[인터뷰] “AI 활용 핵심은 데이터 이해와 통합 거버넌스”

기업들의 AI 도입 관심사는 모델 자체 비교에서 데이터 활용 문제로 옮겨가고 있다. 서울 강남구 역삼동 오피스에서 아이티데일리와 인터뷰한 임진식 스노우플레이크코리아 솔루션 엔지니어링(SE) 총괄은 지난해까지는 어떤 모델을 선택할지, 더 좋은 모델로 교체할지에 대한 질문이 많았다고 전했다. 이어 지금은 AI가 기업 데이터를 얼마나 이해하고 이를 바탕으로 얼마나 유용한 정보를 제공할 수 있느냐에 대한 고민이 커지고 있다고 설명했다.

AI를 실무에 적용하려면 데이터 의미와 업무 맥락을 정확히 이해하는 것이 중요해지면서, 데이터와 AI를 단일 환경에서 연결하는 'AI 데이터 플랫폼'의 역할도 확대되고 있다. 이 플랫폼은 데이터와 AI를 함께 관리하면서 일관된 거버넌스를 적용하는 특징을 갖는다.

임진식 스노우플레이크코리아 솔루션 엔니지어링(SE) 총괄은 기업의 AI 활용 방식 변화와 관련한 진단을 내놨다. 사진 출처는 스노우플레이크다.

과거 기업들은 외부 AI 모델 환경으로 기업 데이터를 이동해 활용하는 방안을 중심으로 검토해 왔다. 그러나 이 과정에서 비용 부담이 증가하고 데이터 이관 부담도 커졌다.

이에 따라 관심은 데이터를 기존 환경에 유지하고 필요한 AI 모델만 연결하는 방식으로 이동했다. 이런 변화로 AI가 기업 데이터의 의미를 얼마나 정확히 이해하는지와 업무 맥락을 얼마나 정확히 이해하는지가 더욱 중요해졌다.

같은 데이터라도 기업·조직별로 해석 방식에는 차이가 있다. 예를 들어 매출의 의미는 집계 범위에 따라 달라질 수 있고 산정 방식에 따라서도 달라질 수 있다. 이런 집계 범위와 산정 방식의 차이를 반영하지 못하면 실제 업무에서 원하는 결과를 얻기 어렵다.

임 총괄은 AI 관련 고민이 증가하면서 과거보다 AI를 데이터 관점에서 확실히 보기 시작하는 경우가 확대되고 있다고 밝혔다. AI에 데이터의 의미·맥락을 정확히 전달하기 위한 전제로는 실제 활용 가능한 형태로의 데이터 정리 작업이 필요하다고 설명했다.

다만 현장별 데이터 준비 수준은 불균등한 것으로 나타났다. 임 총괄은 정형 데이터의 준비 사항은 고도화되고 있다고 밝혔으며, 비정형 데이터의 준비 수준은 여전히 낮은 경우가 존재한다고 말했다.

또한 임 총괄은 비정형 데이터를 정형 데이터와 연계해 AI가 잘 이해하도록 만드는 수준은 고객별 편차가 크다고 설명했다. 정형 데이터와 비정형 데이터의 준비 정도와 두 데이터의 연결 방식에서 고객마다 차이가 난다는 것이다.

이런 차이는 운영 단계에서 더 뚜렷하게 나타난다. PoC에서 높은 정확도를 확인한 뒤에도 현장에 적용하면 동일한 성능이 지속되지 않을 수 있다.

운영 과정에서는 데이터 맥락 정보와 업무 흐름을 함께 반영하는 것이 필요하다. 운영 단계에서는 데이터 자체뿐 아니라 맥락과 업무 흐름까지 함께 반영해야 한다.

임 총괄은 완성도 높은 데이터가 중요하지만 핵심은 데이터와 고객 기대 컨텍스트 레벨의 연동에 있다고 밝혔다. 그는 컨텍스트가 데이터의 실제 업무상 의미와 타 정보와의 연결 방식을 뜻한다고 설명했다.

이와 함께 조직 차원의 조율이 필요하다고 밝혔다. 그 배경에는 데이터 관리 주체와 실제 활용 부서의 분리가 있으며, 이에 따라 데이터 활용 여부와 운영 책임의 결정이 필요한 절차로 제시됐다.

임 총괄은 데이터 준비도 차이가 존재하고 조직 책임과 운영 관리 주체의 차이도 크다고 밝혔다. 또 데이터 관리 주체가 상이해 활용 여부를 결정하는 데 많은 시간이 소요된다고 설명했다.

이 같은 상황에서 AI 에이전트 도입으로 관리 범위가 확장되면서 운영상 복잡성도 확대되고 있다. 데이터에 접근하고 판단하는 주체가 사람에서 에이전트로 확대되고 있으며, 관리 대상도 접근 권한뿐 아니라 수행 가능 작업까지 포함하는 방향으로 넓어지고 있다.

임 총괄은 AI 에이전트가 사람을 대신해 데이터에 접근하는 주체성을 갖는 만큼, 에이전트에 적용하는 보안·거버넌스 강화 수준이 사람과 동등 이상으로 필요하다고 언급했다.

