심슨의 역설까지 방어하는 AI… 네오위즈, 스노우플레이크로 ‘데이터 신뢰’ 완성 작성일 01-29 16 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">[인터뷰] 김성민 네오위즈 데이터서비스실 실장 “단순 기술 교체 아닌 경험의 혁신 주력”</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="5NzpWHCETg"> <figure class="figure_frm origin_fig" contents-hash="e3284065b2117a1f27f74eba22db3bf2371b81835c34bb522a172ecc8f748f2a" dmcf-pid="1jqUYXhDSo" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202601/29/552796-pzfp7fF/20260129070017624sbac.jpg" data-org-width="640" dmcf-mid="XYBuGZlwWN" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202601/29/552796-pzfp7fF/20260129070017624sbac.jpg" width="658"></p> </figure> <p contents-hash="853a072588447bb6581c9b33fd63cedec0f8d2243ba5c974f7a8cfb9e9ac257b" dmcf-pid="tABuGZlwhL" dmcf-ptype="general">[디지털데일리 이안나기자] 글로벌 게임 산업 전반에서 데이터 활용 방식이 빠르게 변하고 있다. 대시보드·정형 리포트 중심 분석에서 자연어 질의 기반 자동 분석 체계로 이동하며 의사결정 시간을 줄이는 방향으로 재편 중이다. 여기서 인공지능(AI)은 조직 생산성과 운영 효율을 직접 좌우하는 실행 도구로 자리 잡고 있다.</p> <p contents-hash="7968fd7e2053e13f6d678fb5ec1134053a49d3fd98b20ae16cb09aa614745edd" dmcf-pid="Fcb7H5SrCn" dmcf-ptype="general">국내 기업들도 데이터 기반 의사결정 체계를 고도화하고 있지만 분석 요청·대기·재작업이 반복되는 구조적 병목과 부서 간 커뮤니케이션 비용은 여전히 한계로 지적된다. 이런 가운데 국내 게임업체 네오위즈는 글로벌 데이터 플랫폼 스노우플레이크의 ‘인텔리전스’와 ‘코텍스 에이전트’를 도입해 데이터 질의·분석·해석·보고 흐름을 재설계했다.</p> <p contents-hash="09d0f92b9538a292c375deb91c85004dd56b091773eee161ee25fb7a42c26e58" dmcf-pid="3kKzX1vmhi" dmcf-ptype="general">김성민 네오위즈 데이터정보분석실 실장은 지난 22일 서울 판교 사무실에서 <디지털데일리>와 만나 “이번 프로젝트는 기술 교체가 아니라 데이터 사용하는 경험을 바꾸는 것이 목표였다”며 “설명이 필요 없는 변화를 현업이 직접 체감하도록 설계했다”고 밝혔다.</p> <p contents-hash="12ee3f1840170985ee5c10b31aa463fe78dc73f8d4e1341eef99db0711e060fc" dmcf-pid="0E9qZtTsvJ" dmcf-ptype="general"><strong>◆ “설명보다 체감으로”…데이터 경험 혁신으로 방향 전환=</strong>네오위즈는 ‘P의 거짓’, ‘고양이와 스프’ 등 글로벌 흥행작을 보유한 국내 1세대 게임사다. 다수 라이브 게임을 장기간 운영하며 이용자 행동 데이터와 서비스 운영 데이터를 대규모로 축적해 왔고, 실시간 지표 기반 운영과 데이터 분석 문화가 조직 전반에 자리 잡아 왔다.</p> <p contents-hash="bcf6265383ae7dfbe48af928f87f247c26ff525fb58a241ef5dc7c07248ace30" dmcf-pid="pD2B5FyOvd" dmcf-ptype="general">네오위즈 기술 인프라는 시대 흐름에 맞춰 지속 전환해 왔다. 