기업의 인공지능(AI) 경쟁이 ‘어떤 모델을 도입할 것인가’에서 ‘AI를 어떻게 실제 업무에 내재화하고 안전하게 확산할 것인가’로 옮겨가고 있다. 데이터이쿠(Dataiku)는 비즈니스 현업이 자연어로 요구사항을 입력하면 데이터 파이프라인부터 머신러닝 모델, AI 에이전트, 업무용 애플리케이션까지 구축해 주는 ‘AI 빌딩 에이전트’를 앞세워 기업 AI의 파일럿과 운영 환경 사이에 놓인 간극을 좁히겠다는 전략을 제시했다.

AI 성공을 위한 플랫폼 기업 데이터이쿠는 24일 서울 서초구 에피소드 강남 262에서 ‘데이터이쿠 서밋 서울 2026’ 기자간담회를 열고 AI 빌딩 에이전트 ‘데이터이쿠 코빌드(Dataiku Cobuild)’를 비롯해 ‘E2A(Expert-to-Agent)’, ‘데이터이쿠 리즈닝 시스템(Dataiku Reasoning Systems)’, ‘데이터이쿠 에이전트 매니지먼트(Dataiku Agent Management)’ 등 차세대 제품과 국내외 고객 사례를 공개했다.

데이터이쿠가 이날 일관되게 강조한 메시지는 명확했다. AI 모델과 컴퓨팅 인프라를 확보하는 것만으로는 기업이 원하는 성과를 만들 수 없으며, 현업 전문가의 지식과 판단을 AI에 담고 여러 데이터·모델·에이전트를 실제 업무에 연결하는 한편 이 모든 과정을 통제할 수 있어야 한다는 것이다.

CEO 자리까지 위협하는 AI 성과 압박…“더 이상 CIO만의 문제가 아니다”

김종덕 데이터이쿠 코리아 지사장은 글로벌 시장조사기관 해리스 폴과 함께 전 세계 최고경영자(CEO) 900명을 조사한 ‘2026 글로벌 AI 실태 보고서’를 언급하며 AI 성과가 기업 경영진의 핵심 책임으로 부상했다고 진단했다.

데이터이쿠 코리아 김종덕 지사장

조사에서 글로벌 CEO의 80%는 2026년 말까지 AI를 통해 가시적인 성과를 내지 못하면 자신의 직무가 위험해질 수 있다고 답했다. 62%는 이사회가 측정 가능한 AI 성과를 내도록 직접적인 압박을 가하고 있다고 응답했다. CEO의 96%는 직원들이 회사의 승인 없이 생성형 AI 도구를 사용하는 이른바 ‘섀도 AI’가 존재한다고 봤다.

김 지사장은 “과거 메인프레임과 서버, 퍼블릭 클라우드 등 여러 기술 변화가 있었지만 당시에는 주로 최고정보책임자(CIO)가 어떻게 대응할 것인지가 화두였다”며 “이번 AI의 물결은 CEO 자신뿐 아니라 회사 전체의 미래와 연결된 문제라는 점에서 다르다”고 말했다.

섀도 AI가 빠르게 확산하는 상황도 기업이 직면한 위험으로 지목됐다. 과거 퍼블릭 클라우드 초기에 직원들이 회사의 공식 승인이나 관리 체계 밖에서 서비스를 사용했던 것처럼, 생성형 AI도 현업 필요에 따라 비공식적으로 도입되고 있다는 것이다. 특히 AI 서비스는 업무 데이터나 내부 정보가 외부 모델로 전달될 수 있어 보안과 지식재산권, 규제 준수 측면에서 더 큰 위험을 초래할 수 있다는 설명이다.

데이터이쿠와 해리스 폴의 조사에서는 CEO의 79%가 AI 에이전트로 인한 법적 위험을 우려했고, 57%는 AI의 판단 과정을 제대로 설명하지 못하는 문제가 고객 신뢰나 브랜드 위기로 이어질 수 있다고 봤다. AI 성공의 최우선 요소를 묻는 질문에서도 거버넌스가 39%로 인재·조직 준비도와 오케스트레이션보다 높은 순위를 차지했다.

