정재헌

ARD 관련 기술과 표준들

2026-06-15T04:24:20Z

지금까지 다룬 ARD의 새로운 영역들이 표준의 기반 없이 떠 있어서는 안 된다. 다행히 이 영역에는 이미 잘 정리된 국제 표준들이 있고, 그 표준들이 어디까지 다루고 어디부터 확장이 필요 한지를 명확히 짚는 것이 중요하다. DCAT 2.0: 데이터를 찾을 수 있게 만드는 표준 DCAT(Data Catalog Vocabulary)는 W3C가 제정한 데이터

AIDC와 C2D, 데이터가 있는 곳으로 간다

2026-06-15T04:23:23Z

비정형·실시간 데이터의 양은 이미 중앙 집중 처리의 한계를 넘어섰다. 자율주행차 한 대가 4 TB/일, 도시 단위 CCTV 시스템이 수백 PB/년을 생성한다. 이 데이터들을 모두 중앙 클라우드로 전송해 처리하는 것은 대역폭·지연·비용 어느 측면에서도 불가능하다. 게다가 의료·금융·공공 영역의 데이터는 데이터 주권과 프라이버시 이슈로 외부 반출 자체가 제한된

실시간스트림...AI Ready Data

2026-06-15T04:22:33Z

ARD 논의의 무게중심이 이동하고 있다. 정형 데이터에서 비정형·실시간 데이터로, 데이터의 정적 품질에서 데이터의 동적 맥락으로, 메타데이터의 형식적 완전성에서 의미적 자기서술성으로. 이 이동의 본질을 짚지 않으면 ARD는 행정적 체크리스트로 축소된다. 왜 진짜 무게중심은 비정형 실시간 데이터인가? 세 가지 변화가 동시에 일어나고 있다. 첫째, 고품질 정

정형...AI Ready Data

2026-06-15T04:21:02Z

정형 데이터의 ARD는 이미 상당히 성숙한 영역이다. 행정안전부의 「공공데이터 AI 친화적 관리 가이드라인」을 비롯해 국제적으로 합의된 표준들이 비교적 잘 정리되어 있다. 다만 그 표준들이 실제로 어떻게 작동하는지를 짧게 짚어둘 필요가 있다. 이후 비정형·실시간 데이터에서 어떤 부분이 부족해지는지 비교하는 기준이 되기 때문이다. 기계가 즉시 읽을 수 있는

AI Ready Data(ARD)란

2026-06-15T04:20:05Z

ARD의 정의는 명료하다. AI가 즉시 학습·추론에 활용할 수 있도록 구조화·표준화된 고품질 데이터로, 정확성·최신성·일관성·접근성에 더해 메타데이터, 품질 지표, 보안 정책, 설명 정보까지 갖추어야 한다. 그러나 2026년 현재, ARD가 마주한 현실은 이 사전적 정의의 범주를 빠르게 벗어나고 있다. 지금까지의 ARD 논의는 사실상 정형 데이터를 중심에

앞으로 주목받을 기술들

2026-06-15T04:18:35Z

기존 IT 생태계의 붕괴와 AI 시대의 8대 혁신 영역 이 8개 기술 스택은 평면적 나열이 아니라 지능 계층–데이터 계층–인프라 계층의 3층으로 구분되며, 모든 계층의 공통 전제는 결국 하나로 수렴한다. AI가 즉시 활용할 수 있는 데이터의 준비도(Data Readiness), 그것이 다음 장에서 본격적으로 다룰 ‘ARD’의 출발점이다. [지능 계층] 1

AI Data 인프라 – Data의 위상 격상

2026-06-15T04:17:39Z

AI 시대의 보이지 않는 중추: 데이터 패러다임의 근본적 변화 AI 시대의 모든 기술적 패러다임이 전환되고 있지만, 그 이면에서 소리 없이 거대한 파고를 일으키는 주역은 바로 데이터다. 데이터의 변화와 전환은 그 폭과 범위를 가늠하기 어려울 정도로 방대하지만, 역설적으로 우리가 가장 체감하지 못하는 영역 또한 데이터이기도 하다. 파운데이션 모델부터 피지컬

GPU 중심 AI 인프라 운영환경의 변화

2026-06-15T04:16:40Z

인프라의 본질: 클라우드 시대에도 변하지 않는 물리적 실체 정보시스템이나 웹 서비스를 운영하기 위해서는 서버, 즉 인프라가 필수적이다. 오늘날 클라우드가 보편화되었지만, 클라우드 역시 결국 물리적 인프라를 집약하여 운영하는 방식임은 변함이 없다. 가용성의 약속: SLA와 무중단·무장애 운영 원칙 정보시스템 운영에서 가장 중요한 두 가지 원칙은 무중단과 무

AI 에이전트 도입이 촉발하는 IT 시스템의 붕괴

2026-06-15T04:15:32Z

컴퓨팅 아키텍처의 변천: C/S에서 웹(Web) 환경으로의 진화 1980년대부터 1990년대 초반까지는 C/S 아키텍처의 시대였다. 당시에는 고가의 유닉스 워크스테이션을 서버로 활용하는 2-Tier 구조, 즉 클라이언트(UI + 비즈니스 로직)와 서버(데이터베이스)가 직접 연결되는 방식이 주류를 이뤘다. 이후 인텔 x86 기반 PC 호환 기종의 확산과 MS

AI 빅뱅의 시작

2026-06-15T04:14:27Z

30년 만에 가장 어수선한 IT 현장 2026년 봄, 거의 모든 기관과 기업의 IT·데이터 담당자들은 같은 표정을 짓고 있다. 한마디로 ‘답이 없다’. 1990년대 클라이언트-서버(Client-Server, 이하 C/S)에서 웹으로 넘어오던 시기, 2000년대 후반 클라우드가 들어오던 시기에도 현장은 시끄러웠지만, 그때의 혼란은 하나의 큰 축을 따라 움직였