오라클 기반 데이터 웨어하우스(DW)에서 대용량 병렬 처리 구조로 확장했고, 이후 하둡 기반 데이터 레이크를 거쳐 클라우드 데이터 웨어하우스 환경까지 단계적으로 이전했다. 단 저장 용량과 처리 성능은 개선됐지만 데이터 추출·정제·분석 요청·결과 공유로 이어지는 업무 흐름 자체는 크게 달라지지 않았다. 관련 업무가 여러 조직을 거치며 지연됐고 분석 리드타임 단축 효과도 제한적이었다.</p> <p contents-hash="159a86e1126aea02e8dad24ed74f9d5b46b694aa30ad7e251e70122ac253878f" dmcf-pid="UVvCjkiPSe" dmcf-ptype="general">특히 단일 클러스터 중심 구조에서는 대시보드 갱신 혹은 대규모 쿼리가 동시에 발생할 경우 성능 병목이 반복됐다. 운영 안정성을 확보하기 위해 보수적으로 자원을 설계해야 했고 분석 수요가 증가할수록 인프라 증설과 운영 비용 부담도 함께 커졌다. 데이터는 빠르게 축적됐지만 현업이 체감하는 활용 속도와 민첩성은 기대에 미치지 못한 셈이다.</p> <p contents-hash="300af164378f66d2bc2ccc3c0cc52f9b3f7844819c06c314771b207edf654d22" dmcf-pid="ufThAEnQvR" dmcf-ptype="general">김성민 실장은 “이번에는 ‘기술을 이렇게 바꿨다’는 설명을 하고 싶지 않았다”며 “설명이 필요 없는 변화를 현업이 직접 경험하게 하고 싶었다”고 밝혔다. 당시 프로젝트 코드명 ‘NX(New Experience)’ 역시 데이터 사용 경험 혁신이라는 방향성을 담았다. 네오위즈가 말하는 ‘체감 변화’는 보고서를 기다리는 시간이 줄고, 데이터를 옮기는 과정 없이 현업이 직접 분석에 참여하는 업무 구조를 만드는 데 맞춰졌다.</p> <div contents-hash="89f2a4b398e461e0e9a5274b929af55df46a8975088173b7027f8f85422e3343" dmcf-pid="74ylcDLxWM" dmcf-ptype="general"> 이런 문제의식은 기존 데이터 활용 구조에 대한 불편에서 출발했다. 내부적으로는 AI 활용 수요가 높았지만, 데이터를 따로 꺼내 AI 환경으로 옮겨 분석해야 하는 구조는 업무 흐름과 맞지 않았다. 김 실장은 “AI를 쓰고 싶은데 데이터를 어디서 꺼내와서 갖다 넣어야 한다는 게 너무 불편했다”고 털어놨다. </div> <figure class="figure_frm origin_fig" contents-hash="11d1439024a622787cc819bf7831c7a0270ac4729e41f5af450baf240895e3ac" dmcf-pid="z8WSkwoMhx" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202601/29/552796-pzfp7fF/20260129070018917spfz.jpg" data-org-width="640" dmcf-mid="ZKsDioQ9Ca" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202601/29/552796-pzfp7fF/20260129070018917spfz.jpg" width="658"></p> </figure> <p contents-hash="0c8042374c4879950325e60d197959edef0e6f28a3f582722326434b5c6949c0" dmcf-pid="q6YvErgRvQ" dmcf-ptype="general"><strong>◆ AI 환각 현상 통제, 분석 신뢰성 설계가 관건=</strong>네오위즈가 스노우플레이크 인텔리전스와 코텍스 에이전트를 도입하며 가장 중점을 둔 부분은 분석 결과의 신뢰성을 어떻게 확보할 것인가였다. 기업 환경에서 잘못된 분석 결과는 곧바로 의사결정 오류로 이어질 수 있기 때문이다. 회사는 단순히 모델 성능에 기대는 방식만으로는 한계가 있다고 판단했다.