AI 지원 데이터 기반을 위한 필수 요소

* 본 아티클의 원문은 2025년 09월 10일 Google Cloud 블로그(영문)에 게재되었습니다.

에이전트 AI가 기업 운영 방식을 혁신할 것으로 기대되면서 기업 데이터는 개별 비즈니스를 지원하는 데서 나아가 조직 전체를 강화하는 데 사용되고 있습니다. 최신 AI 요구사항, 워크로드 및 데이터의 다양성, 증가하는 규모 요구사항으로 인해 기업은 데이터 전략을 재고해야 할 필요성이 커지고 있습니다. 오늘날의 기업에는 에이전트 AI 개발과 자동화된 워크플로를 크게 개선할 수 있는 데이터 플랫폼이 필요합니다.

점진적인 개선 접근방식에서 포괄적인 데이터 전략으로의 전환은 AI 기반 비즈니스의 진화하는 요구사항을 잘 보여줍니다. 과거에는 데이터팀의 주요 목표가 인사이트를 포착하는 것이었지만, 이제는 해당 데이터에 대한 작업를 수행하는 것으로 초점이 바뀌었습니다.

현재는 성장과 가능성으로 가득차 있으며 데이터로 정의됩니다. 이에 발맞춰 기존 앱에서 AI 에이전트로, SQL 쿼리에서 자연어 인터페이스로, 기본 검색에서 이미지, 텍스트, 음성을 이해하는 검색으로 전환되고 있습니다. 이러한 발전을 위해서는 단순하고 포괄적이며 안전하고 유연한 기술 기반이 필요합니다. 처음부터 다시 시작할 필요는 없지만 현재 역량을 신중하게 평가하고 미래의 요구사항을 계획해야 합니다. 완전히 통합된 스택을 갖춘 조직이 데이터의 미래를 성공적으로 구축할 수 있습니다.

그렇다면 통합 데이터 및 AI 기반의 핵심 요소는 무엇일까요? 이러한 최신 기반에는 AI 성공을 위한 준비와 AI가 비즈니스 운영 및 성장을 혁신하는 방식에 대한 야심 찬 비전이 필요합니다. 다음은 필수적인 요소입니다.

1. 모든 데이터에 대한 통합 액세스

최신 데이터 플랫폼은 데이터 제휴, 중앙 집중식 데이터 레이크하우스 또는 둘 다를 통해 포괄적인 데이터 소스에 대한 통합된 AI 지원 액세스를 제공해야 합니다. 이 접근방식을 사용하면 팀이 데이터 통합 작업을 관리하는 대신 AI 기반 워크플로를 빌드하는 데 집중할 수 있습니다. AI 에이전트가 전반에 내장된 분산형 시스템은 접근성과 자동화를 통해 경쟁 우위를 창출합니다.

모든 데이터를 포함한다는 것은 현재 또는 미래의 새로운 정보뿐만 아니라 데이터베이스, 데이터 레이크, 데이터 웨어하우스와 같은 여러 소스의 기존 데이터와 과거 데이터도 포함한다는 의미입니다. 모든 형식 또는 미디어 유형의 정형, 비정형, 반정형 데이터가 포함되어야 합니다. 또한 모든 데이터는 심층적인 시맨틱스와 이해를 바탕으로 AI에 연결되어야 활성화될 수 있으며 정확하고 안전한 에이전트 AI에 실제로 사용될 수 있습니다.

이러한 노력은 최종 결과에 큰 영향을 미칠 수 있습니다. Walmart의 팀은 결제 거래와 정확한 고객 검색을 일괄적으로 실행하기 위해 더 나은 데이터 플랫폼을 만들었으며, 현재는 로봇 공학과 공급망 자동화를 사용하여 배송 속도를 높이고 전반적인 사용자 성과를 개선하고 있습니다.

2. 실시간 대규모 성능

최신 데이터 기반에는 실시간 데이터와 엔터프라이즈급 보안 및 확장성이 모두 필요합니다. 더 나은 앱을 빌드하고, 더 나은 제품을 만들고, 데이터 인사이트를 즉시 활용하는 등 필요한 모든 작업을 지원하므로, 어떤 업계에서든 비즈니스가 경쟁사를 꾸준히 앞지를 수 있는 유일한 방법입니다. AI는 밀리초 안에 모든 소스의 데이터에 일관되게 액세스할 수 있을 때만 성공할 수 있으며, 연속적인 읽기 및 쓰기가 실시간으로 이루어져야 합니다. 

데이터 기반의 AI 기반 자동화는 데이터 및 기타 기술팀이 진정으로 혁신적인 업무에 집중할 수 있도록 해 줍니다. 하지만 비즈니스가 데이터 기반 앱을 더 빠르게 빌드하고, 대규모 분석을 수행하고, 인사이트를 공유하고, 무엇보다도 이러한 인사이트를 바탕으로 조치를 취하려면 엄청난 속도와 규모 외에도 데이터 위치와 관계없이 최신 데이터가 필요합니다.

예를 들어 Home Depot는 예측, 보급 등을 위한 정교한 데이터 사용을 기반으로 성장을 이루었습니다. 하지만 데이터 웨어하우스에 대한 압박이 커지고 사용 사례가 더 복잡해지면서 용량이 부족해졌습니다. Home Depot는 리소스 낭비 없이 고객에게 더 나은 서비스를 제공하기 위해 통합 데이터 플랫폼을 선택했습니다.

3. 모든 팀을 위한 AI 기반 생산성

이러한 새로운 유형의 클라우드 데이터 플랫폼은 데이터팀과 IT팀에만 중요한 것이 아닙니다. 기업이 데이터 관리에서 데이터 작업으로 전환하면 모든 팀이 훨씬 더 효율적으로 작업하고 신뢰할 수 있는 기업 데이터에 대한 액세스를 기반으로 더 스마트한 결정을 내릴 수 있습니다. 최신 데이터 기반은 비기술 사용자에게도 여러 액세스 및 사용 지점을 제공하여 데이터 분석가, 과학자, 엔지니어, 개발자, 비즈니스 사용자 등 모든 사람이 데이터를 활성화하고 사용할 수 있도록 해야 합니다.

유연한 자율 데이터 플랫폼에는 SQL과 함께 자연어를 포함하여 멀티모달 쿼리 옵션으로 실행되는 모든 워크로드가 포함됩니다. 이러한 기반이 마련되면 데이터 과학자와 데이터 엔지니어는 선호하는 AI 기반 도구를 선택하여 혁신, 인사이트, 작업을 가속화할 수 있습니다. 개발팀은 AI를 사용하여 더 나은 에이전트와 앱을 빌드함으로써 생산성을 높일 수 있으며, 모든 팀은 기본 제공 AI를 통해 데이터 준비, 코드 지원, 분석, 이상 감지 등의 기능을 사용할 수 있습니다.

Orange는 더 나은 고객 관계, 비즈니스 운영, 재무 성과를 위해 AI를 사용하는 아이디어가 많았지만 강력한 데이터 기반이 부족했습니다. 이러한 새로운 기반을 마련한 후, 회사는 맞춤설정 및 통신 설치 정확성을 포함한 초기 AI 프로젝트에서 성공을 거두었습니다. 

AI에 기반한 조직의 미래를 계획할 때 통합 데이터 플랫폼이 어떻게 혁신을 가속화하고 더 나은 비즈니스 성과를 이끌어낼 수 있는지 고려해 보세요. 데이터는 활발하게 사용되고 유용하며 쉽게 사용할 수 있어야 합니다. 그래야 모든 사람이 필요한 정보에 액세스하고 궁극적으로 고객 경험을 개선할 수 있습니다.