WEBVTT

00:00:00.000 --> 00:00:02.680
기업용 AI가 환각현상을 일으키는 건 고장나서가 아닙니다.

00:00:02.860 --> 00:00:04.620
AI가 앞을 보지 못하기 때문입니다.

00:00:04.840 --> 00:00:08.640
오늘날 대부분의 기업은 코파일러스 원 드라이브용 검색창 정도로만 취급합니다.

00:00:08.860 --> 00:00:13.620
몇 달 동안 시어포인트 폴더를 정리하고 PDF에 태그를 달면서 그게 끝이라고 생각하죠.

00:00:13.840 --> 00:00:16.720
하지만 실제로는 그게 비즈니스의 10%에 불과합니다.

00:00:16.980 --> 00:00:23.260
나머지 90%는 단절된 사일로, 레거시 데이터베이스, 그리고 외부 툴에 갇혀 AI가 전혀 볼 수 없는 상태입니다.

00:00:23.260 --> 00:00:29.980
프로젝트 상태를 요약해달라고 했는데 AI가 지난주 화요일 파워포인트 파일만 접근할 수 있다면 분명 답은 내놓을 겁니다.

00:00:30.260 --> 00:00:33.420
그럴듯하고 구조적으로 보이겠지만 내용은 틀렸을 겁니다.

00:00:33.700 --> 00:00:39.040
AI는 1시간 전에 접수된 우선순위 티켓이나 ERP에 걸린 예산 동결 사실을 모르기 때문이죠.

00:00:39.240 --> 00:00:41.760
불완전한 정보는 도구가 아니라 부채입니다.

00:00:42.040 --> 00:00:48.020
이는 확신에 찬 추측 문화를 만들고 최고 인재들이 핵심 정보를 놓친 기계를 신뢰하게 만듭니다.

00:00:48.020 --> 00:00:54.380
데이터가 마이크로 소프트 그래프 내에서 인덱싱되고 권한이 부여되지 않으면 AI에게는 존재하지 않는 데이터나 마찬가지입니다.

00:00:54.560 --> 00:00:57.380
이제 단순히 PDF와 대화하는 단계에서 벗어나야 합니다.

00:00:57.600 --> 00:01:00.120
우리는 실시간 비즈니스 브레인의 시대로 진입하고 있습니다.

00:01:00.400 --> 00:01:02.880
그리고 그 두뇌가 작동하려면 신경계가 필요합니다.

00:01:03.080 --> 00:01:04.700
정적인 지능의 세계는 끝났습니다.

00:01:04.960 --> 00:01:06.520
RAG 위 신혼여행은 끝났습니다.

00:01:06.740 --> 00:01:09.820
지난 1년간 모두가 검색 증강 생성, RAG에 집착해왔습니다.

00:01:10.020 --> 00:01:12.300
LLM을 유용하게 만든 마법 같은 기술이었죠.

00:01:12.300 --> 00:01:16.280
AI에게 폴더를 연결하면 파일을 읽고 순식간에 사내 정책을 파악했습니다.

00:01:16.560 --> 00:01:20.500
하지만 이런 파일럿이 실무에 적용되면서 기반의 거대한 균열이 생기고 있습니다.

00:01:20.760 --> 00:01:23.160
그 균열은 바로 데이터의 노후화라는 현실입니다.

00:01:23.380 --> 00:01:26.040
기존의 RAG는 수동 업로드나 정적 폴더에 위존합니다.

00:01:26.280 --> 00:01:28.080
시간을 박제한 스냅샷에 불과하죠.

00:01:28.300 --> 00:01:32.900
움직이는 차 사진을 보여주고 현재 속도가 얼마나 빠른지 묻는 것과 다를 바 없습니다.

00:01:33.260 --> 00:01:36.180
이는 의사결정을 저해하는 지식 격차를 만듭니다.

00:01:36.180 --> 00:01:43.640
비즈니스가 슬랙 메시지 속도로 움직이는 세상에서 48시간 전에 업데이트된 문서에 위존하는 건 재앙을 부르는 일입니다.

00:01:43.820 --> 00:01:48.320
지난주 분기보고서를 토대로 AI가 공격적인 조달 전략을 제안한다고 상상해보세요.

00:01:48.600 --> 00:01:51.080
제안 자체는 훌륭할지 몰라도 한 가지 문제가 있습니다.

00:01:51.380 --> 00:01:54.960
오늘 아침 공급망 중단을 알린 시스템 업데이트를 완전히 무시한 제안이니까요.

00:01:55.120 --> 00:01:57.780
AI를 따르는 순간 당신은 리스크 엔진을 구축한 셈입니다.

00:01:57.980 --> 00:01:59.400
실수를 자동화해버린 것이죠.

00:01:59.600 --> 00:02:03.020
기존의 업무 모델은 사람들이 맥락을 찾기 위해 발품을 팔 시간이 있다고 가정했습니다.

00:02:03.020 --> 00:02:07.220
탭을 5개 열고 CRM을 확인하고 프로젝트 보드를 본 뒤에야 결정을 내렸죠.

00:02:07.340 --> 00:02:10.540
새로운 모델은 컨텍스트가 AI에게 전달되어야 한다고 가정합니다.

00:02:10.740 --> 00:02:14.140
기계가 여러분을 도우려면 여러분과 동일한 상황 인식이 필요합니다.

00:02:14.140 --> 00:02:17.820
이것이 바로 기본 문서 기반 접지, 그라운딩, 가 현대 기업에서 실패하는 이유입니다.

00:02:17.940 --> 00:02:20.860
실시간 시스템 원격 측정이라는 연결고리가 부족하기 때문입니다.