</p> <p contents-hash="91862f2c494d9e457fe2547a6d2001037d102bb82463fbb207f36c579af2d230" dmcf-pid="BPGTDmaevP" dmcf-ptype="general">이에 네오위즈는 AI가 데이터를 해석하는 과정에서 실무적으로 빈번하게 발생하는 통계적 오류 유형부터 구조화했다. 구체적으로는 ▲집단별 추세와 전체 추세가 상반되게 나타나는 ‘심슨의 역설’ ▲표본 추출 과정에서 왜곡이 발생하는 ‘선택 편향’ ▲상관관계는 있지만 인과관계는 없는 ‘허위 상관관계’ ▲극단값이 평균으로 수렴하는 ‘평균으로의 회귀’ 등, 데이터 해석 과정에서 반복적으로 나타나는 4대 오류를 정의했다.</p> <p contents-hash="81441ff18d4c3601be36314760dd07def841dd57cc50e7818dc359dce182ec83" dmcf-pid="bQHywsNdh6" dmcf-ptype="general">이후 이러한 오류를 방어할 수 있는 검증 로직을 AI의 프롬프트와 인스트럭션에 직접 반영했다. 기존 분석가들이 축적해 온 ‘데이터를 의심하고 검증하는 절차’를 에이전트의 기본 업무 규칙으로 설정한 것이다. 분석팀은 사람이 수행한 분석 결과와 AI 분석 결과를 지속적으로 비교·검증하며 약 한 달간 튜닝을 반복했고, 코텍스 에이전트의 모니터링 기능을 활용해 실제 현업 질의, 추론 과정, 결과 품질을 상시 점검했다. 초기 단계에서는 매일 보정 작업이 이뤄졌다.</p> <p contents-hash="fa9681bd0e915e436176082d74e5613e5baa05d34ffaf085ecd547a31a1185d1" dmcf-pid="KxXWrOjJl8" dmcf-ptype="general">이를 통해 네오위즈는 AI가 생성하는 분석 결과의 신뢰도를 실무 적용이 가능한 수준까지 끌어올렸다. 김 실장은 “사람이 분석할 때도 같은 오류를 많이 겪는다”며 “분석가들이 어떤 순서로 보고 어떤 점을 의심하는지 전략을 정리해 프롬프트에 반영했다”고 설명했다.</p> <p contents-hash="0670a34f515d79aa0fea744584af9b35b8a12ef3f4e9cd5d2c3f28c2bde1e659" dmcf-pid="9FcaQR2ul4" dmcf-ptype="general">데이터 구조 역시 에이전트 분석 품질을 높이는 방향으로 정비했다. 정형 데이터는 ‘시멘틱 뷰’를 통해 주요 지표와 개념 체계를 사전에 정의해, 데이터 해석 기준을 비즈니스 용어 중심으로 정리했다. 게임 기획 문서와 과거 분석 보고서는 마크다운 형태로 변환해 ‘코텍스 서치’에 연동했고, 에이전트가 수치 데이터와 내부 문서 맥락을 함께 참조하도록 구성했다.</p> <p contents-hash="2479cfd797e180733dfa1ddad70b068fb823df617eec2a99958dc056bb0b9161" dmcf-pid="23kNxeV7lf" dmcf-ptype="general">인프라 측면에서는 스노우플레이크의 탄력적 컴퓨트 확장 구조를 활용해 기존 단일 클러스터 병목을 해소했다. 주말 동안 누적된 데이터를 한꺼번에 처리하는 작업이나 대규모 쿼리가 집중되는 구간에서도 필요한 자원을 즉시 확장해 업무 영향을 최소화하고 있다. 대규모 과거 데이터 재처리 역시 업무 시간 중 실시간 스케일업 방식으로 처리한다.</p> <p contents-hash="6149d5f5b88b8f6fba336c9d94b094e0f22991b6baecb866159a169759223ecf" dmcf-pid="V0EjMdfzlV" dmcf-ptype="general"><strong>◆ 하루 걸리던 일이 10분으로…업무 흐름 재편=</strong>스노우플레이크 인텔리전스 도입 이후 네오위즈의 업무 리드타임 구조가 눈에 띄게 바뀌고 있다. 반복 리포트 자동화, 실시간 데이터 질의, 분석 자동화가 동시에 작동하며 데이터 활용 흐름 자체가 재편되고 있다는 평가다.