AI Ready Platform: NEC가 사람용 데이터 카탈로그 1,435개를 AI가 읽는 온톨로지 재료로 바꾼다
NEC는 카탈로그가 없던 상태에서 1년 만에 데이터 카탈로그 1,435개와 대시보드 44개를 만들었습니다. 그런데 사람용 카탈로그만으로는 AI가 데이터를 쓰지 못한다는 것을 알고, 데이터의 의미를 정의하는 온톨로지 층을 담은 'AI Ready 플랫폼'을 만들고 있습니다. 온톨로지 작성은 'AI FDE'로 자동화하려 합니다.
NEC는 사람이 데이터로 판단하는 문화를 1년 만에 데이터 카탈로그 1,435개와 대시보드 44개로 자리 잡게 했습니다. 하지만 AI에게 같은 데이터를 맡기려면 카탈로그만으로는 부족하다고 보고, 그 위에 데이터의 의미를 정의하는 온톨로지 층을 얹고 있습니다. 따라 하려면 이미 만든 카탈로그를 버리지 말고 온톨로지의 재료로 쓰면 됩니다. 용어 정의를 책임질 도메인 오너와, AI의 답을 채점할 질문 세트를 먼저 정해 두어야 합니다.
요약
ITmedia 엔터프라이즈가 2026년 5월 온라인 행사 ‘Enterprise IT Summit 2026 봄’의 NEC 강연을 재구성해 11월 13일 실었습니다. 강연자는 NEC 코퍼레이트 IT·AI 이노베이션 부문 AI 플랫폼 총괄부의 세키 노리아키(関徳昭) 시니어 디렉터입니다. NEC는 자사를 첫 고객으로 삼는 ‘클라이언트 제로’ 원칙에 따라 사내 DX를 먼저 해 보고 그 경험을 고객 사업으로 넘깁니다. 2008년 회계 시스템 통일에서 시작해 2018년 무렵부터 데이터 활용에 힘을 실었습니다. 이후 데이터 전략, 조직·인재, 프로세스, 플랫폼, 문화의 다섯 방침으로 데이터 드리븐 경영을 깔았습니다. 그 기반이 흩어진 데이터를 가상화로 묶는 ‘One NEC Data 플랫폼’입니다. 카탈로그가 하나도 없던 상태에서 1년 만에 데이터 카탈로그 1,435개와 새 대시보드 44개를 만들었고, 직원부터 경영진까지 같은 대시보드로 판단하게 됐습니다.
다음 단계는 AI가 경영 판단을 돕게 하는 일입니다. NEC는 사내 생성형 AI 기반 NGS(NEC Generative AI Service) 위에 ‘Knowledge AI’를 두었습니다. 반년 만에 2,000개 넘게 만들어진 전문가 AI와 분신 AI가 하루 3만 회 열리는 회의에 들어가 발언하고 자료를 검토합니다. 그런데 Snowflake의 자연어 데이터 에이전트 Snowflake Intelligence(2026년 6월 Snowflake CoWork로 이름을 바꿈)를 써 보면서 한 가지가 분명해졌습니다. 사람이 찾아 쓰도록 만든 카탈로그만으로는 AI가 데이터의 뜻을 알지 못한다는 점입니다. 그래서 NEC는 데이터의 의미와 업무 정의를 관리하는 시맨틱 레이어를 넓히고 있습니다. 그 위에 Semantic Ontology(데이터에 뜻을 붙이는 개념 체계) 층을 얹은 것이 ‘AI Ready 플랫폼’입니다. 온톨로지를 쓰는 일도 사람 대신 AI가 밤사이 하게 하려고 ‘AI FDE’를 개발 중입니다. 아래에서는 이 흐름을 다섯 개의 메커니즘으로 나누고, 실제로 돌릴 때 필요한 기술·현업 디테일을 덧붙입니다.
