데이터 제약으로 인해 AI 구현에 어려움을 겪는 기업들
몇 년 전만 해도 비즈니스 기술 환경은 새로운 운영 방식을 발견하고 최적의 전략 방향을 제시할 수 있다는 기대감으로 조직이 방대한 양의 정보를 축적하는 것을 의미하는 '빅 데이터'라는 유행어가 지배적이었습니다.
오늘날 점점 더 분명해지는 것은 기업들이 빅데이터를 효과적으로 활용하는 데 있어 직면한 문제들이 여전히 지속되고 있으며, 바로 이러한 문제들을 다시 주목하게 하는 것이 바로 새로운 기술인 AI의 등장입니다. 빅데이터를 괴롭히는 근본적인 문제를 해결하지 않고서는 AI 구현은 실패할 수밖에 없습니다.
그렇다면 무엇이 AI의 잠재력을 발휘하지 못하게 하는 걸까요?
대부분의 장애물은 데이터 리소스 자체에서 비롯됩니다. 문제를 파악하려면 일반적인 업무 중에 활용되는 다양한 정보 소스를 고려해 보세요.
중소기업(SME)의 경우:
- 사용자 노트북, Google 스프레드시트 또는 Office 365 클라우드 저장소에 저장된 스프레드시트.
- 고객 관계 관리(CRM) 플랫폼.
- 동료, 고객, 공급업체 간의 이메일 서신.
- Word 문서, PDF 파일 및 온라인 양식.
- 인스턴트 메시징 애플리케이션.
대기업에서:
- 위의 모든 소스에 추가,
- 전사적 자원 관리(ERP) 시스템.
- 실시간 데이터 스트림.
- 데이터 레이크.
- 다양한 독립형 애플리케이션을 지원하는 별도의 데이터베이스.
이 간략한 목록이 모든 것을 담고 있는 것은 아니며, 그럴 의도도 없다는 점에 유의하세요. 이 목록의 목적은 단 5가지 항목만 보더라도 정보가 약 12곳에 흩어져 있을 수 있다는 것을 보여주기 위한 것입니다. 빅 데이터에 필요했던, 그리고 지금도 종종 필요한 것은, 그리고 AI 이니셔티브에도 필요한 것은 컴퓨터 알고리즘이 효과적으로 해석할 수 있도록 이러한 이질적인 요소를 통합하는 방법입니다.
가트너의 2024년 인공지능 하이프 사이클에서 AI-레디 데이터는 '생산성의 정체기'에 도달하기까지 약 2년에서 5년이 걸릴 것으로 예상되는 상승 경사면에 위치했습니다. AI 시스템이 데이터 마이닝과 추출에 의존한다는 점을 고려할 때, 초대형 조직을 제외한 대부분의 조직은 필요한 기본 인프라가 부족합니다. 따라서 향후 1~4년 동안은 AI 기반 지원의 혜택을 받지 못할 수도 있습니다.
AI 배포의 핵심 과제는 혁신의 촉발, 부풀려진 기대의 정점, 환멸의 저점, 깨달음의 경사, 생산성의 정체로 이어지는 빅데이터 이니셔티브의 과열 주기를 거치면서 방해가 되었던 문제와 유사합니다. 데이터는 다양한 형식으로 존재하며, 일관성이 없거나, 다른 표준을 따르거나, 부정확하거나 편향되어 있거나, 매우 민감한 정보를 포함하거나, 오래되어 관련성이 없을 수 있습니다.
데이터를 AI에 적합하도록 변환하는 프로세스는 그 어느 때보다 중요해졌습니다. 초기 우위를 점하고자 하는 기업은 사용 가능한 수많은 데이터 처리 플랫폼을 실험해 볼 수 있습니다. 일반적인 권장 사항에 따라, 새로운 기술의 효과를 평가하기 위한 테스트 베드로서 제한적이고 개별적인 프로젝트부터 시작할 수 있습니다.
최신 데이터 준비 및 조립 시스템의 주요 이점은 AI 가치 창출 플랫폼에서 사용할 수 있도록 조직의 정보 리소스를 구성하도록 특별히 설계되었다는 점입니다. 예를 들어, 데이터 컴플라이언스를 보장하고 사용자가 편향되거나 상업적으로 민감한 정보에 액세스하는 것을 방지하기 위해 신중하게 코딩된 가드레일을 통합할 수 있습니다.
그럼에도 불구하고 일관성 있고 안전하며 잘 구조화된 데이터 리소스를 만드는 것은 계속되는 과제입니다. 조직이 일상적인 운영을 통해 더 많은 데이터를 축적함에 따라 최신의 접근 가능한 데이터 리소스를 유지하는 것은 지속적인 노력입니다. 빅데이터는 종종 정적 자산으로 취급될 수 있지만, AI 활용을 위한 데이터는 가능한 한 실시간에 가깝게 준비되고 처리되어야 합니다.
