<잇(IT)터뷰 전체 영상 보기>
잇(IT)터뷰 전체 내용은 ▼아래 영상▼에서 확인해 주세요!
◼ 게스트 : 김선영 그룹장 / 엔코아 (enc_marketing@en-core.com)
◼ 진행자 : 고우성 PD / 토크아이티 (talkit@talkit.tv, https://talkit.tv/)
<잇(IT)터뷰 – 핵심 내용 파악하기>
‘잇(IT)터뷰 – 핵심 내용 파악하기’는 영상의 핵심 내용을 정리한 글입니다.
|
이번 잇(IT)터뷰는 생성형 AI/LLM이 텍스트 생성은 잘하지만 “우리 회사 용어 체계와 정답(팩트)을 정확히 이해하는가”라는 한계를 짚고, 이를 보완하는 기반으로 메타데이터와 온톨로지를 정리합니다. 특히 메타데이터가 “데이터를 설명하는 데이터”라면, 온톨로지는 “개념과 관계를 정의해 사람과 컴퓨터가 함께 이해할 수 있게 만든 맵”이라는 차이를 중심으로 설명합니다.
1. 메타데이터는 무엇인가
메타데이터는 “데이터에 대한 데이터”다. 즉 데이터를 설명하고 대표하는 정보다. 예를 들어 성명, 전화번호, 이메일 같은 ‘항목/속성’은 메타데이터가 되고, 그 항목에 들어가는 “홍길동, 김유신, 유관순” 같은 실제 값이 데이터가 된다. “언제 발생했는지” 같은 정보도 메타데이터에 해당한다.
메타데이터가 잘 잡히면 용어 표준이 생기고, 여러 시스템/에이전트가 연결될 때 혼동이 줄어든다. 또한 구조 정보를 기반으로 AI 활용이 가능해져 신뢰할 수 있는 데이터를 더 쉽고 빠르게 구성할 수 있다는 효과를 강조합니다.
추가로, 과거에는 정형 데이터 중심으로 메타데이터를 구축했다면 이제는 반정형/비정형 데이터까지 메타데이터를 수집·융합해 관리해야 한다는 수요가 커지고, 실제로 비정형/반정형 데이터 메타데이터를 수집해 붙이는 작업이 진행되고 있다고 설명합니다.
2. 온톨로지는 무엇인가
온톨로지는 철학의 “존재론”에서 출발한 개념으로, 세상에 존재하는 것들의 공통 특징은 무엇인지, 어떻게 분류할지에서 시작한다. 컴퓨터 과학에서는 1990년대 초 톰 그루버(Tom Gruber)의 정의가 널리 쓰이며, “공유된 개념화에 대한 명시적 명세”로 설명한다.
실무 관점에서 온톨로지는 “사람과 컴퓨터가 둘 다 이해할 수 있게 구성된 개념과 관계를 정의한 맵”이다. 메타데이터가 데이터의 속성/구조를 설명하는 데 초점이 있다면, 온톨로지는 데이터 간 관계와 의미를 모델링해 “맥락을 이해하게 만드는 구조”에 초점이 있다.
3. 온톨로지가 필요한 이유: LLM의 한계(유사도 기반)와 할루시네이션 보완
영상에서는 국내 기업 AI 활용이 파운데이션 모델 기반(유사도 기반) 응용이 많고, 이런 모델은 태생적으로 “정답을 찾는 것”보다 “가까운 것을 찾는 것”에 강하다고 정리합니다. 그래서 벡터DB, RAG 같은 보완책이 부상했지만, 그 방식으로도 할루시네이션이 계속 발생할 수 있다는 문제의식이 제시됩니다.
이 한계를 더 보완하는 방향으로 “팩트 기반 온톨로지 사상을 넣은 그래프DB”를 결합하는 접근이 소개됩니다. 실제 연구 사례 관점에서 성능과 정확도가 더 좋아지는 형태로 발전하고 있고, 앞으로는 답변을 내기 전에 내부 추론을 통해 맥락을 파악해 사용자가 진짜 원하는 답을 제대로 주는 방식으로 진화한다고 설명합니다.
4. 온톨로지와 그래프DB가 자주 함께 언급되는 이유
온톨로지를 구현하는 방식은 여러 가지가 가능하지만, RDBMS만으로는 한계가 있다고 설명합니다. RDBMS는 관계를 따라 조인을 반복하며 원하는 지점까지 찾아가야 해서 여정이 길고, 직관성이 떨어지고, 다른 곳으로 셀 확률도 높아질 수 있다는 관점입니다.
그래프DB를 쓰더라도 “기존 RDBMS 구조를 그대로 그래프로 옮기는 것”은 의미가 없고, 현장의 업무 흐름과 데이터 흐름을 파악해 그래프 모델링을 재구성해야 한다고 강조합니다. 이 과정에는 현업 경험, 데이터 이해, 거버넌스/업무 최적화 관점의 전문가들이 함께 붙는 것이 일반적이라고 정리합니다.
또한 그래프DB화 자체도 “AI가 쉽게 이해하고 활용하도록 피딩하는 목적”이기 때문에, 그래프를 어떻게 제공해야 AI가 헷갈리지 않는지까지가 노하우라고 설명합니다.
5. AI 시대에 필요한 역량: 기술보다 ‘개념 정리’와 의미 설계
온톨로지 구축을 포함한 AI 준비(팩트 기반/맥락 기반)를 위해서는 기술 자체도 중요하지만, “어떤 방향으로 끌고 갈지”에 대한 개념 정리가 먼저 필요하다는 관점이 제시됩니다. 큰 그림(의미 체계, 분류/관계, 철학적 기반)을 그리는 능력은 인문학적 소양(철학적 사고)이 도움이 될 수 있다고 말합니다.
6. 3줄 요약 (핵심만)
– 메타데이터는 “데이터를 설명하는 데이터”로, 표준화·일관성·연계성을 높여 AI가 신뢰할 수 있는 데이터 기반을 빠르게 만들게 돕는다.
– 온톨로지는 “개념과 관계를 정의한 맵”으로, LLM의 유사도 기반 한계와 할루시네이션을 팩트/관계 기반으로 보완하는 핵심 기반이 된다.
– 온톨로지는 그래프DB와 결합해 맥락 이해와 추론 품질을 높이며, 구축에는 현업/데이터/거버넌스 관점의 모델링 역량이 필요하다.
◼ 전체 잇(IT)터뷰 내용은 ▶영상으로 바로 가기(클릭)◀에서 확인하실 수 있습니다. |
◼ 콘텐츠 & 웨비나 문의 : marketing@talkit.tv, 02-565-0012
Copyright ⓒ 토크아이티 All rights reserved. 무단 전재 및 재배포 금지.