AI가 답을 주는 시대, 왜 여전히 우리는 ‘데이터 신뢰’를 치열하게 고민하는가?
바야흐로 생성형 AI가 비즈니스 전반의 혁신을 주도하고 있는 2026년입니다. 자연어로 간단히 질문하기만 해도 고도로 짜인 분석 코드와 시뮬레이션 초안이 쏟아져 나옵니다. 그러나 이 화려한 기술적 풍요 뒤에는 깊은 그림자가 숨어 있습니다. 바로 ‘데이터 자체의 비표준화와 왜곡된 신뢰성’입니다.
지난 DataFam Seoul 2026에 참여한 국내 최고의 데이터 리더들(바로팜, 크래프톤, LG CNS, 토스뱅크)은 입을 모아 하나의 본질을 설파했습니다. “정확하고 일관된 데이터 표준화와 검증 가능한 거버넌스가 결여되어 있다면, 고도화된 AI 엔진 역시 오답을 도출할 뿐이다”라는 사실입니다. 이들이 어떻게 데이터의 기본을 다지며, 태블로(Tableau)라는 강력한 시각화/분석 도구를 통해 비즈니스의 ‘정보 우위’와 ‘운영 혁신’을 쟁취했는지 4가지 드라마틱한 성공 연대기로 살펴보겠습니다.
1. 빠른 AI의 ‘오류’를 바로잡는 인간의 사고력: 크래프톤의 지표 재설계 연대기
AI 분석 툴은 가설을 가장 빠른 시일 내에 시각화해 주는 훌륭한 파트너입니다. 그러나 비즈니스 도메인 지식과 논리적 맥락이 누락된 AI 분석은 오히려 치명적인 독이 될 수도 있습니다. 글로벌 게임 시장의 명가 크래프톤의 김우림 분석가는 인기 배틀로얄 게임 이터널 리턴의 캐릭터 조합별 ‘플레이 메타 트렌드’를 추적 대시보드로 구성하는 과정에서 이 모순을 직면했습니다.
당시 AI가 신속하게 제시해 준 메타 분류 모델은 “데미지 기여도”라는 결과론적 수치에 기반해 캐릭터 조합을 분류해 주었습니다. 하지만 이 기준을 적용하자 아주 이질적인 조합들(예컨대 단단하게 버티며 원거리를 지원하는 조합과 돌격하여 승부하는 조합)이 단순히 데미지 비중이 유사하다는 우연 때문에 한 가지 같은 메타 유형으로 묶이는 심각한 시각화 상의 모순이 발견되었습니다. 만약 이 대시보드를 그대로 게임 기획 부서나 밸런싱 세션에 공유했다면, 실무진의 현장 판단과 어긋나 신뢰를 완전히 상실했을 것입니다.
크래프톤 분석팀은 즉시 작업을 중단하고 메타 분류 기준의 ‘정의 자체’를 다시 보았습니다. 게임의 실제 역동적인 관계를 설명할 수 있도록 결과론적 수치가 아닌 9가지 역할군(원딜, 탱커, 서포터 등) 간의 유기적 역할 관계 중심으로 지표 기준을 근본적으로 변경했습니다. 그리고 Tableau의 강력한 탐색 기능들을 활용해 모델이 예측한 값과 세부 로우 데이터를 한 화면에서 다차원 검증하며 기획자들을 완벽히 설득할 수 있는 데이터 신뢰성을 구축해 냈습니다.
김우림 분석가는 이 과정을 행동 경제학자 대니얼 카너먼의 프레임워크인 ‘생각에 관한 생각(Thinking, Fast and Slow)‘에 비유합니다.
AI가 실행 시간을 획기적으로 낮춰준 현시점에서 데이터 분석가가 데이터의 품질과 비즈니스 정의에 더욱 엄밀해야 하는 이유가 바로 여기에 있습니다.
2. 가격은 협상으로 지키는 것이 아닙니다: LG CNS SINGLEX가 실현한 ‘정보 우위’
전통적인 대기업 구매 부서에서 구매 가격이란 협상력, 인간적 관계, 그리고 바잉 파워(Buying Power)를 통해 해결하는 성격의 영역이었습니다. 하지만 변동성이 상수가 된 2026년 하반기의 원자재 시장 시황은 더는 관계 위주의 구시대적 방식에 머무를 수 없게 만들고 있습니다. 원자재 시황이 분기 단위로 예측 불가능하게 튀고 관세율과 통상 리스크가 일 단위로 널뛰는 상황에서, 사건이 터진 뒤에야 원인을 규명하던 사후 대응 방식은 공급망의 마비와 막대한 원가 손실을 초래할 수밖에 없습니다.
LG CNS의 김대성 상무는 구매 부서의 전방위 혁신을 이끄는 화두로 “정보 우위(Information Advantage)”를 제시합니다.
이를 실현하기 위해 탄생한 차세대 솔루션 ‘SINGLEX 구매’는 태블로를 서비스 내에 깊게 내재화하여 ‘감지(Sense) ➡️ 판단(Decide) ➡️ 실행(Act)’의 3단계 의사결정 순환 시스템을 완성해 냈습니다.
