In partnership withWNS Triange
2006년 영국의 수학자 클라이브 험비(Clive Humby)는 “데이터는 새로운 석유다(Data is the new oil)”라고 말했다. 꽤 상투적인 표현이지만 최근 생성형 AI가 등장하면서 이 말에 새로운 생명이 깃들고 있다. WNS 트라이앤지(WNS Triange)와 코리니움 인텔리전스(Corinium Intelligence)라는 두 회사가 ‘기업 데이터와 AI의 미래(Future of Enterprise Data & AI)’에 대해 수행한 국제 연구에 따르면 조사 대상이었던 최고 경영진 및 의사 결정권자의 76%가 생성형 AI 프로젝트를 계획하거나 실행하고 있는 것으로 나타났다.
오늘날에는 AI를 이용해 기업환경에서 얻은 데이터의 잠재력을 적극적으로 개발하는 것이 필수적이다. 맥킨지(McKinsey) 보고서에 의하면 데이터를 기반으로 운영되는 조직은 감가상각 전 영업이익(EBITA)이 최대 25% 증가했다. AI에 기반한 데이터 전략은 비즈니스 목표 최적화, 부서 간 소통 장벽의 해체, 데이터 거버넌스에 중점을 둔 관리, 모든 구성원의 데이터 접근성을 높인 데이터 민주화, 전문 지식의 통합 등의 세부 과제로 구성되는데, 이러한 방식은 결과적으로 기업의 성장을 촉진하고, 미개발된 잠재력이 실현될 수 있도록 돕는다.
비즈니스 프로세스 관리 기업인 WNS 글로벌 서비스(WNS Global Services) 산하 WNS 트라이앤지 사업부의 수석 부사장 겸 AI, 분석, 데이터, 연구 실무 글로벌 책임자인 아킬레쉬 에이어(Akhilesh Ayer)는 “기업이 AI 중심의 운영 모델을 받아들이기 위해서는 기본적인 데이터 기반, 데이터 생태계, 그리고 데이터 문화가 필요하다”고 말했다.
통합 데이터 생태계
기업이 AI 중심의 운영 모델을 도입하기 위해서는 데이터를 비즈니스의 근간으로 삼아야 한다. 에이어는 경영인들이 “모든 의사 결정을 개인의 판단 대신 데이터에 기반해 내려야 한다”고 말했다. 이를 위해서는 실시간 데이터 수집이 필수적이다. 에이어는 “예를 들어 은행에서 금융 사기 건을 분석하려면 거래에 대한 실시간 데이터가 있어야 한다”며 “따라서 기술팀이 이를 위해 실시간으로 데이터를 수집할 수 있어야 한다”고 설명했다.
실시간 데이터는 통합 데이터 생태계의 한 요소일 뿐이다. 에이어는 이를 넘어 전방위적인 접근이 필요하다고 강조한다. 기업에는 고위 경영진의 명확한 방향성, 데이터 자산의 명확한 관리, 문화 및 행동의 변화, 올바른 비즈니스 사례를 알아보는 혜안과 그 영향력을 평가할 수 있는 능력이 필요하다.
비즈니스 목표와 데이터 이니셔티브의 조화
AI 기반의 데이터 전략은 이것이 주요 비즈니스 목표를 뒷받침할 때만 경쟁력을 높일 수 있다. 에이어는 기업이 데이터로 무엇을 할지 결정하기에 앞서 비즈니스 목표를 세워야 한다고 말했다.
에이어는 데이터 및 AI 성숙도(data-and-AI maturity)를 평가하거나, 기업의 데이터 제품 로드맵의 필요성을 판단하는 것도 초반에 적용할 수 있는 한 가지 방안이라고 설명했다. 그는 이를 통해 기업이 “데이터 구성 방식을 재설계할 필요성이나 데이터 현대화 이니셔티브를 시행해야 할지 여부”를 판단할 수 있다고 말했다.
고객 경험에 있어 사용자 맞춤화와 편의성 향상에 대한 수요는 중요하며 다른 기업과 차별화되는 요소다. 기업이 고객 데이터를 사용하는 방식은 업계에서 경쟁 우위를 유지하는 데 특히 중요하며, 이를 어떻게 활용하느냐에 따라 비즈니스 운영은 근본적으로 달라질 수 있다.