임 총괄은 이에 따라 에이전트를 대상으로 추적이 필요한 범위로 받은 명령, 접근 데이터, 후속 수행 작업을 제시했다. 또한 에이전트가 특정 데이터에 접근할 때 적절한 권한을 보유했는지에 대한 감사가 필요하고, 에이전트의 데이터 접근이 사용자의 의도적 명령에 따른 것인지에 대한 감사도 필요하다고 밝혔다.

임 총괄은 관련 과정의 로그 기록이 필요하다고 했으며, 관측성 제공도 필요하다는 입장을 보였다.

임 총괄은 이러한 변화가 데이터 플랫폼의 역할까지 변경하고 있다고 봤다. 그는 데이터 플랫폼의 역할이 수집·저장·분석 범위를 넘어, AI의 기업 데이터 이해·활용 지원 영역까지 포함하는 방향으로 확대되고 있다고 설명했다.

임 총괄은 기존 데이터 플랫폼의 초점이 데이터 수집·저장·분석에 있었다고 설명하면서, AI 데이터 플랫폼의 범위는 데이터의 AI 신뢰 가능 이해·활용 지원까지 포함한다고 밝혔다.

이에 맞춰 스노우플레이크는 데이터 수집·저장·분석부터 AI 활용까지를 하나의 플랫폼으로 연결하고, 동일 거버넌스 체계를 적용하는 방향을 제시했다. 스노우플레이크는 이러한 데이터·AI 통합 환경을 'AI 데이터 클라우드(Snowflake AI Data Cloud)'로 제시하고 있다. 임 총괄은 핵심 과제로 데이터 수집·저장 이후 AI 업무 적용까지 전 운영 과정을 단일 플랫폼에서 처리할 수 있는지, 그리고 이를 통일된 거버넌스 체계로 관리할 수 있는지를 제시했다.

임 총괄은 AI 데이터 플랫폼의 역할로 정형·비정형 데이터 간 컨텍스트 형성과 의미 있는 시맨틱 레이어 제공을 들었으며, 그뿐 아니라 컨텍스트 관리, 권한·감사, 관측성, 모델 선택·비용 관리까지 통합적으로 지원하는 것이라고 설명했다.

스노우플레이크는 AI 활용 전략의 기능 사례로 코텍스 센스를 제시했다. 코텍스 센스는 데이터·비즈니스 정의·운영 지식을 자동 통합해 하나의 공통 컨텍스트를 구성하는 역할을 한다. 이렇게 구성된 공통 컨텍스트는 AI 에이전트가 즉시 사용할 수 있다. 임 총괄은 컨텍스트를 수작업으로 갱신하는 대신 자동화해 생성하는 방식에 대한 고객 관심이 많다고 설명했다.

스노우플레이크 전략의 일부는 분산 데이터를 연결하는 데 있다. 연계 대상은 외부 클라우드·온프레미스·서비스형 소프트웨어(SaaS)이며, 연계 방식은 개방형 포맷이다. 이를 통해 데이터를 한곳으로 이전하지 않고도 활용할 수 있도록 지원한다.

임 총괄은 데이터 전체를 한곳에 모으는 방식이 항상 최선은 아니라고 설명했다. 이어 개방성을 확대하고 사용자 선택권을 넓히는 방향으로 가고 있다고 밝혔다.

AI 모델 운영 방침에서도 스노우플레이크는 단일 모델로 제한하지 않는다. 스노우플레이크는 오픈AI·앤트로픽·구글·딥시크의 모델을 제공하며, 업무 난이도·비용에 따른 모델 선택을 지원한다. 임 총괄은 고객이 서비스별로 필요한 모델을 선택할 수 있고, 심층 분석·리서치에는 고성능 모델을 사용할 수 있으며, 간단한 업무에는 상대적으로 저렴한 모델을 선택할 수 있다고 설명했다.

임 총괄은 AI 데이터 플랫폼의 향후 발전 방향에 대해 개방성과 통합 거버넌스를 중심으로 전개될 것으로 전망했다. 그는 AI 서비스와 데이터의 위치가 결국 개방성을 지향하게 될 것이며, 물리적 집중보다 논리적 관점의 전체 거버넌스 체계를 관리하는 형태로 발전할 것으로 봤다.

이어 기업을 향해서는 AI 활용에서 기술 도입보다 실제 활용을 뒷받침할 데이터와 조직 준비가 핵심이라고 조언했다. 임 총괄은 AI 레디 데이터 관점에서 컨텍스트 구축 방안을 확장적으로 검토할 것을 권고했으며, 조직 간 관리 체계와 운영 체계까지 함께 검토하면 AI 데이터 플랫폼 구축·도입 과정의 어려움을 줄일 수 있다고 설명했다.

출처: 아이티데일리 (IT DAILY) · 양승갑 기자
원문: https://www.itdaily.kr/news/articleView.html?idxno=241793

참고자료

• https://www.itdaily.kr/news/articleView.html?idxno=241793