AI Ready Data를 위한 7가지 체크리스트

데이터를 '쌓는 것'과 'AI가 곧바로 쓸 수 있게 하는 것'은 다릅니다. 플랫폼을 세우기 전 반드시 확인해야 할 7가지를 점검표로 정리했습니다.

데이터는 이미 충분히 쌓였습니다. 데이터 웨어하우스도 있고, 데이터 레이크도 있고, 최근에는 LLM까지 붙여 놓았습니다. 그런데 막상 성과는 기대에 못 미칩니다. 사내 문서를 학습시킨 챗봇은 엉뚱한 답을 내놓고 분석 자동화는 어딘가에서 자꾸 멈춥니다.

이런 경우 대개 원인을 모델에서 찾습니다. 하지만 진짜 원인은 가장 앞에 있습니다. 바로 AI에게 건네는 데이터 자체가 준비되지 않은 탓입니다. 모델은 하루면 교체할 수 있습니다. 더 좋은 모델이 나오면 갈아 끼우면 그만입니다. 하지만 데이터 준비의 공백은 아무리 최신 모델을 붙여도 메워지지 않습니다. 따라서 AI의 성패를 가르는 진짜 변수는 데이터에 있습니다.

이 상황을 설명하기 위해 신입사원을 떠올려 보겠습니다. 아무리 명문대를 나오고 실력이 뛰어난 신입이라도, 첫 출근 날 조직도도 없고 사내 용어집도 없고 시스템 접근 권한조차 없다면, 그 주에 할 수 있는 일은 거의 없습니다. 능력이 부족해서가 아닙니다. 우리 회사의 업무 맥락을 하나도 건네받지 못했기 때문입니다.

지금의 AI가 딱 그렇습니다. 범용 능력은 놀랍도록 뛰어나지만 우리 회사에 대해서는 백지 상태입니다. 그래서 진짜 과제는 어떤 모델을 고르느냐가 아니라, AI라는 유능한 신입에게 건넬 '온보딩 키트'를 갖추는 것입니다. 이 글에서는 그 온보딩 키트를 구성하는 7가지 점검 항목을 하나씩 살펴보겠습니다.

데이터를 쌓는 것과 AI가 쓸 수 있게 하는 것은 다릅니다

가장 먼저 구분해야 할 것이 있습니다. 저장된 데이터(stored data)와 활용 가능한 데이터(ready data)는 같지 않습니다. 저장은 그저 어딘가에 값이 담겨 있다는 말입니다. 활용 가능하다는 것은 그 값이 무엇을 의미하는지, 어디서 왔는지, 다른 데이터와 어떻게 연결되는지까지 함께 정돈돼 있는 상태입니다.

이 차이가 결정적인 이유는 사람과 AI가 데이터를 대하는 방식이 다르다는 데 있습니다. 사람은 공백을 알아서 메웁니다. 컬럼 이름이 애매하면 옆자리 동료에게 묻고, 값이 이상하면 "이건 예전 데이터라 그런가보다"라고 눈치껏 해석합니다. 하지만 AI는 그렇게 하지 못합니다. 명시적으로 주어진 맥락만 사용합니다. 데이터에 담기지 않은 암묵지는 AI에게 존재하지 않는 정보입니다. 사람이라면 자연히 채웠을 빈칸을 AI는 그대로 공백으로 안고 갑니다.

그래서 AI Ready Data를 만드는 과정에는 일정한 체계가 있습니다. AI가 이해할 수 있는 형태로 가공해줘야 하기 떄문입니다. 먼저 데이터를 정돈하고(거버넌스), 그 위에 데이터 사이의 의미를 부여하고(그래프·온톨로지), 마지막으로 AI가 이해할 수 있는 형태로 규격을 맞춥니다. 앞으로 살펴볼 7가지 체크리스트 역시 이 체계 안에서 구성했습니다.

