Key Takeaways

• 기업의 AI 도입의 성패가 AI 모델 자체보다 AI가 참조하는 데이터의 신뢰성과 연결성에 달려 있음을 설명합니다.
• 세일즈포스 데이터 파운데이션은 인포매티카, 데이터 360, 뮬소프트, 태블로를 기반으로 데이터를 정리하고, 연결하고, 실행하며, 인사이트로 전환하는 구조를 제공합니다.
• 이를 통해 기업은 AI 에이전트가 신뢰할 수 있는 데이터를 바탕으로 실제 업무를 판단하고 실행할 수 있는 에이전틱 엔터프라이즈 기반을 마련할 수 있습니다.

AI를 적극적으로 도입하는 기업은 많아지고 있지만, 기대했던 성과를 실현하는 데 어려움을 겪는 경우도 적지 않습니다. 세일즈포스 리포트에 따르면 AI를 도입한 기업의 데이터 및 분석 리더 89%가 “부정확하거나 오해를 유발하는 AI 출력”을 경험했다고 답했는데요. 이는 AI 도입의 핵심이 단순히 새로운 툴을 사용하는 것이 아니라, AI가 참조하는 데이터를 얼마나 정확하고 신뢰할 수 있게 관리하느냐에 달려 있음을 보여줍니다.

세일즈포스의 데이터 파운데이션은 마스터 데이터 관리, 실시간 데이터 연결, 시스템 통합, 인사이트 가시화 등을 통해 AI가 고객과 비즈니스 전반에서 신뢰 가능한 방식으로 작동하도록 돕습니다. 또한 Agentforce를 통해 AI 에이전트가 신뢰할 수 있는 데이터를 바탕으로 실제 업무를 판단하고 실행할 수 있도록 지원하여, 기업이 보다 안정적인 데이터 기반 AI 활용 환경을 구축할 수 있게 합니다.

목차

• 기업 AI 도입, 문제는 모델이 아니라 데이터입니다.
• 세일즈포스 데이터 파운데이션이란 무엇인가요?
• 세일즈포스 데이터 파운데이션을 구축하기 위한 4가지 가이드
• 에이전틱 엔터프라이즈 전환을 위한 3가지 데이터 조건
• 기업의 AI 도입 사례로 보는 데이터 파운데이션의 성과
• 데이터 파운데이션 도입 전 점검해야 할 체크리스트
• 세일즈포스로 데이터 파운데이션 구축 시작하는 방법

기업 AI 도입, 문제는 모델이 아니라 데이터입니다.

AI 투자를 결정한 경영진이 가장 먼저 마주치는 현실이 있습니다. AI는 도입했는데, 출력 결과를 믿을 수가 없다는 것입니다. 세일즈포스 리포트에 따르면 AI를 도입한 기업의 데이터 및 분석 리더 89%가 “부정확하거나 오해를 유발하는 AI 출력을 경험했다”고 답했습니다. 그리고 이들은 자사 데이터의 26%를 신뢰할 수 없는 상태라고 추정했습니다. 4개 중 1개의 데이터는 처음부터 믿을 수 없다는 뜻입니다.

이 문제는 단순한 데이터 품질 이슈가 아닙니다. AI 도입이 본격화될수록, AI 에이전트는 스스로 상황을 판단하고 주문 처리, 고객 응대, 승인, 알림 발송 같은 실제 업무를 직접 수행합니다. 데이터가 연결되지 않거나 신뢰할 수 없다면, 더 뛰어난 AI 모델을 도입해도 결과는 달라지지 않습니다.
AI를 도입하고자 하는 기업이라면 가장 우선적으로 준비돼야 할 것은 바로 데이터입니다. 그리고 그 해답이 세일즈포스 데이터 파운데이션입니다.

세일즈포스 데이터 파운데이션이란 무엇인가요?

세일즈포스 데이터 파운데이션(Data Foundation)은 AI 에이전트가 신뢰할 수 있는 데이터에 끊임없이 연결되고, 그 데이터를 올바르게 활용하며, 전 과정에서 거버넌스가 보장되도록 설계된 기업 데이터 인프라 통합 전략입니다. 단순히 데이터를 많이 모으는 것과는 다릅니다. 데이터 파운데이션의 목표는 ‘신뢰할 수 있는 맥락(Trusted Context)’을 만드는 것입니다. AI가 추측이 아닌 근거를 갖고 행동할 수 있는 기반이며, 기업 AI 도입의 전제 조건입니다.

