지난편에서는 데이터 사일로를 허물고 AI가 숨 쉴 수 있는 생태계를 만드는 ‘데이터 메시’의 중요성을 이야기했다. 모든 현업 부서가 각자의 데이터를 최고 품질의 ‘상품’으로 만들어 제공하는 이 혁신적인 구조는, AI 네이티브 기업으로 가는 길을 열어주는 강력한 해법이다.
하지만 여기에서 우리는 또 다른 근본적인 질문에 마주한다. 잘 정제된 데이터를 실시간으로 공급받는다고 해서, AI가 과연 고객 한 사람 한 사람을 깊이 이해하고 맥락에 맞는 초개인화된 경험을 제공할 수 있을까? 단순 상담만 똑같은 대답으로 반복하는 AI 챗봇 앞에서 고객은 쉽게 피로감을 느낀다. 사람들은 이제 프로슈머를 넘어 AI를 통해 기업의 전체 IT자산을 실시간으로 사용해서 결과를 만드는 'AI 네이티브 엔터프라이즈(AI Native Enterprise)'로 발전하고 싶어한다.
따라서 AI가 진정한 지능을 갖추기 위해서는 단순히 데이터를 소비하는 것을 넘어, 모든 상호작용을 ‘기억’하고, 그 기억을 바탕으로 ‘학습’하며 성장하는 능력이 필수적이다. 이 AI의 기억과 학습을 담당하는 시스템의 뇌와 같은 역할을 하는 것이 바로 '지속적인 컨텍스트 계층(CPL, Contextual Persistency Layer-상황 지속 계층)'이다.
이것은 단순히 고객과의 대화를 기록하는 수동적인 레이어가 아니다. 고객의 의도를 파악하고, 기업의 모든 IT 자산을 실시간으로 조율해 최종 목표 달성을 유도하는 ‘실시간 의미 기반 조정 계층’ 이다. 즉, 특정 고객의 ‘목표(Goal)’가 발생한 순간부터 최종적으로 달성될 때까지의 모든 상호작용, 데이터, 의사결정, 프로세스를 하나의 살아있는 ‘디지털 스토리’로 엮어내는 동적인 데이터 구조인 셈이다.
이는 과거의 트랜잭션 기록이 아니라, 미래의 행동을 유도하기 위한 실시간 문맥의 집합체이며, 여기에는 ERP의 재고 데이터, SCM의 공급망 정보, MES 생산 현황, 그리고 고객과의 모든 상호작용이 실시간으로 융합된다.
말로만 들으면 복잡하지만, B2B 제조업체의 실제 사례를 통해 그 위력을 살펴보자. 한 에너지 기업이 특정 사양의 카메라와 센서를 장착한 정찰용 드론 100대를 긴급 주문하는 상황이다. 과거의 방식대로라면, 영업팀이 고객의 복잡한 요구사항(RFP)을 이메일로 받아 설계, 자재, 구매, 생산팀에 순차적으로 문의하며 정보를 취합하는 데만 일주일 이상이 소요된다. 각 팀은 ERP, SCM, MES 등 자신들의 시스템만 들여다볼 뿐, 전사적인 최적의 답을 실시간으로 찾지 못한다. 영업팀이 마침내 "예상 납기는 8주입니다"라고 회신했을 때, 고객은 이미 다른 업체를 알아보고 있을지도 모른다.
하지만 ‘지속적 컨텍스트 계층’ 을 기반으로 한 AI 네이티브 기업은 완전히 다르게 움직인다. 고객이 웹사이트의 AI 에이전트에게 요구사항을 말하는 순간, ‘고객 목표 컨텍스트’라는 살아있는 디지털 객체가 생성된다. AI 에이전트는 고객의 최종 목표를 달성해야 하는 임무를 부여받은 오케스트레이터로서, 데이터 메시를 통해 전사적 데이터를 실시간으로 조회한다. ERP 데이터 상품에서 카메라 재고를, SCM 데이터 상품에서 부족한 부품의 리드타임을, MES 데이터 상품에서 가장 빠른 생산 라인 스케줄을 확인하는 과정이 불과 수 초 내에 일어난다.
그리고 AI는 취합된 정보를 바탕으로 ‘실행 가능한 최적의 솔루션’을 즉시 계산해 고객에게 제안한다. "고객님, 요청하신 사양대로 제작 시, 부품 수급 문제로 6주가 소요됩니다. 하지만, 성능이 5% 더 좋고 현재 재고가 충분한 다른 카메라로 변경하시면 3주 만에 납품이 가능하며, 가격은 동일합니다. 두 가지 옵션에 대한 견적서를 지금 바로 보내드릴까요?"
고객이 ‘대안 견적’을 수락하는 순간, ‘고객 목표 컨텍스트’의 상태는 ‘생산 대기’로 변경된다. AI 에이전트는 이 상태 변화를 감지해 ERP에 자재 할당을 요청하고, MES에 생산 예약을 확정하며, SCM에 관련 정보를 업데이트한다. 더 이상 인간의 수동적인 개입과 부서 간 커뮤니케이션 지연이 사라지는 것이다.
결론적으로, ‘지속적 컨텍스트 계층’ 은 기업이 ‘요청에 응대하는’ 수준을 넘어, ‘고객의 목표 달성을 실시간으로 조율(Orchestration)하는’ 수준으로 도약하게 만드는 핵심 엔진이다. 기업의 모든 레거시 데이터는 더 이상 과거의 기록이 아니라, 고객 한 명 한 명을 위한 ‘맞춤형 가치 사슬(Value Chain)’을 즉시 구성하기 위한 살아있는 재료가 된다. 이것이 바로 기술 부채의 한계를 넘어 결과를 만들어내는 시스템, 진정한 실행 중심 아키텍처(system of Action)의 모습이다.
다음 편에서는 이러한 AI네이티브 아키텍처가 실제로 금융권에서 적용하기 위해서 어떤 과제들을 갖고 있는지 살펴보고 미래의 AI네이티브 금융시스템 아키텍처가 어떻게 발전해야 하는지 다뤄보려 한다.
◆ 나희동 크리스컴퍼니 대표는....
-정보관리기술사 (54회), SW아키텍트 (CPSA), 수석감리원
-전남대학교 산업공학과, 서울과학기술대학교 컴퓨터공학 석사
-CMU SEEK 1기 MSE, UTD SW MBA 수료
-전/투이컨설팅 SW아키텍처 담당 이사, 마르미III 개발참여
-전/싸이버로지텍 기술연구소 및 플랫폼사업본부 상무
-전/동양시스템즈 솔루션사업본부 본부장
*본 칼럼 내용은 본지 편집방향과 다를 수 있습니다.