핵심 메커니즘
Data Management Office: 흩어진 데이터 인재를 한곳에 모은 CoE
NEC는 여러 부서에 흩어져 있던 디지털 인재를 ‘Data Management Office’라는 CoE(Center of Excellence, 전사 전문 조직)로 모았습니다. 이 조직이 다섯 방침을 함께 굴립니다. 부서마다 뜻이 달랐던 데이터를 공통 언어로 맞추고, 전사 거버넌스와 정책으로 쓰는 규칙을 정하고, 플랫폼을 깔고, 감과 경험 대신 사실로 판단하는 문화를 퍼뜨립니다. 세키 디렉터는 이것이 한 번에 되지 않았다고 설명합니다. BI(Business Intelligence) 활용에서 시작해 전사 데이터 전략을 세우고, 마지막에 데이터 관리를 실제 조직으로 만들었습니다. 작게 보면 이렇습니다(가상 예시). 영업과 재무가 ‘수주’를 서로 다르게 셀 때, 정의를 하나로 정하고 카탈로그에 올리는 일은 DMO가 맡습니다.
One NEC Data: 복제 없이 묶는 하나의 데이터 기반
One NEC Data 플랫폼은 One Data, One Place, One Fact 원칙으로 국내외 클라우드와 온프레미스에 흩어진 데이터를 실시간으로 이어 모읍니다. 핵심은 데이터 가상화입니다. 데이터를 복사하거나 옮기지 않고, 있는 자리에 둔 채 하나처럼 조회하게 하는 기술입니다. 모은 데이터는 대시보드 가시화와 프로세스 마이닝에 쓰이고, 사람이 찾아 쓸 수 있도록 데이터 카탈로그가 붙습니다. 원천 시스템을 갈아엎기 어려운 대기업이 통합 비용을 줄일 때 맞는 방식입니다. 대신 원천 쪽 정의가 다르면 가상화로 묶어도 숫자가 맞지 않습니다. 앞의 DMO가 정의를 먼저 맞춰야 하는 이유가 여기에 있습니다.
Knowledge AI: 자료를 올리면 생기는 분신 AI와 전문가 AI
NGS는 직원이 여러 LLM 가운데 골라 쓰게 하고, 사내 정보를 넣은 RAG(Retrieval-Augmented Generation, 문서를 찾아 근거로 답하는 방식)와 Fine-Tuning 모델을 갖춘 사내 생성형 AI 기반입니다. 공통 애플리케이션 층에 있는 Knowledge AI는 직원이 파일, 활동 내용, 회의록, 발언을 올리기만 하면 만들어집니다. 종류는 두 가지입니다. CEO나 CIO 같은 경영진의 생각과 가치관을 담은 분신 AI, 그리고 특정 분야 지식으로 리뷰·조사·자료 작성·질의응답을 대신하는 전문가 AI입니다. 전문가 AI는 회의에 들어가 발언하고 자료를 검토하며, 회의에서 정한 행동이 실행되는지 따라가며 위험을 알리기도 합니다. 그 위층에는 업종별·업무별 애플리케이션과 AI 에이전트가 올라갑니다.
AI Ready 플랫폼: 카탈로그 위에 의미 층을 얹는다
AI Ready 플랫폼은 One NEC Data의 중심 기능으로, 데이터에 뜻을 붙이는 Semantic Ontology 층을 넣은 구조입니다. 카탈로그는 “이 테이블이 어디 있고 누가 관리하나”를 사람에게 알려 줍니다. 반면 온톨로지는 “고객, 계약, 프로젝트가 서로 어떤 관계이고 매출은 어떤 규칙으로 계산되나”를 기계가 읽는 형태로 적습니다. NEC는 경영, 프로세스, 워크스타일, IT 보안 영역의 온톨로지를 만듭니다. 다른 회사의 온톨로지를 가져다 쓰면서 자체 온톨로지를 개발해 둘을 합친 ‘NEC 도메인 온톨로지’를 만드는 방식입니다. 재료는 지난 5년간 정리한 데이터 카탈로그와 데이터 소스입니다. 이 층이 있으면 에이전트가 “이번 분기 위험 프로젝트”처럼 정의가 필요한 질문을 받아도 같은 기준으로 데이터를 고릅니다.