기존 데이터 전략 vs 세일즈포스 데이터 파운데이션 비교

구분	기존 데이터 전략	세일즈포스 데이터 파운데이션
목적	데이터 저장 및 보고	AI 에이전트의 신뢰 가능한 행동 기반 제공
데이터 처리	물리적 복사·이전	제로 카피(Zero Copy) — 원래 위치에서 실시간 접근
연결 방식	시스템별 개별 연동	API 표준화로 유연한 통합
데이터 유형	주로 정형 데이터	정형 + 비정형(PDF·음성·이미지) 모두 처리
거버넌스	사후 감사 중심	사전 정책·권한 통제 내장
인사이트 접근	IT 전담 분석 영역	현업 담당자 누구나 자연어로 질의

데이터 파운데이션 구축을 위한 4가지 가이드

세일즈포스 데이터 파운데이션은 인포매티카, 데이터 360, 뮬소프트, 태블로를 기반으로 구현됩니다. 각각의 솔루션은 독립적으로 작동하는 것이 아니라, 데이터의 기준을 정리하고, 실시간으로 연결하며, 실제 업무 실행과 의사결정까지 이어지도록 유기적으로 맞물립니다.
즉, 기업 AI 도입의 핵심은 단순히 AI 툴을 도입하는 데 그치지 않습니다. AI가 신뢰할 수 있는 데이터를 바탕으로 판단하고 실행할 수 있도록, 데이터 관리부터 연결, 실행, 분석까지 이어지는 기반을 갖추는 것이 중요합니다.

1. 인포매티카(Informatica)로 데이터의 기준과 거버넌스를 정립

AI 도입의 출발점은 데이터의 의미와 기준을 정렬하는 것입니다. 인포매티카는 기업 내 흩어진 데이터를 체계적으로 파악하고, AI가 신뢰할 수 있는 데이터 기반을 마련하는 역할을 합니다.

• 데이터 카탈로그 구축
  기업 내 어떤 데이터가 어디에 존재하는지 전사 차원의 데이터 지도를 구축합니다. 데이터를 쉽게 찾고 이해할 수 있어야 AI도 이를 활용할 수 있습니다.
• 데이터 품질 관리
  중복 레코드를 식별하고, 서로 다른 형식의 데이터를 표준화하며, 오류 데이터를 정리합니다. AI가 데이터를 활용하기 전, 데이터 자체가 신뢰 가능한 상태로 관리되어야 합니다.
• 마스터 데이터 관리(MDM)
  고객, 제품, 공급사, 자산 등 기업의 핵심 데이터에 대해 하나의 기준이 되는 ‘골든 레코드(Golden Record)’를 생성하고 유지합니다. 이를 통해 AI 에이전트가 판단의 기준으로 삼을 수 있는 일관된 데이터 기준을 마련할 수 있습니다.

2. 데이터 360(Data 360)으로 AI가 활용할 수 있는 실시간 데이터 연결

인포매티카가 데이터의 기준을 세운다면, 데이터 360은 그 데이터를 AI가 실시간으로 활용할 수 있도록 연결합니다. 기업 내 다양한 시스템과 데이터 소스를 하나의 맥락으로 통합해, AI가 최신 데이터를 기반으로 판단할 수 있는 환경을 만듭니다.

• 제로 카피(Zero Copy) 기반 실시간 접근
  데이터를 물리적으로 복사하거나 이전하지 않고, 원래 위치에서 직접 접근할 수 있도록 지원합니다. 이를 통해 데이터 중복 비용을 줄이고, AI가 항상 최신 데이터를 활용할 수 있게 합니다.
• 비정형 데이터 처리
  PDF, 음성, 이미지, 상담 기록 등 기존에는 활용하기 어려웠던 비정형 데이터를 AI가 이해하고 활용할 수 있는 형태로 연결합니다. RAG와 같은 기술을 통해 AI 에이전트가 필요한 정보를 검색하고 답변의 근거로 활용할 수 있습니다.
• 계약서·매뉴얼·상담 기록 활용
  기업 내부에 축적된 계약서, 제품 매뉴얼, 상담 이력 등도 AI 에이전트의 판단 근거로 활용할 수 있습니다. 이를 통해 기업 AI 도입의 범위가 정형 데이터를 넘어 전사 업무 전반으로 확장됩니다.

