AI-Ready의 두 축과 원칙
AI-Ready는 데이터 파일의 상태만 뜻하지 않는다. 특정 유즈케이스에 대해 데이터를 읽고 통제할 수 있는 Data Ready와 의미·효력·근거를 믿을 수 있는 Knowledge Ready가 함께 준비된 상태다.
이 프로젝트의 실무 구분
Data Ready와 Knowledge Ready의 두 축은 여러 표준의 공식 성숙도 명칭을 그대로 옮긴 것이 아니라, 레거시 조직이 기술적 데이터 정리와 업무 의미 승인을 혼동하지 않도록 이 위키가 사용하는 운영 모델이다. 각 세부 기준은 연결된 표준·정부 지침·조직 정책으로 검증한다.
원천·접근·파싱·품질·표준·메타데이터·ACL·계보·삭제
KNOWLEDGE READY의미와 효력을 믿을 수 있는가?용어·SSoT·시점·범위·맥락·관계·업무 규칙·근거·승인
파일 형식을 바꾸거나 벡터DB에 복사했다고 준비가 끝난 것이 아니다. 데이터 품질은 의도한 목적에 적합한지를 기준으로 보고, 지식 품질은 그 의미와 권위 및 적용 조건을 사람이 검증할 수 있는지를 기준으로 본다. 데이터 품질의 생애주기 관점은 ISO/IEC 5259-1:2024과도 맞닿아 있다.
한 문장 원칙
모든 데이터를 정리하지 말고, 가치 있는 유즈케이스 하나에 필요한 데이터와 지식을 안전하고 검증 가능하게 만드는 것부터 시작한다.
Data와 Knowledge의 경계를 구분한다
| 상황 | Data Ready 질문 | Knowledge Ready 질문 |
|---|---|---|
| PDF 절차서 | 본문·표·페이지를 손실 없이 읽었는가 | 현재 유효하며 어느 설비에 적용되는가 |
| Excel 장부 | 수식·단위·코드·기준일을 보존했는가 | 이 수치가 확정 실적인가 임시 집계인가 |
| 이메일 | 스레드·첨부·송수신자·ACL을 보존했는가 | 무엇이 제안이고 누가 최종 결정했는가 |
| 회의 음성 | 화자·시각·신뢰도와 원음을 연결했는가 | 어떤 결정이 언제부터 효력이 있는가 |
| 중복 문서 | 동일·유사·버전 후보를 찾았는가 | 어느 원천이 어떤 질문의 SSoT인가 |
Data Ready는 기계가 안전하게 다룰 재료를 준비하고, Knowledge Ready는 그 재료에서 사람과 AI가 같은 의미와 근거를 사용할 판단 체계를 준비한다. 지식은 데이터와 분리된 새 사일로가 아니라 데이터에 의미·맥락·효력·책임을 더한 관리 계층이다.
다섯 가지 위험한 지름길
| 지름길 | 대신 할 일 |
|---|---|
| 전사 파일을 전부 수집 | 승인된 유즈케이스 원천만 수집 |
| AI가 SSoT·업무 규칙을 자동 확정 | AI는 후보를 찾고 업무 소유자가 효력 승인 |
| Markdown 변환으로 종료 | 원본·파생물 연결과 변환 품질 검사 |
| RAG가 환각을 해결한다고 기대 | 인용·거절·ACL·삭제 전파 평가 |
| 온프레미스면 안전하다고 판단 | 데이터 흐름과 신뢰경계 기준으로 통제 |
NIST AI RMF는 AI 위험관리를 Govern, Map, Measure, Manage의 지속적인 활동으로 제시한다. 따라서 AI-Ready는 한 번의 정제 작업이 아니라 소유하고, 측정하고, 갱신하는 운영체계다.