00:02:21.020 --> 00:02:23.200
대부분의 진실은 워드 문서 안에 있지 않습니다.

00:02:23.420 --> 00:02:24.960
시스템의 상태 안에 머물러 있습니다.

00:02:25.300 --> 00:02:28.280
청구서의 대기 상태, 고객 티켓의 높은 우선순위 표시,

00:02:28.520 --> 00:02:31.060
또는 감사 로그에 기록된 예외 사항 등이 바로 그것입니다.

00:02:31.260 --> 00:02:34.900
그래프에 문서만 제공하면 신경계가 단절된 뇌를 만드는 것과 같습니다.

00:02:35.240 --> 00:02:37.600
뇌는 생각할 수 있지만 바닥의 감각은 느낄 수 없습니다.

00:02:37.880 --> 00:02:40.340
건물에 불이 났는지 정문이 잠겼는지 조차 알 수 없습니다.

00:02:40.340 --> 00:02:42.540
단지 진공 상태에서 텍스트를 처리할 뿐입니다.

00:02:42.680 --> 00:02:45.140
이 간극을 메우려 면 데이터에 대한 사고 방식을 바꿔야 합니다.

00:02:45.300 --> 00:02:47.280
우리는 더 이상 단순히 파일을 옮기는 것이 아닙니다.

00:02:47.460 --> 00:02:48.940
우리는 현실을 스트리밍하고 있습니다.

00:02:49.240 --> 00:02:51.520
AI 가서가에서 책을 찾는 도서관 모델에서

00:02:51.520 --> 00:02:56.000
비즈니스의 원격 측정 데이터를 지속적으로 공급받는 센서 모델로 전환해야 합니다.

00:02:56.220 --> 00:02:59.740
이러한 변화가 책법과 실제 지능계층을 구분짓는 요소입니다.

00:03:00.000 --> 00:03:01.820
하나는 과거에 대한 질문에 답하고,

00:03:02.300 --> 00:03:04.340
다른 하나는 현재를 탐색하도록 돕습니다.

00:03:04.340 --> 00:03:09.440
후자를 원한다면 마이크로소프트 그래프를 선택적인 저장소로 취급하는 것을 멈추고,

00:03:09.900 --> 00:03:12.240
전체 운영의 중추신경계로 대우해야 합니다.

00:03:12.440 --> 00:03:15.580
그런 실시간 연결이 없다면 지능을 확장하는 것이 아닙니다.

00:03:15.780 --> 00:03:18.100
핵심을 놓치는 속도만 가속화할 뿐입니다.

00:03:18.340 --> 00:03:22.920
정적 정보의 벽을 허물고 실시간 인덱싱된 인식을 향한 다리를 놓아야 합니다.

00:03:23.160 --> 00:03:24.580
첫 번째 사각지대입니다.

00:03:24.840 --> 00:03:26.080
유령 승인 체인입니다.

00:03:26.360 --> 00:03:28.680
승인은 기업 운영의 실제 생명선입니다.

00:03:28.680 --> 00:03:34.440
승인은 자금 이동, 코드 배포, 계약 체결 여부를 결정하는 예 또는 아니오 신호입니다.

00:03:34.640 --> 00:03:35.820
하지만 문제가 있습니다.

00:03:36.080 --> 00:03:39.240
대부분의 조직에서 이러한 중요한 신호들은 어둠 속에 가려져 있습니다.

00:03:39.520 --> 00:03:40.860
전문 조달 도구에 묻혀 있거나,

00:03:41.280 --> 00:03:42.900
레거시 티켓 시스템에 숨겨져 있거나,

00:03:43.360 --> 00:03:45.960
경영진 이메일 스레드에 끝없는 스크롤 속에 갇혀 있습니다.

00:03:46.280 --> 00:03:48.220
AI에게 이러한 승인들은 유령과 같습니다.

00:03:48.560 --> 00:03:50.900
AI 위 세계에는 존재하지 않는 것이나 다름없습니다.

00:03:51.060 --> 00:03:54.460
이는 제가 성급한 위사결정 증후군이라고 부르는 위험한 현상을 초래합니다.

00:03:54.460 --> 00:03:58.980
사용자가 AI에게 프로젝트 단계에 대한 상태 업데이트나 권장사항을 물을 때 발생합니다.

00:03:59.180 --> 00:04:01.580
AI는 셰어포인트에서 사용 가능한 문서를 살펴봅니다.

00:04:01.760 --> 00:04:03.080
프로젝트 계획서를 확인합니다.

00:04:03.260 --> 00:04:04.480
초안 청구서를 확인합니다.

00:04:04.680 --> 00:04:06.580
모든 준비가 완료되었다고 결론을 내립니다.

00:04:06.840 --> 00:04:08.420
사용자에게 진행하라고 말합니다.

00:04:08.680 --> 00:04:11.780
하지만 외부 조달 소프트웨어에 대기 중인 상태는 볼 수 없습니다.

00:04:12.100 --> 00:04:15.800
법무팀이 외부 포털에서 특정 조항을 표시했다는 사실도 알지 못합니다.

00:04:16.020 --> 00:04:18.220
그 결과는 단순한 사소한 실수가 아닙니다.

00:04:18.420 --> 00:04:20.800
조직에 대한 신뢰가 완전히 무너지는 것입니다.

00:04:20.800 --> 00:04:27.100
AI가 기존 워크플로우를 위반하는 작업을 유도하면 업무 중복과 통제 우회가 발생합니다.

00:04:27.320 --> 00:04:33.920
지능형 어시스턴트가 문제가 없다고 말했기 때문에 주니어 직원이 승인되지 않은 주문을 시작하게 됩니다.

