기술과 경영 이야기 - AI와 데이터 기술
한때 DX(Digital Transformation)가 기업 혁신의 핵심 화두였던 시절을 지나, 최근에는 AX(AI Transformation)이 새로운 키워드로 부상하고 있습니다. 특히 많은 기업들이 Agentic AI를 도입하기 위해 앞다투어 움직이고 있죠.
이처럼 AI를 선도적으로 도입하려는 기업이라면, 이미 과거 DX 단계에서 각자의 환경에 맞는 데이터 인프라를 어느 정도 구축해두었을 것입니다.
2000년대 초반 ‘빅데이터’ 열풍이 불던 시기에는, 다양한 비정형 데이터를 한곳에 모아 분석하기 위한 Data Lake 아키텍처가 주류였습니다. 하지만 곧 ‘데이터를 모으는 것’보다 ‘데이터를 민첩하게 활용하는 것’이 더 중요해지면서, 도메인 중심의 분산형 구조인 Data Mesh 아키텍처가 각광받기 시작했습니다. 저 역시 당시에는 Data Mesh가 현실적인 비즈니스 환경에서 데이터 활용도를 높일 수 있는 가장 실용적인 모델 중 하나라고 생각했고, 지금도 마찬가지입니다.
그런데, 최근의 AX(AI Transformation)와 Agentic AI 환경에서는 Data Mesh 아키텍처만으로는 근본적인 한계와 리스크를 직면할 가능성이 높습니다. Agentic AI가 지향하는 바는 Cross-Domain Knowledge, 즉 여러 도메인에 걸친 지식과 문맥을 실시간으로 통합하고 학습하여 Agent를 구축하는 것입니다. 그러나 Data Mesh는 도메인별 자율성과 분산을 전제로 하기 때문에, 데이터를 실시간으로 연결·통합하여 올바르게 학습하는 데에 있어 구조적 리스크가 존재합니다.
이러한 이유로, 가상화 기반의 통합 아키텍처인 Data Fabric으로 전환해야, Agentic AI가 실제로 학습하고 동작하는 과정을 통제·모니터링할 수 있으며, 지속 가능한 관리 및 거버넌스 체계를 유지할 수 있습니다.
Data Fabric은 데이터 이동 없이 다양한 소스를 논리적으로 연결하고, AI 기반의 활성 메타데이터(Active Metadata)를 통해 데이터 흐름, 품질, 의미를 지능적으로 관리합니다. 결과적으로 Agentic AI가 일관된 데이터 맥락(Context) 안에서 학습하고 추론할 수 있게 합니다.
AI는 이제 단순히 숫자나 텍스트뿐 아니라 이미지, 영상, 오디오, 센서 데이터 등 다양한 형태의 입력을 Typeless로 학습합니다. 따라서 이러한 다양한 유형의 데이터를 통합적으로 다룰 수 있는 Multi-modal Data Fabric 아키텍처가 가장 이상적일 수 있습니다.
이미 Data Mesh를 도입한 기업이라면, 기존 구조를 버릴 필요는 없습니다.
다만, 그 위에 다음과 같은 지능형 통합 계층을 추가하는 하이브리드 접근을 적용할 수 있습니다.
가상화 레이어(Virtualization Layer) 통한 데이터 연결
실시간 스트리밍 처리(Streaming Integration)를 통한 실시간 데이터 흐름
AI 기반 활성 메타데이터 관리(Active Metadata Management)
통합 정책 기반 거버넌스 및 지능형 품질 자동화
즉, “Data Fabric on Data Mesh” 구조로 전환함으로써 도메인 자율성은 유지하면서도, AI가 요구하는 실시간 학습·통합·거버넌스 환경을 확보할 수 있습니다.