AI 도입률 88%지만 전사 성과는 제한적…‘AI 성공 격차’

앤드류 보이드(Andrew Boyd) 데이터이쿠 아시아태평양 및 일본(APJ) 총괄 수석 부사장은 기업의 AI 활용이 빠르게 늘어나는 것과 실제 경영 성과 사이에 큰 차이가 존재한다고 지적했다.

맥킨지의 2025년 글로벌 조사에 따르면 응답자의 88%가 조직 내 하나 이상의 업무 기능에서 AI를 정기적으로 활용하고 있다고 답했다. 그러나 AI가 전사 차원의 영업이익에 영향을 미쳤다고 응답한 비율은 39%였고, 이 가운데서도 대부분은 AI의 영업이익 기여도가 5% 미만이라고 답했다.

AI가 영업이익의 5% 이상에 기여하면서 ‘상당한 가치’를 창출했다고 응답한 ‘AI 고성과 기업’은 전체의 약 6%에 그쳤다. 이는 AI를 사용하는 기업이 적다는 뜻이 아니라, AI를 파일럿 단계에서 전사 운영과 재무 성과로 연결하는 기업이 아직 소수라는 의미다.

앤드류 보이드(Andrew Boyd) 아시아태평양 및 일본(APJ) 총괄 수석 부사장

보이드 부사장은 이 같은 차이를 ‘AI 성공 격차(AI success gap)’라고 정의했다. 많은 기업이 이미 데이터와 데이터 플랫폼, 엔터프라이즈 애플리케이션, 다양한 AI 모델과 서비스를 보유하고 있지만, AI 프로젝트가 운영 환경에 배포되지 못하고 파일럿에 머물거나 투자는 늘어도 ROI가 명확하게 측정되지 않는 사례가 많다는 것이다.

그는 “AI는 이미 인사와 마케팅, 재무 등 특정 부서에 한정된 기술이 아니다”며 “조직의 거의 모든 팀과 의사결정, 업무 프로세스에 영향을 미치고 있지만 기업이 일하는 방식 자체를 근본적으로 바꿨는지는 여전히 의문”이라고 말했다.

데이터이쿠가 제시한 세 축…사람·오케스트레이션·거버넌스

데이터이쿠는 AI 성공 격차를 해소하기 위한 핵심 요소로 ‘사람(People)’, ‘오케스트레이션(Orchestration)’, ‘거버넌스(Governance)’을 제시했다.

첫 번째는 AI를 만드는 주체를 데이터 사이언티스트와 개발자에서 현업 전문가로 확대하는 것이다. 제조 설비의 미세한 소리만 듣고도 이상 여부를 판단하는 유지보수 담당자나 마케팅 현장에서 소비자의 의도를 읽어내는 전문가처럼, 조직이 보유한 분야별 전문지식을 AI의 추론과 업무 흐름 안에 반영해야 한다는 설명이다.

보이드 부사장은 “AI가 화면 안의 챗봇으로 머물러서는 안 된다”며 “매일 수행하는 업무와 조직의 모든 영역에 깊이 내재화돼 생산성을 높이고 판단을 지원해야 한다”고 강조했다.

두 번째는 데이터와 모델, 에이전트, 기존 업무 시스템을 연결하는 오케스트레이션이다. 에이전트가 적절한 데이터에 접근하지 못하거나 기업의 워크플로에 통합되지 않으면 복잡한 업무를 끝까지 수행할 수 없다. 기업은 업무별로 적합한 데이터와 모델을 선택하고, 하나의 대형언어모델(LLM)에 모든 작업을 맡기는 대신 여러 모델과 에이전트를 목적에 맞게 조합할 수 있어야 한다.