프롤로그 - 조직에서 AI를 도입하기 위한 준비를 위한 실천 가이드라인

2026-06-15T04:12:49Z

이 책은 OpenAI가 제시한 AGI69 5단계 중 3단계 에이전트(Agents)부터 5단계 조직(Organizations)에 이르는 구간을 조망하는 순서로 구성되어 있다. 각 장은 그 단계들이 실제 우리 조직과 산업에 닿을 때 무엇이 바뀌는지, 그리고 그 변화 앞에서 무엇을 준비해야 하는지를 차례로 짚는다. 1장은 지난 30년 가까이 기업 정보시스템의 골

두번째 책을 마무리 했다. - AI acting plan

2026-05-10T12:25:22Z

책의 원고 작업이 마무리 되었고, 출판사로 넘겨졌다. 대략 312 페이지 분량으로 책의 제목은 AI Ready Action Plan : Agent 시대 우리의 생존을 위한 예측과 준비를 위한 실행전략서 "AI 파괴적 혁신의 시대, 우리 조직이 무엇을 어떤 순서로 준비해야 하는가" 란 주제의 책으로 책의 내용은 아래와 같다. 이 책은 오픈AI가 제시한

08. GPU - I. AI 글로벌 동향

2025-10-10T01:50:21Z

text

07. GPU 중심 AI 인프라 운영환경 변화 - I. AI 글로벌 동향

2026-05-05T01:29:09Z

GPU 중심 AI 인프라 운영환경의 변화 정보시스템이나 웹서비스를 운영하기 위해서는 서버, 즉 인프라가 필수적이다. 오늘날 클라우드가 보편화되었지만, 클라우드 역시 결국 물리적 인프라를 집약하여 운영하는 방식임은 변함이 없다. 정보시스템 운영에서 가장 중요한 두 가지 원칙은 무중단(無中斷)과 무장애(無障碍)다. 시스템이나 서비스의 운영 주체는 이를 직접

06. 에이전틱 AI - I. AI 글로벌 동향

2026-05-04T05:17:30Z

1980년대부터 1990년대 초반까지는 클라이언트-서버(Client-Server, 이하 C/S) 아키텍처의 시대였다. 당시에는 고가의 유닉스 워크스테이션을 서버로 활용하는 2-Tier 구조, 즉 클라이언트(UI + 비즈니스 로직)와 서버(데이터베이스)가 직접 연결되는 방식이 주류를 이뤘다. 이후 인텔 x86 기반 PC 호환 기종의 확산과 MS Windows

05. Rain Maker 기업들(팔란티어) - I. AI 글로벌 동향

2025-10-09T12:40:02Z

현재 가장 유명한 AI 기업을 손에 꼽으라면 팔란티어 테크놀로지스는 다섯 손가락 안 꼭 들어갈 것이다. 아마도 가장 큰 이유가 AI 열풍을 타고 주가가 1년 만에 400% 급등한 이유도 있겠지만 2022.11월 생성형AI가 등장한 이후에 대부분 글로벌 빅테크 기업들이 생성형AI의 가치와 미래비전 전략으로 파운데이션모델 및 반도체 칩 등에 집중할 때 팔란티어

05. Rain Maker 기업들(오라클) - I. AI 글로벌 동향

2025-10-09T12:40:25Z

'레인메이커(rainmaker)'는 원래 가뭄 때 비를 내리게 하는 주술사를 뜻하는 말이었으나, 현대에는 시장에서 많은 수익을 창출하거나 조직의 성공을 이끄는 핵심 인물이나 기업을 의미한다. 2022년 11월 ChatGPT가 세상에 나온 이후 스타트업은 두 가지로 측면으로 기술개발을 시작한다. 우선 Value 중심으로 파운데이션모델 개발에 집중한 글로벌

04. 빅테크기업의 데이터전략 - I. AI 글로벌 동향

2025-10-09T11:18:14Z

글로벌 빅테크기업들이 최근 들어 데이터 관련 기업들을 인수합병 및 거액의 투자를 통한 지분확보 경쟁에 뛰어들고 있다. 메타는 2025년 6월, AI 학습 데이터 기업인 스케일 AI(Scale AI)의 지분 49%를 약 150억 달러(약 20조 원)에 인수하는 했다. 이 인수를 통해 메타는 스케일 AI의 창업자이자 CEO인 알렉산더 왕을 메타의 최고 AI

03. AI Ready Data - I. AI 글로벌 동향

2025-10-09T11:17:57Z

2025.8.6일 가트너의 "2025 AI 하이프 사이클" 보고서에 따르면 올해 가장 주목해야 할 인공지능(AI) 혁신 기술로 'AI 에이전트'와 'AI 레디 데이터'를 선정했다고 밝혔다.[출처] 가트너 보고서에 따르면 AI Agent 앞에 AI.Ready Data를 전면에 배치했다. AI 에이전트는 AI 기술을 활용해 디지털과 물리 환경에서 인지

02. 환각[할루시네이션] - I. AI 글로벌 동향

2025-10-09T11:17:38Z

생성형AI의 가장 큰 단점은 환각이다. 환각[할루시네이션]은 AI 분야에서 거대언어모델(LLM)과 같은 생성형 AI가 사실이 아닌 다른 정보를 생성하거나, 학습한 데이터에 존재하지 않는 다른 내용을 제공하는 것을 의미한다. 지금 환각[할루시네이션]은 생성형AI 도입과 활용에 있어서 GPU 다음 장애요인으로 자리 잡고 있다. 생성형AI 활용을 통해 챗봇,