Agentic AI 시대의 숨은 변수, AI Ready Data

에이전틱 AI(Agentic AI) 시대가 열리면서 기업들의 관심사는 명확하게 ROI로 옮겨가고 있습니다. 지난 2~3년간 모델 도입, 인프라 구축, 파일럿 프로젝트에 막대한 비용을 쏟아부었습니다. 이 과정에서 AI 투자 성과는 결국 데이터라는 자산에서 나온다는 공감대가 확산되었습니다. 관련해 이번 포스팅에서는 AI Ready Data가 에이전틱 AI 시대의 성과 창출의 토대로 주목받는 이유와 에버퓨어(Everpure)가 이 문제를 어떻게 해결하고자 하는지 살펴보겠습니다.

AI Ready Data란?

한국 조직의 디지털 전환(DX) 수준은 민간과 공공 모두 꽤 높습니다. 쌓아 놓은 데이터도 적지 않은 편입니다. 온프레미스 서버, 클라우드, SaaS 애플리케이션 등 기업 데이터는 사방에 흩어져 있습니다. 하지만 단순히 데이터가 많다고 해서 AI를 잘 활용할 수 있는 건 아닙니다. AI Ready Data는 양이 아니라 맥락의 문제입니다.

에이전틱 AI 환경에서는 수십 개의 시스템에 흩어져 있는 데이터를 넘나들며 추론합니다. 데이터가 어디서 왔는지, 무엇을 의미하는지 얼마나 신뢰할 수 있는지를 AI가 알 수 있어야 합니다. 데이터에 맥락이 담겨 있지 않으면 AI는 아무리 똑똑해도 엉뚱한 결론에 이를 수 있습니다. 에버퓨어 CTO Rob Lee는 이를 다음과 같이 표현했습니다.

"강력한 엔터프라이즈 AI는 가장 광범위한 데이터셋에서 데이터 맥락을 추출하는 데 달려 있습니다. 실행 가능한 정보가 되려면 데이터에는 기초적인 온톨로지(ontology)가 필요합니다."

이 말에는 AI가 데이터에 접근할 수 있는 것만으로는 부족하다는 의미가 담겨 있습니다. 데이터가 무엇을 의미하는지 다른 데이터와 어떤 관계에 있는지를 AI가 이해할 수 있는 형태로 정리해야 합니다. 이것이 Rob Lee가 말한 온톨로지, 즉 데이터의 세계관입니다. 이 세계관이 없으면 AI 에이전트는 전문가가 아니라 데이터를 보아도 맥락을 모르는 신입사원처럼 행동할 수밖에 없습니다.

AI Ready Data가 없을 때 마주하는 현실

그렇다면 AI Ready Data가 없다면 어떤 문제가 생길까요? 가장 먼저 마주하는 현실은 GIGO(Garbage In, Garbage Out)입니다. 전통적인 컴퓨팅 환경에서는 잘못된 데이터가 잘못된 보고서를 만들었을 뿐입니다. 하지만 에이전틱 AI 환경에서는 이야기가 완전히 다릅니다. 에이전틱 AI는 데이터 조회 → 분석 → 결정 → 실행을 자율적으로 연속 실행합니다. 첫 번째 단계에서 품질이 낮은 데이터가 입력되면 오류는 각 단계를 거치며 기하급수적으로 커집니다. Gartner의 분석에 따르면 AI 파이프라인 초기 단계의 데이터 오류는 최종 의사결정 단계에서 최대 10배 이상 증폭되는 것으로 나타났습니다. 단순한 데이터 오류가 비즈니스 의사결정의 연쇄 실패로 이어지는 구조입니다. Rob Lee는 이를 다음과 같이 경고합니다.

"이것은 단순한 '쓰레기 입력, 쓰레기 출력'의 문제가 아닙니다. 이 문제는 실질적인 위협의 문을 여는 것입니다."

GIGO 못지않게 발목을 잡는 문제가 또 있습니다. 바로 쉐도우 데이터(Shadow Data)입니다. 기업 컴퓨팅 환경에는 그림자 속에 놓여 있는 데이터들이 존재합니다. 누가 만들었는지, 어디에 저장됐는지, 최신 상태인지 알 수 없는 데이터들입니다. 복사본이 여러 곳에 흩어져 있고, 접근 권한은 불분명하며, 데이터 주권 정책을 위반하는 경우도 흔합니다.

쉐도우 데이터는 두 가지 측면에서 치명적입니다. AI 모델이 이를 학습하거나 추론 과정에 참조하면 잘못된 결론을 도출합니다. 보안 측면에서도 관리되지 않는 데이터는 공격의 표적이 되거나 규제 위반의 원인이 될 수 있습니다. 조직이 인지하지 못하는 사이에 그림자 영역에 데이터가 쌓이고, 그 안에서 위험이 고꾸라지는 것입니다.

대원씨티에스는 국내 기업의 DX 과정에서 이러한 데이터 사일로와 쉐도우 데이터 문제를 목격해왔습니다. 많은 기업이 "데이터는 많는데, 왜 AI는 안 되는가"라는 동일한 고민을 하고 있습니다. 이 문제의 핵심은 데이터에 맥락과 거버넌스가 부재하기 때문입니다.