세 번째는 AI의 전체 수명주기에 걸친 거버넌스다. 개발 단계의 데이터와 프롬프트뿐 아니라 테스트, 승인, 배포, 운영, 성능 변화, 비즈니스 가치까지 지속적으로 추적해야 한다. AI가 조직 전반으로 확산할수록 누가 어떤 에이전트를 만들었고 어떤 데이터와 모델을 사용하며 어떤 결정을 내리고 있는지를 파악하는 체계가 중요해진다는 것이다.

자연어 목표를 ‘운영 가능한 AI 프로젝트’로 바꾸는 코빌드

이날 발표에서 가장 주목받은 제품은 지난 18일 정식 출시된 데이터이쿠 코빌드다.

코빌드는 사용자가 “무엇을 만들고 싶은지”를 자연어로 설명하면 이를 기업의 운영 환경에 적용할 수 있는 AI 프로젝트로 구현하는 AI 빌딩 에이전트다. 관련 데이터를 찾아 연결하고, 데이터 처리 워크플로를 설계하며, 데이터 파이프라인과 머신러닝 모델, AI 에이전트, 애플리케이션, 자동화 프로세스 등을 데이터이쿠 플랫폼 안에서 생성한다.

예컨대 현업 사용자가 판매량을 예측하고 재고 부족 가능성을 알려주는 애플리케이션이 필요하다고 자연어로 입력하면, 코빌드가 어떤 데이터를 사용해야 하는지 파악하고 데이터 정제와 결합, 예측 모델, 결과를 보여줄 화면과 알림 체계까지 포함한 프로젝트의 기본 구조를 만든다.

중요한 차별점은 결과물이 블랙박스 형태의 코드나 일회성 프로토타입으로 제공되지 않는다는 데 있다. 코빌드가 만든 프로젝트는 데이터이쿠의 ‘비주얼 플로우(Visual Flow)’로 표현된다. 사용자는 데이터가 어디에서 들어와 어떤 변환 과정을 거쳤는지, 어떤 모델과 에이전트가 사용됐는지, 결과가 어떤 애플리케이션으로 이어지는지를 화면에서 확인할 수 있다.

각 단계는 검토와 편집이 가능하며, 사용자는 코빌드와 대화를 이어가면서 워크플로를 반복적으로 수정할 수 있다. 이후 현업 전문가와 데이터 담당자, IT 및 리스크 관리 조직이 결과를 함께 검토하고 승인한 뒤 운영 환경에 배포할 수 있다.

“빠른 개발과 통제 중 하나를 고를 필요 없게 한다”

장기욤 아페르(Jean-Guillaume Appert) 데이터이쿠 제품관리 부문 이사는 최근 코드 생성형 AI가 애널리틱스와 웹 애플리케이션 개발 속도를 크게 높였지만 기업 환경에서는 새로운 문제도 만들고 있다고 설명했다.

자연어로 많은 코드를 빠르게 생성할 수 있게 됐지만, 결과물이 기업의 개발 표준과 보안 정책, 컴플라이언스 요건을 제대로 반영했는지 확인하기 어렵고 시간이 지날수록 유지보수가 어려운 기술 부채가 누적될 수 있다는 것이다. 각 현업 부서가 독립형 AI 도구로 프로토타입을 만들 경우 IT 조직이 존재 자체를 알지 못하는 ‘섀도 AI’로 이어질 가능성도 있다.

코빌드는 생성된 결과물을 기존 기업 시스템 밖에 두지 않고 데이터이쿠 플랫폼의 표준 프로젝트로 만든다. 기존에 설정된 접근권한과 프로젝트 표준, 검토 및 승인 절차를 그대로 적용할 수 있으며 코빌드 사용 권한도 관리자가 통제한다.

