사례에서 배우는 Data·Knowledge 준비
사례는 제품 선택의 증거가 아니라 문제를 어떻게 좁히고 데이터를 어떤 통제로 바꿨는지 배우는 자료다. 벤더 고객 사례의 수치는 해당 조직과 벤더가 발표한 값으로 표시하며, 독립 검증이나 우리 조직의 예상 성과로 오해하지 않는다.
사례 읽는 다섯 질문
- 사용자의 어떤 반복 업무와 결정을 바꿨는가?
- Data Ready에서 원천·파싱·품질·권한·계보를 어떻게 준비했는가?
- Knowledge Ready에서 용어·SSoT·효력·맥락·근거를 누가 승인했는가?
- AI 운영에서 검색·인용·거절·업무 효과를 무엇으로 측정했는가?
- 공개되지 않았거나 우리 조직에서 다시 검증할 가정은 무엇인가?
네 가지 사례
| 사례 | 유형 | Data Ready 관점 | Knowledge Ready·운영 관점 |
|---|---|---|---|
| Rexera | 공개 검증 | 길고 비표준적인 문서의 필드 추출 | 좁은 워크플로와 사람 예외 처리 |
| Siemens | 공개 검증 | 여러 사이트 원천 분류와 검색 연결 | 질의 의도·제품 맥락·안전 가드레일 |
| 국내 공공 AI 실증 | 공개 검증 | 기관별 데이터·절차 차이 | 업무 기준·책임·성과 관리 |
| 한빛제조 | 가상 복합 | 메일·EDM·Excel·폐쇄망 정돈 | 용어·SSoT·근거·90일 운영 루프 |
반복해서 나타나는 패턴
- “전사 AI”보다 문서 검토, 검색, 절차 안내처럼 경계가 있는 업무에서 시작한다.
- 원천을 파싱해 바로 생성하지 않고 분류·메타데이터·검색·검토 단계를 둔다.
- 고유한 업무 기준과 예외를 데이터로 명시한다.
- 출처와 사람 검토는 정확도 수치 뒤에 붙는 옵션이 아니다.
- 공개된 기술 구조보다 운영 권한·보존·삭제·실패 비용이 덜 공개되는 경우가 많다.
국내 공공기관의 최신 도입 절차와 고려사항은 NIA 공공부문 AI 도입·활용 가이드에서 확인한다. 일반 기업은 그대로 준수 대상으로 받아들이기보다 국내 환경의 체크포인트와 사례 출처로 활용한다.
사례 표시 규칙
verified-case는 조직·벤더·정부기관 등 확인 가능한 원출처가 있다는 뜻이지 모든 주장이 독립 검증됐다는 뜻이 아니다. composite-case는 여러 현장의 공통 문제를 설명하기 위해 만든 가상 조직이며 실제 회사·성과가 아니다.