AI FDE: 온톨로지 작성을 사람에서 AI로
온톨로지는 보통 FDE(Forward Deployed Engineer, 고객 현장에 들어가 데이터를 통합하고 시스템을 만드는 엔지니어)가 데이터를 읽어 가며 손으로 만듭니다. NEC는 이 작업을 자동화하려고 ‘AI FDE’를 개발하고 있습니다. AI가 카탈로그와 데이터 소스를 직접 읽고, 밤사이 도메인 온톨로지를 만들어 두게 하는 것이 목표입니다. 온톨로지를 쓰는 의사결정 AI를 만들려면 그 위에서 일할 에이전트도 개발해야 합니다. NEC는 에이전트 개발에 이미 AI를 쓰고 있고, 이 부분도 AI 구동 개발로 바꿀 방침입니다. 강연 시점에는 도전 단계라고 밝혔습니다. 사람이 하던 ‘FDE가 읽고 쓰는 일’을 기계의 야간 배치로 옮기는 셈이므로, 사람의 역할은 초안을 승인하는 쪽으로 바뀝니다.
통념과 다른 주장
흔히 이렇게 봅니다데이터 카탈로그와 메타데이터를 잘 갖추면 AI도 그 데이터를 바로 쓸 수 있다.
NEC는 이렇게 봅니다사람이 쓰도록 정리한 카탈로그만으로는 AI가 데이터를 쓰지 못합니다. 데이터의 의미와 업무 정의를 담은 층이 따로 있어야 합니다.
근거1년 동안 카탈로그 1,435개를 만들고도, Snowflake Intelligence로 자연어 분석을 붙여 보면서 AI에게는 데이터의 의미 이해가 관건이라는 점을 확인했다고 설명합니다.
흔히 이렇게 봅니다온톨로지는 전문가가 현장 데이터를 읽어 가며 손으로 오래 만드는 산출물이다.
NEC는 이렇게 봅니다FDE가 하던 읽기와 쓰기를 AI에게 맡겨, 카탈로그와 데이터 소스에서 밤사이 온톨로지를 만들게 하려 합니다.
근거5년간 쌓은 카탈로그와 데이터 소스를 입력으로 쓰는 AI FDE를 개발 중이며, 에이전트 개발에도 이미 AI를 쓰고 있다고 밝혔습니다.
저자가 든 사례
NEC 사내 DX: 카탈로그 0개에서 AI Ready 플랫폼까지
- 상황: 데이터 정의가 부서마다 달라 해석이 갈렸고, 활용 규칙과 데이터 카탈로그가 없었습니다. AI 활용은 일본 기업 대부분처럼 개별 목적 단계에 머물러 있었습니다.
- 한 일: Data Management Office를 만들고 전사 거버넌스·정책과 One NEC Data 플랫폼을 깔았습니다. NGS와 Knowledge AI를 내놓았고, 경영 콕핏(전사 핵심 지표 대시보드 묶음)에 AI를 붙여 경영관리, 마케팅, 감사 영역의 의사결정을 지원합니다. 이메일, 채팅, 음성 같은 비정형 데이터까지 범위를 넓혔고, 지금은 AI Ready 플랫폼과 AI FDE를 만들고 있습니다.
- 결과: 1년 만에 카탈로그 1,435개와 대시보드 44개를 만들었습니다. Knowledge AI는 반년 동안 2,000개 넘게 생겼습니다. 30PB가 넘는 그룹 비정형 데이터와 AI가 대화하는 구조는 2026년 10월 말 기준 이미 돌아간다고 밝혔습니다. 비용과 생산성 수치는 원문에서 밝히지 않았습니다.
- 연결: 다섯 메커니즘 전부. 목표는 5년 뒤 AI 네이티브 컴퍼니입니다.
기술 디테일: 카탈로그를 온톨로지로 바꾸는 파이프라인을 돌린다면
아래 필드명, 설정값, 수량은 실행 제안이자 가상 예시입니다. 원문에서 온 내용은 문장 안에 밝혔습니다.