00:04:34.200 --> 00:04:36.220
이는 LLM의 논리적 오류가 아닙니다.

00:04:36.420 --> 00:04:38.120
가시성 문제에서 비롯된 것입니다.

00:04:38.360 --> 00:04:42.520
파일의 절반만 있는 방에 AI를 가둬두고 프로젝트 매니저 역할을 기대한 꼴입니다.

00:04:42.720 --> 00:04:45.660
이런 맥락 부재의 비용은 재작업 루프로 측정됩니다.

00:04:45.660 --> 00:04:53.680
외부 시스템의 보류 상태를 놓쳐 AI 가생성 한 초안이 거부될 때마다 약속받았던 생산성 향상은 사라집니다.

00:04:53.840 --> 00:04:59.360
결국 수동 검증 단계를 프로세스에 다시 추가해야 하며 이는 자동화의 목적을 퇴색시킵니다.

00:04:59.540 --> 00:05:06.640
고속 어시스턴트를 고용해놓고 그 어시스턴트가 사내 규칙을 전혀 모르기 때문에 사람이 일일이 감시하게 되는 상황입니다.

00:05:06.880 --> 00:05:09.780
이 격차를 해소하는 유일한 방법은 맞춤형 커넥터뿐입니다.

00:05:09.960 --> 00:05:13.780
커넥터를 사용하면 원본 콘텐츠와 함께 상태 정보를 표면화할 수 있습니다.

00:05:13.780 --> 00:05:18.980
조달 도구의 커넥터를 구축할 때는 단순히 구매 주문서의 텍스트만 인덱싱하는 것이 아닙니다.

00:05:19.180 --> 00:05:21.640
승인체인의 메타데이터를 인덱싱하는 것입니다.

00:05:21.900 --> 00:05:26.760
문서의 유효성이 특정 시스템 플래그와 연결되어 있음을 그래프가 이해하도록 만드는 것입니다.

00:05:26.960 --> 00:05:31.260
이를 통해 AI는 단순한 문서 읽기 도구에서 프로세스를 인식하는 파트너로 진화합니다.

00:05:31.520 --> 00:05:36.000
문서 내 단어 에만이존하는 것을 멈추고 사내 규칙을 기준으로 판단하게 됩니다.

00:05:36.360 --> 00:05:41.720
사용자가 이걸 배송해도 될까? 라고 물을 때 AI는 단순히 계획상 가능합니다. 라고만 말하지 않습니다.

00:05:41.720 --> 00:05:45.840
계획상 가능하지만 외부 배송 포털에는 안전승인이 대기 중입니다. 라고 말합니다.

00:05:46.040 --> 00:05:49.240
그것이 책북과 엔터프라이즈 인텔리전스 계층의 차이입니다.

00:05:49.440 --> 00:05:52.680
권한과 상태가 마법처럼 동기화 될 것이라는 가정은 이제 버려야 합니다.

00:05:52.900 --> 00:05:56.340
승인 절차가 그래프 외부의 영역이라면 AI는 게이트 키퍼를 볼 수 없습니다.

00:05:56.600 --> 00:06:00.580
이런 연결을 설계함으로써 보이지 않던 승인 절차를 구체적인 데이터 포인트로 바꿀 수 있습니다.

00:06:00.840 --> 00:06:03.960
AI가 귀사의 비즈니스 로직 경계를 확실히 준수하도록 보장합니다.

00:06:04.200 --> 00:06:07.300
자신감 넘치는 추측가를 규정을 준수하는 조언자로 바꾸는 것입니다.

00:06:07.300 --> 00:06:13.060
이것이 업무 중복을 막고 귀사의 비즈니스 방식을 실제로 이해하는 AI를 구축하는 방법입니다.

00:06:15.660 --> 00:06:17.140
두 번째 사각지대입니다.

00:06:17.360 --> 00:06:18.720
반절된 고객 여정입니다.

00:06:18.960 --> 00:06:21.600
고객이 실제로 귀사를 어떻게 경험하는지 생각해 보십시오.

00:06:21.740 --> 00:06:23.240
고객에게는 부서가 보이지 않습니다.

00:06:23.460 --> 00:06:24.780
그들은 하나의 실체만을 봅니다.

00:06:25.020 --> 00:06:27.360
하지만 당신의 내적 혀실은 고립된 섬들의 집합입니다.

00:06:27.580 --> 00:06:29.260
CRM에는 판매 데이터가 담겨 있습니다.

00:06:29.560 --> 00:06:31.600
티켓팅 시스템은 지원 문제를 관리합니다.

00:06:31.800 --> 00:06:34.100
배송 플랫폼은 실제 이행 상황을 추적합니다.

00:06:34.100 --> 00:06:39.740
이 군도 한가운데 마이크로소프트 365라는 섬의 지도만 가진 AI 어시스턴트를 떨어뜨려 놓은 셈이죠.

00:06:39.940 --> 00:06:43.600
이는 브랜드 평판에 치명적일 수 있는 편향된 응답을 만들어냅니다.

00:06:43.860 --> 00:06:48.020
오래된 고객이 새 프로젝트 견적을 문외하는 이메일을 보낸 상황을 상상해보세요.

00:06:48.340 --> 00:06:50.700
AI는 아울록에서 그 이메일을 확인합니다.

00:06:50.940 --> 00:06:54.080
셰어포인트 폴더를 스캔하여 고객의 과거 계약서를 파악합니다.

00:06:54.320 --> 00:06:59.200
그리고는 확장 논의를 위한 미팅을 제안하는 쾌활하고 주도적인 후속 메시지를 작성합니다.

