AI 시대, 데이터 구조의 재편 시작

인공지능(AI) 시대를 맞아 기업의 대규모 AI 도입을 위한 데이터 인프라 재구축이 핵심 과제로 떠오르고 있다. 최신 기술 동향에 따르면, 기업들이 AI 도입에 나서고 있지만 가장 큰 장애물 중 하나는 현재 데이터의 상태인 것으로 드러났다. AI 도구들이 사용자를 현혹할 만큼 빠르고 쉽게 사용할 수 있는 반면, 기업 리더들은 AI를 대규모로 배포하기 위해서는 덜 화려하지만 훨씬 중요한 것, 즉 통합되고, 거버넌스가 있으며, 목적에 맞는 데이터 인프라가 필요하다는 사실을 발견하고 있다. (MIT Technology Review)

AI에 대한 야심과 기업의 준비 상태 사이의 격차는 디지털 전환의 다음 단계를 정의하는 도전 과제 중 하나로 떠올랐다. Databricks의 Bavesh Patel 수석 부사장은 AI의 품질과 효과가 "정말로 조직 내 정보에 달려 있다"고 강조했다. 하지만 많은 기업에서 이 정보는 레거시 시스템, 고립된 애플리케이션, 단절된 형식들 사이에 파편화되어 있어, AI 시스템이 신뢰할 수 있고 맥락이 풍부한 결과물을 생성하기 어렵게 만든다. Patel 수석 부사장은 대부분의 조직에서 진정한 경쟁 우위는 자체 데이터와 여기에 더할 수 있는 제3자 데이터라고 덧붙였다. (Databricks, Infosys)

기업 AI가 가치를 제공하려면 데이터는 개방형 형식으로 통합되고, 정밀하게 관리되며, 모든 기능에 걸쳐 접근 가능해야 한다. 이러한 기반 없이는 기업은 '끔찍한 AI'의 위험에 처하게 된다. 이는 단절된 SaaS 플랫폼과 대시보드를 넘어, 구조화 및 비구조화 데이터를 결합하고, 실시간 맥락을 보존하며, 엄격한 접근 제어를 시행할 수 있는 통합된 개방형 데이터 아키텍처로 나아가야 함을 의미한다. 기반 작업이 올바르게 이루어지면, 조직은 측정 가능한 결과로 나아가 효율성을 높이고 복잡한 워크플로우를 자동화하며, 완전히 새로운 사업 영역을 개척할 수도 있다.

Rajan Padmanabhan 책임자는 기업이 비즈니스 의사결정을 이끄는 결과물의 정밀도를 추구함에 따라 이러한 가치 중심 접근 방식이 중요하다고 말한다. 선도 기업들은 AI 이니셔티브를 고립된 혁신 프로젝트로 취급하기보다, AI 배포를 비즈니스 지표와 직접 연결하고 거버넌스 체계를 활용하여 어떤 것이 성과를 내고 어떤 것을 신속하게 포기해야 할지를 결정한다. Bavesh Patel 수석 부사장은 비즈니스 사용자의 AI 리터러시에 대해 큰 기회를 본다고 말한다. 그는 사용자들이 AI에 대해 어떻게 생각해야 하는지, AI가 무엇을 의미하는지, 그리고 기술, 교육, 지원 측면에서 필요한 구성 요소와 기반은 무엇인지 이해하는 데 열정적이라고 덧붙였다.

AI 에이전트가 워크플로우와 거래를 관리하는 자율 운영자로 진화함에 따라, 올바른 기반을 구축하는 조직이 승리한다. Padmanabhan 책임자는 우리가 새로운 사고방식으로 보고 있는 것은 실행 시스템이나 참여 시스템에서 행동 시스템으로의 전환이며, 이것이 우리가 앞으로 나아갈 길이라고 언급했다. 기업 내 AI의 미래는 파편화된 정보를 지능적인 의사결정과 완전히 새로운 운영 방식을 모두 지원할 수 있는 전략적 자산으로 전환할 수 있는지에 따라 결정된다.

본 기사는 AI가 생성하였으며, 사람이 검수한 기사입니다.