AI 활용, 데이터 주권 확보가 먼저! DX(Digital Transformation) 핵심 3가지
AI 활용을 위해 특정 툴 종속성을 탈피하고, 데이터 주권을 확보하여 데이터 통제(Data Control) 능력을 강화해야 함
데이터가 흐르는 IT 인프라 구축을 통해 데이터 사일로를 해체하고, 데이터 웨어하우스(Data Warehouse)를 중심으로 데이터 파이프라인을 구축
AI의 역할 범위를 명확히 정의하고, 사람과 조직이 AI 활용 전략(AI Utilization Strategy)을 수립하여 업무 효율성을 극대화
채널코퍼레이션의 사례를 통해 빅쿼리(BigQuery) 기반 데이터 웨어하우스 구축 및 AI 어시스턴트 활용 사례를 제시
AX(Agent Experience) 도입 전에 DX(Digital Transformation)를 통해 데이터 기반 의사결정(Data-Driven Decision Making) 역량을 강화해야 함
데이터 주권 확보: 특정 툴 종속성 탈피
본문에서는 AI 활용의 첫걸음으로 특정 솔루션에 갇히지 않고 데이터 주권(Data Sovereignty)을 확보해야 한다고 강조한다.
데이터 통제(Data Control)를 위해 비즈니스 관련 모든 데이터를 자사 보유, 데이터 기반 의사결정, 데이터 간 연결을 가능하게 해야 함
특정 솔루션 종속 시 데이터 디펜던시(Data Dependency)가 발생하며, 데이터 접근 및 활용에 제약이 발생
데이터 웨어하우스(Data Warehouse) 구축을 통해 데이터 사일로를 해체하고, 데이터 파이프라인을 구축하여 데이터 흐름을 원활하게 해야 함
IT 인프라 구축: 데이터가 흐르는 구조 설계
기사에 따르면 데이터 주권 확보를 위해 데이터가 흐르는 IT 인프라 구축이 필수적이며, 데이터레이크(Data Lake) 또는 데이터 웨어하우스(Data Warehouse)를 구축해야 한다.
툴 중심의 데이터 사일로(Data Silo) 해체를 위해 데이터 통합(Data Integration)이 가능한 구조 설계
채널코퍼레이션은 빅쿼리(BigQuery)를 선택하여 비용 효율성을 확보하고, LLM이 데이터를 효과적으로 읽을 수 있도록 데이터 필드에 주석을 추가
데이터 소스(Data Source) 통합 및 AI 어시스턴트(AI Assistant) 활용을 통해 데이터 기반 의사결정(Data-Driven Decision Making) 환경 구축
AI 활용 전략: 사람과 조직의 역할 정의
본문은 AI 활용을 위해 조직 내에서 AI의 역할 범위를 명확히 정의하고, 사람과 조직의 역할을 구분해야 한다고 설명한다.
AI의 역할은 감지, 위임된 범위 내 실행, 적절한 의사결정권자에게 연결하는 세 단계로 구분
채널코퍼레이션 CX팀은 채널톡 오픈 API를 통해 고객 응대 데이터를 축적하고, 자체 버티컬 앱을 통해 단순 반복 업무를 처리
목적 조직(Purpose-Driven Organization)이 자기 업무 범위와 권한을 정의하고, 그 안에서 AI의 역할을 설계하는 것이 중요
채널코퍼레이션 사례: 엔터프라이즈 영업 에이전트 설계
채널코퍼레이션은 엔터프라이즈 시장 공략을 위해 AI 에이전트(AI Agent) 설계를 시도했으며, 데이터 확보 및 분석 과정을 상세히 설명한다.
먼저, 영업 기획 담당자 인터뷰를 통해 성공적인 영업 전략을 분석하고, AI 에이전트가 수행할 수 있는 로직을 설계
데스크 리서치, 휴민트, 내부 데이터 웨어하우스(Data Warehouse) 데이터를 활용하여 데이터 파이프라인(Data Pipeline) 구축
트라이얼 앤 에러(Trial and Error)를 통해 성공 사례 분석 및 데이터 축적 방안을 모색하고, 에어테이블(Airtable)을 활용하여 팀 단위의 데이터 관리 시스템 구축
AX(Agent Experience)를 위한 DX(Digital Transformation)의 중요성
기사에 따르면 AX(Agent Experience)를 성공적으로 도입하기 위해서는 DX(Digital Transformation)를 통해 데이터 기반의 역량을 먼저 강화해야 한다.
기존 온프레미스(On-Premise) 데이터의 활용 가능성을 점검하고, 극단적 경영 가시성(Extreme Management Visibility)을 확보해야 함
30년 치 데이터가 있어도, 가치를 창출하기 위해서는 데이터 정제 및 분석 과정이 필요
AI에 대한 관점, IT 인프라에 대한 관점, 사람에 대한 관점을 통합하여 AI 기반 혁신(AI-Driven Innovation)을 달성
