것이 중요하다. 이러한 변화는 AI 인프라의 근간으로서 데이터 패브릭에 대한 관심 증가를 이끌고 있다. 기존의 데이터 전략은 주로 데이터 통합에 초점을 맞춰왔다. 지난 20년간 기업들은 운영 시스템에서 정보를 추출해 중앙 집중식 창고, 데이터 레이크, 대시보드로 로딩하는 데 막대한 투자를 해왔다. 이 방식은 보고서 실행, 성과 모니터링, 비즈니스 통찰력 확보를 용이하게 했지만, 데이터에 부여된 의미, 즉 정책, 프로세스, 실제 의사결정과의 관계 등은 상당 부분 손실되었다.

예를 들어, 공급망 중단을 관리하기 위해 AI를 사용하는 두 기업을 비교하면 차이가 나타난다. 한 기업이 재고 수준, 리드 타임, 공급 점수와 같은 원시 신호만 사용하는 반면, 다른 기업은 비즈니스 프로세스, 정책, 메타데이터 전반의 맥락을 추가하면, 두 AI 시스템은 데이터를 빠르게 분석하더라도 서로 다른 결론에 도달할 가능성이 높다. 어떤 고객이 전략적 계정인지, 재고 부족 시 허용 가능한 절충안은 무엇인지, 확장된 공급망의 상태는 어떤지와 같은 정보는 한 AI 시스템이 전략적 결정을 내리게 하지만, 다른 시스템은 적절한 맥락이 없어 그러지 못한다. 칸 책임자는 두 시스템 모두 빠르게 움직이지만, 방향이 올바른 것은 맥락을 갖춘 시스템뿐이라고 설명했다. '맥락 프리미엄'은 데이터 기반이 설계 단계부터 프로세스, 정책, 데이터를 가로질러 맥락을 보존할 때 얻는 이점이다. 과거에는 인간 전문가가 부족한 맥락 정보를 제공하며 이를 암묵적으로 관리했지만, AI 시대에는 이러한 맥락 정보의 부족이 심각한 제약을 초래한다.

AI 시스템은 데이터를 이해하고 해석해야 한다. 이러한 맥락적 이해 없이는 AI가 제공하는 빠른 결과물이 실질적인 비즈니스 가치로 이어지기 어렵다.

본 기사는 AI가 생성하였으며, 사람이 검수한 기사입니다.