장기욤 아페르(Jean-Guillaume Appert) 데이터이쿠 제품관리 부문 이사

아페르 이사는 “현업 사용자는 자율적으로 애널리틱스와 모델, 에이전트를 만들 수 있고 IT 조직은 전체 과정에 대한 가시성과 관리 역량을 확보할 수 있다”며 “빠른 개발과 거버넌스 가운데 하나를 포기하지 않아도 되는 구조”라고 설명했다.

데이터이쿠는 코빌드가 데이터 사이언티스트를 대체하는 제품은 아니라고 선을 그었다. 현업의 반복적인 분석·자동화 요구와 비교적 표준화된 프로젝트를 코빌드가 처리하도록 해, 데이터 사이언티스트가 고난도 모델링과 복잡한 기업 문제에 집중할 수 있도록 한다는 구상이다. 코빌드는 데이터이쿠 14.7 버전과 함께 6월 18일부터 정식 제공되고 있다.

특정 클라우드·LLM에 묶이지 않는 ‘AI 주권’ 강조

데이터이쿠는 코빌드를 비롯한 플랫폼 전반에서 특정 클라우드나 데이터 플랫폼, LLM에 종속되지 않는 구조도 강조했다.

기업은 오픈AI와 앤스로픽, 구글 계열 모델뿐 아니라 스노우플레이크 코텍스 AI, 데이터브릭스 AI 게이트웨이, AWS 베드록, 마이크로소프트 파운드리 등을 선택할 수 있다. 자체 구축한 모델이나 오픈소스·오픈웨이트 모델, 온프레미스 환경도 지원한다.

보이드 부사장은 이를 데이터이쿠가 14년간 유지해 온 ‘독립성과 선택권’의 철학이라고 설명했다. 기업이 특정 사업자의 인프라나 모델에 묶이지 않고 필요에 따라 모델과 클라우드를 바꾸더라도 기존의 데이터 처리 및 업무 로직을 다시 만들지 않도록 중간에서 오케스트레이션 계층을 제공한다는 것이다.

현업 전문가의 판단을 에이전트로…E2A

코빌드와 함께 소개된 E2A는 ‘Expert-to-Agent’의 약자로, 조직 내 전문가가 보유한 업무 지식과 판단 과정을 구조화된 AI 에이전트로 전환하는 기술이다.

일반적인 챗봇이 문서를 검색해 답변을 제시하는 데 그쳤다면 E2A는 전문가가 실제 업무를 수행하는 순서와 조건, 예외 처리 방식을 에이전트의 추론 구조에 반영한다. 하나의 질문에 곧바로 답을 생성하는 방식이 아니라, 먼저 업무 대상을 식별하고 관련 데이터를 조회한 뒤 원인을 분석하고 조건별로 적절한 후속 조치를 실행하도록 구성할 수 있다.

구조화된 에이전트는 시맨틱 모델과 기업 데이터, 기존 예측 모델, 검색증강생성(RAG), 세부 업무에 맞게 조정된 LLM 등을 함께 사용할 수 있다. 하나의 LLM에 종속되지 않고 작업별로 적합한 모델을 선택할 수 있으며, 중요한 단계에는 사람이 개입해 결과를 검토하거나 최종 배포와 실행을 승인할 수 있다.

데이터이쿠는 이를 통해 일부 숙련자에게 집중된 판단 기준을 조직이 반복적으로 활용할 수 있는 지적자산으로 만들 수 있다고 설명했다. 다만 전문가의 지식을 단순한 프롬프트로 복제하는 것이 아니라 실제 데이터와 업무 규칙, 사람의 감독을 결합한 운영 가능한 시스템으로 구현하는 데 초점을 둔다.

단일 에이전트를 넘어 업무 전체를 설계하는 ‘리즈닝 시스템’

데이터이쿠 리즈닝 시스템은 단일 AI 모델이나 에이전트만으로 해결하기 어려운 기업의 핵심 의사결정 프로세스를 대상으로 한다.

