구글도 사람만으론 못 한다는 데이터 정리 | AI 도입 전 4가지

핵심 요약 — 구글 클라우드가 기업 고객의 AI 도입을 돕는 전문 인력인 전방 배치 엔지니어(FDE, Forward Deployed Engineer)의 업무 일부를 AI 에이전트로 자동화하고 있다고 8월 18일(현지시간) 밝혔어요. 이유가 솔직해요. 기업 데이터 전부를 AI가 쓸 수 있게 정리하려면 사람을 아무리 뽑아도 모자란다는 거예요. 이 소식에서 발주자가 가져갈 건 구글의 전략이 아니라 순서예요. AI 기능보다 데이터 정리가 먼저고, 그 정리의 범위와 검증 주체를 발주 전에 정해야 견적이 맞아요. 자체 SaaS 4종을 직접 운영해온 개발사 기준으로 정리했어요.

📰 2026년 8월 20일 기준 최신 소식 | 이 글은 특정 시점의 뉴스를 다루고 있어요.

“AI를 붙이려는데 데이터부터 정리하라고요?”

AI 도입 상담에서 가장 자주 듣는 반응이에요. 기능 이야기를 하러 왔는데 엑셀 파일이 어디 있는지, 매출을 어느 부서 기준으로 세는지부터 묻게 되니까요. 그런데 이번 주 구글 소식을 보면 이 질문이 왜 먼저 나오는지가 또렷해져요. 세계에서 데이터를 가장 많이 다루는 회사가 같은 벽에 부딪혔다고 인정했거든요.

---

1. 구글이 인정한 건 무엇인가요

디 인포메이션이 18일(현지시간) 전한 내용이에요. 구글 클라우드는 기업 고객 현장에 직접 들어가 AI 도입을 돕는 FDE를 수백 명 더 뽑을 계획이에요. 그런데 동시에 그 FDE가 하는 일 가운데 반복되는 데이터 정리 작업을 AI 에이전트에게 넘기는 실험을 하고 있어요.

안디 거트먼스 구글 클라우드 부사장의 말이 핵심이에요. 기업의 모든 데이터를 AI 시대에 맞게 정리하려면 사람을 계속 늘리는 방식만으론 한계가 있다는 거예요. 기업 데이터 전부를 AI가 활용할 수 있게 만들려면 인력을 충분히 고용하는 것 자체가 불가능하다고도 했어요.

여기서 눈여겨볼 단어는 “자동화”가 아니라 “불가능”이에요. 구글 정도의 회사가 사람으로는 못 푼다고 말한 일이라면, 중견·중소기업이 AI 기능 하나 붙이면서 마주치는 데이터 정리가 작은 일일 리가 없어요.

2. FDE가 현장에서 하는 일이 뭔가요

FDE는 팔란티어가 먼저 알린 방식이에요. 엔지니어를 고객사에 직접 보내 그 회사 데이터와 업무를 이해하고 AI를 붙이는 일을 해요. 지금은 오픈AI, 앤트로픽, 마이크로소프트, 아마존도 비슷한 조직을 두고 있어요.

기사에 나온 FDE의 일을 풀어 쓰면 세 가지예요.

• 회사 안에만 있는 데이터를 AI가 읽을 수 있는 구조로 바꾸기
• 회사마다 다르게 정의된 개념을 하나로 맞추기 — 기사에서 든 예가 ‘총매출’이에요
• 데이터와 실제 업무 프로세스 사이의 연결고리 찾기

세 번째가 가장 어렵고 오래 걸려요. ‘총매출’이라는 값이 영업팀 장표에서는 부가세 포함이고 회계에서는 제외인 회사가 흔해요. 이걸 모르고 AI에게 “이번 달 매출 요약해줘”를 시키면 AI는 틀린 게 아니라 어느 한쪽 기준으로 답한 거라서, 틀렸는지조차 알기 어려워요.

저희가 AI 도입 상담을 할 때 기능 이야기보다 이런 질문을 먼저 하는 이유가 여기 있어요. 구글이 수백 명을 뽑아서 하는 일을 우리는 발주 단계에서 미리 해두는 거예요.

3. 무엇을 AI에게 넘기고 있나요

구글이 쓰는 도구는 지식 카탈로그(Knowledge Catalog)예요. 파일, 법률 계약서 같은 방대한 내부 자료를 자동으로 읽어서 데이터 사이의 관계와 업무 맥락을 잡아요. 데이터끼리 어떻게 이어지는지 그려주는 지식 그래프와, 같은 뜻의 값을 같은 이름으로 묶어주는 시맨틱 레이어를 써요.