에이어는 갈수록 높아지는 고객의 기대치에 맞춰 기업이 어떻게 데이터를 더욱 잘 활용할 수 있는지 WNS 트라이앤지와 한 소매업체 고객사의 사례를 예로 들어 설명했다. 해당 소매업체는 고객 경험을 개선하기 위해 여러 데이터 자산으로부터 더 큰 가치를 창출하고자 했다. WNS 트라이앤지는 클라우드와 AI를 이용해 이 회사의 데이터를 현대화하는 과정에서, 여러 데이터 소스를 기반으로 정보를 교차 검증하는 데이터 삼각측량(data triangulation)을 수행했다. 그리고 사용자 맞춤 모델을 포함한 통합 데이터 저장소를 구축하여 투자 수익률을 높이고 마케팅 지출을 줄였다. 에이어는 “통합적 데이터 조정은 기업이 직접적인 효과를 얻으면서 고객 경험 또한 향상시킬 수 있는 한 가지 방법일 뿐이다”라고 말했다.
조직 내 의사소통 장벽인 ‘사일로’ 허물기
한 조직이 데이터에 관해 어떠한 목표를 갖고 있든 명확하고 효과적인 의사소통 없이 성공하는 경우는 거의 없다. 에이어는 안전하고 원활하게 데이터를 공유하기 위해 부서 간 안정적이고 일관된 의사소통을 뒷받침하는 프로세스 플로우, 즉 API(application programming interfaces)를 구축하는 것이 최신 동향이라고 말했다.
이는 조직 내 여러 부서가 정보의 격차 없이 동일한 데이터를 공유하고 의견을 일치시키는 데 필수적이다. 에이어는 “기업이 여러 부서 및 데이터 생태계와의 협업을 강화함으로써 사업부가 더 나은 데이터 관행을 채택하도록 장려하면, 모든 의사 결정이 자동으로 데이터를 중심으로 진행된다”고 설명했다.
일례로 WNS 트라이앤지는 잘 알려진 한 보험사가 부서별 ‘사일로(silos)’를 없애고 더 나은 의사소통 채널을 구축할 수 있도록 도움을 주었다. 사일로는 견고했다. 해당 보험사는 여러 지역과 기존 데이터 생태계에 걸쳐 다수의 사업을 보유하고 있었다. WNS 트라이앤지는 이들을 하나로 통합하고 공동 데이터 생태계를 이룰 수 있게 했다. 에이어는 “사일로가 사라지고 서로 자원을 상호 이용할 수 있게 되었다”며, “한 집단으로서 이들은 우선순위를 정하고, 어떤 데이터 프로그램을 먼저 선택할지, 어떤 비즈니스를 자동화하고 현대화해야 하는지 결정할 수 있다”고 말했다.
기술을 넘어 데이터 오너십까지
사일로를 없애는 것이 항상 간단한 일은 아니다. 많은 조직이 여러 부서에 분산된 형태로 데이터를 보유하고 있다. 에이어는 기업이 여러 부서의 기본 데이터를 통합하여 데이터 오너십을 확대함으로써 의사 결정 프로세스를 개선할 수 있다고 말했다. 이를 위한 한 가지 방법은 여러 기본 데이터를 한데 모아 통합된 데이터를 하나의 제품으로 취급하는 것이다.
시스템 아키텍처와 디자인은 IT 기술을 통해 좌우되지만, 주요 데이터 오너십은 비즈니스 사용자들에게 있다. 에이어는 어떤 데이터가 필요하고 이를 어떻게 사용해야 하는지는 사용자들 스스로가 잘 알고 있다고 말했다. 그는 “사용자들이 데이터 오너십을 가지고 통찰력 있는 아이디어를 구상할 수 있다는 것을 의미한다”라고 말했다.
이러한 데이터 민주화를 통해 기업의 구성원들은 건전한 데이터 문화를 함양하는 데이터 프로세스와 워크플로우를 채택할 수 있다. 에이어는 기업들이 이 분야에 대한 교육에 투자하고 있다고 말했다. 그는 “우리는 몇몇 기업에서 앞으로 투자할 필수 교육 프로그램을 설계하는 데 도움을 주기도 했다”고 말했다.
