From Data to Intelligence: Why Every Enterprise Needs an AI Knowledge Layer

대부분의 엔터프라이즈 AI 이니셔티브는 AI용으로 설계되지 않은 기존 데이터 아키텍처를 기반으로 구축됩니다. 이러한 시스템은 분석 쿼리에 최적화되어 있으며 대량의 데이터를 열과 행에 저장하도록 구축되었습니다.

하지만 저장된 데이터는열과 행검색 문제가 발생하여 AI 모델이 유용하고 신뢰할 수 있는 답변을 생성하는 데 필요한 관계와 컨텍스트에 액세스하기가 더 어려워질 수 있습니다. 그리고 중심에 관계가 없으면,Gartner 분석가 Georgia O'Callaghan은 최근 지적했습니다., "AI는 오늘날 대부분의 조직에서 그대로 유지될 것입니다. 비용이 많이 드는 실험입니다."

그것이 지식 계층이 들어오는 곳입니다.

지식 계층은 AI 에이전트에 필요한 추론 및 컨텍스트를 제공합니다.

AI가 질문에 정확하게 답하고, 더 나은 결정을 내리고, 설명할 수 있도록 데이터를 매핑하고 해결합니다. 이는 기본 데이터가 어디에 있는지에 관계없이 AI 에이전트에게 컨텍스트와 관계를 쿼리할 수 있는 단일 장소를 제공합니다.

통합된 지식 계층은 AI가 상황에 맞게 정확하고 설명 가능하도록 보장합니다.

지식 계층의 실제 작동

당신이 AI 기반 비서를 테스트하는 대출 담당자라고 상상해 보세요. $25,000 신용 한도 증액 요청을 거부할 것을 권장하는 경우 다음 사항을 알고 싶을 것입니다.

• 과거 대출 결정이 추천에 어떤 영향을 미쳤는가
• 어떤 정책이 적용됐나
• 추천이 잘못된 경우, 실수의 원인은 무엇입니까?

지식 계층을 사용하면 이러한 질문에 답할 수 있으며 AI 에이전트는 모든 요청과 관련된 의사 결정 내역과 인과 관계를 이해할 수 있습니다. 지식 그래프를 사용하여 계정, 거래, 과거 결정, 그러한 결정을 내린 직원 및 적용된 정책을 모델링할 수 있습니다. 그래프는 모든 중요한 AI 결정 뒤에 있는 전체 컨텍스트, 추론 및 인과 관계와 같은 결정 추적을 캡처할 수 있습니다.

아래 이미지에서 대출 담당자를 보조하는 AI 에이전트는 신용 점수만 확인하지 않습니다. 신청자와 관련된 사전 의사결정을 추적하고(이미지 오른쪽의 Decision Trace), 과거 사건 간의 인과관계를 이해하고(중간 Context Graph), 위험 요인을 인용하여 추천의 정당성을 제시합니다(왼쪽 AI Assistant).

AI 에이전트가 사전 결정을 추적합니다.

3배 향상된 정확도

그래프 기반 접지를 통합한 AI 시스템은 질문 답변 및 의사 결정 작업에서 더 높은 정확도를 달성합니다.최근 연구코넬의 오픈 액세스 아카이브에서arXivSQL만 사용하는 경우보다 지식 그래프에 쿼리를 적용할 때 LLM(대형 언어 모델) Q&A 정확도가 3배 향상되는 것을 보여줍니다. 그것은 적당한 이득이 아닙니다. 규제되고 위험이 높은 환경에 모델을 배치해야 할 때 위험과 수익의 균형을 바꿉니다.

지식 계층을 사용하면 검색된 모든 사실과 추론을 해당 소스와 해당 사용을 관리하는 정책까지 추적할 수 있습니다. 이러한 추적성은 단순히 영리한 모델과 이사회, 규제 기관 및 고객이 신뢰할 수 있는 AI 시스템의 차이입니다.

As 가트너의 설명, "데이터 패브릭의 의미론적 핵심인 지식 그래프는 고위험 임상, 연구 및 비즈니스 사용 사례에 대한 상호 운용성과 일관된 증거 기반 통찰력을 지원합니다."

실제로 지식 계층의 모습은 다음과 같습니다.

• 생산성 향상:대규모 사기에 직면한 Gilead Sciences는 지식 계층을 구현하고사기 탐지 기능이 1000배 향상되었습니다..
• 비용 절감:Media Group이 AI 엔진과 함께 지식 레이어를 사용하여 보다 정확하고광고비 33% 절감.
• 가치 창출 시간 단축: 지식 그래프를 갖춘 Arhasi 기반 AI 에이전트는 미국 자산 관리 회사에 370% ROI를 제공하고규정 준수 모니터링을 6개월에서 6주로 단축.

AI가 지식 계층을 기반으로 하면 비용이 많이 드는 실험 대신 신뢰할 수 있는 비즈니스 결과를 위한 도구가 됩니다.

AI는 데이터가 구조화되어 있을 때 더 잘 작동합니다

지식 계층을 추가한다고 해서 기존 데이터 인프라를 교체해야 하는 것은 아닙니다. 데이터 웨어하우스, 레이크 및 트랜잭션 시스템은 현재 위치에 유지됩니다. 지식 계층은 AI 시스템이 추론하고, 검색하고, 결정을 내리는 데 필요한 필수 지식과 컨텍스트를 구성하고, 연결하고, 제공합니다. AI로 실제 성과를 보는 기업은 데이터를 가장 많이 보유한 기업이 아니다. 그들은 지식 계층을 구현한 사람들이므로 AI 에이전트는 데이터를 단순히 검색하는 것이 아니라 데이터에 대해 정확하게 추론할 수 있습니다.

데이터 AI를 준비하세요

AI 구현 목표를 달성하기 위해 데이터를 준비하는 데 필요한 단계를 알아보세요. 이 보고서와 체크리스트를 사용하여 개념 증명에서 생산으로 전환하세요.

---

에이치시스템즈의 LogTree는 Neo4j 기반 GraphRAG 플랫폼으로, 데이터를 자동으로 지식그래프화하고 자연어 질의로 즉시 답을 제공합니다.

👉 에이치시스템즈 홈페이지