AI의 기반 : 데이터부터 시작하라

* 이 내용은 "단기 성과와 장기 성장 사이··· AI 투자의 딜레마"(CIO, 2025.2.19) 칼럼을 기초로 주로 데이터 부문의 내용을 중심으로 작성한 것입니다.

실질적인 AI 전략을 수립하기 위해 가장 먼저 투자해야 할 요소는 데이터 품질이다.
데이터 품질이 확보되지 않으면 데이터에 대한 신뢰도도 확보될 수 없다.
ML, Gen AI, 에이전틱 AI의 신뢰성을 확보하기 위한 기본 전제는 바로 고품질의 데이터이다.
AI가 데이터를 통해 가치를 창출할 수 있다.
하지만 데이터가 부실하면 그 결과 역시 신뢰할 수 없을 것이다. 

오라일리(O’Reilly)의 조사에 따르면,
48%의 기업이 데이터 정확성을 유지하기 위해 머신러닝, 데이터 분석, AI 도구를 활용하고 있다. 이는 AI 이니셔티브를 위해 탄탄한 데이터 기반이 필수적임을 보여준다.

클릭(Qlik)의 조사에서는
21%의 기업이 신뢰할 수 있는 데이터를 확보하지 못해 AI 도입에 어려움을 겪고 있다고 한다.
이는 안정적인 데이터 플랫폼 구축의 필요성을 강조하는 결과이다.

‘데이터의 중력(Data Gravity)’ 개념에서
데이터가 한 곳에 모이면 그곳이 중심지가 되지만
그 데이터의 품질을 깊이 검증하지 않고 신뢰하는 경향이 있다고 한다.
실제로 중복성과 일관성이 부족해 신뢰할 수 없는 데이터가 저장소에 생성되는 것이다.
그래서 데이터 단절과 부정확성으로 인해 비즈니스 의사결정의 질이 떨어질 수밖에 없다.

데이터 과학과 머신러닝에 투자하기 전에 데이터를 먼저 정제하고 통합하는 과정이 우선이다.
그냥 진행하면 오히려 데이터 품질과 신뢰 문제를 더욱 악화시킬 수 있다.
데이터의 의미적 모델을 추상화하고, 분석 도구에서 활용할 수 있는 비즈니스 준비된 데이터 계층을 구성해야 한다.

데이터 품질과 신뢰도가 확보되지 않은 상태에서
머신러닝 알고리즘과 모델 개발을 위해 데이터 과학 자원에 투자하는 것은 성급한 결정일 수 있다.
이런 결정을 하면 데이터 품질과 신뢰도 관련 문제를 증폭시킬 수 있다.
잘못된 데이터를 기반으로 한 AI 의사결정은
데이터를 전혀 사용하지 않는 것만큼이나 잘못된 결정이 될 수 있다.##