카탈로그 항목 하나를 온톨로지 초안 한 묶음으로 바꿉니다(AI Ready 플랫폼, AI FDE). 입력은 카탈로그의 테이블 설명, 컬럼명·타입, 소유 부서, 샘플 100행입니다. 모델에는 아래 JSON만 내도록 구조화 출력을 걸고, temperature 0으로 같은 입력을 3회 돌립니다. 3회 모두 같은 개념과 관계만 ‘자동 후보’로 올리고, 한 번이라도 달라진 항목은 도메인 오너 검토 대기열로 보냅니다.
{
"source_table": "sales.order_header",
"concept": "Order",
"label_ko": "수주",
"definition": "고객이 발주서를 확정하고 법무 검토를 통과한 계약 건",
"key": "order_id",
"relations": [
{"type": "placedBy", "target": "Customer", "via": "customer_id"},
{"type": "belongsTo", "target": "Project", "via": "project_id"}
],
"metrics": [{"name": "order_amount", "rule": "SUM(net_amount) WHERE status='CONFIRMED'"}],
"domain": "management",
"owner": "finance-dmo",
"confidence": 0.82,
"evidence": ["catalog:CAT-0912", "sample_rows:100"],
"status": "draft"
}기존 온톨로지와 먼저 대조합니다(도메인 온톨로지 결합). NEC가 타사 온톨로지와 자체 온톨로지를 합치듯, 새 초안은 등록된 개념과 이름·정의 유사도로 비교합니다. 임베딩 유사도 0.9 이상이면 ‘같은 개념 후보’, 0.7~0.9면 ‘확인 필요’로 표시합니다. 같은 이름에 정의가 다르면(예: 영업의 수주와 재무의 수주) 자동 병합하지 않고 충돌로 올립니다.
시맨틱 레이어의 지표 정의를 에이전트의 유일한 계산 경로로 둡니다(Semantic Layer). 에이전트가 SQL을 직접 짜게 두면 같은 질문에도 매번 다른 숫자가 나옵니다. 매출, 수주, 위험 프로젝트 같은 지표는 시맨틱 레이어에 정의 하나로 등록하고, 에이전트는 그 지표 이름만 호출하게 합니다. 답에는 쓴 지표 이름, 정의 버전, 데이터 기준 시각을 함께 적게 합니다.
골든 질문 세트로 채점합니다(Knowledge AI, 경영 콕핏). 경영 회의에서 실제로 나온 질문 50개를 고르고 정답 숫자와 근거 대시보드를 적어 둡니다. 각 질문을 3회 돌려 아래 기준으로 매기고, 3회 점수 차가 2점을 넘는 질문은 정의 누락으로 보고 온톨로지부터 고칩니다.
| 점수 | 기준 |
|---|---|
| 5 | 숫자 일치, 지표 정의·기준 시각 인용 |
| 3 | 숫자 일치, 근거 인용 누락 |
| 0 | 숫자 불일치 또는 정의 없는 계산 |
| 막히는 경우 | 증상 | 대응 |
|---|---|---|
| 카탈로그 설명이 빈약함 | 개념 이름만 있고 정의가 빔 | 샘플 행과 쿼리 로그를 함께 넣고, 오너 인터뷰 10분 |
| 같은 이름, 다른 정의 | 부서별로 숫자가 다름 | 자동 병합 금지, DMO가 표준 정의 결정 |
| 초안이 너무 많음 | 검토 대기열이 쌓임 | 신뢰도 상위와 자주 조회되는 테이블부터 |
| 비정형 데이터 연결 | 회의록 속 프로젝트를 못 찾음 | 문서에서 개체명을 뽑아 온톨로지 키에 연결 |
| 권한 노출 | 에이전트가 볼 수 없는 값을 답함 | 온톨로지 개념마다 접근 등급, 질의 시 사용자 권한 적용 |
현업 실행 디테일: 누가, 언제, 무엇을
원문은 Data Management Office가 데이터 전략과 정착을 맡고, AI 플랫폼 조직이 NGS와 AI Ready 플랫폼을 만든다고 밝혔습니다. 아래 역할, 일정, 기준은 이를 바탕으로 새로 짠 가상 예시입니다.