따라서 조직은 기회, 위험, 비용의 세 가지 측면에서 섬세한 균형을 유지해야 합니다. 현대 기업에게 적합한 공급업체 또는 플랫폼을 선택하는 것이 그 어느 때보다 중요해졌습니다.
(출처: Darien과 Neil의 "비즈니스 스쿨 내부"는 CC BY-NC 2.0에 따라 라이센스가 부여됩니다.)

업계 최고 전문가로부터 AI와 빅데이터에 대해 자세히 알아보고 싶으신가요? 암스테르담, 캘리포니아, 런던에서 열리는 AI & 빅데이터 엑스포에 참석하세요. 이 종합적인 이벤트는 TechEx의 일부이며 다른 최고의 기술 모임과 함께 개최됩니다. 자세한 내용을 보려면 여기를 클릭하세요.
AI 뉴스는 TechForge Media에서 제공합니다. 예정된 엔터프라이즈 기술 이벤트와 웨비나는 여기에서 더 알아보세요.
관련 기사
미국의 주식 시장이 AI와 항공우주 거대 기업들의 1조 달러 데뷔를 앞두고 역사적 이정표에 도달
엘론 머스크, 샘 알트만, 그리고 다리오 아모데이라는 기술 산업의 거인 세 명이 각자의 기업에 대해 공개 시장 상장(IPO)을 앞두고 있다. 스페이스X, 오픈AI, 앤트로픽이라는 세 산업의 거대 기업이 1조 달러 이상의 기업 가치를 달성하며 상장을 준비함에 따라, 2026년은 미국 역사상 신주 발행 측면에서 가장 중요한 해가 될 것으로 전망된다.이러한 역사적인 자본 증가는 전 세계 금융계의 주목을 받고 있으며, 공공 시장이 이러한 규모의 자금
스웨덴의 AI 스타트업 로버블 아이즈, 주요 자금 조달 라운드 이후 132억 달러의 기업 가치 달성
AI 기반 코딩 도구가 인기를 얻으면서 스웨덴 스타트업 로버블(Lovable)이 주요 자금 조달 라운드를 성사시켰다. 이 회사는 30억 달러를 조달하여 지난 12월 기록된 66억 달러의 두 배인 132억 달러의 기업 가치를 달성할 수 있을 것으로 기대된다. 멘로 벤처스(Menlo Ventures)가 이 투자 라운드를 주도할 것으로 예상된다.로버블의 매력은 복잡한 코딩 기술이 필요하지 않은 소프트웨어 제작을 단순화하는 핵심 '바이브 코딩(vib
구글, 사용자 제어 강화에 맞춰 제미니용 레미 AI 에이전트 테스트
비즈니스 인사이더에 따르면, 구글은 제미나이를 위한 새로운 AI 개인 에이전트인 레미를 테스트하고 있습니다. 이 도구는 사용자를 대신하여 작업을 실행하여 전문적인 워크플로우와 일상적인 루틴을 모두 간소화하는 것을 목표로 합니다.현재 레미는 제미나이 애플리케이션의 내부 직원 전용 버전에서 테스트 중입니다. 이 보고서는 내부 문서와 프로젝트에 정통한 두 명의 인물과의 인터뷰를 인용합니다. 내부 자료는 레미를 “24/7 개인 에이전트”로 묘사하며,
관련 특별 주제 추천
의견 (3)
0/500
Honestly, the shift from 'Big Data' hype to 'AI Implementation' struggles feels like we're just hitting the same wall with a fancier name. Companies hoarded data without a real plan, and now they're stuck trying to make sense of it all for AI. It's less of a tech problem and more of a strategy one. 🤷♂️
이 기사 읽고 한국에서도 똑같은 문제를 겪는 회사들이 많다는 게 공감돼요. 데이터 부족에 머신러닝 성능이 제한되는 현실, 우리 회사에서 AI 프로젝트 할 때도 비슷했어요. 재무팀 쪽에서는 정형화된 데이터가 많은데 영업팀 데이터는 너무 흩어져 있고… 결국 데이터 정제하는 데 시간 다 쓰고 진짜 AI 구현은 뒷전이었던 기억이 나네요. 혹시 이 글에서 언급한 '데이터 부족'을 해결할 구체적인 솔루션 예시가 더 있었으면 좋겠어요! 🤔
Parece que los datos vuelven para vengarse 🔍. Recuerdo cuando todo era 'Big Data' como solución mágica, y ahora las empresas se topan con pared por falta de datos de calidad para entrenar sus IA. Me pregunto si este ciclo de hype→problema→nuevo hype es inevitable en tecnología. ¿Acabaremos viendo 'Big Data 2.0' como la próxima promesa? 😅 Algo me dice que el verdadero desafío no es la cantidad, sino cómo organizamos y usamos lo que ya tenemos.
