[기고] 본격적인 AI 시대, 데이터는 저장 자산이 아닌 운영 자산이다

인공지능(AI)은 불과 몇 년 사이 실험적인 기술에서 일상적인 업무 도구로 빠르게 자리 잡았다. 개인은 AI를 활용해 정보를 찾고 문서를 작성하며 일정을 관리한다.

기업 역시 AI를 업무에 적극 도입하고 있다. 그러나 현실은 기대만큼 단순하지 않다. 많은 기업이 여전히 시범 사업 단계에 머물러 있으며, 일부 프로젝트는 운영 환경에서 기대한 성과를 내지 못한 채 중단되기도 한다.

이러한 한계는 AI 모델 자체보다 데이터 환경에서 비롯되는 경우가 많다. AI는 방대한 공개 정보를 학습해 뛰어난 성능을 보여주지만 실제 비즈니스 가치를 창출하기 위해서는 기업 내부의 데이터를 정확하고 안정적으로 활용할 수 있어야 한다.

문제는 대부분의 기업 데이터가 여러 시스템과 클라우드 환경에 흩어져 있고 형식도 제 각각이라는 점이다.

이처럼 분산된 데이터를 연결하고 가공하는 과정이 복잡해질 수록 운영 부담은 커지고 성능은 떨어질 수 있다. 무엇보다 AI가 참고하는 정보의 정확성과 최신성을 유지하기 어려워지면서 결과에 대한 신뢰도 역시 낮아질 수 있다.

최근 AI가 에이전틱(Agentic) AI로 진화하고 있다는 점은 이러한 문제를 더욱 중요하게 만들고 있다. 기존 AI가 질문에 답하거나 정보를 요약하는 역할에 머물렀다면 에이전틱 AI는 스스로 계획을 세우고 여러 단계를 거쳐 업무를 수행한다. 다시 말해 AI가 단순한 보조 도구를 넘어 실제 업무 프로세스 안으로 들어오기 시작한 것이다.

이 변화는 기업 경영 측면에서도 중요한 의미를 갖는다. 앞으로 AI는 단순 검색이나 문서 작성 지원을 넘어 운영 및 고객 서비스, 분석, 의사결정 과정에 직접 참여하게 될 가능성이 높다. 이 과정에서 AI가 활용하는 데이터가 최신 상태가 아니거나 접근 권한이 제대로 관리되지 않는다면 잘못된 판단이나 보안 문제로 이어질 수 있다.

결국 AI 경쟁력은 어떤 모델을 도입했는가 보다 기업 데이터가 얼마나 신뢰할 수 있고, 필요한 순간에 활용 가능한 상태로 관리되고 있는가에 의해 결정될 가능성이 높다. 이 때문에 최근 기업들의 관심도 AI 모델 경쟁에서 데이터 운영 체계와 관리 구조로 이동하고 있다. AI 시대의 데이터는 단순히 저장해 두는 자산이 아니라 실시간으로 활용되는 운영 자산이기 때문이다.

이러한 흐름 속에서 다양한 데이터를 빠르게 연결하면서도 보안과 통제 체계를 유지할 수 있는 환경이 점점 더 중요해지고 있다. 최근에는 AI 기능을 기존 시스템 외부에 별도로 추가하는 방식보다 데이터 플랫폼 자체에 AI 기능을 통합하려는 접근이 주목받고 있다.

필자가 몸담고 있는 오라클 역시 데이터베이스 플랫폼 안에 AI 기능을 직접 통합하는 방향으로 기술을 발전시키고 있다. 이를 통해 기업은 여러 종류의 데이터를 하나의 환경에서 관리하고 활용할 수 있으며, AI가 실제 업무 데이터를 기반으로 보다 신속하고 안정적으로 작동할 수 있도록 지원한다.

보안 역시 같은 맥락에서 새롭게 접근할 필요가 있다. 과거에는 애플리케이션 단위의 접근 통제가 중심이었다면, AI 환경에서는 데이터 자체에 대한 권한과 정책 관리가 더욱 중요해지고 있다. AI는 사람보다 훨씬 많은 요청을 자동으로 생성하고 처리하기 때문이다. 기업이 AI 활용 범위를 넓힐수록 데이터 통제 체계 역시 한층 정교해져야 한다.

또 다른 과제는 확장성이다. 앞으로 기업 내부에는 수많은 AI 에이전트가 직원들과 함께 데이터를 조회하고 업무를 수행하게 될 가능성이 높다. 이는 단순히 새로운 기술이 추가되는 수준이 아니라 데이터 인프라의 역할 자체가 변화한다는 의미다. 실시간 데이터 활용 수요가 급격히 늘어나는 만큼 AI 전략은 곧 데이터 전략이 되고 있다.

한편 기업은 특정 클라우드나 플랫폼에 종속되지 않는 유연성도 중요하게 여기기 시작했다. AI 기술이 빠르게 발전하는 상황에서 특정 모델이나 환경에 지나치게 의존하면 장기적으로 부담이 될 수 있기 때문이다. 데이터를 어디에서 운영하고 어떤 AI를 활용할지 자유롭게 선택할 수 있는 개방성과 유연성이 새로운 경쟁력으로 떠오르고 있다.

결국 앞으로의 AI 경쟁은 누가 더 많은 AI를 도입했는지가 아니라, 누가 더 안정적으로 AI를 운영 환경에 정착시키는가에 달려 있다. 이제 기업이 스스로에게 던져야 할 질문은 단순하다.