핵심 내용 요약
최근 기업들은 지식 데이터베이스에 대한 수요가 점점 더 커지고 있으며, ‘지식 그래프(Knowledge Graph)’와 ‘온톨로지(Ontology)’라는 기술 용어들이 자주 언급되고 있습니다. 특히 온톨로지는 Palantir사의 주도로 인해 큰 관심을 받고 있습니다. 하지만 온톨로지를 도입하는 데에는 어려움과 비용이 많이 들기 때문에, 사업이 안정적이며 심층적인 추론이 필요한 경우에만 적합합니다. 기업들이 무분별하게 따라간다면 문제가 발생할 수 있으므로, 자사의 사업을 명확히 이해하고 지속적으로 유지 관리하는 것이 중요합니다.
1. 온톨로지가 갑자기 인기를 얻은 이유: Palantir가 주도한 업계 동향
온톨로지는 새로운 기술은 아니지만, 최근에 인기를 얻게 된 주요 원인은 Palantir라는 ‘특별한 회사’ 때문입니다:
- Palantir는 ‘아웃소싱 회사’로 불리지만, 그 가치는 370억 달러에 달하며, P/S(시장 매출 대비 가격)는 일반 SaaS 기업의 10배(60~70배 대 4~7배)에 이릅니다.
- CEO는 “온톨로지가 성공의 핵심”이라고 반복해서 강조하여, 업계 전체가 그들의 기술적 접근 방식(온톨로지 포함), 비즈니스 모델(플랫폼 + 고단가 구현), 조직 구조(FDE: Field Development Engineers가 현장에 직접 투입) 등을 모방하게 되었습니다.
- 본질적으로는 기업의 지식 데이터베이스 요구사항이 ‘문서 찾기’에서 ‘비즈니스 이해’로 업그레이드되었다는 것입니다. 과거에는 AI가 문서를 검색하는 것만으로도 문제를 해결할 수 있었지만, 이제는 AI가 비즈니스의 대상, 관계, 규칙을 이해해야 하며, 온톨로지가 바로 이러한 요구사항을 충족시켜줍니다.
2. 온톨로지란 무엇인가? 쉽게 설명해 드릴게요
간단히 말해서, 온톨로지는 기계가 이해할 수 있는 ‘모든 것의 목록과 관계 설명서’입니다:
- 예를 들어, 여러분이 선현 세계로 여행을 가서 어떤 사람에게 “여기에 무엇이 있나요?”라고 물으면, 그 사람은 목록을 만들어줄 것입니다: 수련자, 수련법, 기운 등. 그리고 관계도 설명해 줄 것입니다: 수련자는 기운을 사용하여 수련법을 연습하며, 수련법을 통해 기운을 소모합니다. 이러한 ‘목록과 관계’가 바로 온톨로지입니다.
- 기술적으로는 ‘클래스(Class)’, ‘속성(Property)’, ‘관계(Relation)’를 사용하여 분야를 설명합니다. 예를 들어, 쇼핑 플랫폼에서 ‘상품’은 클래스이고, ‘가격’은 속성이며, ‘구매자-구매-상품’은 관계입니다. 기계는 이러한 규칙을 통해 “전자제품을 구입한 사람은 전자 제품을 선호할 가능성이 높다”와 같은 추론을 할 수 있습니다.
- 핵심 기능은 AI가 ‘문서 읽기’에서 ‘비즈니스 로직 이해’로 업그레이드되어 복잡한 추론을 할 수 있도록 하는 것입니다.
3. 온톨로지 도입의 어려움: 높은 비용, 변경 시의 문제점, 유지 관리의 어려움
왜 실제 기업들이 쉽게 도입하지 않을까요? 그 이유는 여러 가지 문제가 있기 때문입니다:
1. 비즈니스의 추상화가 어렵습니다: 복잡한 비즈니스 프로세스(예: 주문, 물류)를 ‘클래스와 관계’로 정리하는 것이 쉽지 않으며, 다른 부서마다 같은 개념에 대해 다른 용어를 사용합니다(예: ‘단서’ = 영업의 ‘기회’, 운영의 ‘잠재 고객’). 이로 인해 몇 주에서 몇 달 동안 논쟁이 벌어질 수 있습니다.
