발표에서 확인된 핵심 사실

기업 데이터의 최대 90%가 텍스트로 존재하는 환경에서 생성형 AI의 제어 방식은 DB 수정이 아닌 입력 텍스트 선별이라는 간접 통제로 바뀐다. 과거처럼 대형 메인프레임에 모든 데이터를 모으는 물리적 중앙집중은 데이터 분산으로 인해 더 이상 불가능하다. 이에 따라 데이터 관리의 중심은 저장 위치가 아닌 데이터의 의미와 정의를 통합하는 의미론적 중앙집중으로 이동한다. 기업은 ELDM(Enterprise Logical Data Model, 기업 논리 데이터 모델)을 통해 분산된 데이터의 정의를 하나로 묶어 통제한다.

데이터 관리의 주체 역시 기술적 요구사항에 맞춰 분화했다. 초기에는 애플리케이션 개발자가 데이터 구조까지 담당했으나, 트랜잭션 처리의 중요성이 커지며 DB 설계자와 관리자가 분리되었다. 이후 정보 통합을 총괄하는 CIO(Chief Information Officer, 최고 정보 책임자)를 거쳐, 현재는 정형 데이터와 텍스트 데이터를 통합 관리하는 CDO(Chief Data Officer, 최고 데이터 책임자)가 기업 데이터 전체를 이해하는 역할을 수행한다. CDO는 텍스트 데이터를 포함한 기업의 모든 데이터를 통합적으로 관리하며 데이터의 의미적 일관성을 확보한다.

정형 데이터와 생성형 AI 환경의 데이터 관리 방식은 직접

데이터베이스의 스키마를 직접 수정하는 정형 데이터 관리 방식은 생성형 AI 환경에서 텍스트를 선별하고 정제하는 간접 통제 방식으로 전환한다. 정형 데이터 환경에서는 데이터 모델과 데이터베이스를 직접 수정해 데이터의 저장 구조와 값을 관리한다. 반면 LLM(거대언어모델) 환경에서는 모델 내부 구조를 수정하는 대신 입력되는 텍스트를 정교하게 선별하고 정제함으로써 출력값을 제어하는 간접 통제 방식을 취한다. 관리의 중심축이 데이터 저장소의 물리적 수정에서 입력 텍스트라는 인터페이스 제어로 이동한다.

비정형 텍스트 데이터의 체계적 관리를 위해 온톨로지(개념 간 관계를 정의한 지식 체계)와 분류체계(계층적 분류 구조)를 도입한다. 텍스트 기반 환경에서는 전통적인 데이터 모델이 수행하던 데이터 구조화와 정의 역할을 온톨로지와 분류체계가 대신 수행한다. 이를 ELDM(기업 논리 데이터 모델, 기업 전체의 데이터 요구사항을 정의한 논리적 설계도)과 결합하고 지속적으로 갱신하는 운영 체계를 구축한다. 파편화된 텍스트 데이터에 기업의 논리 모델을 입혀 기업 전체가 일관된 의미로 데이터를 해석하고 활용하는 통합 이해 체계를 구현한다. 기업 논리를 반영한 온톨로지 갱신은 비정형 데이터의 의미론적 일관성을 유지하는 핵심 장치가 된다.

확인해야 할 핵심 지점

불필요한 텍스트를 제거하면 쿼리를 실행할 때마다 처리해야 할 데이터량이 줄어들어 운영 비용을 직접적으로 절감한다. 업무와 관련 없는 정보를 걷어내는 정제 과정은 LLM(대규모 언어 모델)이 무엇을 표현하고 다루는지에 대한 범위를 명확하게 규정한다. 입력 단계의 선별 작업이 연산 자원의 낭비를 막고 모델이 처리해야 할 정보의 경계를 확정 짓는 실질적인 제어 장치로 작동하며, 이는 곧 시스템의 처리 효율성과 운영 최적화로 이어진다.

신뢰할 수 없는 데이터로 작동하는 생성형 AI는 분석 결과의 신뢰도를 함께 떨어뜨린다. 이로 인해 데이터 관리는 단순한 기술 지원 업무의 영역을 벗어나 기업의 전략적 핵심 기능으로 격상되었다. 데이터의 품질이 AI 모델의 최종 출력값에 직접적인 영향을 미치면서, 데이터를 정제하고 관리하는 능력이 AI 서비스의 신뢰성을 결정하는 가장 중요한 경쟁력이 된다. 데이터 관리의 수준이 곧 AI 분석 결과의 신뢰 수준을 결정한다.

LLM 비용 절감과 답변 정확도를 확보하기 위해 외부 텍스트를 1차로 선택하고 업무 관련 텍스트를 2차로 선별하는 필터링 프로세스를 구축해야 한다.