에버퓨어 + 1touch, AI Ready Data를 향한 답안

에버퓨어는 그동안 엔터프라이즈 스토리지를 혁신해왔습니다. 정적이고 사일로화된 하드웨어 중심의 구조를 통합되고 자동화된 데이터 플레인으로 탈바꿈시켰습니다. 이러한 혁신의 여정이 1touch 인수라는 신호탄과 함께 에이전틱 AI 시대로 이어지고 있습니다.

1touch는 기업 데이터 보안 태세 관리(DSPM) 전문 기업입니다. 온프레미스, 클라우드, SaaS 등 모든 환경에 걸쳐 민감 데이터를 자동으로 발견하고 분류하며 엔티티 수준의 시맨틱 지식 그래프를 구축합니다. 이러한 기술 역량을 에버퓨어의 통합 데이터 플레인과 결합하면 어떤 변화를 불러올 수 있을까요? 복잡한 데이터를 실행 가능한 지식으로 만들 수 있습니다. 바로 다음과 같은 기능을 갖춘 AI Ready Data의 토대를 마련할 수 있는 것입니다.

• 지속적 발견(Continuous Discovery): 1touch는 온프레미스, 클라우드, SaaS 환경 전반에 흩어진 이기종 데이터를 실시간으로 찾아 연결합니다. 기업 내 어디에 어떤 데이터가 존재하는지, 얼마나 복사되어 있는지 한눈에 파악할 수 있습니다.

• AI 기반 분류와 온톨로지(AI-Driven Classification & Ontology): 1touch는 AI와 머신러닝을 활용해 데이터 간의 관계를 정의하고 비즈니스 맥락을 반영한 온톨로지를 지속적으로 생성합니다. 규칙 기반의 고정된 시스템이 아니라, 새로운 지식을 계속 통합하며 진화하는 구조입니다.

• 지식 그래프(Knowledge Graph): 데이터의 시맨틱 레이어이자 관계 지도로, AI가 어떤 데이터를 선택해야 하는지 판단하는 근거를 제공합니다. 데이터를 고립된 테이블이 아닌 연결된 관계망으로 이해하게 해줍니다. 이 기반 위에서 AI는 맥락을 이해하고, 추론하고, 실제로 의미 있는 통찰을 도출합니다.

이 세 축은 최고 데이터 책임자(CDO)와 인프라 관리자 모두에게 구체적인 변화를 가져옵니다. CDO는 어떤 데이터를 프로파일링하고, 학습에 사용하고, AI 파이프라인에 투입해야 하는지 명확하게 결정할 수 있습니다. 데이터 품질의 공백을 식별하고 자동화된 워크플로우를 구동하며, 쉐도우 데이터의 소유권을 확인해 제거하거나 데이터 수익화 경로를 엽니다. 인프라 관리자도 데이터 전체 자산에 대한 가시성이 생깁니다. 데이터 사본이 몇 개인지, 어디서 통합할 수 있는지, 데이터 주권 정책을 위반하는 곳은 어디인지 명확하게 답할 수 있습니다.

AI Ready Data가 그리는 AI의 미래

에버퓨어가 제시하는 비전은 분명합니다. 조직이 AI에게 통제권을 넘기는 것이 아니라, 조직 스스로가 AI를 제어하는 주체가 되는 것입니다. Rob Lee는 이렇게 말합니다.

"이제 우리는 데이터 수준에서 데이터 관리를 해결할 것입니다. 조직이 데이터 복잡성을 길들이고 이를 가치 있는 지식으로 전환하도록 돕겠습니다. AI가 아니라 그들 자신이 운명을 통제할 수 있도록 말입니다."

이 말이 의미하는 바는 무엇일까요? 지금까지 많은 기업이 AI를 도입하면서 데이터를 AI에 맡기는 방식으로 접근해왔습니다. 그런데 이렇게 하면 AI가 어떤 데이터를 어떤 기준으로 활용하는지 조직이 파악하기 어렵습니다. 에버퓨어는 데이터를 잘 정리하고, 의미를 부여하고 거버넌스를 갖춘 다음 AI에게 건네야 한다고 강조합니다.

살펴본 바와 같이 에이전틱 AI 시대에는 데이터를 얼마나 보유하고 있는지보다, 그 데이터를 AI 에이전트가 얼마나 잘 이해하고 활용하는지가 조직의 AI 경쟁력을 좌우할 것입니다.

대원씨티에스 AI 사업본부는 에버퓨어의 공인 파트너로서 국내 기업의 AI Ready Data 전략 수립과 실행을 지원합니다. 더 자세한 내용이 궁금하시면 대원씨티에스로 문의 바랍니다.

참고 자료

• Everpure Blog – 'Everpure Acquires 1touch, Extending Data Management Roadmap' (Rob Lee, 2026-05-11)

• 1touch Blog – 'A New Chapter Begins: 1touch + Everpure' (Ashish Gupta, 2026-02-23)