| 역할 | 맡는 일 |
|---|---|
| CDO·CIO(스폰서) | 대상 도메인 선정, 표준 정의 분쟁의 최종 결정 |
| DMO(데이터 관리 조직) | 카탈로그 정리, 정의 충돌 조정, 승인 흐름 운영 |
| 도메인 오너(재무·영업 등) | 온톨로지 초안 승인·반려, 골든 질문과 정답 작성 |
| 데이터 엔지니어 | 가상화·시맨틱 레이어 연결, 야간 배치 운영 |
| AI 엔지니어(FDE 역할) | 추출 프롬프트, 대조 규칙, 채점 자동화 |
| 정보보안 | 개념별 접근 등급, 비정형 데이터 범위 |
준비물. 대상 도메인 하나(예: 경영관리)의 카탈로그 목록, 핵심 대시보드 5~10개와 그 지표 정의서, 최근 분기 경영 회의록, 부서별로 정의가 다른 용어 목록이 필요합니다. 첫 주에 정보보안과 함께 AI가 읽어도 되는 테이블과 문서 범위를 정합니다.
| 기간 | 할 일 | 산출물 |
|---|---|---|
| 1~2주 | 도메인·오너 지정, 보안 범위 확정 | 대상 테이블 목록, 오너 명단 |
| 3~4주 | 카탈로그 설명 보강, 충돌 용어 정리 | 표준 정의 30~50개 |
| 5~6주 | 야간 배치로 온톨로지 초안, 오너 승인 | 승인된 개념·관계 |
| 7~8주 | 골든 질문 50개 채점, 회의 시범 투입 | 채점표, 확대 여부 판정 |
도메인 오너에게 물을 것.
- 이 지표를 다른 부서와 다르게 세는 경우가 있나요? 어느 쪽이 공식인가요?
- 경영 회의에서 이 숫자가 틀렸다고 지적받은 적이 있나요? 이유는 무엇이었나요?
- 이 테이블에서 실제 판단에 쓰는 컬럼은 무엇이고 쓰지 않는 컬럼은 무엇인가요?
- AI가 이 데이터로 답할 때 절대 보여서는 안 되는 값은 무엇인가요?
- 이 개념의 정의가 바뀌면 누가 승인하나요?
진행 판정 기준(예시). 골든 질문 50개의 평균이 4점 이상이고 0점 답이 3개 이하이며, 승인된 개념이 대상 테이블의 70%를 덮으면 다음 도메인으로 넓힙니다. 평균 3~4점이면 정의 충돌과 카탈로그 설명을 보완해 4주 더 봅니다. 3점 미만이면 에이전트보다 시맨틱 레이어 정리를 먼저 합니다.
