오는 2030년까지 기업 10곳 중 1곳 이상이 ‘인공지능 우선(AI-first)’ 기업이 될 것으로 전망된다. 이들 기업은 AI 에이전트, 시맨틱스, 융합형 데이터·분석 플랫폼 도입에서 경쟁사보다 앞서 나갈 것으로 예상된다.
정보기술 컨설팅 기업 가트너(Gartner)의 칼리 이도인(Carlie Idoine) 애널리스트는 최근 호주 시드니에서 열린 행사에서 “조직들은 AI 우선 운영 모델로 빠르게 이동하고 있다”며 “이제 AI는 모든 비즈니스 의사결정, 업무 흐름, 투자에서 핵심 고려 사항이 되고 있다”고 말했다. 그는 “명확하고 전사적인 약속이 없다면 조직들은 비즈니스 전반에서 AI의 잠재력을 일관되게 실현하는 데 어려움을 겪게 될 것”이라고 지적했다.
가트너는 데이터·분석 분야에서 주목해야 할 여섯 가지 트렌드 제시하며, 조직들이 이를 앞으로 2년간 전략에 반영할 것을 권고했다.
첫째, 주권형 AI가 가속화된다.
AI가 경제적 역량의 핵심 요소로 부상하면서 각국 정부는 자국 AI 역량의 통제권 확보를 우선시하고 있다. 이는 국가 주권 차원의 목표를 달성하기 위해 외국 의존도를 최소화하려는 움직임이다. 데이터·분석 통제를 현지화하는 것은 이 과정에서 중요한 요소다. 이는 AI 우선 기업으로 나아가는 로드맵에서 많은 조직이 관리해야 할 외부 지정학적 현실이기도 하다.
이도인은 “주권형 AI는 조직들이 AI 전략에서 통제, 혁신, 회복탄력성을 바라보는 방식을 근본적으로 바꾸고 있다”고 말했다. 그는 이어 “주권형 AI가 제시하는 기회와 위협에 효과적으로 대응하기 위해 조직들은 데이터·분석 로드맵을 현대화하고, AI 활용 사례를 단순한 사용 단계에서 경쟁 우위 확보 단계로 발전시켜야 한다”고 강조했다.
둘째, 의사결정 거버넌스를 통해 AI 에이전트 리스크를 줄인다.
AI 에이전트는 전략적·전술적·운영적 의사결정을 점점 더 많이 수행하고 있다. 이는 거버넌스 없는 의사결정이 법적·운영적·평판 리스크 노출을 키울 수 있음을 의미한다. 의사결정 거버넌스는 거버넌스 원칙을 의사결정 인텔리전스에 적용해, 자동화된 의사결정이 설명 가능하고 감사 가능하며 성과와 정렬되도록 하는 체계다.
가트너는 의사결정 인텔리전스 플랫폼 도입에 힘입어, 2029년까지 명시적으로 모델링된 비즈니스 의사결정이 거버넌스가 없는 의사결정보다 신뢰도는 다섯 배 높고 속도는 80% 더 빠를 것으로 전망했다.
셋째, AI 거버넌스 플랫폼으로 신뢰를 확보한다.
글로벌 AI 규제의 복잡성이 커지고, 새로운 AI 리스크가 등장하며, 자율형 AI 에이전트 도입이 가속화되면서 기존의 표준 보증 방식만으로는 효과적인 AI 거버넌스를 구현하기 어려워지고 있다. AI 거버넌스 플랫폼은 조직들이 공통의 책임 있는 AI 원칙에 따라 기업 정책, 규제, 산업 표준을 준수하도록 돕는다.
가트너는 데이터·분석 리더들이 거버넌스를 운영 단계에서 실행하기 위해 AI 거버넌스 플랫폼을 도입할 것을 권고했다. 이는 중앙 집중식 감독을 제공하고, 리스크 관리 프레임워크를 적용하며, 필요한 통제 장치를 집행할 수 있도록 한다.
넷째, 에이전틱 데이터 스트리밍이 실시간 인텔리전스를 강화한다.
기존의 배치 기반 데이터 처리는 속도가 지나치게 느릴 수 있다. 반면 에이전틱 데이터 스트리밍은 AI 에이전트를 만들고 활용하려는 조직에 필수적인 요소다. 지속적이고 이벤트 기반인 데이터 흐름은 데이터·분석 리더들이 데이터를 더 빠르게 제공하도록 하며, AI 에이전트가 더 많은 업무를 빠르고 정확하게 수행할 수 있도록 한다.
가트너는 실시간 대응이라는 파괴적 압력이 에이전틱 AI를 위한 데이터 스트리밍 도입률을 2025년 15% 미만에서 2028년 60% 이상으로 끌어올릴 것으로 전망했다. 조직들은 의사결정 인텔리전스, 자율 운영, 디지털 트윈처럼 실시간 데이터를 필요로 하는 활용 사례를 우선시해야 한다.
다섯째, 에이전틱 데이터 관리가 운영을 간소화한다.
데이터·분석 리더들은 갈수록 복잡해지는 데이터를 관리하는 데 지속적인 어려움을 겪고 있다. 이는 기존 데이터 관리 프로세스에 부담을 주고, AI 준비 상태를 달성하려는 노력도 복잡하게 만든다. 데이터 관리에 AI 에이전트를 활용하면 실시간 조치, 패턴 탐지, 권고 기능을 통해 핵심 데이터 프로세스를 강화하고, 민첩성과 대응 속도를 높일 수 있다.
이도인 애널리스트는 “AI 에이전트를 데이터 관리 업무 흐름에 통합하면 데이터 팀은 자기학습 시스템을 활용해 더 적응적으로 운영할 수 있다”고 말했다. 그는 이어 “이러한 역량이 일관되고 비즈니스와 정렬된 성과를 내도록 하기 위해서는 강력한 거버넌스를 수립하고 성과를 지속적으로 모니터링하는 것이 필수적”이라고 덧붙였다.
여섯째, 그래프 RAG가 복잡한 활용 사례를 처리한다.
많은 기업용 AI 애플리케이션은 높은 정확도와 신뢰성을 요구한다. 그러나 기존의 검색증강생성(RAG) 접근 방식은 복잡하고 맥락이 풍부한 질의를 처리하는 데 한계가 있다. 그래프 RAG는 지식 그래프와 대규모언어모델(LLM)을 결합해 AI 시스템이 정보를 검색하고 연결하는 방식, 맥락적 의미를 적용하는 방식, 복잡한 활용 사례에서 더 정확한 결과를 제공하는 방식을 개선한다.
가트너는 2029년까지 기업의 40%가 응답의 사실 정확성과 LLM의 추론 역량을 개선하기 위해 그래프 RAG 기법을 활용하게 될 것으로 전망했다.
댓글 작성