오라클 “기업 AI가 제대로 일하려면…업무 맥락까지 연결해야” [월간AX 10월호] 작성일 11-03 9 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">온톨로지 기반 AI 업무 판단·실행 방안 제시</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="2Tks9Td8d1"> <p contents-hash="a7ea2203ef71a1192c2ebe10009687e4ef69eca10b318686f2f828254d1c81c5" dmcf-pid="VyEO2yJ6d5" dmcf-ptype="general">"기업의 인공지능 전환(AX)은 더 좋은 AI 모델을 도입하거나 사내 데이터를 제공하는 것만으로는 충분하지 않습니다. AI가 실제 회사 일을 하려면 데이터의 현재 상태와 회사가 정한 기준, 정보 간 관계를 이해해야 합니다. AI에 데이터를 주는 것을 넘어 업무 맥락까지 이해시켜야 합니다."</p> <div contents-hash="45a1c41ae8600175e2433304f2f10553f614574bed09f28679a214769b222643" dmcf-pid="f7Y1L7mjJZ" dmcf-ptype="general"> 김민지 한국오라클 클라우드 스페셜리스트 엔지니어링팀 부장은 3일 서울 서대문구 한빛앤 본사 리더스홀에서 열린 '월간AX 10월 세미나: 우리 회사 데이터···AI가 제대로, 안전하게 쓰려면'에서 기업 AX의 실행 조건으로 '연결된 업무 맥락'을 제시하며 이같이 말했다. </div> <figure class="figure_frm origin_fig" contents-hash="a262b9eebd2abffa098854ad1ff90d8700555677da83499a3ca7c79e82332f06" data-idxno="500117" data-type="photo" dmcf-pid="4zGtozsAdX" dmcf-ptype="figure"> <p class="link_figure"><img alt="김민지 한국오라클 클라우드 스페셜리스트 엔지니어링팀 부장 / 정종길 기자" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/03/552810-SDi8XcZ/20261103165428615mrlh.jpg" data-org-width="1280" dmcf-mid="9jfxyLpXdt" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/03/552810-SDi8XcZ/20261103165428615mrlh.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 김민지 한국오라클 클라우드 스페셜리스트 엔지니어링팀 부장 / 정종길 기자 </figcaption> </figure> <p contents-hash="4acacbda15480d804bb7f1a80f066790f7b4235b6d2a1fd9d3dcab1f02efc9aa" dmcf-pid="8qHFgqOceH" dmcf-ptype="general">김 부장은 이날 '기업 AX의 실행 조건: 업무 맥락을 연결하는 데이터 아키텍처'를 주제로 발표했다. '월간AX'는 IT조선이 AI 시대 실무 러닝 허브 한빛앤과 공동 주최하는 AI 시대 네트워킹 프로그램이다.</p> <p contents-hash="4e561e2521239b0cbb72137c1ad2865c829a15ba43ac1b8522ceea9a6922a242" dmcf-pid="6BX3aBIkLG" dmcf-ptype="general">김 부장은 사내 AI를 도입한 기업이 신입사원의 첫 출근을 준비하는 가상의 상황을 사례로 들어 발표를 시작했다. 인사팀은 직원의 입사일을, IT팀은 계정과 노트북 준비 상태를, 보안팀은 시스템 접근 권한, 현업 부서는 첫 업무 등을 각각 관리한다. 하지만 계정과 장비가 준비됐더라도 시스템 접근 권한이 승인되지 않았다면 정상적인 업무 수행이 어렵다. AI가 이러한 업무 준비 상황을 정확하게 판단하려면 여러 부서의 정보를 연결하고 회사 규정을 적용해 필요한 승인 담당자까지 찾아야 한다.</p> <p contents-hash="5f20323844bc23f41b6762419a326399310d3ba6bf0a9ace89e9dff7df3423f7" dmcf-pid="PbZ0NbCERY" dmcf-ptype="general"><strong>AI마다 다른 판단, 온톨로지로 업무 기준 통일</strong></p> <p contents-hash="b3b891e2bcb0490bf2fe0a27b3396976eac1d11fa9cfbe662c61702a9b8b2654" dmcf-pid="QK5pjKhDLW" dmcf-ptype="general">같은 직원의 업무 준비 상태를 두고 AI마다 서로 다른 판단을 내릴 수도 있다. 인사팀 AI는 계정과 장비가 준비됐으므로 업무를 시작할 수 있다고 판단하지만, 현업 AI는 시스템 접근 권한이 없어 불가능하다고 판단하는 식이다. 