요약
데이터를 비즈니스 프로세스, 관계 및 보안 정책에 연결하는 계층인 엔터프라이즈 컨텍스트는 원시 정보를 신뢰할 수 있고 실행 가능한 AI 결과로 변환하는 중요한 구성 요소입니다.
대도시의 전통적인 종이 지도를 여는 것을 상상해 보세요. 지도에는 모든 거리, 고속도로 및 출구 램프가 표시됩니다. 물리적인 도로 위치를 알려줍니다.
이제 내비게이션 앱을 사용하여 도시를 주행한다고 상상해 보세요. 도로가 어디 있는지 보여주는 것이 아니라, 2마일 전에 사고가 발생했고, 우회로에 건설되었으며, 고속도로에 경찰이 있어 실시간으로 가장 빠른 경로를 따라 이동할 수 있다는 것을 알려줍니다.
도로는 바뀌지 않았습니다. 그 맥락은
Everpure의 데이터 관리 총괄 관리자인 Ashish Gupta는 최근 퓨어스토리지 보고서 에피소드에서 다음과 같은 비유를 통해 엔터프라이즈 AI의 현재 상태를 파악했습니다.
많은 기업들이 수년 동안 ‘종이 맵’을 구축하여 데이터베이스의 위치를 파악하고, 기본 분류를 실행하며, 액세스 제어를 설정해 왔습니다. 그러나 신뢰할 수 있는 AI를 강화하는 것은 데이터의 삶에 대한 시작에 불과합니다. 컨텍스트는 원시 엔터프라이즈 데이터를 실행 가능한 엔터프라이즈 인텔리전스로 변환하는 누락된 계층입니다.
“AI가 직면한 가장 큰 과제 중 하나는 데이터를 이해해야 한다는 것입니다. 액세스 권한이 있고 모든 곳에서 데이터를 소비하지만, 데이터 간의 관계를 이해해야 합니다.”
– Ashish Gupta, Everpure 데이터 관리 총괄 매니저
엔터프라이즈 컨텍스트란?
엔터프라이즈에서 데이터는 AI에 존재하는 것을 알려줍니다. Context는 AI가 무엇을 의미하고 왜 중요한지 알려줍니다.
AI 모델은 컨텍스트 없이 모든 텍스트 문자열이나 파일을 평평하고 격리된 객체로 취급합니다. AI는 직원, 비즈니스 프로세스, 보안 정책 및 소프트웨어 시스템 전반에 걸친 복잡한 관계 웹을 컨텍스트로 이해합니다.
컨텍스트 부족으로 인해 엔터프라이즈 장애가 발생하는 두 가지 실제 시나리오를 고려하십시오.
시나리오 A: 비생산 누출
기업은 자동화된 루틴을 실행하여 개발 환경을 새롭게 만듭니다. 이 과정에서 실시간 고객 결제 기록이 포함된 데이터베이스는 테스트를 위해 비생산 스테이징 서버로 복사됩니다.
- 데이터 보기: 테이블에는 이름과 계정이 표시됩니다.
- 상황별 보기: 이는 오프쇼어 개발자와 실험적 AI 개발 툴이 무제한으로 액세스할 수 있는 암호화되지 않은 비프로덕션 환경에 존재하는 민감한 프로덕션 PII로, 소스 시스템으로의 연결고리가 없습니다.
AI 거버넌스 툴은 컨텍스트 없이도 정상적인 데이터베이스 기록을 볼 수 있습니다. 상황에 따라 규정 준수 위반을 즉시 알립니다.
시나리오 B: 중복되는 정체성
‘John Doe’라는 사용자가 시스템에 나타납니다.
- 데이터 보기: 존 도는 CRM 테이블의 행과 HR 데이터베이스의 행입니다.
- 상황별 보기: John Doe는 수석 시스템 아키텍트(직원)로, 기업 제품(고객)도 구매합니다.
내부 AI 부조종사가 John Doe에 대한 경영진의 질의에 응답하면, 컨텍스트는 AI가 직원 성과 검토를 고객 지원 티켓과 혼합하는 것을 방지합니다.
통계적 사고 대 관계 구축
컨텍스트가 매우 중요한 이유는 AI가 후드 아래에서 작동하는 방식에 달려 있습니다. 세대 AI 모델은 통계 엔진입니다. 방대한 교육 세트를 기반으로 수학적으로 가장 가능성이 높은 다음 단어를 예측합니다. 스스로 할 수 없는 일은 인간의 비즈니스 의도를 이해하는 것입니다.
“AI 도구는 통계 모델에 대해 생각할 수 있지만 관계를 구축할 수는 없습니다.”
– Ashish Gupta, Everpure 데이터 관리 총괄 매니저
LLM에 컨텍스트화되지 않은 기업 문서를 제공하는 경우, 특정 비즈니스 로직, 보안 태세 또는 운영 워크플로우에 대해 완전히 잘못되었을 수 있는 통계적으로 타당한 답변을 제공합니다. Context는 확률적인 추측을 신뢰할 수 있는 기반 비즈니스 결과로 전환하는 가드레일을 제공합니다.
Context는 경쟁력을 제공합니다.
파운데이션 모델이 상용화되고 어떤 기업에서도 액세스할 수 있게 되면 모델 자체는 더 이상 무모한 것을 제공하지 않습니다. 경쟁사와 완전히 동일한 퍼블릭 LLM을 사용하는 것만으로는 경쟁사와 경쟁할 수 없습니다.
진정한 경쟁 우위는 기업의 독점적인 맥락에 있습니다.
자동화의 다음 시대에 성공한 기업들은 원시 데이터를 AI에 공급할 뿐만 아니라, 심층적인 관계, 세분화된 거버넌스 규칙 및 비즈니스 의미론을 통해 데이터를 강화할 것입니다. AI에 공급되는 것과 절대 필요하지 않은 AI 것을 정확히 알 수 있습니다. 이러한 맥락에서 AI는 해답을 창출하는 것에서 비즈니스 성과를 추진하는 것으로 전환할 수 있습니다.
핵심 요점:
- 발견 그 이상: 데이터 라이프를 매핑하는 것만으로는 충분하지 않습니다. AI는 비즈니스 프로세스 전반에서 데이터가 어떻게 연결되는지 이해해야 합니다.
- 데이터 대 컨텍스트: 데이터는 AI에 존재하는 것을 알려주고, 컨텍스트는 AI가 무엇을 의미하는지 알려줍니다.
- 격차 해소: 컨텍스트는 LLM의 통계 예측과 실제 비즈니스 로직 간의 격차를 해소합니다.
- 진정한 모자: AI 모델이 아닌 조직의 고유한 비즈니스 컨텍스트는 궁극적인 경쟁 우위입니다.
- 신뢰에는 다음과 같은 증거가 필요합니다. AI에 어떤 데이터가 공급되고 있는지 알고 이를 보여줄 수 있게 되면 AI가 컴플라이언스 위험에서 비즈니스 자산으로 전환됩니다.
더 나은 컨텍스트로 AI 구축
Everpure가 엔터프라이즈 데이터, 관계 및 거버넌스를 연결하여 더욱 신뢰할 수 있는 AI를 구축하는 방법을 알아보세요.
