‘전략적으로 접근해야 할 때’··· AI에 준비된 데이터를 만드는 3단계

AI는 또한 분산된 인프라를 관리하기 위해 AI 에이전트를 활용하는 중앙 집중식 인텔리전스를 통해 훨씬 더 분산된 데이터 인프라를 구현할 수 있다. 수십만 개의 AI 에이전트가 표준을 적용하고 데이터 일관성을 보장할 수 있는데, 사이즈에 따르면 데이터 일관성 유지는 기업이 데이터 인프라와 관련해 직면하는 주요 과제다.

이를테면 AI는 CRM, 컨택 센터 소프트웨어, 금융 애플리케이션을 포함한 모든 시스템에서 특정 고객의 기록 시스템이 일관되게 유지되도록 도울 수 있다. 사이즈는 “일관성을 유지하기 위해, 고객이 컨택 센터나 웹과 상호 작용할 때마다 모든 시스템이 거의 실시간으로 변경 사항을 받는다. 이전에는 지연 시간이 더 길고 수동 확인이 많았지만, 이제는 모두 AI에 의해 주도될 수 있다. AI는 지속적으로 상태와 마스터 데이터 세트를 확인해 인텔리전스를 기반으로 전체 시스템에서 레코드를 업데이트해야 하는지 결정한다”라고 설명했다.

사이즈에 따르면 지식은 데이터를 해석하는 데 도움이 되기 때문에 데이터만큼 중요해지고 있다. 데이터 인프라 위에 지식 계층을 구축해 컨텍스트를 제공하고 환각을 최소화할 수 있다. 그는 “통신 분야에서 누군가가 예측 모델을 실행하는 경우, 재무 예측을 위해 동일한 모델을 실행하는 것과 변수, 입력, 결과가 달라진다. 지식에 집중할수록 AI는 더 정확해진다”라고 진단했다.