먼저, 전체 점검표부터 펼쳐 봅니다

1. 찾을 수 있는가 — 데이터 카탈로그·메타데이터
2. 믿을 수 있는가 — 데이터 표준·품질·모델링
3. 출처를 찾을 수 있는가 — 데이터 계보(리니지)
4. 의미가 연결돼 있는가 — 그래프DB·온톨로지
5. 기계가 읽을 수 있는가 — 시맨틱 레이어·MCP 접근 규격
6. 안전하게 지킬 수 있는가 — 민감정보 통제·접근 권한
7. 지속할 수 있는가 — 거버넌스 운영 체계·소유 조직

이 7가지 체크리스트는 단계적으로 쌓아 올리는 층위에 가깝습니다. 데이터를 찾고 믿을 수 있어야(1~3번) 그 위에 의미를 연결할 수 있고(4~5번), 그 전체를 안전하게 통제하고 지속적으로 운영할 수 있어야(6~7번) 무너지지 않습니다. 아래층이 부실하면 위층을 아무리 잘 만들어도 결국 흔들릴 수 밖에 없습니다.

신입사원용 온보딩 키트에 빗대어보면, 1번은 신입이 어디에 무엇이 있는지 아는 안내서, 2번은 믿고 따를 수 있는 검증된 업무 매뉴얼, 3번은 자료의 출처를 확인하는 이력 카드입니다. 4번은 부서와 업무의 관계를 보여 주는 조직도와 업무 흐름도, 5번은 업무 용어 사전, 6번은 구역별 출입증, 7번은 이 모든 것을 낡지 않게 유지·갱신하는 담당자입니다.

1. 찾을 수 있는가 — 데이터 카탈로그와 메타데이터

가장 먼저 점검할 것은 필요한 데이터를 찾을 수 있는가입니다. 신입에게 "필요한 자료는 알아서 찾아"라고 던져 두면 며칠을 헤맵니다. AI도 마찬가지입니다. 어떤 데이터가 어디에 있고 무엇을 뜻하는지 정리된 안내서가 없으면 첫걸음부터 막힙니다.

현장에서 가장 흔한 벽이 바로 이것입니다. 부서마다 비슷한 테이블이 흩어져 있고 이름만으로는 뜻을 알 수 없는 컬럼이 가득합니다. 가령 CUST_YN='1'이라는 값이 있다고 해 보겠습니다. 이게 '고객 여부가 예'라는 뜻인지, '휴면 고객 제외 여부'인지는 담당자만 압니다. 그 담당자가 퇴사하면 조직 전체가 그 컬럼의 의미를 잃습니다.

사람도 헤매는 이 미로를 AI가 스스로 풀 수는 없습니다. 데이터 카탈로그와 메타데이터는 이 미로에 지도를 놓는 일입니다. 어떤 데이터가 있고 무엇을 의미하며 누가 관리하는지를 기계와 사람이 함께 읽을 수 있게 정리합니다.

카탈로그는 가장 먼저 손대야 할 지반입니다. 이후의 모든 항목은 "찾을 수 있다"는 전제 위에서만 작동합니다. 어디에 무엇이 있는지 모르는 상태에서 품질을 논하거나 의미를 연결하는 것은 의미가 없습니다.

자가진단: 우리 회사에서 자주 쓰는 핵심 데이터 10개를, 담당자에게 묻지 않고 찾아서 값과 의미를 확인할 수 있습니까?

2. 믿을 수 있는가 — 표준·품질·모델링

다음은 그 데이터를 믿을 수 있는가입니다. 검증되지 않은 매뉴얼을 신입에게 주면 그 신입은 잘못된 방식으로 열심히 일합니다.

여기서 가장 위험한 것이 정의의 충돌입니다. 같은 '매출'이라는 단어를 영업팀은 계약 기준으로, 재무팀은 수금 기준으로, 마케팅팀은 청구 기준으로 계산한다고 해 보겠습니다. 사람끼리는 회의에서 "어느 기준의 매출이죠?"라고 물어가면서 조정합니다. 그런데 AI에게 "지난달 매출을 알려 줘"라고 물으면, AI는 세 값 중 하나를 골라 아무 단서 없이 확신에 찬 답을 내놓습니다. 품질이 확보되지 않은 데이터에 AI를 붙이면, 오답이 사람의 검토 없이 자동으로 확산됩니다. AI가 주는 속도가 그대로 리스크의 확산 속도로 바뀌는 셈입니다.

