AI의 성공은 더 나은 데이터에서 시작됩니다

AI의 성공은 더 나은 데이터에서 시작됩니다

인공지능은 한 가지 사실을 분명히 보여줬습니다. 바로 결과물의 질은 데이터의 질에 달려 있다는 것입니다.

AI가 예상치 못한 답변을 내놓을 때, 기술이 실패했다고 단정하기 쉽습니다. 많은 경우, 부정확하거나 불완전한 데이터가 실제 문제입니다. 조직이 AI 활용을 확대함에 따라, 데이터 품질 향상은 이를 구동하는 인프라를 구축하는 것만큼이나 중요해졌습니다.

하지만 그 책임은 IT 부서에만 있는 것은 아닙니다.

데이터는 기업의 소유이며, IT는 신뢰를 구축하는 역할을 합니다.

IT 부서는 데이터를 저장, 보호 및 제공하는 기술적 기반을 구축하고 관리합니다. 비즈니스 부서는 데이터 자체에 대한 소유권을 가지며, 데이터의 의미, 사용 방법 및 요구되는 품질 수준에 대한 결정권을 가집니다.

어느 한 팀도 엔터프라이즈 데이터의 모든 측면을 이해할 수 없기 때문에 이러한 구분은 매우 중요합니다. 재무팀은 재무 정보를 소유합니다. 영업팀은 고객 관계를 이해합니다. 제품팀은 제품 데이터를 정의합니다. 각 그룹은 IT가 단독으로 제공할 수 없는 전문성을 제공합니다.

IT 부서의 역할은 이러한 이해관계자들을 연결하는 데이터 거버넌스 전문 센터를 구축하는 것입니다. 우리는 비즈니스 팀이 기업 전체에서 일관된 방식으로 데이터를 관리할 수 있도록 프로세스, 보안, 기술 및 가시성을 제공합니다.

가장 중요한 데이터부터 시작하세요

데이터 거버넌스는 한꺼번에 모든 것을 해결하려고 하면 부담스러울 수 있습니다. 가장 중요한 비즈니스 주체부터 시작하는 것이 좋습니다.

NetApp에서는 고객 및 제품 등 핵심 영역부터 시작했습니다. 이러한 영역은 핵심 비즈니스 프로세스를 지원하고 여러 조직에 걸쳐 있는 경우가 많기 때문에, 더 확장하기 전에 거버넌스 체계를 구축하기에 가장 적합한 곳입니다.

가치 있는 데이터에 우선적으로 집중함으로써 조직은 추진력을 얻고, 측정 가능한 진전을 입증하며, 시간이 지남에 따라 비즈니스 전반으로 확장할 수 있는 프레임워크를 구축할 수 있습니다.

데이터 출처를 파악하세요

IT 부서의 가장 중요한 책임 중 하나는 데이터의 계보를 이해하는 것입니다.

기업 데이터가 한 곳에만 존재하는 경우는 거의 없습니다. 예를 들어 고객 정보는 ERP 시스템, 영업 애플리케이션, 지원 플랫폼 또는 제품 원격 측정에서 생성될 수 있습니다. 데이터가 시스템 간에 이동할 때 중복 레코드, 변환 또는 오래된 복사본으로 인해 불일치가 발생할 수 있습니다.

그렇기 때문에 신뢰할 수 있는 정보 출처 시스템을 식별하는 것이 필수적입니다. 정보가 최초 출처에서 멀어질수록 오류가 발생할 가능성이 커집니다.

조직은 데이터 환경을 단순화함으로써 거버넌스를 강화할 수도 있습니다. 가능한 한 시스템을 통합하고 불필요한 인수인계를 줄이면 분석 및 AI를 위한 더욱 안정적인 기반을 마련할 수 있습니다.

거버넌스는 지속적인 활동입니다.

많은 조직들이 데이터 거버넌스를 완료해야 하는 프로젝트처럼 접근합니다. 하지만 실제로는 지속적인 운영 과제입니다.

비즈니스 우선순위는 진화합니다. 애플리케이션은 변화합니다. 새로운 데이터 소스가 도입됩니다. AI는 정보를 소비하는 완전히 새로운 방식을 만들어냅니다. 거버넌스 또한 이에 발맞춰 진화해야 합니다.

경영진의 지원은 이러한 노력을 지속하는 데 필수적입니다. NetApp의 경영진은 데이터 거버넌스를 적극적으로 지지하며, 사업 부서에서는 IT 부서와 협력하여 소유권을 정의하고, 기대치를 설정하고, 책임성을 유지하는 데이터 관리자를 지정합니다.

또한 주요 사업체, 핵심 속성, 사업주 및 데이터 관리자의 카탈로그를 관리합니다. 이러한 정보를 최신 상태로 유지하려면 일회성 문서화 작업이 아닌 지속적인 관리가 필요합니다.

이러한 업무를 지원하기 위해 IT 부서는 비즈니스 전반의 거버넌스 활동을 지원하는 전담 데이터 조직을 유지하기 위한 지침을 제공합니다. 이 조직의 책임은 데이터를 소유하는 것이 아니라, 조직이 성장함에 따라 비즈니스 팀이 일관성을 유지하도록 돕는 것입니다.

함께 진행 상황을 측정하세요

데이터 품질에 대한 가장 큰 오해 중 하나는 IT 부서에서 “좋은” 데이터 품질을 정의해야 한다는 것입니다. 하지만 이는 궁극적으로 비즈니스 부서의 결정입니다.

모든 조직은 정확성과 실용성 사이에서 균형을 유지하며, 다양한 비즈니스 프로세스는 각기 다른 비즈니스 성과를 위해 서로 다른 수준의 정확성을 요구합니다. 경영진은 이러한 기대치를 결정하고, IT는 그 기대치에 대한 성과를 측정하는 데 필요한 툴을 제공합니다.

AI는 조직이 분석을 자동화하고, 품질 문제를 더 빠르게 파악하며, 더 나은 데이터 품질 툴을 개발하도록 지원하여 이 작업을 가속화하고 있습니다. 이러한 인사이트를 통해 비즈니스 팀은 결과를 검증하고, 개선 사항의 우선순위를 정하며, 데이터 품질을 지속적으로 강화할 수 있습니다.

더 나은 AI를 구축하는 것은 더 나은 파트너십에서 시작됩니다

조직이 데이터 품질을 하루아침에 개선할 수는 없습니다. 성공은 가장 가치 있는 기회를 파악하고, 명확한 책임 소재를 설정하고, 진행 상황을 측정하고, 한 번에 하나의 개선 사항을 통해 추진력을 구축하는 데서 비롯됩니다.

AI는 데이터에 대한 기대치를 높였지만, 단순히 더 나은 기술만으로는 해결책이 될 수 없습니다. 기업의 주도적인 책임, 강력한 거버넌스, 그리고 IT 부서와의 지속적인 협력이 필요합니다.

오늘날 그러한 역량을 구축하는 조직은 내일 AI의 잠재력을 최대한 실현하는 데 훨씬 유리한 위치에 서게 될 것입니다.