“AI의 라스트마일을 잡아라”…베스핀글로벌, 구축 넘어 운영까지 AI 전주기 지원 작성일 04-01 34 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">‘AI의 역설’ 해법 위해 정형 데이터 중심 운영 전략 강조</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="9r4Bo5kLSd"> <figure class="figure_frm origin_fig" contents-hash="202e47c4cc8fa23ca8ca0af929b029a198cb2e833618512b8c4d8115bdc516e0" dmcf-pid="2m8bg1EoCe" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202604/01/552796-pzfp7fF/20260401060035474jipu.jpg" data-org-width="640" dmcf-mid="bVJnS4HlCi" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202604/01/552796-pzfp7fF/20260401060035474jipu.jpg" width="658"></p> </figure> <p contents-hash="cff203552252f9339fc83deaa39fc08d26984bd811e3b00b1d096b65013bd6d3" dmcf-pid="Vs6KatDghR" dmcf-ptype="general">[디지털데일리 이안나기자] AI를 도입한 기업들 사이에서 공통된 불만이 나오고 있다. 생산성은 높아졌지만 운영 복잡성·인프라 비용·보안 리스크가 동시에 커졌다는 것이다. 베스핀글로벌은 이를 ‘AI의 역설’로 정의한다.</p> <p contents-hash="c4b14df31cb1c102682772443645fc25069bbcb3b6082bd1bb7dfd300d29dfb2" dmcf-pid="f5jilfGhCM" dmcf-ptype="general">베스핀글로벌은 31일 서울 양재 엘타워에서 EY·PwC·아마존웹서비스(AWS) 등 글로벌 파트너들과 함께 ‘AI 파트너스 데이 2026’을 열었다. 이번 행사는 ‘AI의 역설, 생산성 이면의 IT가 해결해야 할 4가지 전략’을 주제로, AI 도입 이후 운영 단계에서 기업들이 실제로 부딪히는 과제와 해법을 집중적으로 다뤘다.</p> <p contents-hash="72745acb50d2e706d51b4b28ecaae2e7f0f30961009b56413a331d9005a4ceb1" dmcf-pid="41AnS4Hlhx" dmcf-ptype="general">한선호 베스핀글로벌 최고AI책임자(CAIO) 부사장은 ‘AI의 라스트마일’을 화두로 꺼냈다. 글로벌 물류 기업이 창고 관리부터 공급망 최적화까지 AI 시스템을 완벽하게 갖췄지만 정작 마지막 1km인 고객 배송 단계에서 경험이 무너진 사례다. 한 부사장은 “기술이 강력해도 실제 사용자가 원하는 것을 놓치면 시장에서 아무런 역할을 못한다”고 전했다.</p> <p contents-hash="9ab77fe2dc7b97612a7405e1144e111337583e38f2677e9bd4baa5095003594d" dmcf-pid="8tcLv8XSlQ" dmcf-ptype="general">그가 짚은 기업 AI 실패 핵심 원인은 세 가지다. 기술이 비즈니스 문제를 찾아다니는 역방향 접근과 데이터 복잡성을 고려하지 않은 무분별한 도입, 공급자 중심 설계가 대표적이다. 한 부사장은 자연어 기반 질의(NL2SQL) 기술을 예로 들어 “단계별 정확도를 곱하면 실제 정확도는 80% 수준에 불과하다”며 “정말 필요한 곳에 쓰면 강력하지만 필요하지 않은 곳에 적용하면 비용 대비 효과가 없는 기술이 된다”고 설명했다.</p> <p contents-hash="06f8a7a2bd729a4f0131f1eee92b30966f20142a2c2e3d4410188e9753ac180b" dmcf-pid="6FkoT6ZvWP" dmcf-ptype="general">벡터 DB에 대한 과신도 경계했다. 한 부사장은 “벡터 DB는 확률 기반으로 답변을 주는 것이지 정확한 정답을 보장하지 않는다”며 계층 구조와 관계성 표현, 복합 추론 등 네 가지 한계를 짚었다. 그는 특정 보험사 약관을 사례로 들었다. 그래프 DB 기반 온톨로지 방식에서는 암 진단 후 수령 가능한 보험금 종류를 빠짐없이 조회하고 복합 추론도 가능했던 반면 벡터 DB 방식은 청크 안의 정보만 확인할 수 있었다는 것이다.</p> <p contents-hash="97e14798ca8aa699b5812826a65d60e11682321117e7baf9e28c1aeef93d9002" dmcf-pid="P3EgyP5TC6" dmcf-ptype="general">실제 사례도 공개했다. 베스핀글로벌이 AI 컨택센터 구축 요청을 받고 들어갔더니 정작 문제는 콜 폭증이 아니었다. 협력업체들이 상품 정보를 이미지 파일 하나로 던지는 관행 탓에 상담사가 고객 응대에 필요한 데이터 자체를 확보하지 못하고 있었다.</p> <p contents-hash="d27e269da79f848de9374fdd20f30bc836f8f773ce2abd1ecb75e6312a5e59bf" dmcf-pid="Q0DaWQ1yW8" dmcf-ptype="general">한 부사장은 “프로젝트를 완전히 뒤집어 5500개가 넘는 상품 정보를 AI로 추출해 시스템에 자동 반영하는 방식으로 풀었다”며 “머리가 아플 때 두통약이 아니라 왜 아픈지를 파고들어야 한다”고 강조했다.