데이터 표준은 용어와 값의 정의를 하나로 맞추는 일이고 데이터 모델링은 그 정의들이 서로 어긋나지 않게 구조를 잡는 일입니다. 데이터 품질 관리는 실제 값이 그 약속을 지키는지 지속적으로 확인하는 일입니다. 이 단계는 AI를 도입하고 데이터를 입력하는 것보다 앞서서 다져야 합니다. AI가 데이터를 보고 작업을 시작한 뒤에 표준과 품질을 손보면, 이미 퍼진 오답을 되돌리는 비용이 훨씬 큽니다.

자가진단: 우리 회사의 '핵심 지표' 정의가 부서에 관계없이 하나로 합의돼 있습니까?

3. 출처를 댈 수 있는가 — 데이터 계보(리니지)

보고서를 만들었는데 "이 숫자 어디서 나왔어?"라고 물었을 때 대답하지 못한다면, 그 보고서는 사용할 수 없습니다. AI가 내놓는 결과도 똑같습니다. 그래서 세 번째로 데이터의 출처를 댈 수 있는가를 점검합니다.

데이터 계보(리니지)는 어떤 데이터가 어디서 생성돼 어떤 가공을 거쳐 지금의 값이 되었는지를 추적하는 이력 카드입니다. 이것이 없으면 AI가 예측을 내놨을 때 그 근거가 된 데이터를 아무도 되짚지 못합니다. 문제가 생겨도 어디서부터 잘못됐는지 찾을 수 없습니다.

이 항목은 규제 측면에서 점점 더 무거워지고 있습니다. 유럽연합의 AI 법(EU AI Act)은 2024년 발효 이후 단계적으로 적용되고 있습니다. 고위험 AI 시스템에 대해 데이터 출처와 처리 과정의 추적·기록을 요구합니다. 구체적인 적용 시점과 세부 의무는 시스템 유형에 따라 다르지만, AI가 내린 판단의 근거를 설명하라는 요구가 제도로 굳어지고 있다는 게 핵심입니다.

AI 신뢰의 뿌리는 흔히 생각하듯 '모델을 설명하는 기술'이 아니라 '입력 데이터를 추적하는 능력'에 있습니다. 아무리 정교한 설명 기법도, 입력이 어디서 왔는지 모르면 근거가 될 수 없기 때문입니다.

자가진단: AI나 대시보드가 내놓은 숫자 하나를 골라, 원천 시스템까지 거슬러 올라갈 수 있습니까?

4. 의미가 연결돼 있는가 — 그래프DB·온톨로지

네 번째는 데이터 사이의 의미가 연결돼 있는가입니다. 지금까지가 개별 자료를 정돈하는 일이었다면, 여기서부터는 자료들 사이의 관계를 그리는 일입니다. 신입에게 필요한 것이 개별 문서만은 아닙니다. "이 팀은 어느 본부 소속이고, 그 본부는 어떤 규정을 따르는가" 같은 조직도와 업무 흐름도가 있어야 일이 굴러갑니다.

관계형 데이터베이스는 이런 관계 질의에 약합니다. 'A팀이 속한 본부가 따르는 규정'처럼 여러 단계를 타고 넘는 질문을 던지면 테이블을 몇 겹씩 조인해야 하니 오랜 시간이 걸립니다. 관계가 일정 이상 깊어지게 되면 사실상 관계를 찾는 게 불가능해집니다.

반면 그래프DB와 온톨로지는 데이터를 '점(개체)'과 '선(관계)'으로 표현합니다. 'A팀 → 개발본부 → C규정'으로 이어지는 연결을 그대로 따라가며 추론합니다. 1~3번이 데이터를 검색하게 했다면, 이 층은 데이터에 맥락을 부여합니다. 흩어진 사실을 관계로 엮어, AI가 "왜"와 "어떻게 연결되는가"에 답할 수 있게 만듭니다. 이렇게 데이터 사이의 관계를 촘촘히 이어 놓은 결과물이 '데이터 맥락 지도'입니다. AI가 개별 값을 넘어 전체 그림 속에서 데이터를 이해하도록 돕는 지도입니다.

단순 조회 위주라면 관계형만으로도 충분합니다. 하지만 질의가 복잡해지고 관계를 타고 넘는 추론이 늘수록 데이터 맥락은 선택이 아니라 필수가 됩니다. 다만 처음부터 전사 온톨로지를 그리려 들면 지칩니다. 가치가 분명한 용도부터 관계를 이어 나가는 점진적 접근이 현실적입니다.