실제 사례로 영국 통신·미디어 기업 버진 미디어 O2가 나왔어요. 따로따로 놓여 있던 2만 개 데이터셋을 이 방식으로 연결했고, 사람이 했다면 수천 시간이 들었을 일이라고 해요.

2만 개라는 숫자가 멀게 느껴질 수 있는데, 규모만 다를 뿐 모양은 같아요. 국내 중견·중소기업에서 흔히 보는 모양은 이래요. 주문 데이터가 ERP, 영업팀 엑셀, 물류사 포털 세 곳에 따로 있고 고객 번호 체계가 셋 다 달라요. 데이터셋 수로 치면 수십 개지만 “어느 게 진짜인가”를 정하는 일의 성격은 2만 개짜리와 다르지 않아요.

4. 그래도 사람이 남는 자리가 있어요

구글도 지금은 완전 자동이 아니에요. 거트먼스 부사장은 AI가 만든 데이터 구조와 맥락이 늘 정확한 건 아니라서 소수의 사람이 결과물을 검증해야 한다고 했어요. 처음에는 사람이 AI 결과를 승인하거나 거부하는 방식으로 가고, 나중에는 AI가 새 데이터를 스스로 분석해서 사람 개입을 줄이는 게 목표예요.

발주자 입장에서 이 대목이 중요해요. 정리는 AI가 해도 “맞다”고 판정하는 일은 사람 몫이라는 거예요. 그리고 그 사람은 개발사 쪽이 아니라 우리 회사 쪽이에요. ‘총매출’이 부가세 포함인지는 우리 회사 사람만 알거든요.

그래서 AI 도입 프로젝트에는 개발 인력 외에 우리 쪽 검증 담당자의 시간이 들어가요. 견적서에 안 적히는 비용이라 자주 빠지는데, 이 시간이 확보되지 않으면 정리 단계가 끝없이 늘어져요.

5. 우리 회사 AI 도입에 대입하면요

AI 기능 견적을 받아보면 모델값은 생각보다 작아요. 모델은 이미 만들어져 있으니까요. 돈이 가는 곳은 따로 있어요. 우리 데이터를 AI가 읽을 수 있는 모양으로 바꾸고, 업무 흐름에 끼워 넣고, 틀린 답이 나왔을 때 어디서 틀렸는지 추적할 수 있게 만드는 일이에요. 이 구조는 AI를 어디서 돌릴까요 — 데이터 위치가 도입 방식을 가르는 이유에서도 다뤘어요.

저희는 자체 SaaS 가운데 고객 데이터를 한데 모으는 CDP(고객 데이터 플랫폼)를 직접 만들어 운영하고 있어요. 그래서 이 일의 성격을 조금 알아요. 데이터를 모으는 기능은 몇 주면 만들어요. 그런데 같은 고객이 세 시스템에서 세 명으로 잡히는 문제, ‘활성 고객’의 정의가 팀마다 다른 문제는 기능이 아니라 합의로 풀어야 해서 훨씬 오래 걸렸어요. 운영하면서 배운 건 이거예요. 데이터 정리는 한 번 하고 끝나는 일이 아니라, 새 데이터가 들어올 때마다 다시 깨지는 일이에요. 그래서 구글이 “카탈로그”라는 계속 돌아가는 장치를 만든 거고요.

AI 에이전트 도입을 검토하시는 분들이 자주 놓치는 게 이 지점이에요. 에이전트는 데이터를 읽고 행동하는데, 읽는 데이터가 정리돼 있지 않으면 행동도 어긋나요.

6. 발주 전에 정할 4가지

구글이 FDE에게 시키는 일을 우리 회사 규모로 줄이면 네 가지로 정리돼요. 견적을 받기 전에 이 네 가지가 적혀 있으면 개발사 사이의 값이 비교 가능해지고, 정리 단계가 늘어지는 일도 줄어요.

#	정할 것	이렇게 적어보세요	안 정하면
1	데이터 목록	이 업무에 쓰는 데이터가 어느 시스템·파일에 있는지, 누가 갱신하는지	개발사가 찾아다니는 시간이 견적에 들어가요
2	용어 사전	’매출’, ‘활성 고객’, ‘완료’ 같은 핵심 단어의 정의 한 줄씩	AI가 어느 한쪽 기준으로 답하는데 틀린 줄 몰라요
3	데이터 주인	값이 다를 때 어느 쪽이 맞는지 정해줄 사람	두 시스템 값이 다르면 프로젝트가 멈춰요
4	검증 기준	AI가 정리한 결과를 누가, 몇 건을, 어떤 기준으로 확인할지	검수 자리에서 “이게 맞는 건가요”만 반복돼요

네 가지 모두 개발사가 대신 정할 수 없는 것들이에요. 반대로 이것만 있으면 개발사는 일을 시작할 수 있어요. 처음부터 회사 데이터 전부를 정리하려 하지 말고, AI를 붙일 업무 하나에 필요한 데이터만 이 표로 만들어보세요. 구글도 전부를 사람 손으로 정리하는 대신 AI가 먼저 훑고 사람이 확인하는 쪽으로 간 거예요.

