AI 전환에서 가장 인기 없는 단계는 데이터 정리입니다. 화려하지 않고, 시간이 들며, 티가 안 납니다. 그러나 이 단계를 건너뛴 프로젝트의 대부분은 무너집니다. 왜 ‘바닥부터’여야 하는지 근거로 설명합니다.

1. 보이지 않는 비용 — 시간의 80%

업계에는 오래된 관찰이 하나 있습니다. 데이터 과학자는 의미 있는 분석을 하기 전에 시간의 약 80%를 데이터 준비와 정리에 쓴다는 것입니다. 화려한 모델링은 나머지 20%에서 일어납니다.

경영진의 인식도 같습니다. 550명의 고위 경영진을 대상으로 한 설문에서 42%가 “데이터 품질이나 전략의 부족”을 AI 도입의 가장 큰 장애물로 꼽았습니다. 알고리즘이 아니라 데이터가 병목이라는 것입니다.

2. 데이터가 무너지면 AI가 무너지는 메커니즘

왜 데이터가 AI의 성패를 가를까요. AI는 데이터의 패턴을 학습해 판단합니다. 그런데 그 데이터가 서로 모순되면, 학습된 판단도 모순됩니다.

예를 들어 재고 데이터가 ERP·엑셀·온라인몰 세 곳에서 서로 다르다고 합시다. 어느 숫자를 믿고 수요를 예측해야 할까요? 어떤 값을 학습해도 나머지 둘과 어긋납니다. 재고가 안 맞는 회사에서 정확한 수요예측은 원리적으로 불가능합니다. 모델의 문제가 아니라 입력의 문제입니다.

3. 통념 뒤집기 — 화려한 모델보다 지루한 바닥

시장은 ‘어떤 AI 모델을 쓸까’를 이야기합니다. 그러나 중소기업 현장에서 성패를 가르는 것은 모델 선택이 아니라 그 아래 바닥이 서 있느냐입니다.

이것이 통념을 뒤집는 지점입니다. 더 비싼 AI, 더 최신 모델을 얹는 대신, 흩어진 데이터를 하나의 기준(마스터)으로 통합하는 지루한 작업이 실제 성과를 만듭니다. 대부분의 파일럿 실패는 여기를 건너뛴 대가입니다.

4. 결론 — 순서를 지킨다

그래서 세비온의 동행은 AI를 먼저 올리지 않습니다.

  1. 진단으로 데이터가 어디에 얼마나 흩어져 있는지 확인하고,
  2. 기반 정지 단계에서 수집·표준화·통합해 단일 기준을 세운 뒤,
  3. 그 위에서야 전환(AI 적용)으로 넘어갑니다.

바닥 → AI. 이 순서는 취향이 아니라 구조입니다. 건너뛰면 다시 무너지고, 지키면 그다음이 견고해집니다.

출처: CIO Korea — 기업 AI가 실패하는 흔한 이유 · 보도 시점 기준. ‘데이터 준비 80%‘는 업계에서 널리 인용되는 추정치입니다.