자가진단: "특정 고객과 연결된 모든 계약, 그 계약에 얽힌 담당자와 규정"을 한 번의 질의로 얻을 수 있습니까?

5. 기계가 읽을 수 있는가 — 시맨틱 레이어·MCP 접근 규격

다섯 번째는 AI가 곧바로 읽을 수 있는 형태인가입니다. 지금까지 정돈한 것이 사람을 위한 것이었다면, 이 항목은 그 지식을 기계의 언어로 옮기는 일입니다.

많은 조직이 데이터의 의미를 사람용 대시보드, 워드 문서, 위키에 담아 둡니다. 사람은 그것을 읽고 이해하지만, AI는 그 문서를 소비할 규격이 없으면 접근하지 못합니다. 시맨틱 레이어는 이 간극을 메웁니다. 데이터의 의미와 계산 규칙을 사람과 기계가 함께 읽을 수 있는 표준 형태로 정의합니다.

여기에 최근 주목받는 것이 바로 MCP(Model Context Protocol)입니다. AI 모델이 외부 데이터와 도구에 표준화된 방식으로 접근하도록 하는 규격으로, AI가 정돈된 데이터에 직접 손을 뻗는 통로를 열어 줍니다.

'사람이 읽는 규칙'을 '기계가 읽는 규칙'으로 옮기는 작업이 AI Ready로 넘어가는 관문입니다. 앞선 1~4번에서 아무리 데이터를 잘 정돈해도, 그 지식이 사람의 머릿속과 문서에만 남아 있으면 AI에게는 닿지 않습니다. 이 관문을 통과해야 비로소 정돈의 결과가 AI에게 전달됩니다.

자가진단: 우리가 정의한 지표와 규칙을, AI가 사람의 중개 없이 직접 읽어 갈 통로가 있습니까?

6. 안전하게 지킬 수 있는가 — 민감정보 통제와 접근 권한

신입사원에게 모든 구역의 출입증을 무조건 다 주지는 않습니다. 필요한 구역에만, 권한에 맞게 열어 줍니다. 여섯 번째 점검은 안전하게 지킬 수 있는가입니다.

AI를 데이터에 직접 연결할 때 주의할 점이 있습니다. 기존에는 사람이 데이터를 조회하는 과정에서 사람의 눈이 일종의 여과 장치 역할을 했습니다. 이상한 조회는 담당자가 걸러 냈습니다. 그런데 AI가 대량으로 자동 조회하기 시작하면 이 여과 장치가 사라집니다. 민감정보가 의도치 않게 노출되거나, 여러 조각을 조합해 개인을 다시 식별해 내는 위험이 생깁니다. 그래서 민감정보 마스킹, 구역별 접근 권한, 조회 이력 기록이 AI 연결의 전제 조건이 됩니다.

통제는 활용을 가로막는 장애물이 아니라, 안전한 활용을 가능하게 하는 전제입니다. 통제 장치가 갖춰져 있어야 오히려 데이터를 더 정확하고 넓게 열어 줄 수 있습니다. 안전장치가 없으면 결국 모든 문을 걸어 잠그게 되기 때문입니다.

자가진단: AI가 접근할 수 있는 데이터 범위가 권한별로 정의돼 있고, 조회 이력이 남습니까?

7. 지속되는가 — 운영 체계와 소유 조직

마지막은 이 준비 상태를 지속할 수 있는가입니다. 온보딩 키트는 한 번 만들어 놓으면 끝나는 일이 아닙니다. 조직이 바뀌고 업무가 달라지면 신입사원을 위한 안내서도 함께 갱신돼야 합니다.

데이터도 살아 움직입니다. 스키마가 바뀌고 새 시스템이 들어오고 조직이 개편됩니다. 애써 만든 카탈로그와 맥락 지도도 방치해두면 몇 달 만에 현실과 어긋난 낡은 지도가 됩니다. 낡은 지도는 없는 지도보다 위험합니다. 사람과 AI가 그것을 믿고 움직이기 때문입니다. AI Ready Data는 한 번 구축하고 끝나는 프로젝트가 아니라, 계속 돌봐야 하는 운영 자산입니다.