데이터 탈중앙화를 위한 툴
AI 기반의 데이터 메시(data mesh)와 데이터 패브릭(data fabric)은 기업이 데이터 오너십을 탈중앙화하고, 단일한 제품으로서의 데이터 개념을 양성하며, 더욱 민첩한 비즈니스를 구축할 수 있게 해준다.
어떤 조직이 데이터 패브릭 모델을 채택할 때는 새로운 데이터 소스를 효과적으로 관리하기 위한 데이터 수집 프레임워크를 포함시키는 것이 중요하다. 에이어는 “새로운 데이터에 새로운 변수들이 생기기 때문에 동적 데이터 통합이 가능해야 한다”고 말했다. 그는 “기존의 데이터 호수(data lake)나 데이터 창고(data warehouse)와 통합되는 방식을 기업 측에서 고려해야 한다”고 덧붙였다.
에이어는 데이터 제어를 개선한 사례로 여행업계 고객과의 협업 건을 언급했다. 이 고객은 여러 나라에서 다양한 사업을 운영하고 있어 데이터를 중앙에서 통제하기가 까다롭고 비효율적이었다. WNS 트라이앤지는 데이터 메시 및 데이터 패브릭 생태계를 도입해 연합된 데이터 거버넌스를 제어할 수 있게 했다. 그 결과 데이터 통합과 자동화가 강화되어 조직이 더욱 데이터 중심의 효율적인 방식으로 운영될 수 있게 되었다.
모두를 위한 거버넌스 구조
에이어는 “거버넌스 제어는 통합될 수 있다. 즉 중앙 IT 부서가 전체 거버넌스 프로토콜을 설계하는 동안, 사용자는 데이터 공유, 보안, 개인정보 보호와 같은 일부 거버넌스 제어를 다른 사업부에 넘겨 더욱 원활하고 효과적으로 데이터를 배포할 수 있다”고 말했다.
AI 기반의 데이터 워크플로우를 자동화하면 데이터를 보다 정밀하게 처리할 수 있으며, 데이터의 후속 처리 과정 또한 개선할 수 있다. 에이어는 예를 들어 보험금 청구의 사기 여부를 심사할 때 보험사의 데이터 생태계와 워크플로우가 완전 자동화되어 있으면 AI 기반의 평가를 즉각적으로 내릴 수 있다고 말했다.
에이어는 “시스템이 신청된 보험금 청구 건을 처리하고, 이를 중앙 데이터 생태계에 통합하며, 보험 가입자의 정보를 해당 청구 데이터와 일치시킨다. 또한 청구 관련 정보가 모델을 통과해 제안(recommendation)을 생성하며, 이 제안을 전체 워크플로우로 돌려놓는다. 이러한 일련의 기술을 통해 후속 데이터 분석 능력이 향상되는 것을 경험할 수 있다”고 말했다.
미래의 데이터 중심 조직
명확한 비즈니스 목표에 맞춰 잘 짜인 데이터 전략 아래에서는 조직의 인프라에 AI 툴과 기술을 원활히 통합시킬 수 있다. 이는 디지털 시대에 경쟁 우위를 확보할 수 있게 일조한다.
데이터 전략을 이용한 이점을 누리기 위해서는 기존 데이터 플랫폼에 의한 장애, 변화의 흐름에 지장을 주는 조직의 느린 채택 속도, 문화적 저항과 같은 장벽을 지속적으로 극복해야 한다. 에이어는 “직원들이 자신과 고객, 기타 이해관계자의 발전을 위해 데이터 중심의 시스템을 수용하는 것이 매우 중요하다”고 지적했다. 그는 “조직은 데이터 전략을 비즈니스 목표에 맞춰 조정하고, 보다 원활한 채택을 위해 이해관계자들의 동의를 구하는 동시에 직원들의 역량을 강화하며, 올바른 기술과 프레임워크를 사용함으로써 데이터 중심의 시스템을 구축할 수 있다”고 덧붙였다.
이 글은 MIT 테크놀로지 리뷰의 맞춤형 콘텐츠 부서인 인사이트 팀에서 제작되었다. MIT 테크놀로지 리뷰의 편집진이 작성하지 않았음을 밝힌다.