제조 공정의 이상 대응이나 공급망 변동 관리, 금융 리스크 분석처럼 복잡한 업무는 데이터 파이프라인과 예측 모델, 업무 규칙, 여러 AI 에이전트, 현업 전문가의 판단이 함께 작동해야 한다. 리즈닝 시스템은 이들을 하나의 통제된 업무 흐름으로 결합해 특정 비즈니스 목표에 맞는 의사결정 시스템을 구성한다.

데이터이쿠는 제품뿐 아니라 서비스 형태로도 고객사의 업무 프로세스를 분석해 에이전트 적용 시 실질적인 가치가 큰 영역을 발굴할 계획이다. 공식 로드맵상 제조 운영용 리즈닝 시스템은 제공 중이며, 공급망 부문은 2026년 2분기, 금융 리스크 부문은 3분기 제공 대상으로 제시됐다.

외부에서 만든 에이전트까지 한눈에…9월 출시 ‘에이전트 관제탑’

기업 내 에이전트 수가 증가하면 또 다른 문제가 발생한다. 세일즈포스와 클라우드 서비스, 자동화 플랫폼, 각 부서의 내부 시스템 등에서 에이전트가 각각 만들어질 경우 중앙 IT 조직은 어떤 에이전트가 존재하고 실제로 어떤 판단을 내리는지 파악하기 어렵다.

데이터이쿠 에이전트 매니지먼트는 이 문제를 해결하기 위한 플랫폼 비종속적 ‘관제탑’이다. 데이터이쿠에서 만든 에이전트뿐 아니라 n8n, AWS 베드록, 세일즈포스 등 다른 플랫폼에서 실행되는 에이전트도 연결해 한 화면에서 관리할 수 있다.

전통적인 모니터링이 에이전트의 가동 여부와 지연시간, 오류율 등을 확인하는 데 집중했다면, 에이전트 매니지먼트는 비즈니스 KPI를 기준으로 에이전트가 실제 업무 목표를 달성하는지도 평가한다. 예상한 행동에서 벗어나는 드리프트나 성과 저하를 감지하고, 에이전트의 소유자와 승인 상태, 정책 준수 여부, 비즈니스 가치 등을 함께 추적한다.

별도의 마이그레이션 없이 외부 플랫폼의 API와 로그 스트림을 연결해 에이전트를 자동으로 탐색·등록하는 구조다. 현재 얼리 액세스가 진행 중이며 정식 출시는 2026년 9월로 예정돼 있다.

HSAD는 마케팅 지식을 자산화…포스코는 현장 엔지니어가 AI 개발

데이터이쿠는 AI의 전사 확산과 현업 전문성 활용 사례로 HSAD와 포스코를 소개했다.

HSAD는 데이터이쿠를 활용해 개인에게 축적된 마케팅 전문성을 조직 전체가 재사용할 수 있는 AI 기반 지적자산으로 전환하고 있다. 소비자와 AI가 일대일로 대화하며 응답의 맥락과 감정, 숨은 의도를 분석하는 ‘서베이 에이전트’와 소비자 의도를 탐색하는 ‘인텐트릭스’ 등이 대표 사례로 제시됐다.

HSAD의 서베이 에이전트는 조사 목적을 입력하면 설문 문항 설계를 지원하고, AI가 응답자와 실시간 대화를 진행한 뒤 주요 키워드뿐 아니라 답변에 담긴 의미와 맥락을 분석하는 방식이다. 인텐트릭스는 소비자의 자연스러운 발화를 분석해 브랜드 선택을 방해하는 요인 등을 파악하는 솔루션이다.

포스코는 데이터이쿠를 기반으로 현장 중심의 지속적인 MLOps 체계를 구축하고 있다. 포항과 광양, 서울, 연구소 등에서 근무하는 제조 현장 엔지니어 30여 명이 실제 공정 데이터를 활용해 설비 이상 사전 감지와 품질 보증 자동화, 생산 공정 최적화 등의 AI 과제를 구현하는 해커톤도 진행했다.