00:06:59.440 --> 00:07:00.380
완벽해 보입니다.

00:07:00.620 --> 00:07:02.540
하지만 거대한 맥락이 빠져 있습니다.

00:07:02.540 --> 00:07:07.080
AI는 외부 서비스 데스크에 있는 중요한 우선순위 티켓을 보지 못합니다.

00:07:07.280 --> 00:07:10.540
그 고객은 현재 시스템 중단으로 항의하고 있는데도 말이죠.

00:07:10.740 --> 00:07:17.720
티켓팅 데이터가 그래프에 색인되지 않았기 때문에 고객이 위기 상황임에도 AI는 정중한 영업 제안을 작성하게 됩니다.

00:07:17.960 --> 00:07:23.120
계정관리자가 AI가 작성한 초안을 전송하는 순간 단순히 판매 기회만 놓치는 것이 아닙니다.

00:07:23.320 --> 00:07:27.160
고객에게 당신이 그들의 현실과 완전히 동떨어져 있다는 신호를 주는 것입니다.

00:07:27.160 --> 00:07:33.080
우리는 제작업과 일관성 없는 고객 경험 문제를 해결하려 하지만 AI가 파편화된 정보만 본다면 불가능합니다.

00:07:33.220 --> 00:07:36.580
대부분의 조직은 통합 기능이 있으니 문제를 해결했다고 생각합니다.

00:07:36.820 --> 00:07:39.700
그들은 우리 CRM은 이메일과 통합되어 있다 고 말하죠.

00:07:39.920 --> 00:07:42.580
하지만 여러분이 반드시 이해해야 할 구조적 결함이 있습니다.

00:07:42.840 --> 00:07:44.660
통합과 색인은 같은 것이 아닙니다.

00:07:44.860 --> 00:07:49.900
통합은 아울러 간에서 CRM 기록을 보여줄 수는 있지만 그것이 AI가 데이터를 추론할 수 있다는 의미는 아닙니다.

00:07:49.900 --> 00:07:56.820
AI 가점들을 연결하여 지원이기 때문에 영업문의를 잠시 보류해야 함을 깨달으려면 해당 데이터가 시멘틱 색인 안에 존재해야 합니다.

00:07:57.020 --> 00:07:59.500
그래프에 통합된 세계 모델의 일부가 되어야 하죠.

00:07:59.700 --> 00:08:03.700
색인이 없다면 AI는 상황 파악 능력 없는 빠른 타이피스트에 불과합니다.

00:08:03.920 --> 00:08:06.200
큰 그림을 볼 수 없는 특수 도구일 뿐이죠.

00:08:06.400 --> 00:08:11.020
외부 섬들에 대한 맞춤형 커넥터를 구축함으로써 그래프의 핸드오프에 통합된 뷰를 제공하게 됩니다.

00:08:11.240 --> 00:08:13.580
파편화된 정보들을 하나의 여정으로 바꾸는 것이죠.

00:08:13.580 --> 00:08:19.800
티켓팅 시스템, CRM, 배송 기록이 모두 색인되면 AI는 비로소 고객 수명 주기 전체를 볼 수 있습니다.

00:08:20.020 --> 00:08:23.180
진행 중인 판매와 열린 티켓 사이에 긴장관계를 인식하게 됩니다.

00:08:23.440 --> 00:08:25.780
AI는 사용자에게 이렇게 경고할 수 있습니다.

00:08:25.980 --> 00:08:30.180
후속 메일을 작성했지만 서비스 포털에 해결되지 않은 우선순위 이슈가 있음을 알려드립니다.

00:08:30.440 --> 00:08:33.720
이것이 바로 자동 응답에서 지능형 참여로 나아가는 방법입니다.

00:08:33.960 --> 00:08:38.720
AI가 전체 상황을 파악하지 못해 사람이 수동으로 수정해야 하는 재작업을 멈출 수 있습니다.

00:08:39.000 --> 00:08:42.680
기술 때문에 조직이 체계적이지 않아 보이는 민망한 순간 들을 방지할 수 있습니다.

00:08:42.680 --> 00:08:45.920
본질적으로 AI에게 상황을 읽는 능력을 부여하는 것입니다.

00:08:46.080 --> 00:08:50.100
하지만 이를 위해서는 고객 데이터를 분리된 섬처럼 방치하는 것을 멈춰야 합니다.

00:08:50.320 --> 00:08:54.980
AI가 실제로 활용할 수 있도록 데이터를 그래프로 가져와 연결고리를 만들어야 합니다.

00:08:55.180 --> 00:08:59.500
여정 전반에 걸친 인식이 파편화된 혼란을 경쟁 우위로 바꾸는 유일한 방법입니다.

00:08:59.720 --> 00:09:05.720
업무 인계 과정을 세긴 하지 않으면 정작 가장 중요한 회의에 늘 불참하는 비서를 위해 비용을 지불하는 꼴이 됩니다.

00:09:06.000 --> 00:09:08.760
세 번째 사각지대, 위험 및 예외사항 노출입니다.

00:09:08.760 --> 00:09:13.460
모든 조직은 공식 매뉴얼에는 거의 담기지 않는 숨겨진 예외계층 위에서 운영됩니다.

00:09:13.640 --> 00:09:18.760
신규 입사자가 읽는 표준 정책은 있지만 실제 업무가 어떻게 처리되는지의 혀실은 다릅니다.

00:09:19.040 --> 00:09:23.820
이 혀실은 면제 조항, 감사 노트, 특별 가격 합의 및 현장별 안전 프로토콜로 구축됩니다.