3. 뮬소프트(MuleSoft)로 AI의 실행 파이프라인 구축

데이터의 기준이 정리되고 실시간 연결이 가능해졌다면, 다음 단계는 AI가 실제 업무를 수행할 수 있도록 시스템과 프로세스를 연결하는 것입니다. 뮬소프트는 AI 에이전트가 데이터를 읽는 데 그치지 않고, 업무 시스템과 연결되어 실제 행동을 실행할 수 있도록 돕습니다.

• 애니포인트 플랫폼(Anypoint Platform) 기반 API 표준화
  각 시스템을 API로 표준화해 연결합니다. 특정 시스템에 종속되지 않는 방식이기 때문에 새로운 시스템이 추가되거나 기존 시스템이 교체되어도 전체 연결 구조를 유연하게 유지할 수 있습니다.
• AI 에이전트의 실무 행동 지원
  주문 처리, 고객 응대, 승인, 알림 발송 등 AI가 실제 업무를 수행하려 할 때, 뮬소프트가 시스템 간 연결을 지원합니다. 이를 통해 AI는 단순히 데이터를 분석하는 수준을 넘어 실제 업무 실행까지 이어질 수 있습니다.
• 유연한 확장성 확보
  표준화된 API 방식은 기업이 성장하고 시스템이 변화해도 안정적인 연결 구조를 유지할 수 있도록 돕습니다. 기업 AI 도입이 일회성 프로젝트가 아니라 지속 가능한 인프라로 자리 잡을 수 있습니다.

4. 태블로(Tableau)로 AI 인사이트를 가시화하고 의사결정 연결

마지막 단계는 AI가 분석한 데이터를 현업 담당자가 이해하고, 실제 의사결정에 활용할 수 있도록 만드는 것입니다. 태블로는 데이터와 사람 사이를 연결해, 복잡한 분석 결과를 직관적인 인사이트로 전환합니다.

• 태블로 넥스트(Tableau Next)의 자연어 질의
  “지난 분기 이탈 고객 중 30대 비율은?”과 같은 질문을 자연어로 입력하면 필요한 인사이트를 빠르게 확인할 수 있습니다. 데이터 분석이 IT 전담 영역을 넘어, 현업 담당자 누구나 접근할 수 있는 영역으로 확장됩니다.
• 에이전틱 분석 기능
  단순한 시각화를 넘어 AI가 패턴을 찾고, 이상 징후를 감지하며, 다음 행동을 제안할 수 있습니다. 이를 통해 조직은 데이터를 단순히 확인하는 것을 넘어, 데이터 기반으로 더 빠르게 움직일 수 있습니다.
• 의사결정 속도 향상
  신뢰할 수 있는 데이터를 기반으로 누구나 빠르게 분석하고 행동할 수 있는 환경이 만들어집니다. 이는 기업 AI 도입의 최종 목표인 비즈니스 성과 연결로 이어집니다.

에이전틱 엔터프라이즈 전환을 위한 3가지 데이터 조건

에이전틱 엔터프라이즈(Agentic Enterprise)는 AI가 스스로 상황을 판단하고 필요한 행동을 실행하는 자율형 AI 에이전트를 조직 전반에 배포·운영하는 기업 형태를 의미합니다. 세일즈포스의 에이전트포스(Agentforce)는 이러한 전환을 지원하는 핵심 플랫폼입니다.
기업이 에이전트포스를 효과적으로 활용하기 위해서는 AI 에이전트가 신뢰할 수 있는 데이터를 바탕으로 판단하고 실행할 수 있어야 합니다. 이를 위해 다음 세 가지 데이터 조건이 충족되어야 합니다.

• 1. 연결성: AI 에이전트가 업무 수행에 필요한 데이터에 지속적으로 접근할 수 있어야 합니다.
• 2. 신뢰성: AI가 참조하는 데이터는 정확하고 최신 상태로 관리되어야 합니다.
• 3. 보안성: 데이터 활용 전 과정에서 권한, 정책, 보안 기준이 체계적으로 통제되어야 합니다.

데이터 파운데이션이 이 세 가지 조건을 충족할 때, 에이전트포스는 단순 자동화 도구를 넘어 실제 업무를 판단하고 실행하는 AI 에이전트 플랫폼으로 기능할 수 있습니다.