7. 견적서에는 어떻게 적혀야 할까요

AI 기능 견적서에 “데이터 연동”이라고 한 줄만 적혀 있으면 값이 비교가 안 돼요. 아래 네 줄이 있는지 보세요.

• 데이터 정리 범위 — 어느 시스템의 어느 데이터를, 어디까지 정리하나요. 건수나 테이블 수로 적혀 있으면 좋아요.
• 누가 하나요 — 우리가 정리해서 넘기는지, 개발사가 정리하는지, AI 도구로 훑고 우리가 검증하는지.
• 검증 비용 — 정리 결과 확인에 우리 쪽 담당자 시간이 얼마나 필요한지. 견적서 밖의 비용이라 미리 알아야 해요.
• 운영 중 갱신 — 새 데이터가 들어오거나 기준이 바뀌었을 때 누가 다시 맞추나요. 구글이 카탈로그를 만든 이유가 이거예요.

특히 마지막 줄이 자주 빠져요. 오픈 때는 잘 돌던 AI 기능이 반년 뒤 엉뚱한 답을 내는 경우의 대부분이 데이터 쪽이 먼저 바뀐 거였어요. 데이터를 옮기는 일 자체의 범위는 데이터 이관은 왜 따로 견적을 받아야 할까요에서 따로 정리해뒀어요.

8. 자주 묻는 질문 (FAQ)

AI 도입 견적에서 데이터 정리 비용이 왜 이렇게 큰가요?

모델은 이미 만들어져 있어서 모델값은 작아요. 돈이 가는 곳은 우리 데이터를 AI가 읽을 수 있는 모양으로 바꾸는 일이에요. 부서마다 다른 ‘매출’ 정의를 맞추고 흩어진 고객 목록을 합치는 일이요. 구글이 전담 엔지니어를 현장에 보내는 이유도 이 일이 자동으로 안 되기 때문이에요.

데이터가 아직 정리돼 있지 않아도 AI 도입을 시작할 수 있나요?

시작할 수 있어요. 다만 전부 정리한 뒤에 시작하겠다고 하면 착수를 못 해요. 한 업무에 필요한 데이터만 좁히고, 용어 정의와 검증 담당자를 먼저 정한 뒤 AI가 정리한 결과를 사람이 확인하는 순서로 가면 돼요.

AI 자체 도입과 외주 개발 중 어떤 선택이 맞나요?

아는 일과 만드는 일을 나누는 게 나았어요. 용어 정의, 데이터 주인, 검증은 우리 회사 안에서 해야 하고, 흩어진 데이터를 읽어 연결하는 도구와 운영 구조는 해본 곳에 맡기는 편이 빨라요. 내부 담당자 한 명은 꼭 있어야 해요.

9. 마무리 — 기능보다 정리가 먼저예요

구글 소식에서 가져갈 건 지식 카탈로그라는 제품 이름이 아니에요. 데이터를 다루는 데 가장 익숙한 회사가 사람만으론 못 한다고 인정했고, 그래서 AI가 먼저 정리하고 사람이 검증하는 순서를 택했다는 사실이에요. 우리 회사 AI 도입도 같은 순서예요. 기능을 고르기 전에 데이터 목록, 용어 사전, 데이터 주인, 검증 기준 네 가지를 적어두면 견적이 비교 가능해지고 프로젝트가 덜 늘어져요.

AI를 붙이고 싶은 업무는 있는데 데이터가 어디에 어떻게 흩어져 있는지부터 막막하시다면 그 목록을 같이 만드는 것부터 도와드릴게요 →. 저희는 10년 넘게 50개 이상의 프로젝트를 진행하고 자체 SaaS 4종을 직접 운영해온 개발사예요. 고객 데이터를 모으는 CDP를 직접 만들어 굴려봐서, 어디서 데이터가 어긋나고 어디를 먼저 맞춰야 하는지는 조금 아는 편이에요. 롯데·캐논 같은 곳과도 함께해 왔고요.

관련 글

• AI를 어디서 돌릴까요 | 데이터 위치가 도입 방식을 가르는 이유
• CDP 구축 비용, 무엇이 가격을 결정하고 얼마부터 시작할까요
• AI 도입 비용, 얼마부터 시작하고 어디에 돈이 들까요