00:09:24.040 --> 00:09:26.720
이런 것들은 단순히 보관해두는 추가 문서가 아닙니다.

00:09:26.900 --> 00:09:31.020
회사가 법적 또는 재정적 나락으로 빠지지 않게 막아주는 안전장치입니다.

00:09:31.260 --> 00:09:36.520
문제는 이런 안전장치가 현재 AI가 읽고 있는 표준 시어포인트 폴더에는 거의 없다는 점입니다.

00:09:36.520 --> 00:09:42.940
이는 마이크로소프트 그래프 외부의 틈새 시스템, 모호한 데이터베이스 또는 기존 규정 준수 저장소에 존재합니다.

00:09:43.120 --> 00:09:48.880
AI가 표준 작업을 권장할 때 일반 정책이 항상 모든 사람에게 적용된다고 가정하고 작동합니다.

00:09:49.080 --> 00:09:52.620
하지만 기업 환경에서는 규칙보다 예외가 더 중요한 경우가 많습니다.

00:09:52.840 --> 00:09:55.440
비서가 신입사원에게 표준 배송 경로를 제안하면서

00:09:55.440 --> 00:10:00.060
규제 포털에 있는 특정 환경 면제 조항을 확인하지 못한다면 단순한 실수가 아닙니다.

00:10:00.220 --> 00:10:04.520
지능형 도구를 사용하여 위반 사항을 자동화함으로써 규정 준수 악몽을 초래한 것입니다.

00:10:04.520 --> 00:10:09.700
이 지점이 사각지대가 생산성의 골칫거리를 넘어 비즈니스 전체에 구조적 위협이 되는 순간입니다.

00:10:09.900 --> 00:10:13.880
인식은 단순한 자동화와 진정한 지능을 가르는 근본적인 차이입니다.

00:10:14.080 --> 00:10:17.820
자동화는 대본을 따르지만 지능은 그 대본의 맥락을 이해합니다.

00:10:18.040 --> 00:10:21.900
AI가 이러한 틈새 위험 시스템에 대한 맞춤형 연결고리를 갖추지 못하면

00:10:21.900 --> 00:10:24.900
일상적인 업무와 고위험 예외를 구분할 수 없습니다.

00:10:25.220 --> 00:10:27.880
상황에 맞지 않는 잘못된 답을 내놓게 될 것입니다.

00:10:27.880 --> 00:10:34.340
별도의 법률 데이터베이스에 할인불가 표시가 된 고객에게 영업사원이 표준 할인을 제한하도록 자신있게 권할 것입니다.

00:10:34.560 --> 00:10:36.840
AI가 반항하거나 까다로운 것이 아닙니다.

00:10:37.020 --> 00:10:39.040
단지 근본적으로 정보가 부족할 뿐입니다.

00:10:39.240 --> 00:10:43.620
이제는 정책이 무엇인지가 아니라 이 특정 사례에 적용되는 정책이 무엇인지로 논의를 옮겨야 합니다.

00:10:43.820 --> 00:10:48.320
이러한 전환을 위해서는 예외 데이터를 그래프의 추론 계층으로 끌어오는 맞춤형 커넥터가 필요합니다.

00:10:48.520 --> 00:10:53.040
감사 노트와 면제 조항을 인덱싱하면 AI에게 중단을 명령할 능력을 부여하게 됩니다.

00:10:53.300 --> 00:10:56.700
표준 절차를 따라서는 안 되는 상황을 AI가 인식하도록 만드는 것입니다.

00:10:56.700 --> 00:11:00.260
이것이 바로 경영진에게 AI 전략의 투자 대비 효과를 증명하는 방법입니다.

00:11:00.400 --> 00:11:03.440
단순히 이메일 조안을 얼마나 더 빨리 작성했느냐의 문제가 아닙니다.

00:11:03.620 --> 00:11:09.380
AI가 레거시 저장소에 숨겨진 특수 상태를 인지함으로써 고비용의 규정 위반을 예방했다는 점이 중요합니다.

00:11:09.580 --> 00:11:13.940
대부분의 팀은 접근하기 어렵거나 데이터 양이 적다는 이유로 이런 틈새 시스템을 무시합니다.

00:11:14.160 --> 00:11:18.200
주로 규모가 큰 시어포인트 사이트에만 집중하지만 바로 그곳에 위험이 사립니다.

00:11:18.480 --> 00:11:23.180
대규모 사이트에는 공통 지식이 담겨있고 틈새 시스템에는 결정적인 예외 사항들이 담겨있기 때문입니다.

00:11:23.180 --> 00:11:27.640
투자를 무시하는 것은 사실상 AI를 자신감 넘치는 아마추어로 훈련시키는 꼴입니다.

00:11:27.780 --> 00:11:30.980
기본은 알지만 어디에 지뢰가 묻혀있는지는 모르는 격입니다.

00:11:31.220 --> 00:11:35.200
이러한 커넥터를 설계하는 것은 IT 부서만을 위한 기술적 과제가 아닙니다.

00:11:35.380 --> 00:11:36.800
이는 위험 완화 전략입니다.

00:11:37.060 --> 00:11:42.900
AI를 전사적으로 확장할 때 치명적인 실수 확률까지 함께 커지지 않도록 보장하는 것입니다.

00:11:42.900 --> 00:11:47.060
기계의 논리를 실제 운영의 복잡성이라는 토대 위에 세우는 과정입니다.

00:11:47.260 --> 00:11:53.320
AI 가 프로젝트 계획과 함께 감사노트를 볼 수 있게 되면 AI는 위험 요소가 아닌 보호자가 됩니다.

