기업 4곳 중 3곳이 AI 데이터에 투자, 이제 'AI-레디'만으론 부족

한국딥러닝 김동현 미래AI개발팀장이 AI타임스에 '기업 4곳 중 3곳이 AI 데이터에 투자…이제 AI-레디만으론 부족'을 기고했다. 기업 AI의 관심이 모델에서 데이터로 옮겨 가는 가운데, AI가 업무를 직접 수행하는 단계에서는 데이터가 갖춰야 할 조건도 달라진다는 진단이다.

AI-레디 데이터에서 에이전트-레디 데이터로

기고는 기업 AI의 관심이 모델에서 데이터로 이동하는 흐름에서 출발한다. 성능 좋은 LLM을 도입해도 내부 데이터의 품질이 낮거나 의미와 맥락이 정리돼 있지 않으면 실제 업무에 쓰기 어렵다는 경험이 쌓이면서 'AI-레디 데이터'가 기업 AX의 주요 과제가 됐다. 그런데 AI가 질문에 답하던 단계에서 실제 업무를 수행하는 단계로 옮겨 가면서 기준이 다시 바뀌고 있다는 것이 필자의 문제의식이다.

필자는 가트너가 2026년 8월 27일 발표한 보고서 'AI-레디 데이터는 에이전트-레디 데이터로 확장돼야 한다(AI-Ready Data Needs to Expand to Agent-Ready Data)'를 근거로 들었다. 보고서는 기업의 데이터와 데이터 관리 체계가 에이전틱 AI의 요구사항을 지원해야 하며, 에이전트가 데이터를 적절하게 쓰는지까지 평가해야 한다고 제시했다. 이런 평가가 없으면 부정확한 응답이나 데이터 오용처럼 예측하기 어려운 결과가 생길 수 있다는 지적이다. 이를 기업 업무에 대입하면 질문도 "AI가 이 데이터를 이해할 수 있는가"에서 "이 데이터로 현재 업무 상태를 판단하고 다음 처리를 결정할 수 있는가"로 바뀐다.

에이전트에게 필요한 것은 '업무 상태'

필자는 금융권 기업대출 심사를 예로 들었다. 은행 시스템에는 고객정보, 거래내역, 기존 대출금액, 신용정보가 정형 데이터로 관리되지만, 실제 심사에는 사업자등록증, 재무제표, 납세증명서, 신청서와 각종 증빙자료가 함께 쓰인다. AI가 시스템과 문서에서 필요한 값을 찾을 수 있다고 해서 심사 업무를 수행할 수 있는 것은 아니다. 납세증명서가 접수됐다는 사실보다 그 서류가 신청 기업의 것인지, 유효한지, 다른 서류의 법인정보와 일치하는지가 더 중요하다. 조건을 충족하면 '심사 가능'으로 넘어가지만, 값이 충돌하거나 자료가 빠져 있으면 '보완 필요'나 '담당자 확인'으로 이동해야 한다.

"에이전트가 실제 업무를 수행하려면 단순히 값을 읽는 것이 아니라 근거와 업무 규칙을 바탕으로 현재 상태를 판단하고, 새로운 정보가 들어올 때 그 상태를 갱신할 수 있어야 합니다."

문서는 업무 상태를 바꾸는 근거

기업의 업무 상태를 결정하는 근거는 정형 데이터베이스에만 있지 않다. 신청 내용, 재무상태, 증빙, 계약 조건과 예외사항은 신청서, 재무제표, 증명서, 약정서 같은 문서에 담겨 있다. 그래서 문서에서 값을 추출하는 것만으로는 부족하고, 그 값이 어느 문서의 어느 위치에서 나왔는지, 어떤 기업과 신청 건에 속하는지가 함께 연결돼야 한다고 필자는 설명했다.

서로 다른 문서와 내부 시스템에서 같은 항목이 들어오면 사업자번호, 기준일, 금액을 기준으로 같은 업무 건인지 확인하고, 값의 일치 여부와 필수 서류 충족 여부를 검증한 뒤 업무 규칙을 적용해 처리 상태를 갱신한다. 이때 값과 함께 출처, 업무 대상과의 관계, 검증 결과, 적용 규칙, 현재 상태가 유지돼야 새 문서가 들어왔을 때 에이전트가 상태를 다시 판단하고 다음 행동을 정할 수 있다. 필자는 문서가 에이전트에게 정보원이 아니라 업무 상태를 바꾸는 근거(Evidence)라고 정리했다.

규칙이 바뀌어도 판단은 유지돼야 한다

에이전트-레디 데이터는 한 번 구성하면 끝나는 작업이 아니다. 심사 기준이 달라지면 같은 재무제표와 증빙자료를 보더라도 '심사 가능'이던 업무가 '추가 확인 필요'로 바뀔 수 있다. 업무 규칙이 바뀌었을 때 같은 업무 건의 상태가 어떻게 달라지는지 검증하고, 판단에 쓰인 근거와 규칙을 추적할 수 있어야 한다는 것이 필자의 주장이다.

"에이전트-레디 데이터는 데이터를 한 번 잘 정리하는 문제가 아니라, 업무가 변해도 올바른 상태 판단을 유지하는 문제입니다."

— 김동현 한국딥러닝 미래AI개발팀장

기고는 기업이 던지는 질문을 바꾸자는 제안으로 끝난다. "우리 데이터를 AI가 읽을 수 있는가"가 아니라 "이 데이터를 근거로 AI가 현재 업무 상태를 판단하고 다음 업무까지 이어 갈 수 있는가"를 물어야 한다는 것이다. 전문은 AI타임스에 실렸다.