AX 적용 제언. 이미 데이터 카탈로그나 BI 표준 지표를 갖춘 회사라면 NEC의 순서가 그대로 들어맞습니다. 카탈로그를 새로 만들 필요 없이 온톨로지의 재료로 다시 읽히면 됩니다. 순서는 경영관리처럼 정의 분쟁이 잦은 도메인 하나를 고르고, 지표 정의를 시맨틱 레이어로 굳히고, 야간 배치로 온톨로지 초안을 받고, 골든 질문으로 채점하는 것입니다. 카탈로그가 아직 없는 회사는 NEC처럼 BI에서 시작해 DMO를 세우는 단계부터 밟아야 합니다. 이때 온톨로지 프로젝트를 앞세우면 오래 걸립니다. 컨설팅 관점에서는 ‘FDE가 손으로 쓰는 온톨로지’를 ‘AI 초안과 오너 승인’으로 바꾸는 것이 기간을 줄이는 지점입니다. 이 승인 흐름을 누가 맡을지 정하는 것이 첫 회의의 의제가 되어야 합니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 원문 | ITmedia 엔터프라이즈, 2026.11.13 게재, 山下竜大, 회원 한정 |
| 출처 강연 | Enterprise IT Summit 2026 봄(2026.5.18~21, 온라인) |
| 강연자 | NEC 코퍼레이트 IT·AI 이노베이션 부문 AI 플랫폼 총괄부 시니어 디렉터 関徳昭 |
| 원칙 | 클라이언트 제로, 사내 DX 경험을 BluStellar 등으로 고객에 환원 |
| 사내 DX 흐름 | 2008 회계 시스템 통일, 클라우드 리프트·현대화, 2018경 데이터 활용 |
| 다섯 방침 | 데이터 전략, 조직·인재(DMO), 프로세스(거버넌스·정책), 플랫폼(One NEC Data), 문화 |
| 플랫폼 | One Data / One Place / One Fact, 데이터 가상화, 대시보드·프로세스 마이닝 |
| 성과 | 1년 만에 데이터 카탈로그 1,435개, 신규 대시보드 44개 |
| AI 단계 | 개별 목적 → 전사 → AI 네이티브 컴퍼니(5년 뒤 목표) |
| NGS | 복수 LLM 선택, 사내 정보 RAG·Fine-Tuning, 공통 앱 층에 Knowledge AI |
| Knowledge AI | 분신 AI·전문가 AI, 반년 2,000개 이상, 하루 3만 회 회의 참여 |
| 의사결정 지원 | 경영 콕핏에 AI, 경영관리·마케팅·감사 영역 |
| 비정형 데이터 | 그룹 30PB 이상, 2026.10 말 기준 AI 대화 구현 |
| 외부 연계 | Snowflake Intelligence(현 Snowflake CoWork)에 NGS 기술 통합 개발, 도표 문맥 이해 기술 |
| AI Ready 플랫폼 | 시맨틱 레이어 확장, Semantic Ontology 층, 경영·프로세스·워크스타일·IT 보안 온톨로지 |
| AI FDE | 카탈로그·데이터 소스를 읽어 밤사이 도메인 온톨로지 생성(개발 중) |
| 수치 없음 | 투자액, 인원, 생산성 효과 |
핵심 개념
- Client Zero(클라이언트 제로)
- 자사를 첫 고객으로 삼아 새 기술을 먼저 써 보고, 그 경험을 고객 사업으로 넘기는 방식입니다.
- Data Catalog
- 회사에 어떤 데이터가 어디에 있고 누가 관리하는지 사람이 찾아보도록 정리한 목록입니다.
- Data Virtualization
- 데이터를 복사하거나 옮기지 않고, 여러 곳에 있는 데이터를 하나처럼 조회하게 하는 기술입니다.
- Semantic Layer
- 매출, 수주 같은 지표의 정의와 계산 규칙을 한곳에 모아, 어떤 도구에서 물어도 같은 숫자가 나오게 하는 층입니다.
- 경영 콕핏
- 전사 핵심 지표를 가시화·분석하는 대시보드 묶음입니다. NEC 데이터 드리븐 경영의 중심입니다.
- BluStellar
- NEC가 사내 DX 경험을 고객과 사회에 돌려주는 데 쓰는 가치 창출 모델의 이름입니다.
내 메모
TODO: 내 생각 추가
원문은 ITmedia 엔터프라이즈의 「NECがデータカタログ1435個を1年で整備 AIによる意思決定支援への挑戦」(2026.11.13, 山下竜大, 회원 한정)이며, 2026년 5월 강연을 재구성한 기사입니다. 요약, 핵심 메커니즘, 통념과 다른 주장, 사례는 원문에 나온 내용을 AX Partners가 다시 정리했습니다. 기술·현업 디테일의 필드명, 설정값, 일정, 질문, 판정 기준, 인포그래픽과 표는 실제로 돌릴 때 필요한 것을 새로 작성한 가상 예시입니다. 세부 수치와 발언은 원문에서 확인할 수 있습니다.