00:11:53.600 --> 00:12:00.080
사각지대를 전략적 이점으로 바꾸어 모든 AI 기반 작업이 신속할 뿐만 아니라 근본적으로 안전하도록 만듭니다.

00:12:00.280 --> 00:12:04.180
이렇게 하면 비즈니스의 상황을 진정으로 이해하는 비즈니스 두뇌를 구축할 수 있습니다.

00:12:04.420 --> 00:12:06.000
실시간 수집 아키텍처입니다.

00:12:06.260 --> 00:12:09.820
추측을 멈추려 면다리가 실제로 어떻게 구축되는지 논의해야 합니다.

00:12:09.820 --> 00:12:13.300
단순한 대량 데이터 이동이나 구식 마이그레이션과는 차원이 다른 이야기입니다.

00:12:13.440 --> 00:12:16.880
우리는 추론 엔진에 데이터를 공급하는 고충실도 파이프라인을 구축하고 있습니다.

00:12:17.120 --> 00:12:21.000
이를 위해 저는 이벤트 추론 오케스트레이션 모델이라는 프레임워크를 사용합니다.

00:12:21.220 --> 00:12:25.780
이는 침묵하는 데이터베이스를 AI 세계의 능동적인 참여자로 바꾸는 청사진입니다.

00:12:26.020 --> 00:12:27.520
첫 번째 기둥은 연결입니다.

00:12:27.780 --> 00:12:31.200
이는 소스와의 물리적 연결 고리이지만 단순한 파이프 그 이상입니다.

00:12:31.420 --> 00:12:33.740
단순히 데이터를 그래프에 쏟아 붓는 것이 아닙니다.

00:12:33.940 --> 00:12:35.260
아이디어를 맵핑하는 것입니다.

00:12:35.520 --> 00:12:37.660
많은 엔지니어링 팀이 바로 여기서 어려움을 겪습니다.

00:12:37.660 --> 00:12:40.040
외부 시스템은 사용자를 직원 99번으로 인식하는데

00:12:40.040 --> 00:12:43.500
마이크로소프트 엔트라 아이디는 제인 DO이 꼴뱅이 COMPANI.COM으로 알고 있다면

00:12:43.500 --> 00:12:45.440
AI는 사람과 권한을 연결할 수 없습니다.

00:12:45.680 --> 00:12:47.720
소스에서 해당 아이디를 표준화해야 합니다.

00:12:47.960 --> 00:12:49.720
데이터가 단 1바이트라도 이동하기 전에

00:12:49.720 --> 00:12:53.460
모든 기록에 기업 아이디 시스템에 DNA가 포함되어 있는지 확인해야 합니다.

00:12:53.660 --> 00:12:55.280
AI가 데이터 소유자를 확인할 수 없다면

00:12:55.280 --> 00:12:57.260
누구에게도 데이터를 보여주지 않을 것입니다.

00:12:57.440 --> 00:12:58.760
두 번째 기둥은 스키마입니다.

00:12:59.040 --> 00:13:00.860
이를 커넥터를 위한 사전이라고 생각하세요.

00:13:01.100 --> 00:13:02.840
그래프에 무엇을 보고 있는지 알려져야 합니다.

00:13:03.080 --> 00:13:04.200
이것이 상태 필드인가요?

00:13:04.200 --> 00:13:06.600
마감 기한인가요? 중요한 예외 상황인가요?

00:13:06.780 --> 00:13:08.160
이 속성들을 명확히 정의하지 않으면

00:13:08.160 --> 00:13:10.040
AI는 그저 텍스트 덩어리로만 인식합니다.

00:13:10.180 --> 00:13:11.160
키워드는 찾을 수 있겠지만

00:13:11.160 --> 00:13:12.940
그 중요성은 이해하지 못할 것입니다.

00:13:13.100 --> 00:13:14.440
풍부한 스키마를 구성함으로써

00:13:14.440 --> 00:13:17.180
시멘틱 인덱스가 정보를 적절히 순위 매기도록 할 수 있습니다.

00:13:17.420 --> 00:13:18.700
사용자가 위험에 대해 물을 때

00:13:18.700 --> 00:13:21.620
AI 가위 특정 필드를 먼저 확인하도록 지시하는 것입니다.

00:13:21.820 --> 00:13:23.760
이는 기계에게 제공하는 텔레메트리 데이터의

00:13:23.760 --> 00:13:26.080
우선순위를 정하는 방법을 효과적으로 가르치는 일입니다.

00:13:26.240 --> 00:13:28.940
세 번째 기둥은 접근 제어 목록, 즉 ACL입니다.

00:13:28.940 --> 00:13:30.760
이것은 보안 트리밍을 의미합니다.

00:13:30.940 --> 00:13:32.340
AI 위 세계에서 권한 설정은

00:13:32.340 --> 00:13:35.200
생산성 향상과 대규모 데이터 유출을 가르는 유일한 방어선입니다.

00:13:35.360 --> 00:13:38.460
커넥터는 원본의 권한 설정을 절대적으로 완벽하게 복제해야 합니다.

00:13:38.660 --> 00:13:41.160
사용자가 원본 SQL 데이터베이스에서 레코드를 볼 수 없다면

00:13:41.160 --> 00:13:43.300
코파일럿 응답에서도 절대 볼 수 없어야 합니다.

00:13:43.460 --> 00:13:45.260
우리는 엔트라 아이디 기반의 권한을 사용하여

00:13:45.260 --> 00:13:47.400
모든 커리가 실시간으로 필터링 되도록 보장합니다.