2. 데이터 정제 비용이 많이 듭니다: 기업 데이터는 대부분 ‘오염되어’ 있으며, 같은 것에 대해 다른 부서마다 다른 명칭을 사용합니다. 온톨로지를 구축하기 위해서는 이러한 오류를 새로운 규칙으로 변환해야 하며, 데이터 정제 비용이 프로젝트 비용의 절반 이상을 차지할 수 있으며, 재작업도 필요합니다.
3. 비즈니스 변화가 전체에 영향을 미칩니다: 온톨로지는 ‘의미적 결합’이므로, 한 가지 관계를 변경하면(예: ‘1개 고객 → 1개 주문’에서 ‘1개 주문 → 여러 고객’으로 변경) 모든 의존하는 AI 추론, 데이터 흐름, 페이지가 오작동할 수 있으며, 역사적 데이터도 다시 계산해야 합니다.
4. 유지 관리 비용이 높습니다: 비즈니스와 기술을 모두 이해하는 전문 인력이 필요하며, 이러한 인력은 비용이 많이 듭니다. 또한 온톨로지를 구축한 후에는 함부로 변경할 수 없어서, 시간이 지나면 ‘고정된 지식’이 되어버립니다.
4. 온톨로지가 만능인 것은 아닙니다: 적합한 사용 시나리오만 있습니다
온톨로지는 ‘비즈니스의 본질이 안정적이고, 심층적인 추론이 필요하며, 결과에 대한 요구가 높은’ 경우에만 투자할 가치가 있습니다:
- 의료 분야: 의학적 개념과 관계가 안정적이어서(예: 폐렴 → 병변 부위 → 치료 방법), 잘못된 추론의 결과가 심각할 수 있으므로 온톨로지를 사용하여 복잡한 진단을 할 수 있습니다.
- 기업 운영 분야: 공급업체가 제품을 공급하지 못할 때, 시스템이 ‘공급업체 → 원자재 → 생산 계획 → 고객 주문 → 수익 영향’을 파악하여 빠르게 결정을 내릴 수 있습니다.
- 소규모 폐쇄형 시나리오: 전체 회사를 대상으로 하지 않고, 특정 문제만 해결하는 경우에도 사용할 수 있습니다. 예: 전자제품 액세서리의 호환성 검증(예: 특정 필터가 X200 청소년 버전과 호환되는지). 일반 AI로는 문서를 검색해도 답을 찾을 수 없지만, 온톨로지는 ‘채널 모델 → 표준 모델 → 인터페이스 호환성 → 시리즈 소속’을 통해 추론할 수 있으며, 예외 상황(예: 특정 필터가 Pro 버전과 호환되지 않는 경우)도 처리할 수 있습니다.
5. 기업이 온톨로지를 사용하는 올바른 방법: 무분별하게 따르지 말고, 소규모로 시작하여 유지 관리하세요
- 무분별한 따라잡기는 피하세요: 문서 검색이나 SQL로도 해결할 수 있는 문제에 온톨로지를 사용하지 마세요. 온톨로지 도입은 비용이 많이 들고, 회수 기간이 길기 때문입니다.
- 소규모 시나리오부터 시작하세요: 먼저 명확한 경계가 있는 소규모 폐쇄형 시스템을 구축하여 가치를 검증한 후에 확장하세요.
- 지속적인 유지 관리가 필요합니다: 온톨로지는 한 번 구축하고 끝나는 것이 아니라, 전담 인력이 업데이트를 담당해야 합니다(예: 제조업체가 액세서리 인터페이스를 변경하거나 새 모델을 추가할 때). 그렇지 않으면 지식이 점차 왜곡될 수 있습니다.
- 자사의 비즈니스를 명확히 이해하세요: 온톨로지는 결국 “당신이 정말로 자사의 비즈니스를 이해하고 있는가?”라는 질문을 던집니다. 기업조차도 자사의 비즈니스 로직을 명확히 설명할 수 없다면, AI는 더욱이 이해할 수 없습니다.
결론
앞으로 2년은 기업 지식 데이터베이스의 중요한 시기가 될 것입니다. 하지만 온톨로지가 만능 해결책은 아닙니다. 기업이 AI가 비즈니스를 이해하게 하려면 먼저 자사의 비즈니스 로직을 명확히 정리한 후, 해당 시나리오에 맞는 기술을 선택해야 합니다. Palantir의 온톨로지를 무분별하게 따라간다면 큰 비용을 들이고 문제가 발생할 수 있습니다. 진정한 핵심은 비즈니스에 대한 지속적인 이해와 유지 관리입니다.