[기고] 한국딥러닝 "기업 4곳 중 3곳이 AI 데이터에 투자…이제 ‘AI-레디’만으론 부족"

최근 기업들이 인공지능(AI) 데이터에 대한 관심을 높이고 있는 가운데, 한국딥러닝의 김동현 미래AI개발팀장이 제시한 새로운 패러다임이 주목받고 있습니다. 그는 "AI-Ready Data에서 Agent-Ready Data로 기준이 바뀐다"며, 단순히 AI가 데이터를 읽는 것을 넘어, AI가 업무를 수행하는 데 필요한 데이터의 품질과 관리 체계의 중요성을 강조했습니다. 이는 오늘날 AI 기술이 기업의 핵심 업무에 깊숙이 통합되고 있음을 보여주는 신호입니다.

AI-레디 데이터에서 에이전트-레디 데이터로

전통적으로 기업들은 AI를 도입할 때, 모델의 성능을 집중적으로 개선하는 데 많은 노력을 기울였습니다. 그러나 최근의 경향은 데이터 자체의 질이 AI의 성패를 좌우한다는 점에서 본질적인 변화를 요구하고 있습니다. 김 팀장은 좋은 성능의 대형 언어 모델(LLM)도 내부 데이터의 품질이 떨어지면 효용이 없다고 지적했습니다. 이에 따라 AI가 실제 업무를 지원하기 위해서는 '에이전트-레디 데이터'가 필요하며, 이는 AI가 데이터를 활용해 실질적인 판단과 행동을 할 수 있도록 구성된 데이터를 의미합니다.

가트너의 최근 보고서에 따르면, 기업들은 단순히 데이터의 질을 개선하는 것을 넘어, AI가 데이터를 어떻게 활용하는지를 평가해야 한다고 강조합니다. 기존의 질문에서 "AI가 데이터의 의미를 이해할 수 있는가?"라는 단계를 넘어서 "AI가 이 데이터를 기반으로 현재 업무 상태를 판단하고 다음 행동을 결정할 수 있는가?"로 변화해야 합니다.

데이터의 의미와 업무 상태의 연결

에이전트-레디 데이터는 데이터의 의미와 관계, 그리고 적용 조건이 명확히 연결된 상태를 의미합니다. 이는 기업 업무에서, AI가 단순한 정보를 읽는 데 그치지 않고, 근거와 업무 규칙을 바탕으로 현재의 상태를 판단해야 함을 뜻합니다. 예를 들어, 금융권에서의 대출 심사 과정은 단순히 고객 정보나 거래 내역만으로 이루어지지 않습니다. AI는 문서의 유효성과 일치 여부를 판단하고, 이를 바탕으로 심사 가능 여부를 결정해야 하는 복잡한 과정을 거칩니다.

김 팀장은 이러한 점에서 데이터의 출처와 그것이 업무에 미치는 영향을 지속적으로 검토할 필요가 있다고 강조했습니다. AI가 새로운 정보를 처리할 때, 이전의 상태를 갱신하고 판단하는 데 필요한 모든 요소가 함께 고려되어야 합니다.

지속적인 데이터 관리의 필요성

에이전트-레디 데이터를 구축하는 것은 일회성 작업이 아닙니다. 업무 규칙이나 심사 기준이 변경되면, 동일한 데이터라도 그 의미가 달라질 수 있습니다. 따라서 기업은 데이터의 상태를 지속적으로 검토하고, 이를 관리하는 체계를 갖추어야 합니다. AI가 업무의 다음 상태를 결정할 수 있도록 하는 것은 결국 데이터 품질 관리와 밀접한 관련이 있습니다.

향후 기업들은 AI 도입 시 단순한 데이터 정리에 그치지 않고, AI가 실제로 어떻게 데이터를 활용하고 있는지를 면밀히 살펴봐야 합니다. 데이터가 AI의 판단과 행동에 어떻게 영향을 미치는지를 이해하는 것이 기업의 경쟁력을 좌우하게 될 것입니다. 이제 기업이 던져야 할 질문은 "우리 데이터를 AI가 읽을 수 있는가?"에서 "이 데이터가 AI의 업무 수행에 필요한 근거가 될 수 있는가?"로 변화해야 할 때입니다.