몇 년 전만 해도 비즈니스 기술 환경은 새로운 운영 방식을 발견하고 최적의 전략 방향을 제시할 수 있다는 기대감으로 조직이 방대한 양의 정보를 축적하는 것을 의미하는 '빅 데이터'라는 유행어가 지배적이었습니다.
오늘날 점점 더 분명해지는 것은 기업들이 빅데이터를 효과적으로 활용하는 데 있어 직면한 문제들이 여전히 지속되고 있으며, 바로 이러한 문제들을 다시 주목하게 하는 것이 바로 새로운 기술인 AI의 등장입니다. 빅데이터를 괴롭히는 근본적인 문제를 해결하지 않고서는 AI 구현은 실패할 수밖에 없습니다.
그렇다면 무엇이 AI의 잠재력을 발휘하지 못하게 하는 걸까요?
대부분의 장애물은 데이터 리소스 자체에서 비롯됩니다. 문제를 파악하려면 일반적인 업무 중에 활용되는 다양한 정보 소스를 고려해 보세요.
중소기업(SME)의 경우:
- 사용자 노트북, Google 스프레드시트 또는 Office 365 클라우드 저장소에 저장된 스프레드시트.
- 고객 관계 관리(CRM) 플랫폼.
- 동료, 고객, 공급업체 간의 이메일 서신.
- Word 문서, PDF 파일 및 온라인 양식.
- 인스턴트 메시징 애플리케이션.
대기업에서:
- 위의 모든 소스에 추가,
- 전사적 자원 관리(ERP) 시스템.
- 실시간 데이터 스트림.
- 데이터 레이크.
- 다양한 독립형 애플리케이션을 지원하는 별도의 데이터베이스.
이 간략한 목록이 모든 것을 담고 있는 것은 아니며, 그럴 의도도 없다는 점에 유의하세요. 이 목록의 목적은 단 5가지 항목만 보더라도 정보가 약 12곳에 흩어져 있을 수 있다는 것을 보여주기 위한 것입니다. 빅 데이터에 필요했던, 그리고 지금도 종종 필요한 것은, 그리고 AI 이니셔티브에도 필요한 것은 컴퓨터 알고리즘이 효과적으로 해석할 수 있도록 이러한 이질적인 요소를 통합하는 방법입니다.
가트너의 2024년 인공지능 하이프 사이클에서 AI-레디 데이터는 '생산성의 정체기'에 도달하기까지 약 2년에서 5년이 걸릴 것으로 예상되는 상승 경사면에 위치했습니다. AI 시스템이 데이터 마이닝과 추출에 의존한다는 점을 고려할 때, 초대형 조직을 제외한 대부분의 조직은 필요한 기본 인프라가 부족합니다. 따라서 향후 1~4년 동안은 AI 기반 지원의 혜택을 받지 못할 수도 있습니다.
AI 배포의 핵심 과제는 혁신의 촉발, 부풀려진 기대의 정점, 환멸의 저점, 깨달음의 경사, 생산성의 정체로 이어지는 빅데이터 이니셔티브의 과열 주기를 거치면서 방해가 되었던 문제와 유사합니다. 데이터는 다양한 형식으로 존재하며, 일관성이 없거나, 다른 표준을 따르거나, 부정확하거나 편향되어 있거나, 매우 민감한 정보를 포함하거나, 오래되어 관련성이 없을 수 있습니다.
데이터를 AI에 적합하도록 변환하는 프로세스는 그 어느 때보다 중요해졌습니다. 초기 우위를 점하고자 하는 기업은 사용 가능한 수많은 데이터 처리 플랫폼을 실험해 볼 수 있습니다. 일반적인 권장 사항에 따라, 새로운 기술의 효과를 평가하기 위한 테스트 베드로서 제한적이고 개별적인 프로젝트부터 시작할 수 있습니다.
최신 데이터 준비 및 조립 시스템의 주요 이점은 AI 가치 창출 플랫폼에서 사용할 수 있도록 조직의 정보 리소스를 구성하도록 특별히 설계되었다는 점입니다. 예를 들어, 데이터 컴플라이언스를 보장하고 사용자가 편향되거나 상업적으로 민감한 정보에 액세스하는 것을 방지하기 위해 신중하게 코딩된 가드레일을 통합할 수 있습니다.