00:13:47.600 --> 00:13:49.920
AI 가 사용자가 볼 수 있는 것보다 더 많은 정보를 본다면

00:13:49.920 --> 00:13:51.500
당신은 도구를 만든 것이 아닙니다.

00:13:51.680 --> 00:13:53.160
당신은 취약점을 만든 것입니다.

00:13:53.380 --> 00:13:54.840
그 다음은 속도에 관한 문제입니다.

00:13:54.840 --> 00:13:57.780
지연시간 서비스 수준 목표, SLO를 정의해야 합니다.

00:13:57.960 --> 00:13:59.940
모든 것이 실시간에 가까울 필요는 없습니다.

00:14:00.240 --> 00:14:03.260
보관용 감사 로그는 24시간 배치 동기화로 충분할 수 있지만

00:14:03.260 --> 00:14:06.060
승인 대기 상태는 실시간 스트리밍이 필요합니다.

00:14:06.280 --> 00:14:09.640
우리는 야간 크롤링에서 이벤트 기반 수집 방식으로 전환하고 있습니다.

00:14:09.960 --> 00:14:11.360
ERP에서 상태가 변경되면

00:14:11.360 --> 00:14:14.100
그 즉시 그래프 인덱스 업데이트가 트리거되어야 합니다.

00:14:14.320 --> 00:14:16.860
이를 통해 AI가 어제의 정보로 작업하는 일을 방지합니다.

00:14:17.080 --> 00:14:18.860
여기서 발생하는 기술적 변화는 매우 심오합니다.

00:14:19.100 --> 00:14:21.400
우리는 단순 데이터 마이그레이션에서 시멘틱 인덱싱으로 나아가고 있습니다.

00:14:21.400 --> 00:14:23.640
데이터를 단순히 저장하기 위해 옮기는 것이 아닙니다.

00:14:23.800 --> 00:14:26.160
AI가 데이터를 통해 추론할 수 있도록 옮기는 것입니다.

00:14:26.360 --> 00:14:29.400
LLM 이 탐색할 수 있는 비즈니스 로직의 지도를 만드는 것입니다.

00:14:29.640 --> 00:14:33.540
이러한 아키텍처는 데이터 사일로들을 통합된 지능형 레이어로 바꿔줍니다.

00:14:33.760 --> 00:14:35.780
이는 연결되지 않은 센서 무더기를 갖는 것과

00:14:35.780 --> 00:14:38.060
제대로 작동하는 대시보드를 갖는 것의 차이와 같습니다.

00:14:38.400 --> 00:14:39.400
이 수집 모델을 숙달함으로써

00:14:40.200 --> 00:14:41.740
당신은 데이터 관리자를 넘어

00:14:41.740 --> 00:14:44.480
기업의 집단지성을 설계하는 아키텍트가 될 것입니다.

00:14:44.740 --> 00:14:47.160
이것이 실시간 비즈니스 두뇌의 토대입니다.

00:14:47.160 --> 00:14:49.380
경쟁 우위로서의 거버넌스입니다.

00:14:49.600 --> 00:14:53.820
거버넌스를 법무부서에 연이은 거부의사로만 보는 시각에서 벗어나야 합니다.

00:14:54.040 --> 00:14:58.200
마이크로소프트 그래프 시대에 거버넌스는 가장 강력한 경쟁 우위입니다.

00:14:58.420 --> 00:14:58.980
왜일까요?

00:14:59.220 --> 00:15:01.260
데이터를 가장 신뢰할 수 있는 조직이

00:15:01.260 --> 00:15:03.360
가장 빠르게 움직일 수 있기 때문입니다.

00:15:03.600 --> 00:15:07.020
AI가 지역적 경계나 사용자 권한을 준수하는지 확신할 수 없어

00:15:07.020 --> 00:15:08.080
계속 의심하게 된다면

00:15:08.080 --> 00:15:10.260
자연스럽게 속도를 늦추게 될 것입니다.

00:15:10.460 --> 00:15:11.980
도입 범위를 제한하게 될 것입니다.

00:15:12.180 --> 00:15:14.800
추구하던 투자 수익률 ROI조차 억제하게 될 것입니다.

00:15:14.800 --> 00:15:18.520
문제는 과거에는 과도한 권한이 부여된 파일 공유를 조용한 위험으로 치부했지만

00:15:18.520 --> 00:15:22.100
AI가 프롬프트에 답하기 위해 맥락을 활발히 탐색하는 세상에서

00:15:22.100 --> 00:15:24.300
그러한 파일 공유는 시한폭탄이 된다는 점입니다.

00:15:24.420 --> 00:15:26.900
최소 권한 원칙은 더 이상 권고사항이 아닙니다.

00:15:27.100 --> 00:15:29.020
안전한 AI 전략의 근간입니다.

00:15:29.240 --> 00:15:31.760
커넥터는 간단한 규칙을 기반으로 구축되어야 합니다.

00:15:31.960 --> 00:15:33.360
사용자에게 허용되지 않은 정보라면

00:15:33.360 --> 00:15:34.840
AI도 이를 보여주어선 안 됩니다.

00:15:35.120 --> 00:15:36.700
우리는 단일 진실 공급원 역할을 하는

00:15:36.700 --> 00:15:38.740
엔트라 아이디 기반의 권한 부여를 사용합니다.

00:15:38.740 --> 00:15:42.660
AI 가시성을 위해 수동 액세스 요청이 떠도는 것을 원치 않으며

00:15:42.660 --> 00:15:45.340
두 곳에서 권한을 관리하는 것은 더더욱 원치 않습니다.