단순히 데이터 조직이 현장에 완성된 모델을 전달하는 것이 아니라, 공정을 가장 잘 이해하는 엔지니어가 문제를 직접 정의하고 모델 개발과 운영 과정에 참여하도록 한 것이 특징이다.

스탠다드차타드 생산성 30배…호주 핀테크는 검토 시간 40~50% 단축

해외 사례로는 스탠다드차타드은행과 호주 핀테크 기업 와이저(Wisr)가 소개됐다.

스탠다드차타드은행은 데이터이쿠 기반의 셀프서비스 분석 환경을 구축해 재무기획·분석(FP&A) 업무 생산성을 30배 높였다. 데이터이쿠 공식 사례에 따르면 플랫폼을 활용하는 2명이 기존 스프레드시트 중심 환경에서 약 70명이 처리하던 규모의 업무를 수행할 수 있게 됐다.

은행은 여러 시스템의 데이터를 결합해 사무공간 활용도를 분석하는 ‘공간 계획·최적화 도구(SPOT)’도 개발했다. 이를 토대로 2028년까지 부동산 포트폴리오를 약 70만제곱피트 줄여 연간 부동산 비용 3400만달러를 절감한다는 목표를 세웠다.

와이저는 대출 심사의 예외 사례를 검토하는 과정에 데이터이쿠 기반 AI 에이전트를 적용했다. 에이전트가 신청 건을 분류하고 관련 선례와 정보를 찾아 담당자가 더 빠르고 일관된 판단을 내릴 수 있도록 지원한다. 이를 통해 예외 사례의 수작업 검토 시간이 40~50% 줄었고, 선임 심사 인력은 매월 20~30시간을 절약한 것으로 나타났다.

화학 반응기 이상 감지부터 정비 인력 배치까지…E2A 데모

우재하 데이터이쿠 코리아 상무는 이날 화학 제조 공정의 연속교반탱크반응기(CSTR)를 가정해 데이터 수집부터 이상 감지, 원인 분석, 조치까지 이어지는 E2A 기반 에이전트의 작동 과정을 시연했다.

CSTR는 원료를 연속해서 투입하고 교반하면서 화학반응을 일으켜 생성물을 지속적으로 생산하는 장비다. 데모 화면에서는 반응기의 온도와 전력 사용량, 냉각수 상태 등을 모니터링하고 이상 징후가 발생하면 에이전트가 가능한 원인과 권고 조치를 제시했다.

데이터이쿠 코리아 우재하 상무

이 과정에는 센서 데이터뿐 아니라 재고와 공급업체 정보도 사용됐다. 먼저 데이터 전처리와 품질 검사를 수행하고, 교반기의 분당 회전수(RPM)가 정상 범위에 있는지와 같은 기준을 자동으로 확인했다.

기업의 데이터베이스 필드명과 현업에서 사용하는 용어 사이의 차이는 ‘시맨틱 모델’로 보완했다. 시맨틱 모델에 주요 비즈니스 개체와 개체 간 관계, 현업 용어집을 반영해 사용자가 기술적인 데이터베이스 용어를 알지 못해도 실제 업무 언어로 질문하고 답을 받을 수 있도록 했다.

이후 오토ML로 구축한 예측 모델과 ‘왓이프(What-if) 분석’을 활용해 전력 등 특정 변수를 조정했을 때 이상 상황이 발생할 가능성을 시뮬레이션했다.

코일 오염과 밸브 고장 구분…원인에 따라 조치도 달리한다

데모의 핵심은 단순히 이상을 알려주는 챗봇이 아니라 전문가의 실제 대응 순서를 에이전트에 반영했다는 점이다.

구조화된 유지보수 에이전트는 먼저 사용자의 문의가 어떤 반응기와 관련돼 있는지 식별하고, 관련 운전 데이터와 유지보수 문서, 재고 및 공급업체 정보를 조회한다. 이어 근본 원인을 분석한 뒤 원인에 따라 서로 다른 조치를 실행하도록 구성됐다.