</p> <p contents-hash="2ab42a36ef70c5d1b023344e1f58cc81bc3221f7bc4ac828ba31c6a17691d0a2" dmcf-pid="fpDARJ4qy2" dmcf-ptype="general">가장 직접적인 변화는 반복 리포트 작성 방식이다. 주간·월간 리포트는 기존에 최소 반나절에서 최대 이틀까지 소요됐지만 현재는 약 10분 만에 자동 생성된다.</p> <p contents-hash="25afb5224e8c54cb9fc8e6fc97dae8566b535404acfd1ea25702a3b8dd915f7b" dmcf-pid="4Uwcei8Bl9" dmcf-ptype="general">단건 데이터 요청 구조도 달라졌다. 데이터 챗봇 기반 실시간 질의 환경이 구축되면서 과거처럼 분석 우선순위에 따라 대기할 필요 없이 현업이 직접 즉시 데이터를 확인한다. 게임 업데이트 성과 분석 역시 자동화됐다. 기존에는 기획자와 분석가 협업을 거쳐 1~2주가 소요되는 작업이었지만 현재는 코텍스 에이전트 기반 자동 분석으로 약 20~30분 내 결과를 확보한다. 기획 문서와 과거 유사 분석 보고서를 함께 참조해 분석 품질 편차도 줄였다.</p> <p contents-hash="cf86ff2b71cfc0e4e02ce262eda82138321d7e9b00efc46bdaffec6c3a1fe7a4" dmcf-pid="8urkdn6blK" dmcf-ptype="general">부서 간 단순 데이터 요청은 약 57% 감소했고 정형 분석 요청은 약 70% 줄었다. 현재 전체 데이터 자산 가운데 약 70%가 스노우플레이크 인텔리전스 기반 분석 체계에 올라왔고, 실제 업무에 활용하는 조직도 전체의 약 절반 수준까지 확대됐다. 우선 데이터 품질과 업무 표준화가 확보된 조직부터 적용하고 있으며 검증이 끝난 이후 단계적으로 확산 범위를 넓힌다는 계획이다.</p> <p contents-hash="3114acfcf8e2daa9add0ee70136e841ca5d3d21b1e358fd8604e265690ddd949" dmcf-pid="67mEJLPKWb" dmcf-ptype="general">조직 운영 방식에도 변화가 나타나고 있다. SQL 경험이 없는 기획자들도 자연어 질의를 통해 분석에 직접 참여하고, 에이전트의 추론 과정을 확인하며 가설 설정과 해석 역량을 축적하고 있다. 초기 참여 조직이 내부 챔피언 역할을 수행하며 확산을 주도했다. 소그룹 실습형 교육을 통해서도 코텍스 에이전트 설계 경험도 공유하고 있다.</p> <p contents-hash="4feb2a8da825d0a84f79cb490789583a81ea6fd668370e7a986c1a32e685c02d" dmcf-pid="PzsDioQ9yB" dmcf-ptype="general">네오위즈는 이러한 확산 흐름을 안정적으로 관리하기 위해 스노우플레이크 인텔리전스를 사내 AI 포털과 연동해 사용자 접근 경로를 통합하고 있다. 여러 AI 도구가 분산 운영되면서 사용 경험과 운영 기준이 흩어지는 구조를 피하고 전사 AI 활용 전략과 사용자 경험을 일관되게 관리하기 위한 목적이다.</p> <p contents-hash="a3e24ffd65176e872c23e1aa7ccfd6ab7bca9b5849d4fff69d390c84c8dfcc69" dmcf-pid="QjqUYXhDlq" dmcf-ptype="general">김 실장은 “AI는 도구이고, 중요한 것은 실제 업무에서 무엇이 달라졌는지”라며 “각 조직이 자신의 업무 구조와 페인포인트를 먼저 정리한 뒤 단계적으로 적용 범위를 넓혀가는 접근이 필요하다”고 말했다.</p> </section> </div> <p class="" data-translation="true">Copyright © 디지털데일리. All rights reserved. 무단 전재 및 재배포 금지.</p> 관련자료 이전 포스트그레SQL 상용화 경쟁, 국내 DB업체 전략은 ‘소버린 DB’ 01-29 다음 [밀라노 동계올림픽 종목소개⑪]치열한 두뇌 싸움…'빙판 위의 체스' 컬링 01-29 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