김민지 부장은 "같은 질문에 AI가 서로 다른 답을 내놓는 것은 각자 참조하는 업무 기준이 다르기 때문"이라며 "하지만 온톨로지에 업무의 의미와 관계, 규칙을 정의해두면 여러 AI가 동일한 기준으로 판단할 수 있다"고 설명했다.</p> <p contents-hash="af8ac05f9fe3a10e7211d5f2e00a012f1223e3d8db707ee5683449abbddd9ec7" dmcf-pid="x91UA9lwJy" dmcf-ptype="general">온톨로지(Ontology)는 직원과 업무, 시스템, 권한 등 기업에서 사용하는 개념과 이들 사이의 관계를 체계적으로 정의하는 기술이다. 여기에 그래프 기술을 결합하면 서로 다른 시스템에 흩어진 정보의 연결 관계를 따라 필요한 데이터를 찾을 수 있다. 오라클은 의미와 규칙을 정의하고 추론하는 자원기술프레임워크(RDF) 그래프와 대상 간 연결 관계를 탐색하는 프로퍼티 그래프(Property Graph)를 함께 활용하고 있다.</p> <p contents-hash="6e86854c169ab7ca33f1672174f0e538439b97ce008c75bb50252b24c761dae1" dmcf-pid="ysLAUs8BMT" dmcf-ptype="general">특히 오라클의 컨버지드 데이터베이스(Converged Database)는 관계형 데이터와 JSON, 그래프, 텍스트, 벡터 등 다양한 데이터 유형을 하나의 데이터베이스에서 처리하도록 지원한다. 이를 활용하면 AI가 최신 상태의 데이터를 조회하면서 사용자의 접근 권한과 업무 조건을 함께 적용할 수 있다. 김 부장은 "AI가 과거에 복사한 데이터를 참조할 경우 이미 승인된 권한도 승인 대기로 잘못 판단할 수 있다"며 최신 데이터와 일관된 보안 기준의 중요성을 강조했다.</p> <p contents-hash="1d57f3ea7b58aff73ac0a3fe56bd51e1a246e3d6e0f609cbb15977fe3d3741de" dmcf-pid="WOocuO6bMv" dmcf-ptype="general"><strong>데이터 분석 넘어 업무 판단·후속 조치 제안까지</strong></p> <p contents-hash="5a7597125a153bb5146753214dae7e6f73a549d55940b3df269163099e6e4d96" dmcf-pid="YIgk7IPKMS" dmcf-ptype="general">이어 김 부장은 제조 품질관리 업무를 가정한 시연을 통해 AI가 데이터와 회사 규칙을 결합해 판단하는 과정을 보여줬다. 특정 제품의 유럽 지역 고객 문의가 최근 4주간 직전 4주 대비 3배 증가했지만 판매량에는 큰 변화가 없는 상황이다. 관련해 AI가 추가로 데이터를 조회한 결과, 고객 문의의 73%가 특정 부품 로트(Lot·동일한 생산 조건으로 만들어진 제품 묶음)에 집중됐으며, 해당 로트의 품질검사에서도 이상이 있음을 확인할 수 있었다.</p> <p contents-hash="13c8c5e3e2e416641247329be9f491b037d4263646a1a0257d79b4011f813535" dmcf-pid="GCaEzCQ9Ll" dmcf-ptype="general">이에 대해 AI는 사전에 설정된 품질관리 규칙을 적용해 해당 로트를 우선 조사 대상으로 분류하고 판단 근거를 제시했다. 이후 그래프 기술로 관련 제품과 지역별 재고를 확인하면서 북미 지역의 교체용 재고에도 같은 로트의 부품이 포함된 사실을 찾아냈다. 김 부장은 이러한 접근을 '액셔너블 온톨로지(Actionable Ontology)'라고 소개했다. 데이터의 현재 상태와 기업의 업무 규칙, 대상 간 관계를 결합해 AI가 상황을 판단하고 다음에 필요한 행동까지 제안하도록 하는 방식이다.</p> <p contents-hash="97be1ff50131ce27fef46eb9b64fffa34691ae7c78a2c91f3d16475ae6bea693" dmcf-pid="HhNDqhx2ih" dmcf-ptype="general">김민지 부장은 "기업 AX의 실행 조건은 연결된 업무 맥락"이라며 "AI가 질문에 답하는 데서 그치지 않고 다음에 무엇을 해야 할지 판단할 수 있어야 한다"고 말했다. 이어 "기업에서도 여러 시스템의 정보를 함께 확인해야 답할 수 있는 업무를 하나 선정해, AI가 데이터와 업무 규칙을 연결해 판단하도록 하는 것부터 시작하길 권한다"고 조언했다.</p> <p contents-hash="03b751f4741d34336cca6f3a06c629fd19079623a361ee545d1d38f9d3b43b8a" dmcf-pid="XcMn5cb0MC" dmcf-ptype="general">정종길 기자<br>jk2@chosunbiz.com</p> </section> </div> <p class="" data-translation="true">Copyright © IT조선. 무단전재 및 재배포 금지.</p> 관련자료 이전 사명 변경에 AI 게임·드라마까지…장현국 대표의 '풀스택 플랫폼' 추진 11-03 다음 “버려진 실리콘의 대반전”…특구기업, 1000억 시장 뚫었다 11-03 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