예를 들어 이상 원인이 열교환 코일의 오염으로 판단되면 코일 정비 일정을 수립하는 에이전트를 호출한다. 밸브 고장 가능성이 높으면 현장 점검 인력을 배치하는 절차로 전환한다. 하나의 LLM이 모든 것을 임의로 판단하는 것이 아니라 전문가가 수행하던 업무 흐름과 조건별 분기를 구조화해 놓은 방식이다.

운영 환경에 배포하기 전에는 에이전트의 답변과 도구 사용이 적절한지 평가하고, 프로젝트 표준과 보안 가드레일이 적용됐는지도 검사했다. 프롬프트 인젝션과 같은 공격을 방어하는 통제가 설정됐는지 확인한 뒤 승인 절차를 거쳐 배포하는 과정도 시연됐다.

우 상무는 “데이터 연결과 전처리, 데이터 품질, 시맨틱 모델, 예측 모델, 구조화된 에이전트, 에이전트 평가와 가드레일이 하나의 플랫폼에서 연결돼야 현업 전문가의 업무와 추론 과정을 담은 에이전트를 구축하고 운영할 수 있다”고 설명했다.

가트너 매직 쿼드런트 5년 연속 리더…국내 AI 확산 공략

데이터이쿠는 최근 가트너가 발표한 ‘2026 AI 플랫폼을 위한 데이터 사이언스 및 머신러닝 매직 쿼드런트’에서 5년 연속 리더로 선정됐다고 밝혔다.

데이터이쿠는 전 세계 750개 이상의 대형·복합 조직이 자사 플랫폼을 활용하고 있으며, 단일 환경에서 애널리틱스와 머신러닝, 생성형 AI, 에이전트의 개발·배포·운영·거버넌스를 지원한다고 설명했다.

김 지사장은 데이터이쿠를 단순한 AI 도입 도구가 아니라 고객의 측정 가능한 성과를 지원하는 ‘AI 성공 파트너’로 자리매김시키겠다는 구상도 밝혔다. 특히 국내 기업들이 AI를 단발성 실험이나 부서별 프로젝트에 머물게 하지 않고, 전사적인 운영 체계로 확장하도록 지원하는 데 역량을 집중한다는 방침이다.

데이터이쿠는 25일 서울 웨스틴 파르나스 하모니 볼룸에서 약 500명의 국내 고객사와 파트너, 전문가가 참석하는 ‘데이터이쿠 서밋 서울 2026’을 개최한다. 데이터이쿠 서밋은 파리와 도쿄, 런던 등 세계 주요 도시에서 열리는 글로벌 플래그십 행사다.

서울 행사에서는 생성형 AI와 에이전틱 AI를 실제 업무와 조직에 적용하는 방법, 확장 가능한 기업 AI 환경을 구축하는 전략 등이 공유된다. 포스코와 HSAD, 삼성중공업 등 국내 고객사의 구체적인 활용 사례도 발표될 예정이다.

보이드 부사장은 “AI의 가치는 기술 자체가 아니라 실제 조직 안에서 작동할 때 드러난다”며 “비즈니스 사용자가 이해하고 활용할 수 있어야 하고, 리스크 관리 조직이 통제할 수 있어야 하며, IT 부서가 안정적으로 운영할 수 있어야 한다”고 말했다.

이어 “데이터이쿠는 비즈니스와 기술, 현업 전문가를 연결하고 데이터 준비부터 모델과 에이전트 구축, 배포, 거버넌스까지 하나의 환경에서 지원한다”며 “기업이 AI를 파일럿에서 멈추지 않고 측정 가능한 매출 증대와 효율 향상, 비즈니스 회복탄력성으로 연결하도록 돕는 것이 목표”라고 강조했다.

이준문 기자/jun@newstap.co.kr

ⓒ 뉴스탭(https://www.newstap.co.kr) 무단전재 및 재배포금지