[이데일리 윤정훈 기자]기업들이 인공지능 전환(AX)에 속도를 내고 있지만 정작 현장에서는 “데이터가 부족해서 AI를 못 쓴다”는 말이 반복되고 있다. 데이터테크 기업 빅밸류는 단순히 데이터를 많이 확보하는 것보다 현실의 업무와 데이터 사이에 존재하는 간극을 줄이는 것이 AI를 실제 업무에 적용하는 핵심이라고 강조했다. 데이터가 존재하더라도 정확성·연결성·최신성이 확보되지 않으면 AI가 제대로 작동하기 어렵다는 설명이다.

구름 빅밸류 공동대표는 지난 3일 서울 포스코타워 역삼에서 열린 ‘AI Ready Data 2026’ 세미나에서 ‘현장에서 본 AI 레디 데이터의 조건’을 주제로 발표하며 이같이 밝혔다. 중앙대학교 문헌정보학과 HIKE 연구실이 주최·주관한 이번 세미나는 AI가 조직에서 실제로 작동하기 위해 필요한 데이터의 조건을 짚는 자리로 공공 AX, 기업 데이터 전략, 온톨로지와 지식그래프 등 산업계와 학계의 주요 데이터 과제를 다뤘다.

구 대표는 AI를 단순한 업무 도구가 아니라 ‘신뢰할 수 있는 동료’ 로 정의했다. 그러면서 AI를 업무에 제대로 활용하지 못하는 이유로 현장에서 흔히 발생하는 ‘보유의 착각’, ‘경험의 착각’, ‘가용의 착각’ 세 가지를 꼽았다.

그는 “데이터가 없어서 AI를 못 쓰는 경우도 있지만, 사실은 데이터가 있는데도 쓸 수 없는 경우가 더 많다”며 “현실에서 필요한 데이터와 기업이 가지고 있다고 생각하는 데이터 사이의 차이를 먼저 봐야 한다”고 강조했다.

첫 번째는 ‘보유의 착각’ 이다. 필요한 데이터가 조직 안에 이미 있다고 생각하지만 실제로는 품질이나 범위가 업무 목적에 맞지 않는 경우다.

구 대표는 전국 단위 현장조사 데이터를 사례로 들었다. 현장에서 수집한 데이터가 입력 오류나 조사자별 편차 때문에 그대로 활용하기 어려운 상황에서도 데이터를 폐기하지 않고 다른 데이터와 결합해 활용 가능성을 높일 수 있다는 것이다.

또 위성영상을 활용해 농지 데이터를 최신화하고 조류인플루엔자(AI) 위험도를 예측한 사례도 소개했다. 기존 데이터만 고집하기보다 위성영상 등 외부 데이터를 결합하면 현장 데이터의 갱신 지연이라는 한계를 보완할 수 있다는 설명이다.

구 대표는 “내가 가진 데이터가 전부라고 생각하는 순간 AI가 볼 수 있는 세상도 그만큼 좁아진다”며 “기업 내부 데이터뿐 아니라 외부 데이터를 어떻게 연결하고 활용할 것인지가 중요하다”고 말했다.

두 번째는 ‘경험의 착각’ 이다. 현업 담당자가 가진 경험과 노하우가 그대로 데이터화돼 있다고 생각하는 데서 발생한다.

구 대표는 “현장에서 ‘이건 이런 경우가 많다’고 이야기하는 경험을 AI가 그대로 이해할 수 있는 것은 아니다”라며 “경험을 배제할 것이 아니라 측정할 수 있는 변수로 바꾸는 과정이 필요하다”고 설명했다.

예를 들어 현업에서는 오랜 경험을 통해 특정 상황을 직관적으로 판단하더라도, AI가 이를 활용하려면 판단의 근거가 되는 조건과 변수를 데이터로 구조화해야 한다는 것이다.

데이터의 ‘적시성’ 도 중요한 요소로 꼽았다. 데이터를 한 번 정제하는 것만으로 끝나는 것이 아니라 지속적으로 최신 상태를 유지할 수 있는 체계를 만들어야 한다는 의미다.

구 대표는 “AI에 좋은 데이터를 넣기 위해 매번 사람이 데이터를 고치는 방식으로는 지속 가능하지 않다”며 “데이터가 계속 들어오고 검증되고 업데이트되는 인프라 자체에 투자해야 한다”고 강조했다.

세 번째는 ‘가용의 착각’ 이다. 데이터가 조직에 존재하고 한곳에 모여 있더라도 실제 업무에서는 바로 사용할 수 없는 상황을 의미한다.

구 대표는 동일한 필지를 두고도 공적 장부마다 면적이 다르게 나타나는 사례를 언급했다. 주소 데이터와 실제 상권 정보가 일치하지 않는 경우도 대표적인 사례로 들었다.

그는 “데이터가 있다고 해서 바로 쓸 수 있는 것은 아니다”라며 “서로 다른 데이터가 같은 대상을 가리키고 있는지 확인하고 연결해 하나의 기준을 잡는 작업이 데이터 신뢰성의 출발점”이라고 말했다.

결국 AI 레디 데이터의 핵심은 데이터를 단순히 모으는 데 있지 않다는 게 구 대표의 설명이다. 현실의 대상을 데이터로 정확하게 표현하고, 서로 다른 데이터를 연결하며, 이를 지속적으로 검증·갱신할 수 있어야 한다 는 것이다.

데이터 표준화 역시 ‘완성’이 아니라 AI 활용을 위한 출발점으로 봐야 한다고 강조했다. 표준을 정해놓고 끝내는 것이 아니라 실제 업무에 적용한 뒤 현장 실무자와 AI·데이터 전문가가 결과를 확인하고 다시 데이터를 개선하는 과정을 반복해야 한다는 것이다.

구 대표는 “표준화가 끝났다고 데이터가 완성되는 것은 아니다”라며 “실제 현장에서 AI가 제대로 답을 내놓는지 확인하고, 틀린 부분을 다시 데이터에 반영하는 과정이 계속돼야 한다”고 말했다.

빅밸류는 이러한 현장 경험을 바탕으로 기업의 데이터 현황과 AI 활용 가능성을 진단하고, AI 도입 목적에 맞는 데이터 확보·연결·품질 검증 및 운영 체계를 설계하는 AI 레디 데이터 컨설팅을 본격화한다는 방침이다.