기업들의 AI 전환(AX)이 본격화되는 가운데, 실제 현업에서는 여전히 “데이터는 많지만 실행 가능한 결과가 나오지 않는다”는 문제가 반복되고 있다. 빅데이터 분석 AI 기업 에스투더블유(S2W)가 이런 현실적 한계를 해결하기 위한 대안으로 ‘온톨로지(Ontology) 기반 의사결정 시스템’을 제시했다.
S2W는 오는 20일 라이브 웨비나 ‘WITH’를 열고 ‘데이터에서 실행으로, 온톨로지 기반 의사결정 시스템’을 주제로 산업 현장의 데이터 활용 전략을 소개한다고 밝혔다.
이번 웨비나에서는 기업들이 실제로 겪고 있는 데이터 활용 문제의 구조적 원인과 함께, 온톨로지 기반 의사결정 운영체제(OS) ‘SAIP’를 활용한 해결 접근 방식이 공개될 예정이다.
발표 내용에는 산업 현장에서 발생하는 문제 원인 분석과 대응 전략 도출 사례도 포함된다. 단순 데이터 분석 수준을 넘어, 기업 내부의 업무 맥락과 전문가 지식을 AI가 이해하도록 만드는 구조가 핵심이다.
최근 기업 AI 도입 과정에서는 데이터 품질 문제와 조직 내 지식 단절 현상이 주요 장애물로 지적된다. 부서별 데이터가 분산돼 있거나 실무 노하우가 문서화되지 않아 AI가 실제 의사결정에 활용되기 어려운 사례가 적지 않다.
S2W는 이런 문제를 해결하기 위해 온톨로지 기술을 기반으로 한 SAIP를 개발했다고 설명한다. 온톨로지는 특정 산업이나 조직 내부의 개념과 관계, 맥락 구조를 체계적으로 정리하는 기술이다. AI가 단순 데이터 값이 아니라 산업 특유의 의미와 인과관계를 이해하도록 돕는 역할을 한다.
회사는 SAIP가 기업 데이터와 전문가 지식 사이의 맥락을 연결해 보다 정교한 인텔리전스를 제공할 수 있다고 강조했다. 데이터 수집과 분류, 전처리 과정 자동화뿐 아니라 사내 전문가들의 경험과 업무 노하우를 조직 차원의 자산으로 체계화할 수 있다는 설명이다.
특히 의사결정 과정에서 AI 판단 근거를 투명하게 제시할 수 있다는 점도 주요 특징으로 제시됐다. 최근 생성형 AI 활용이 확대되면서 기업 현장에서는 결과 도출 과정이 불명확한 ‘블랙박스 AI’에 대한 우려도 커지는 상황이다.
SAIP는 최근 열린 AI EXPO KOREA 2026에서도 소개됐다. 현장에서는 프랜차이즈 카페의 수익성 저하 원인 분석 사례와 자동차 부품 제조사의 생산라인 불량률 문제 해결 사례 등이 시연됐다.
업계에서는 최근 AI 경쟁이 단순 모델 성능을 넘어 ‘도메인 특화형 AI’ 영역으로 빠르게 이동하고 있다는 분석이 나온다. 범용 생성형 AI만으로는 실제 산업 현장의 복잡한 업무 맥락을 충분히 이해하기 어렵다는 이유에서다.
다만 온톨로지 기반 시스템 구축에는 산업별 전문 지식 정리와 데이터 구조화 작업이 필수적인 만큼, 구축 비용과 운영 복잡성이 적지 않을 것이라는 시각도 존재한다. 기업별 업무 체계가 상이한 상황에서 실제 확장성과 유지 효율성을 확보하는 문제 역시 과제로 꼽힌다.
이승현 S2W SAIP제품실장은 “문서화되지 않은 지식과 맥락 없이 흩어진 데이터, 부서 간 데이터 사일로 현상이 실효성 있는 AI 전환을 가로막고 있다”며 “온톨로지가 이런 문제의 현실적인 대안으로 떠오르고 있는 만큼, 이번 웨비나가 기업들의 AX 고민 해결에 도움이 되길 기대한다”고 말했다.
Copyright ⓒ 스타트업엔 무단 전재 및 재배포 금지
본 콘텐츠는 뉴스픽 파트너스에서 공유된 콘텐츠입니다.
