Data 360: Salesforce의 AI가 통합 데이터에 의존하는 이유
- Alan Oliveira
- 5시간 전
- 2분 분량
기업용 에이전트의 성능은 눈에 잘 보이지 않는 기반에 달려 있습니다. 연결된 데이터, 신뢰할 수 있는 맥락, 그리고 충분한 거버넌스입니다.
브랜드 전체 분석을 보려면 Salesforce 전체 콘텐츠.
기업용 AI의 문제는 모델 이전에서 시작된다
기업 데이터는 여러 시스템에 흩어져 있습니다. 영업은 고객의 한 부분을 알고, 고객지원은 다른 부분을 알고, 마케팅은 또 다른 신호를 기록하며, 외부 애플리케이션은 새로운 층을 더합니다.
모델이 아무리 정교해도 맥락이 조각난 상태로 들어오면 답변 역시 제한적일 수밖에 없습니다.
따라서 기업용 AI의 품질은 모델과 상호작용하기 전에 이미 존재하는 데이터 아키텍처에 달려 있습니다.
통합은 모든 것을 한곳에 복사하는 일이 아니다
정체성, 품질, 의미를 해결하지 않은 채 데이터를 중앙화하면 더 큰 저장소만 만들어질 뿐입니다.
진정한 통합은 레코드를 연결하고, 동일한 개체를 인식하며, 권한을 존중하고, 서로 다른 정보가 하나의 비즈니스 맥락 안에서 해석되도록 해야 합니다.
이 층이 데이터의 양을 실제로 활용 가능한 정보로 바꿉니다.
에이전트에는 신뢰할 수 있는 맥락이 필요하다
기업용 에이전트는 답변하고, 추천하고, 실제 작업을 실행할 수 있습니다. 자율성이 높아질수록 고객, 정책, 이력, 현재 상황을 정확히 이해하는 일이 더 중요해집니다.
맥락이 없으면 자동화는 오류를 더 빠르게 만들 수 있습니다. 신뢰할 수 있는 데이터가 있으면 AI는 더 구체적인 답변과 더 적절한 행동을 만들 수 있습니다.
Data 360은 에이전트에 대한 약속을 실제로 유용하게 만드는 데 필요한 인프라와 연결한다는 점에서 중요합니다.
거버넌스는 지능의 일부가 된다
기업 데이터에는 접근권한, 개인정보, 보안, 운영 규칙이 포함됩니다. 지능형 시스템은 무엇이 존재하는지만이 아니라 무엇을 어떤 맥락에서 사용할 수 있는지도 알아야 합니다.
거버넌스는 AI와 분리된 행정 절차가 아니라 자동화된 의사결정의 품질과 안전에 직접 관여하는 요소가 됩니다.
에이전트가 더 많은 작업을 수행할수록 이 규율은 더 중요해집니다.
강점은 모델 자체에만 있지 않다
AI 모델은 빠르게 확산되는 경향이 있습니다. 반면 정리된 데이터, 운영 이력, 실제 프로세스와의 통합은 훨씬 복제하기 어렵습니다.
경쟁 우위는 모델, 맥락, 거버넌스, 그리고 실제 업무 흐름 안에서 행동할 수 있는 능력의 결합에서 나올 수 있습니다.
Salesforce는 바로 기업 데이터와 에이전트의 결합에 베팅하고 있습니다.
분석을 계속하려면
출처
Salesforce 전체 분석 보기
이 글은 회사 전략의 한 부분을 깊이 다룹니다. 전체 분석에서는 포지셔닝, 커뮤니티, 카테고리 변화, 성장, 그리고 AI의 새로운 단계까지 함께 다룹니다.
댓글