이 시스템의 혁신성은 데이터의 입체적 결합 방식에 있습니다. 내부 ERP 데이터인 수량 및 계약 이력에 더해 회사 밖에 흩어져 있는 시장가 데이터(LME 구리, 알루미늄 시세 등), 해상 운임 지표, 각 국가 관세율 및 공급사들의 실시간 평판/재무 신용 데이터 등을 공통 마스터 코드로 완전 정밀 통합시켰습니다.
이를 기반으로 제공되는 6가지 강력한 리포트는 협상의 규칙을 완전히 바꾸어 놓았습니다. 예를 들어 원자재 시황 변동 추이와 기업 내 장기간 단가 고정 품목을 자동으로 연계 매칭하여 단가 적정성 이상징후를 선제적으로 감지하면 담당자에게 즉각 조치 가이드가 자동 알림으로 송출됩니다. 구매 담당자들은 더는 수동으로 복잡한 보고서를 만드느라 시간을 소모하지 않고, 태블로 데이터 원본 위에서 셀프서비스 분석(Self-BI)을 돌려 협상 카드를 주도적으로 탐색합니다. 그리고 예측된 미래 원가(BOM 연동 예상 단가 시뮬레이션) 정보를 든든한 백업 무기로 삼아 시황 하락기에는 강력한 인하를 요구하고, 상승기에는 과학적 근거로 인하 방어 논리를 펼쳐 나가고 있습니다. 사후 보고서를 위한 시간은 0으로 수렴하고, 비로소 선제적 리스크 관리가 작동하는 미래형 공급망이 구체화된 것입니다.
3. 대규모를 운영하는 것은 사람이 아니라 시스템입니다: 토스뱅크의 1년 최적화 투쟁기
모든 비즈니스 조직이 데이터 분석의 효용성에 눈을 떠 사용자가 급증할 때, 뒤편 인프라를 운영하는 플랫폼 시스템 엔지니어와 서버 관리자들의 고민은 극에 달합니다. 5,700개 이상의 정밀 대시보드와 매일 1,200회가 넘어가는 데이터 추출 자동 배치, 그리고 비즈니스 요구 해결을 위해 작성된 무려 4,000개가 넘는 복잡한 데이터베이스 쿼리들. 이는 국내 인터넷 전문은행의 데이터 문화를 견인해 오고 있는 토스뱅크의 실제 하루 운영 스케일입니다.
토스뱅크의 최우영 태블로 관리자는 이 무시무시한 운영 부하에 직접 몸으로 대항하는 수동 방식에서 전면적으로 이탈하여, 모든 인프라 운영을 코드화 및 시스템화하기로 설계했습니다.
먼저 이들이 칼을 겨눈 부분은 관리되지 않던 ‘대시보드 새벽 폭주에 따른 시스템 다운 리스크’였습니다. 월요일 아침 피크 시간대에 새로고침 쿼리 수십 개가 동시에 유입될 때마다 데이터베이스 전체 클러스터 성능이 급속도로 저하되고 일반 사용자 배치 작업까지 지연되는 심각한 이슈가 늘 도사리고 있었습니다. 토스뱅크는 시스템 Admissions Control(진입 심사) 게이트를 전진 배치하여, Tableau 전용 쿼리 풀을 완전히 분리하고 대시보드 새로고침용 ad-hoc 풀의 동시 실행 한도를 엄밀히 제약했습니다. 그 결과 배치 파이프라인의 안전성은 극도로 확보되었고, 새벽 대기 스케줄은 안정적으로 고속 소화되었습니다.
또한, 대용량 DB 로그상에 주인이 찍히지 않은 채 사내 인프라 자원을 낭비시키는 ‘헤비 쿼리(Heavy Query)’를 특정하기 위해 쿼리 역추적 파서(Lineage Parser)를 설계했습니다. 복잡하게 이리저리 감싸져 출력되던 SQL 구문을 고유한 SHA-256 해시값으로 수렴·정규화하는 아키텍처를 도입하여 Impala 쿼리 로그와 Tableau 메타데이터 원본 테이블을 정합 조인해 냈습니다. 이를 통해 데이터베이스 자원을 점유하고 있는 정확한 대시보드 워크북 이름과 사용자 오너(Owner)를 단 1시간 이내에 92% 이상의 정확도로 색출하는 체계를 실현시켰습니다.
동시에 추출 실패 장애가 일어날 때마다 실시간으로 에러 로그와 함께 워크북 주인에게 직접 슬랙봇(Slackbot) DM 알림을 발송하는 일 단위 배치 모니터를 전면 작동시켰습니다. 이 결과 토스뱅크의 일일 데이터 읽기 부하량은 25,147 GB에서 4,251 GB로 단번에 83.1%가 극적으로 저감되었습니다. 게다가 서버의 일평균 실패 건수 또한 기존 12.7건에서 3.5건으로 대폭 저하(72% 감소)되어 전반적인 서비스 신뢰성을 완벽하게 보장하고 있습니다.
