AI의 진화, 기업 데이터 전략도 바꿔야

오늘날 기업들은 인공지능(AI) 도입을 위해 막대한 자본을 투입하고 있다. 그러나 실제 비즈니스 가치를 창출하는 '운영 단계'로의 진입률은 여전히 기대치를 밑돌고 있다.

현재 기업 데이터의 대부분은 분산되고 단절돼 있는 경우가 대부분이다.

형식 또한 제 각각이다. 이로 인해 AI를 실제 업무에 적용하려면 복잡한 통합과 가공을 거쳐야 한다. 이는 성능 저하와 운영 리스크로 이어진다. 문제는 이러한 한계가 더 이상 용인되기 어려운 국면에 접어들었다는 점이다.

최근 AI는 스스로 판단하고 실행하는 '에이전틱 AI'로 진화하고 있다. 에이전틱 AI는 계획 수립, 의사결정, 다단계 업무 수행까지 담당한다. 데이터가 최신 버전이 아니거나 불완전할 경우, AI의 판단 역시 왜곡될 수밖에 없다. 즉, AI 도입의 성패는 그 기반이 되는 데이터의 품질과 활용 구조에 큰 영향을 받는다.

이러한 변화는 기업의 데이터 전략이 근본적으로 재정의돼야 함을 시사한다. 이제는 'AI가 즉시 활용할 수 있는 구조'로의 데이터 전략을 전환해야 한다. 그렇기 때문에 다양한 데이터 유형을 통합적으로 처리하고, 분석과 트랜잭션을 동시에 수행할 수 있는 아키텍처가 중요해지고 있다.

데이터 보안과 신뢰성 문제 역시 새로운 과제로 부상하고 있다. AI는 방대한 데이터를 기반으로 작동하는 만큼, 민감 정보 노출이나 잘못된 결과 생성에 대한 리스크가 크다. 따라서 데이터 접근 권한과 통제를 데이터 계층에서 직접 관리하는 방식이 점차 유효해지고 있다.

한편, 개방성 역시 기술 선택의 기준으로 주목받고 있다. 특정 플랫폼이나 기술에 종속된 구조는 빠르게 진화하는 AI 환경에서 오히려 리스크로 작용한다. 결국 기업이 고민해야 할 부분은 명확하다. "우리의 데이터는 신뢰할 수 있는가, 그리고 즉시 AI가 활용할 수 있는 상태인가"이다. 이 질문에 대한 답이 준비되지 않은 상태에서 AI 도입을 확대하는 것은 효용성이 떨어지거나, 오히려 리스크를 키울 수 있다. 향후 AI 경쟁의 승패는 데이터를 어떻게 활용하는지에 달려 있다.

실험에 그치지 않고, 실제 비즈니스 성과를 창출하는 AI를 구현하기 위해서는 데이터 구조, 보안, 개방성을 포함한 전반적인 전략 재정비가 필요하다. AI의 다음 장은 이미 막을 올렸다. 이제 기업의 실행력이 격차를 만들 때이다.

나정옥 한국오라클 부사장