기업의 AI 전환(AX)이 실패하는 원인은 다섯 가지로 나뉜다. 크라우드웍스가 발간한 백서 ‘우리 조직의 AX가 실패하는 이유’의 분류다. 이 AI 데이터 테크 기업은 AI 프로젝트 수행 경험을 바탕으로 데이터 구축, 품질 검증, 운영과 개선까지 전 과정을 분석했다고 밝혔다.
백서가 나온 배경에는 AI 도입에 투자하는 기업이 실제 업무 환경에서 기대한 성과를 얻기까지 과제가 남아 있다는 문제의식이 있다. 데이터를 어떻게 정리하고 가공할지에 대한 기준, 그리고 오류 개선이 중요한 변수라는 점도 짚었다.
백서가 꼽은 실패 원인 다섯 가지
| 순번 | 실패 원인 |
|---|---|
| 1 | 목적·요건 정의 부실 |
| 2 | 데이터 맥락 유실 |
| 3 | 복합 데이터 가공 오류 |
| 4 | 주관적 품질 관리 |
| 5 | 운영·개선 체계 미흡 |
백서는 요건이 불명확하면 예상하지 못한 사례가 나올 때마다 작업 방식을 수정해야 한다고 짚었다. 이러한 재작업은 프로젝트 일정 지연과 비용 증가로 이어질 수 있다고 설명했다.
원인별 대응 방안
목적·요건 정의 부실에 대해서는 대규모 구축에 들어가기 전에 소량 데이터로 사전 작업을 해볼 것을 제안했다. 발주 기업과 수행 조직이 품질 기준과 처리 방식을 미리 합의해야 한다는 내용도 담겼다.
데이터 맥락 유실을 해결하기 위해서는 문서 요소별 특성을 반영한 데이터 변환과 메타데이터 설계를 강조했다. 이는 AI 레디 데이터(AI-Ready Data), 즉 AI 모델이 학습·검색·추론에 활용할 수 있도록 목적에 맞게 구조화한 데이터를 구축하는 방식이다.
복합 데이터 가공 오류에는 작업 목적, 데이터 유형, 처리 단계별로 세분화한 가이드라인이 필요하다고 제시했다. 주관적 품질 관리에 대해서는 독립적인 교차 검수 체계를 두고, 합격과 재작업을 판단하는 객관적 기준을 세우라고 제안했다. 데이터 품질을 안정적으로 유지하기 위한 방안이다.
운영·개선 체계 미흡에 대해서는 운영 중 발견한 오류와 개선 사항을 데이터에 반영하고 재검증하는 반복적 관리 체계가 필요하다고 밝혔다.
프로젝트 사례로 실무 방법 소개
백서에는 스키마 설계, 데이터 관계 매핑, 메타데이터 설계 등 실무 방법이 담겼다. 금융사 사내 챗봇과 교육 분야 멀티모달 AI 학습 데이터 구축 프로젝트 사례를 통해 설명한다.
크라우드웍스 관계자는 “성공적인 AX는 명확한 요건 정의와 정교한 데이터 설계에서 시작된다”고 말했다. 이 관계자는 “이번 백서가 기업들이 데이터 구축 과정에서 겪는 시행착오를 줄이고, 실질적인 AI 활용 성과를 창출하는 데 도움이 되길 기대한다”고도 밝혔다.
크라우드웍스는
크라우드웍스는 2017년 설립됐고 2023년 8월 코스닥 시장에 상장했다. 회사 설명에 따르면 네이버, LG, KT 등 국내 주요 ICT 기업을 포함해 600개 이상 기업에 데이터 솔루션을 공급했다. 네이버 하이퍼클로바X 등 대규모언어모델(LLM)의 학습 데이터 구축에도 참여했다.
기존 언어모델 학습 데이터 구축 경험을 바탕으로 에이전틱 AI, 로보틱스, 자율주행 등 피지컬 AI 분야까지 데이터 기술 적용 범위를 넓히고 있다.