계정 라이선스 부여와 미사용 권한의 회수 단계 역시 수기 대장을 폐기하고 자체 사내 권한 승인 포털과 배치 프로세스를 이력 데이터베이스(DB)로 유기적으로 연계시켰습니다. 이제 토스뱅크의 인프라 거버넌스는 감사(Audit) 시즌마다 더는 대조 정리를 손으로 하지 않고, 단 한 줄의 데이터베이스 쿼리를 통해 무결점의 증빙 자료를 자동으로 추출하고 있습니다.
4. 데이터의 3대 영양소 ‘연속성·유연성·정확성’을 확보하는 방법: 바로팜의 여정
새로운 비즈니스를 개척하는 스타트업에 있어 시장 진출 속도는 생존을 좌우합니다. 약사 출신의 창업 멤버들이 주도하여 의약품 유통 통합 주문 플랫폼을 성공시킨 바로팜(비알피커넥트) 역시 마찬가지였습니다. 수천만 건에 달하는 약국 처방 및 주문 데이터를 가공하여 제약 분석 플랫폼 ‘BRPInsight’를 출시하고자 결정했을 때, 이들이 마주한 데이터의 현실은 가혹했습니다. 제약 업계의 원천 데이터는 형식이 제각각이었고 신제품 코드는 시스템에 즉각 업데이트되지 않았습니다. 게다가 각 고객 제약사마다 경쟁 상대를 다르게 분석하고자 요구해왔습니다.
비알피커넥트의 박영규 대표는 이 문제의 실타래를 푸는 기준으로 세 가지 핵심 개념을 정립했습니다. 바로 “연속성, 유연성, 정확성”입니다.
첫째, 신제품 출시나 주차 변화에도 끊어짐 없는 모니터링이 가능하도록 Tableau Prep 전처리 파이프라인을 통해 데이터를 정제 및 자동 마스터 조인을 수행했습니다. 둘째, 데이터팀이 언제든지 원하는 질문에 유연하게 대답할 수 있도록 로우 데이터 한 벌에 다양한 다차원 ‘분석용 키값’을 정밀 설계하여 드롭다운 필터만으로 성분, 지역, 채널 조회가 즉각 가능하도록 만들었습니다. 셋째, 단 하나의 숫자 왜곡으로 인해 대시보드 신뢰도가 무너지는 것을 막고자 약사 출신 전문 QC 담당자를 배치하고 태블로의 전처리 및 계층 표현 기법을 이용해 데이터 무결성을 검증했습니다.
이러한 유연한 데이터 분석 아키텍처는 놀라운 생산성 향상으로 이어졌습니다. 기존에 분기마다 취합해 분석하던 업무 방식은 월 단위 즉각 피드백 구조로 개편되었습니다. 고객사들이 특별 대시보드를 요청했을 때 필요한 데이터 가공 소요 시간은 기존 5일에서 단 하루로 획기적으로 줄었습니다. 개발 공수를 대대적으로 배정하기 어려운 스타트업 환경에서, 단 한 명의 개발 인력 추가 없이 17개 글로벌 및 국내 유수 제약사에 커스텀 맞춤형 데이터 대시보드 제품군(BRPIndepth)을 성공적으로 공급하고 있습니다. 바로팜은 “데이터를 가장 정확히 아는 사람이 개발 요청 대기열에 걸려 멈춰서는 안 되며, 태블로를 통해 스스로 기획하고 개선할 수 있어야 데이터 주도 기업”임을 성공적으로 입증하고 있습니다.
🔍 에필로그: 데이터 거버넌스의 정상화가 이끌 AI 전략의 핵심 키워드
DataFam Seoul 2026에서 공유된 4개 선도 사의 뜨거운 인사이트가 던진 결론은 단 하나로 귀결됩니다. 사용자들이 끊임없이 창의적으로 데이터를 뜯어보고 유기적으로 사용할 수 있는 신뢰 체계(거버넌스)가 바로 선 곳에서만 혁신이 지속된다는 것입니다.
인프라의 무모한 부하를 자동화 코드로 거르고, 신뢰할 수 있는 전처리 파이프라인으로 정확도를 장악하며, AI가 생성한 가설에 끊임없이 왜?라는 검증 절차를 던지는 노력이 결집될 때 비로소 진정한 데이터 기업으로 거듭날 수 있습니다. AI 시대를 승리하기 위해 지금 당장 우리 조직의 데이터 원천 신뢰도와 데이터 거버넌스 관리 구조를 점검하고, 태블로를 통한 ‘정보 우위’의 첫걸음을 떼야 할 골든타임입니다.
DataFam Seoul 다시보기 영상 신청
지금 다시보기 영상을 신청하시고, 가장 먼저 세션 영상을 만나보세요. 신청하신 분들께는 9월 초 다시보기 영상을 이메일으로 보내드립니다.
궁금한 점은 언제든 문의주세요.
전문가가 도움을 드리겠습니다.