운영 주체와 예산, 정기적인 갱신 프로세스가 없으면 어떤 훌륭한 플랫폼도 반드시 낡습니다. 데이터를 누가 책임지고 어떤 주기로 점검하며 변경을 어떻게 반영할지를 정하는 거버넌스 운영 체계가 있어야 앞선 항목들이 시간이 지나도 유지됩니다.

자가진단: 우리 데이터 자산을 책임지는 조직과 정기 갱신 절차가 정해져 있습니까?

점검표를 오해하면 생기는 함정

체크리스트를 손에 쥐면 오히려 빠지기 쉬운 함정이 있습니다.

첫째, 한 번에 다 갖춰야 한다는 과욕입니다. 7개 항목을 전사 규모로 동시에 완성하려 들면 대개 중간에 지쳐 멈춥니다. 데이터의 범위는 넓고 조직의 역량은 유한합니다. 층위는 아래부터 쌓되, 구축은 전면이 아니라 좁고 깊게 시작하는 편이 낫습니다.

둘째, 도구를 사면 준비가 끝난다는 착각입니다. 카탈로그 솔루션이나 그래프DB를 도입하는 것과, 그 안을 의미 있는 정의와 관계로 채우는 것은 전혀 다른 일입니다. 도구는 그릇일 뿐입니다. 무엇을 담을지, 누가 채우고 관리할지가 본질입니다.

셋째, 항목을 모두 달성하면 AI가 완벽해진다는 생각입니다. 좋은 데이터는 좋은 AI의 필요조건이지 충분조건은 아닙니다. 모델 선택, 프롬프트 설계, 업무 프로세스와의 결합 같은 다른 과제가 여전히 남습니다.

그렇다면 어디서부터 시작하는 것이 좋을까요? 전면 구축 대신 가치가 가장 높은 업무 하나를 골라 7개 항목을 적용하는 방식을 권합니다.

예를 들어 '이탈 위험 고객 예측'이라는 한 가지 용도를 정하서, 거기에 필요한 데이터를 찾고(1), 정의를 맞추고(2), 출처를 확인하고(3), 관계를 잇고(4), 기계가 읽을 수 있는 통로를 만들고(5), 보안 정책을 수립하고(6), 운영 체계에 편입(7)하는 식입니다. 이렇게 하나를 끝까지 진행해 보면 우리 조직이 어느 층에서 특히 약한지가 손에 잡히게 드러납니다.

AI라는 신입을 맞을 준비

아무리 유능한 신입이라도 조직도와 매뉴얼, 출입증 없이는 첫 주를 허비합니다. AI도 다르지 않습니다. 모델을 바꾸는 데는 하루면 충분하지만 그 모델이 우리 회사에서 진짜 유능해지려면 잘 갖춘 온보딩 키트가 필요합니다. 그 키트가 바로 AI Ready Data이고, 이 글의 7가지 체크리스트가 그 구성품입니다.

데이터를 찾을 수 있고, 믿을 수 있고, 출처를 댈 수 있고, 의미가 연결돼 있고, 기계가 읽을 수 있고, 안전하게 열 수 있고, 지속되는가 — 이 일곱 질문에 자신 있게 답할 수 있을 때, AI는 비로소 우리 회사의 맥락 위에서 일하기 시작합니다.

오늘 당장 해 볼 만한 점검이 하나 있습니다. 지금 우리 데이터에 AI를 붙인다고 상상하고 7개 항목을 위에서부터 되짚으며 "어느 항목에서 멈추는가"를 찾아보는 것입니다. 대개 가장 먼저 걸리는 그 지점이, 지금 투자해야 할 첫 자리입니다.

마지막으로 한 가지를 다시 강조하고 싶습니다. 이 점검은 한 번으로 끝나지 않습니다. 데이터가 살아 움직이는 한, AI Ready Data는 완성해 두는 상태가 아니라 계속 유지해 가는 상태입니다. 화려한 플랫폼을 세우는 것보다, 그 위의 데이터를 꾸준히 정돈된 상태로 지켜 가는 조직이 결국 AI의 성과를 가져갑니다. 유능한 신입을 맞을 준비는, 신입이 오기 전에 그리고 온 뒤에도 계속되는 일이기 때문입니다.