그럼에도 불구하고 일관성 있고 안전하며 잘 구조화된 데이터 리소스를 만드는 것은 계속되는 과제입니다. 조직이 일상적인 운영을 통해 더 많은 데이터를 축적함에 따라 최신의 접근 가능한 데이터 리소스를 유지하는 것은 지속적인 노력입니다. 빅데이터는 종종 정적 자산으로 취급될 수 있지만, AI 활용을 위한 데이터는 가능한 한 실시간에 가깝게 준비되고 처리되어야 합니다.
따라서 조직은 기회, 위험, 비용의 세 가지 측면에서 섬세한 균형을 유지해야 합니다. 현대 기업에게 적합한 공급업체 또는 플랫폼을 선택하는 것이 그 어느 때보다 중요해졌습니다.
(출처: Darien과 Neil의 "비즈니스 스쿨 내부"는 CC BY-NC 2.0에 따라 라이센스가 부여됩니다.)

업계 최고 전문가로부터 AI와 빅데이터에 대해 자세히 알아보고 싶으신가요? 암스테르담, 캘리포니아, 런던에서 열리는 AI & 빅데이터 엑스포에 참석하세요. 이 종합적인 이벤트는 TechEx의 일부이며 다른 최고의 기술 모임과 함께 개최됩니다. 자세한 내용을 보려면 여기를 클릭하세요.
AI 뉴스는 TechForge Media에서 제공합니다. 예정된 엔터프라이즈 기술 이벤트와 웨비나는 여기에서 더 알아보세요.
미국의 주식 시장이 AI와 항공우주 거대 기업들의 1조 달러 데뷔를 앞두고 역사적 이정표에 도달
엘론 머스크, 샘 알트만, 그리고 다리오 아모데이라는 기술 산업의 거인 세 명이 각자의 기업에 대해 공개 시장 상장(IPO)을 앞두고 있다. 스페이스X, 오픈AI, 앤트로픽이라는 세 산업의 거대 기업이 1조 달러 이상의 기업 가치를 달성하며 상장을 준비함에 따라, 2026년은 미국 역사상 신주 발행 측면에서 가장 중요한 해가 될 것으로 전망된다.이러한 역사적인 자본 증가는 전 세계 금융계의 주목을 받고 있으며, 공공 시장이 이러한 규모의 자금
스웨덴의 AI 스타트업 로버블 아이즈, 주요 자금 조달 라운드 이후 132억 달러의 기업 가치 달성
AI 기반 코딩 도구가 인기를 얻으면서 스웨덴 스타트업 로버블(Lovable)이 주요 자금 조달 라운드를 성사시켰다. 이 회사는 30억 달러를 조달하여 지난 12월 기록된 66억 달러의 두 배인 132억 달러의 기업 가치를 달성할 수 있을 것으로 기대된다. 멘로 벤처스(Menlo Ventures)가 이 투자 라운드를 주도할 것으로 예상된다.로버블의 매력은 복잡한 코딩 기술이 필요하지 않은 소프트웨어 제작을 단순화하는 핵심 '바이브 코딩(vib
Honestly, the shift from 'Big Data' hype to 'AI Implementation' struggles feels like we're just hitting the same wall with a fancier name. Companies hoarded data without a real plan, and now they're stuck trying to make sense of it all for AI. It's less of a tech problem and more of a strategy one. 🤷♂️
이 기사 읽고 한국에서도 똑같은 문제를 겪는 회사들이 많다는 게 공감돼요. 데이터 부족에 머신러닝 성능이 제한되는 현실, 우리 회사에서 AI 프로젝트 할 때도 비슷했어요. 재무팀 쪽에서는 정형화된 데이터가 많은데 영업팀 데이터는 너무 흩어져 있고… 결국 데이터 정제하는 데 시간 다 쓰고 진짜 AI 구현은 뒷전이었던 기억이 나네요. 혹시 이 글에서 언급한 '데이터 부족'을 해결할 구체적인 솔루션 예시가 더 있었으면 좋겠어요! 🤔
Parece que los datos vuelven para vengarse 🔍. Recuerdo cuando todo era 'Big Data' como solución mágica, y ahora las empresas se topan con pared por falta de datos de calidad para entrenar sus IA. Me pregunto si este ciclo de hype→problema→nuevo hype es inevitable en tecnología. ¿Acabaremos viendo 'Big Data 2.0' como la próxima promesa? 😅 Algo me dice que el verdadero desafío no es la cantidad, sino cómo organizamos y usamos lo que ya tenemos.





집






