【와티비커뮤니티-WATVcommunity】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 스포츠뉴스 : 안구정화 놀이터홍보 놀이터후기공유 피해사례공유

로그인

채팅

글쓰기

[IT뉴스]PoC 성공해도 운영단에서 무너지는 이유…"데이터 자산 역산 전략 고려해야"

온카뱅크관리자

2026-05-14 15:07:31

<div id="layerTranslateNotice" style="display:none;"></div> [AI WAVE 2026] 엔코아, 메타데이터·시맨틱 레이어·컨텍스트 그래프로 체계화 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="bhxCE94qTS">
 <figure class="figure_frm origin_fig" contents-hash="342741dfeeb7cbbb8537259e2f1b360ea9de390cb9fd2372f6b7057cdf57639e" dmcf-pid="KlMhD28BCl" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202605/14/552796-pzfp7fF/20260514150234123zfnk.jpg" data-org-width="640" dmcf-mid="BSPOcbV7vv" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202605/14/552796-pzfp7fF/20260514150234123zfnk.jpg" width="658">
 </figure>
 [디지털데일리 박재현기자] "같은 AI를 도입하고도 성과가 극단적으로 갈리는 이유는 모델 격차가 아니라 데이터 준비도 격차입니다. AI ROI를 결정하는 본질은 얼마나 좋은 모델을 사용하는지가 아닙니다. AI가 실제로 일할 수 있는 데이터 환경을 갖추고 있느냐입니다."
 14일 소공동 롯데호텔서울에서 &lt;디지털데일리&gt; 주최로 열린 'AI WAVE 2026' 행사에서 김성식 엔코아 그룹장은 '데이터 준비도가 결정하는 기업의 AI 격차, AI 활용 ROI를 높이는 AI 레디 데이터 전략'을 주제로 발표하며 이 같이 진단했다.
 먼저 김성식 그룹장은 PoC(개념검증)에서는 잘 동작하던 에이전트 AI가 실제 운영 환경에서 무너지는 사례가 반복되고 있다고 지적했다. 특히 이러한 원인으로는 기업 데이터 환경이 정비되지 못했다는 점이 꼽혔다.
 SAP 연구결과에 따르면 기업 데이터 환경에서 LLM 성능은 급락하는 모습을 보였다. 공개 벤치마크에서 높은 점수를 기록한 모델을 SAP 고객 실데이터 약 100개 테이블에 적용해보니 성능이 크게 떨어졌다. 기업 고유의 내부 구조와 도메인 지식이 더해질수록 성능은 0에 수렴했다. 기업 데이터의 평균 43%가 빈 컬럼이었고, 테이블·컬럼명은 약어와 기업 특화 인코딩 중심이기에 추가 메타데이터 정립 없이는 의미 추론 자체가 어려운 것으로 조사됐다.
 엔코아는 AI 에이전트가 데이터를 제대로 활용하기 위한 요건으로 세 가지를 강조했다. 먼저 질문을 데이터로 매핑할 수 있는 '이해', 감사·정책 기반으로 실행되는 '신뢰', 구조화된 데이터와 API 호출이 가능한 '안전한 실행'이다.
 엔코아는 이 세 조건이 갖춰진 상태를 '액션너블 데이터'로 정의했다. 로우 데이터에 메타데이터와 컨텍스트가 더해지고, 권한·품질·정책 기준까지 결합돼야 비로소 에이전트가 판단하고 조치할 수 있는 데이터가 된다는 설명이다.
 이를 구현하기 위한 핵심 기술로는 메타데이터·시맨틱 레이어를 통한 의미 정렬과 컨택스트 그래프, 에이전트 행동 단위 통제 등이 꼽혔다.
 먼저 메타데이터·시맨틱 레이어를 통한 의미 정렬이다. 멀티 에이전트 환경에서 재무 에이전트는 매출을 순매출로, 마케팅 에이전트는 총 주문으로 정의하는 등 시맨틱 간 차이가 발생한다. 단일 진실 공급원과 시맨틱 레이어를 도입해 에이전트 간 공통 해석 기반을 만들어야 이 문제를 해결할 수 있다는 설명이다.
 다음은 컨텍스트 그래프다. 김성식 그룹장은 "제조 현장에서 AI 에이전트를 활용해 수율이 떨어진 이유를 추적하기 위해선 Lot와 레시피, 시프트, 설비 간 관계가 동일한 맥락으로 연결된 그래프로 연결돼 있어야 한다. 단순 키워드가 아닌 관계망으로 구성돼야 다단계 추론이 가능하다"고 제조 분야를 예로 들어 설명했다.
 마지막은 에이전트 행동 단위 통제다. AI가 데이터를 터치하는 순간 사후 감사가 아닌 정책 게이트 기반의 사전 통제로 전환돼야 한다.
 엔코아는 고객사에 데이터 자산을 역산하는 방식인 '아웃컴-인(Outcome-In)' 방식을 제안한다. 데이터를 먼저 쌓고 AI를 붙이는 기존 접근 대신, 어떤 업무를 개선할지·AI가 어떤 의사결정을 지원할지를 먼저 정의하고 필요한 데이터 자산을 역산하는 방식이다.
 구체적으로 데이터 자산 역산 전략을 위해선 유스케이스 역산 데이터 전략으로 방향을 잡고, 테이블 적재 중심에서 의미 중심 관리로 전환하는 지식 기반 구축과 메타데이터·시맨틱 레이어 자산화로 기반을 다진 뒤, 컨텍스트 그래프·에이전트 구조와 피드백 루프 운영 내재화로 지속 진화하는 구조다.
 김성식 그룹장은 "AI 레디 데이터 전략은 데이터 관리 프로젝트가 아니라 AI ROI를 만드는 기업 운영 전략"이라며 "데이터를 많이 가진 기업이 아니라 AI가 일할 수 있는 환경을 가장 빠르게 만든 기업이 AI 시대의 승자가 될 것"이라고 역설했다.
 </section> 
 </div> 
 Copyright © 디지털데일리. All rights reserved. 무단 전재 및 재배포 금지.

SK AX, 오픈AI와 파트너 맺어...‘챗GPT 엔터프라이즈 제공’ 전력 먹는 하마 AIDC…"재생에너지로는 적자"

댓글 총 0개

업체홍보/구인 더보기

놀이터홍보 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기