시리즈 1편. 해석되지 않은 데이터는 아무 것도 아니다.
시리즈 6편. AI로 의사결정을 자동화하는 방법 1: Analytics
시리즈 7편. AI로 의사결정을 자동화하는 방법 2: Assist
시리즈 8편. AI로 의사결정을 자동화하는 방법 3: Automate
AI가 온톨로지를 기반으로 데이터를 해석하고, Analytics를 통해 인사이트를 제공하며, Assist와 Automate을 통해 반복 업무까지 줄였다면, 이제 다음 고민이 남습니다. 바로 이렇게 확보한 AI의 기능들을 실제 조직 환경 속에서 어떻게 제공하고 활용할 것인가입니다.
기업마다 상황은 다릅니다. 이미 자체 시스템이나 어드민을 보유한 곳도 있고, 별도의 데이터팀 없이 빠르게 도입하고 싶은 곳도 있습니다. 데이터 환경 또한 클라우드 기반인 경우도 있고, 보안 요건상 내부망에서만 처리해야 하는 경우도 있습니다.
데스크룸은 이러한 현실적인 조건을 고려해, 서비스의 형태와 운영 환경의 2가지 지점을 고려한 방식으로 제공합니다.
서비스 형태: 서비스를 사용하거나, 분석 결과만 가져가거나
데스크룸은 하나의 완결된 제품 형태로 사용하거나, 온톨로지와 분석 엔진만 분리해 기존 시스템에 연동하는 방식도 가능합니다. 대시보드나 의사결정용 시스템이 없는 기업이라면 데스크룸 전체를 바로 도입할 수 있습니다. 별도의 화면 기획이나 UI 개발 과정 없이. AI 기반 해석 결과를 검색, 분석, 알림 등 다양한 방식으로 바로 활용할 수 있습니다.
예를 들어 특정 브랜드의 반품율이 특정 상품군에서 집중적으로 발생하는지, 기간별 전환율의 급격한 변동이 광고 캠페인과 어떤 관계가 있는지, 특정 채널의 VOC가 고객 이탈에 영향을 미쳤는지 등을 제품 내에서 즉시 확인할 수 있습니다.
반대로 이미 커머스 백오피스나 BI 대시보드를 보유한 기업이라면 데스크룸의 AI 분석 결과만 받아 기존 시스템에 통합할 수 있습니다. 온톨로지를 기반으로 해석된 데이터를 고객사의 내부 데이터베이스에 적재해, Tableau, Power BI, Superset 등 기존 툴에서 곧바로 활용할 수 있습니다.
운영 환경: 클라우드냐 온프레미스냐
데스크룸은 클라우드와 온프레미스 두 가지를 모두 지원합니다. 선택은 기업의 데이터 정책, 인프라 전략, 보안 요건에 따라 달라집니다.
클라우드 환경에서의 데스크룸
클라우드 방식은 가장 빠르고 유연한 방법입니다. 별도의 인프라 구축 없이 온톨로지 정의부터 데이터 분석, 시각화, 알림까지 모든 기능을 사용할 수 있고, 모델 학습이나 벡터 검색 같은 AI 인프라를 직접 구현할 필요도 없습니다. 기능 업데이트도 자동으로 제공됩니다. 또한 접근 제어, 암호화 저장 등 기업 보안 요구에 맞춘 설계로 운영 효율성과 보안을 동시에 충족합니다.
온프레미스 환경에서의 데스크룸
온프레미스 방식은 내부망에서만 데이터 처리가 필요한 경우 선택됩니다. 외부 전송이 불가능하거나 민감한 고객 데이터를 다루는 환경에서는 내부망 내에서 모든 처리가 이루어져야 합니다. 데스크룸은 핵심 AI 엔진과 분석 컴포넌트를 내부 인프라에 배포하고, 기업의 인증 체계와 운영 정책에 맞춰 완전한 통합을 제공합니다.
GPU와 CPU, 메모리, 스토리지까지 포함한 전산 자원은 단순히 장비를 구매한다고 해서 끝나는 문제가 아닙니다. 최신 GPU를 도입하더라도 이를 뒷받침할 CPU와 메모리, 네트워크 대역폭, 스토리지가 함께 설계되지 않으면 성능이 제한되고 오히려 병목 현상이 발생합니다. GPU만 과도하게 투자하면 리소스 낭비가 되고, 부족하게 구성하면 AI 모델이 원활히 구동되지 못하는 상황이 생깁니다.
데스크룸은 기업의 비즈니스 목적과 데이터 활용 패턴에 맞춰 필요한 전산 자원을 최적의 조합으로 설계합니다. 단순히 고가의 장비를 도입하는 방식이 아니라, 어떤 모델을 학습하고 운영할 것인지, 어떤 규모의 데이터를 처리할 것인지, 어느 수준의 응답 속도가 필요한지를 종합적으로 고려해 균형 잡힌 구성을 제안합니다.
예를 들어 GPU는 병렬 연산 능력이 뛰어나지만, 이를 제대로 활용하려면 CPU가 데이터를 적시에 공급해야 하고, 대규모 연산 결과를 처리할 수 있는 충분한 메모리와 빠른 입출력을 지원하는 스토리지가 필요합니다. 데스크룸은 이 모든 요소를 균형 있게 배치해, 과투자 없이도 안정적이고 효율적인 AI 운영 환경을 구축할 수 있도록 지원합니다.
결국 중요한 것은 ‘비싼 장비를 갖췄는가’가 아니라 ‘우리 조직의 목표에 맞는 적정 규모의 전산 자원을 효율적으로 운영할 수 있는가’입니다. 데스크룸은 현실적인 인프라 설계를 통해 기업이 불필요한 비용을 줄이면서도 AI 모델 학습과 운영에 필요한 충분한 성능을 확보할 수 있도록 돕습니다.
시리즈를 마무리하며
데스크룸이 지향하는 미래는 데이터를 수집하고, 해석하며, 판단하는 과정에서 사람의 개입이 최소화된 상태입니다. 데스크룸은 이를 Enterprise Autonomy라고 부릅니다.
이번 시리즈를 통해 Enterprise Autonomy를 위한 여러 단계를 살펴봤습니다. 흩어진 데이터를 온톨로지로 구조화하고, AI가 그 구조 위에서 맥락을 이해하며, 반복되는 판단을 자동화하고, 실제 조직의 환경에 맞추어 배포하는 것입니다.
데스크룸의 가치는 데이터와 의사결정 사이에 멀어진 간극을 좁히는 것입니다. 데이터는 있는데 인사이트가 없고, 인사이트는 있는데 행동으로 이어지지 않는 간극을 의미합니다. Enterprise Autonomy는 그 간극이 사라진 상태로, 데이터가 곧 의사결정이 되고, 의사결정이 곧 실행으로 이어지는 상태입니다.
AI는 사람을 대체하지 않습니다. 사람이 매번 같은 질문에 답하고, 같은 숫자를 확인하고, 같은 판단을 반복하는 대신, 더 중요한 의사결정에 집중할 수 있도록 만드는 것입니다.