00:15:45.500 --> 00:15:47.780
우리는 시스템이 사용자의 역할과 신원을 바탕으로

00:15:47.780 --> 00:15:50.240
무엇을 추론할 수 있는지 정확히 파악하기를 바랍니다.

00:15:50.460 --> 00:15:52.380
다음은 데이터 레지던시 문제입니다.

00:15:52.600 --> 00:15:54.540
정보가 그래프에 인덱싱 되었다고 해서

00:15:54.540 --> 00:15:56.620
지역적 경계가 사라진 것은 아닙니다.

00:15:56.820 --> 00:15:59.920
인덱스에 있다는 사실이 데이터의 물리적 저장 위치나

00:15:59.920 --> 00:16:02.160
관할권을 무시할 근거가 되지는 않습니다.

00:16:02.380 --> 00:16:03.540
귀하의 거버넌스 모델은

00:16:03.540 --> 00:16:06.440
이후 데이터 경계 및 기타 주권 요구사항을 고려해야 합니다.

00:16:06.440 --> 00:16:08.320
AI가 데이터를 인식하면서도

00:16:08.320 --> 00:16:10.180
해당 데이터가 허용되지 않은 지역으로

00:16:10.180 --> 00:16:12.220
이동하지 않아듬을 증명할 수 있어야 합니다.

00:16:12.420 --> 00:16:14.700
이는 소유권에 대한 근본적인 변화로 이어집니다.

00:16:14.880 --> 00:16:16.420
구축하는 모든 사용자 지정 커넥터에는

00:16:16.420 --> 00:16:17.840
개발자 이상의 존재가 필요합니다.

00:16:18.020 --> 00:16:19.560
비즈니스 책임자가 필요합니다.

00:16:19.760 --> 00:16:21.800
이 책임자는 데이터의 품질 표준과

00:16:21.800 --> 00:16:23.480
수명 주기 정책을 관리합니다.

00:16:23.740 --> 00:16:25.320
이들은 커넥터의 은퇴 시점과

00:16:25.320 --> 00:16:26.640
비즈니스 변화를 반영한

00:16:26.640 --> 00:16:28.500
스키마 업데이트 시기를 결정합니다.

00:16:28.760 --> 00:16:29.780
이러한 소유권이 없다면

00:16:29.780 --> 00:16:32.040
그래프는 디지털 쓰레기 매립지가 될 것입니다.

00:16:32.040 --> 00:16:34.740
혼란스러운 두뇌의 낡은 원격 측정 데이터를 제공하는

00:16:34.740 --> 00:16:36.720
방치된 센서들의 집합으로 변할 것입니다.

00:16:36.880 --> 00:16:38.040
2026년의 혈실은

00:16:38.040 --> 00:16:41.160
AI 위 성능이 거버넌스 모델만큼만 구현된다는 것입니다.

00:16:41.340 --> 00:16:44.780
커넥터를 일회성 IT 프로젝트로 취급하면 실패할 것입니다.

00:16:45.000 --> 00:16:48.920
하지만 이를 지속적인 비즈니스 인식 전략으로 다룬다면 성공할 것입니다.

00:16:49.160 --> 00:16:51.400
직원들이 이러한 도구를 완전히 신뢰하며

00:16:51.400 --> 00:16:54.040
사용할 수 있는 신뢰 체계를 구축하고 있는 것입니다.

00:16:54.280 --> 00:16:55.280
기업의 집단지성이

00:16:55.280 --> 00:16:57.220
재무감사와 동일한 엄격함으로

00:16:57.220 --> 00:16:58.880
관리되도록 보장하는 것입니다.

00:16:58.880 --> 00:17:02.540
그 신뢰야말로 경쟁사들이 AI가 실수로 무엇을 노출할지 두려워하며

00:17:02.540 --> 00:17:04.020
위원회 회의에만 매달려 있을 때

00:17:04.020 --> 00:17:06.640
여러분이 규모를 확장할 수 있게 해주는 원동력입니다.

00:17:06.800 --> 00:17:07.900
숙제는 간단합니다.

00:17:08.100 --> 00:17:11.560
부족한 맥락 때문에 제작업이 가장 많이 발생하는 시스템 하나를 찾아내세요.

00:17:11.740 --> 00:17:13.460
무리하게 모든 것을 바꾸려 하지 마세요.

00:17:13.640 --> 00:17:15.540
영향력이 큰 연결 지점 하나를 찾으세요.

00:17:15.720 --> 00:17:18.020
구매 내역이나 CRM 티켓 상태 등을 예로 들 수 있는데

00:17:18.020 --> 00:17:19.880
이를 아울룩이나 팅즈로 가져오세요.

00:17:20.080 --> 00:17:23.200
단순한 자동화보다 상황인지가 항상 더 뛰어나다는 것을 증명하세요.

00:17:23.400 --> 00:17:25.840
정적 아레이지에서 실시간 텔레메트 1호의 전환이

00:17:25.840 --> 00:17:30.320
기업 인텔리전스에 대한 생각을 바꿨다면 링크데인에서 저밀코 피터스를 팔로우하세요.

00:17:30.500 --> 00:17:33.300
불안전한 맥락으로 중요한 결정을 내리는데 지치셨다면

00:17:33.300 --> 00:17:34.980
이 내용을 팀과 공유하세요.

00:17:35.220 --> 00:17:38.600
상황인지는 멋진 책봇을 실제 비즈니스의 두뇌로 바꿔주는 핵심 요소입니다.

00:17:38.800 --> 00:17:40.900
이제 추측은 멈추고 통찰을 시작할 때입니다.

00:17:41.140 --> 00:17:43.640
여러분의 기업에 걸맞은 신경계를 함께 만들어봅시다.
