“기업 데이터 3분의 1 이상 ‘다크 데이터’…기업 AI 준비도에 중대한 위험 초래”

에버퓨어와 옴디아는 공동 보고서 '기업 데이터 준비도 격차 분석(Exploring the enterprise data readiness gap)'을 발표했다. 에버퓨어는 기업의 AI 모델·분석 대규모 구축이 확대되는 국면에서 AI 성능이 기반 데이터에 좌우된다고 발표했으며, 이에 따라 기업이 보유한 정보의 품질 중요성이 확대되고 있다고 밝혔다.

이번 보고서는 확대되는 기업 데이터 준비도 격차 현황을 조명하면서, 수집·저장되지만 거의 재사용되지 않는 '다크 데이터(dark data)'의 위험을 함께 다뤘다. 이 과정의 걸림돌로는 '다크 데이터'가 부상했으며, 제목에서는 기업 데이터 3분의 1 이상이 '다크 데이터'이고 이것이 기업 AI 준비도에 중대한 위험을 초래한다고 제시했다.

보고서는 다크 데이터에 중복 데이터, 오래된 데이터, 불필요한 데이터가 다수 포함된다고 설명했다. 또 ROT가 중복·오래됨·불필요함을 뜻한다고 밝히고, 가치 낮은 ROT 데이터와 가치 높은 정보가 혼재할 경우 비용 증가와 위험 증가를 낳고 비즈니스 성과 저하 가능성으로도 이어질 수 있다고 짚었다.

기업들은 AI용 데이터 활용을 위해 가시성·거버넌스·신뢰성 확보에 집중하고 있으며, 데이터 관리를 빠르게 핵심 비즈니스 우선순위화하고 있다. 그러나 다크 데이터가 해당 흐름의 장애 요인으로 작용하고 있다.

보고서는 조직의 99%가 다크 데이터를 보유하고 있다고 밝혔다. 또 절반 이상 조직은 다크 데이터 비중이 51~75% 구간에 속했으며, 전체 기업 데이터의 3분의 1 이상을 차지하는 비중이 37%로 확인됐다고 설명했다.

이 보고서는 고가치 데이터를 구분하지 못하고 활용하지 못할 경우 비용 낭비를 초래할 수 있다고 경고했다. 또한 규제 준수 취약 가능성과 보안 취약점 발생 가능성이 커지고, 인사이트 창출 기회와 혁신 창출 기회를 상실할 수 있다고 덧붙였다.

아울러 AI 시스템의 효과적 운영 조건으로는 최신 데이터가 필요하다고 짚었다. 기업의 데이터 준비도 부족은 AI의 실제 운영 환경 적용에 심각한 위험을 초래하며, 해당 위험은 가정이 아니라 실제 운영 환경에서 이미 발생하고 있다고 설명했다.

AI를 시험 단계에서 운영 단계로 옮기는 과정에서 조직들이 큰 어려움과 장애 요인에 직면하고 있는 것으로 나타났다. 조직의 97%는 AI 파일럿에서 실제 운영 환경으로의 전환에 어려움을 겪고 있었고, 조직의 62%는 중간~심각 수준의 장애 요인에 직면한 것으로 조사됐다.

이 과정의 핵심 난제로는 데이터 관리가 지목됐다. IT 리더의 68%는 AI를 실제 운영으로 전환하는 데 있어 최대 과제로 데이터 관리를 꼽았다.

스토리지 사일로와 데이터의 분산·증가 문제도 주요 장벽으로 제시됐다. 63%는 스토리지 사일로·데이터 무분별한 분산·증가를 AI 성공을 저해하는 주요 장벽으로 지목했다.

보고서는 AI 도입이 가속화됨에 따라 데이터와 기반 인프라 전반에 대해 더 높은 가시성과 통제력이 필요하다고 강조했다. 또 성공 조건으로 데이터의 위치와 사용 방식, 가장 정확하고 최신 상태의 사본 여부를 파악하는 일이 중요하다고 제시했다.

보고서는 다크 데이터의 위험을 인식하는 것과 이를 관리할 가시성과 통제력을 확보하는 것은 별개의 문제라고 짚었다.

조사에서는 IT 리더 76%가 다크 데이터를 중대한 비즈니스 위험으로 인식했고, IT 리더 75%는 실행 가능한 인사이트 도출의 AI 성공 중요성에 응답했다. 그러나 조직 58%는 데이터 환경의 기본 가시성을 확보하지 못한 것으로 분석됐다.

이에 보고서는 데이터 평가 기준으로 비즈니스 가치와 위험의 2가지를 제시했다. 또 다크 데이터를 부담 요소로만 한정해 보는 관점을 지양해야 한다고 제언했으며, 데이터의 적극적 매핑이 필요하다고 밝혔다. 아울러 데이터별로 활성화·거버넌스 적용·보존·삭제의 조치를 결정할 필요가 있다고 설명했고, 해당 작업이 지속적인 성격을 지닌다고 강조했으며 정기적 조정이 필요하다고 명시했다.

에버퓨어는 조직의 데이터 현황 평가·개선 지원을 목적으로 한 프레임워크를 제안했다. 에버퓨어가 제안한 프레임워크의 범주는 고가치·고위험(High Value, High Risk), 고가치·저위험(High Value, Low Risk), 저가치·고위험(Low Value, High Risk), 저가치·저위험(Low Value, Low Risk)의 4가지다.

정인호 에버퓨어코리아 지사장은 국내 기업들의 AI 도입 확대 속도가 빠르다고 밝혔다. 다만 데이터 가시성이 확보되지 않은 상태에서 속도 중심으로 AI 확대에 나서는 것은 위험하다고 봤다. 그는 기업들이 복잡한 규제 환경과 증가하는 보안 위협, 비용 부담에 동시에 대응해야 한다고 설명했다. 이어 혁신을 가속하는 기업의 조건으로 어떤 데이터셋이든 위치와 사용 주체, 신뢰 가능성에 명확히 답변할 수 있는 조직을 제시했다. 또 데이터 우선주의(Data Primacy)를 이 세 가지 질문을 비즈니스 전략의 중심에 두는 접근법으로 규정하며, 데이터 우선주의(Data Primacy)가 기업의 향후 전진 방향을 제시한다고 밝혔다.

사이먼 로빈슨 옴디아 수석 애널리스트는 대부분 조직에서 기업 데이터 준비도 격차가 지속되고 있다고 진단했다. 그는 이 같은 데이터 준비도 격차의 원인으로 격차를 파악하고 해소하는 데 필요한 가시성 부족을 꼽았으며, 그 결과 데이터 준비도 격차가 제대로 관리되지 않는 위험으로 남아 있다고 설명했다. 그러면서 해당 사각지대를 해소하는 조직에는 혁신 기회가 존재한다고 밝혔다. 이전까지 파악되지 않았거나 파편화된 방대한 데이터를 신뢰 가능하고 맥락을 갖춘 인텔리전스로 전환할 수 있으며, 이를 통해 AI 구축 가속화와 더 나은 의사결정 지원, 더 큰 비즈니스 가치 창출을 기대할 수 있다고 덧붙였다.

출처: 테크월드뉴스 · 이광재 기자
원문: https://www.epnc.co.kr/news/articleView.html?idxno=407081

참고자료

• https://www.epnc.co.kr/news/articleView.html?idxno=407081