기업의 AI 도입 사례로 보는 데이터 파운데이션의 성과

사례 1. 세일즈포스 자사 적용: 76,000명 규모의 데이터 정합성 확보

세일즈포스는 데이터 파운데이션을 자사 내부에 먼저 적용했습니다. 약 7만 6천 명의 직원이 사용하는 시스템에서 같은 고객이 영업 시스템과 재무 시스템에 서로 다른 이름과 코드로 등록되거나 중복 계정이 생성되는 문제가 있었습니다. 이러한 데이터 불일치는 세금 관련 계산 오류와 수작업 조정 업무 증가로 이어졌습니다. 데이터 파운데이션 적용 이후 세일즈포스는 다음과 같은 성과를 확인했습니다.

• 세금 조정 수작업 업무: 기존 대비 98% 감소
• 중복 계정 발생률: 20% 감소
• 커리어 에이전트 AI 응답 정확도: 74%까지 향상
• 연간 HR 티켓 발생량: 전년 대비 50% 감소

사례 2. 판도라(Pandora): 오프라인 상담 경험을 디지털로 확장

세계 최대 주얼리 브랜드 판도라는 오프라인 매장 직원이 제공하던 개인화된 상담 경험을 온라인에서도 동일하게 구현하고자 했습니다. 이를 위해 고객의 구매 이력, 상담 기록, 선호 스타일 등 정형·비정형 데이터를 통합하고, AI 에이전트가 이를 기반으로 개인화된 온라인 상담을 제공할 수 있는 구조를 마련했습니다. 이처럼 기업 AI 도입은 단순한 업무 효율화를 넘어 고객 경험 자체를 재설계하는 단계로 확장되고 있습니다. 그리고 그 기반에는 신뢰할 수 있는 데이터를 연결하고 활용할 수 있게 하는 데이터 파운데이션이 있습니다.

데이터 파운데이션 도입 전 점검해야 할 체크리스트

[데이터 현황 진단]

• 전사 데이터 카탈로그가 존재하는가? (어떤 데이터가 어디에 있는지 파악)
• 중복 레코드 발생률을 측정하고 있는가?
• 핵심 객체(고객, 제품, 공급사)에 대한 마스터 데이터가 통합돼 있는가?
• 자사 데이터 중 신뢰할 수 없다고 판단되는 비율을 파악하고 있는가?

[연결 및 통합 준비도]

• 주요 시스템 간 API 연동이 표준화돼 있는가?
• 비정형 데이터(PDF, 음성, 이미지)를 AI가 활용할 수 있는 형태로 처리하는가?
• 데이터 접근에 역할 기반 권한 제어가 적용돼 있는가?

[AI 활용 준비도]

• AI 에이전트가 참조할 골든 레코드가 정의돼 있는가?
• 데이터 변경 사항이 실시간으로 AI에 반영되는가?
• AI 출력 결과에 대한 감사(Audit) 체계가 마련돼 있는가?

· 8개 항목 이상 충족했다면? → 데이터 파운데이션 도입 즉시 시작 가능
· 4개 이하 충족했다면? → 인포매티카 기반 데이터 거버넌스 정비부터 시작 권장

세일즈포스로 데이터 파운데이션 구축 시작하는 방법

기업 AI 도입의 준비 수준은 기업마다 다릅니다. 세일즈포스는 현재 가장 취약한 축부터 단계적으로 시작하는 방식을 권장합니다.

Step 1. 마스터 데이터 정비 — 인포매티카(Informatica)
데이터 카탈로그를 구축하고 골든 레코드를 정의합니다. 중복·오류 데이터를 정리하여 AI가 신뢰할 수 있는 기준 데이터를 만드는 것이 첫 번째입니다. 이 단계를 건너뛰면 이후 모든 AI 도입은 불안정한 기반 위에 세워집니다.

Step 2. 실시간 데이터 통합 — 데이터 360(Data 360)
제로 카피 방식으로 데이터를 실시간 연결하고, 비정형 데이터를 AI가 사용할 수 있는 형태로 변환합니다. 정형 데이터 중심이었던 기업 AI 도입의 범위가 전사 자산으로 확장됩니다.

Step 3. 시스템 간 실행 연결 — 뮬소프트(MuleSoft)
API 표준화로 시스템 간 연결을 정비합니다. AI가 데이터를 읽는 것을 넘어, 실제 시스템에서 행동을 실행할 수 있는 파이프라인을 구축합니다.

Step 4. 분석·가시화 환경 구성 — 태블로(Tableau)
현업 담당자가 자연어로 데이터에 질의하고 인사이트를 즉시 활용할 수 있는 환경을 만듭니다. 기업 AI 도입의 성과가 실제 의사결정과 비즈니스 성과로 연결되는 단계입니다.

자주 묻는 질문 (FAQ)