</p> <div contents-hash="460a5547224c32c3326f95ec5ecc431945e21f9c1657c0cf76d3a40943aac295" dmcf-pid="xpwNYxtWS4" dmcf-ptype="general"> 이러한 경험을 바탕으로 한 부사장이 제시한 것이 ‘AI 도입 전주기 지원’ 프레임이다. 어떤 영역에서 AI가 실질적으로 필요한지를 함께 찾는 디스커버, 최적화된 AI 컴포넌트 설계와 AI 레디 데이터 구축을 돕는 디자인, 그리고 KPI를 함께 설정하고 운영까지 맡는 AI ITO(운영 아웃소싱) 형태 서비스가 그것이다. 이날 행사에선 기업의 AI 여정을 지원하기 위한 AI 오케스트레이션 플랫폼 ‘헬프나우 AI 파운드리’도 소개했다. </div> <figure class="figure_frm origin_fig" contents-hash="6ce5423c667ed3de62728bf00ae4cebe478c42fc4ad1138eab414689f0769d0d" dmcf-pid="yjB0RyoMyf" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202604/01/552796-pzfp7fF/20260401060036821lpqr.jpg" data-org-width="640" dmcf-mid="KP27iHjJhJ" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202604/01/552796-pzfp7fF/20260401060036821lpqr.jpg" width="658"></p> </figure> <p contents-hash="284bd14a950bbc4a2a67ead3b2b56c0264821e7dd9259dfd99d8572ef013ee18" dmcf-pid="WAbpeWgRvV" dmcf-ptype="general">AI 도입 과정에서 생기는 데이터 문제는 이세영 베스핀글로벌 전무 발표에서도 이어졌다. 이 전무가 가장 먼저 꺼낸 것은 개념검증(PoC) 성공에 대한 과신이다. PoC에서는 잘 정제된 데이터로 진행하다 보니 결과가 좋게 나오지만 실제 운영 환경에서는 수십 년치 데이터가 혼재하고 시나리오도 걷잡을 수 없이 늘어난다. 이 전무는 “PoC 교훈을 바탕으로 대규모 데이터와 다양한 시나리오가 들어왔을 때 통제 가능한 환경을 만드는 것이 핵심”이라고 말했다.</p> <p contents-hash="64303f8c062a8f3d5892aa7adeabbe569da36f746c9fb3db71d9ebe105050e51" dmcf-pid="YcKUdYaeC2" dmcf-ptype="general">비정형 데이터에 대한 쏠림도 짚었다. 생성형 AI 등장 이후 기업들이 비정형 문서 정리에 집중해온 것은 사실이지만 막상 프로젝트를 진행하면 정형 데이터의 중요성이 부각된다는 설명이다. 이 전무는 “AI 에이전트가 가장 잘 다루는 건 사실 정형 데이터”라며 ERP·CRM·SCM 등 기업 핵심 시스템이 모두 정형 데이터 기반으로 움직이는 만큼 정형과 비정형을 함께 다루는 접근이 필요하다고 강조했다.</p> <p contents-hash="c02a9a88caff881db2473ffee92ae5380b979cf5a23b639a1261a9176cce5df5" dmcf-pid="Gk9uJGNdW9" dmcf-ptype="general">벡터 DB를 둘러싼 시각도 재점검이 필요하다고 봤다. 단순 벡터화는 의미가 단절된 거리 값으로 데이터를 배치하는 것이라 수학적으로 가장 가까운 값만 끌어올 뿐이고, 이것이 틀린 답을 반복하는 할루시네이션 원인이 된다는 것이다. 해법으로는 데이터 간 관계를 연결하는 시맨틱 레이어를 제시했다.</p> <p contents-hash="7099d849e4d1fba36a56f102b7f626c3846a24d648ca7e0d7f852d6ecd2d6173" dmcf-pid="HE27iHjJSK" dmcf-ptype="general">이 전무는 “데이터가 들어가서 AI 아웃풋이 나올 때까지 안에서 무슨 일이 일어나는지 알 수 없는 블랙박스 구조에서는 문제가 터지고 나서야 수습하게 된다”며 “파이프라인 단계별 처리 상태를 시각화해 현업이 직접 확인할 수 있어야 한다”고 덧붙였다.</p> <p contents-hash="be9a68b7a5dd62297a90b71ce209f33198b1b6bb81351badbbb85b9bbafe4cb7" dmcf-pid="XSe8EuIkhb" dmcf-ptype="general">허양호 베스핀글로벌 대표는 “베스핀글로벌과 오늘 참석한 파트너들은 단순히 AI 과제를 구축하고 철수하는 파트너가 아니다”라며 “과제 선정부터 구축, 운영까지 모든 과정을 엔드투엔드로 함께하는 진정한 파트너가 되겠다”고 밝혔다.</p> </section> </div> <p class="" data-translation="true">Copyright © 디지털데일리. All rights reserved. 무단 전재 및 재배포 금지.</p> 관련자료 이전 제품 경쟁력·빅파마인재·대규모 자금...3박자로 뚫었다[글로벌 도약, 직판이 답이다②] 04-01 다음 충청권 생성형 AI 경험률 ‘전국 최고’ 04-01 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.