많은 기업들이 엔터프라이즈 AI에서 최대 가치를 창출하라는 경영진 차원의 목표를 가지고 있습니다. 그러나 연구에 따르면 엔터프라이즈 생성형 AI 파일럿 프로젝트의 95%가 측정 가능한 ROI를 달성하거나 운영 단계로 전환되지 못하고 있습니다(MIT Media Lab/Project NANDA 2025 Report). 이는 근본적으로 데이터에 시맨틱(semantic) 의미가 부족하기 때문입니다. AI는 SAP® 내의 원시적이고 파편화된 데이터가 실제로 무엇을 의미하는지 이해하지 못합니다. 중요한 정보는 암호 같은 이름과 컬럼을 가진 수천 개의 분리된 테이블에 흩어져 있어 데이터의 비즈니스 컨텍스트가 사라집니다. AI가 이를 추론하려고 할 경우 잘못된 필드를 선택할 가능성이 매우 높으며, 결과적으로 경영진에게 완전히 잘못된 답변을 제공할 수 있습니다.
요약: EPI-USE Labs 는 42년 이상의 SAP 데이터 전문성을 바탕으로, 복잡한 엔터프라이즈 데이터를 AI를 위한 신뢰할 수 있는 구조화된 기반으로 변환하는 AI 네이티브 플랫폼을 출시했습니다.
*시맨틱(semantic)-의미론적_데이터가 가진 ‘의미’와 ‘맥락’을 AI가 이해할 수 있도록 구조화하는 것
많은 기업들이 엔터프라이즈 AI에서 최대 가치를 창출하라는 경영진 차원의 목표를 가지고 있습니다. 그러나 연구에 따르면 엔터프라이즈 생성형 AI 파일럿 프로젝트의 95%가 측정 가능한 ROI를 달성하거나 운영 단계로 전환되지 못하고 있습니다(MIT Media Lab/Project NANDA 2025 Report). 이는 근본적으로 데이터에 시맨틱(semantic) 의미가 부족하기 때문입니다. AI는 SAP® 내의 원시적이고 파편화된 데이터가 실제로 무엇을 의미하는지 이해하지 못합니다. 중요한 정보는 암호 같은 이름과 컬럼을 가진 수천 개의 분리된 테이블에 흩어져 있어 데이터의 비즈니스 컨텍스트가 사라집니다. AI가 이를 추론하려고 할 경우 잘못된 필드를 선택할 가능성이 매우 높으며, 결과적으로 경영진에게 완전히 잘못된 답변을 제공할 수 있습니다.
이 문제를 해결하기 위해 EPI-USE Labs는 SAP 및 광범위한 엔터프라이즈 환경 전반에서 신뢰할 수 있는 구조화된 시맨틱 기반을 구축하도록 설계된 AI 네이티브 데이터 플랫폼인 Semantik을 출시했습니다.
이 비디오에는 한국어 자막이 있습니다.
“단순히 미가공 데이터를 클라우드 환경으로 옮긴다고 해서 자동으로 지능화되는 것은 아닙니다”라고 Paul Snyman는 설명합니다. “마이그레이션은 투자이지만, 그 과정에서 구축되는 시맨틱 그래프가 실제 수익(Return)입니다. 기업은 AI 플랫폼에 수백만 달러를 투자하기 전에, 먼저 데이터를 AI 활용 가능(AI-ready) 상태로 만드는 데 투자해야 합니다.”
처음부터 모든 것을 구축해야 하는 일반적인 AI 스타트업과 달리, EPI-USE Labs는 엔터프라이즈 운영 방식을 추측할 필요가 없습니다. 현재 전 세계 1,900개 이상의 조직이 사용 중인 업계 선도 데이터 관리 엔진과 42년 이상의 SAP 경험을 바탕으로, 데이터 관계의 최대 98%를 자동으로 매핑합니다. 이를 통해 수개월에 걸친 고비용 수작업을 제거하고, 데이터 안에 이미 존재하는 의미를 즉시 연결하여 AI 에이전트가 효과적으로 작동하는 데 필요한 비즈니스 컨텍스트를 제공합니다.
“우리는 23년 이상의 SAP 시맨틱 지식을 활용해 AI가 데이터를 기능적으로 이해할 수 있도록 하는 시맨틱 레이어를 제공합니다”라고 Dr Tiaan Scheepers는 덧붙였습니다. “3,700개 이상의 비즈니스 오브젝트 정의를 활용하고 있으며, 이를 통해 사용자는 기술 코드 대신 자연어 및 자동화된 워크플로우를 통해 시스템과 상호작용할 수 있습니다.”
Scheepers는 이어 “예를 들어 SAP Joule을 사용하는 경우, Semantik은 Joule 내부에서 Semantik 플랫폼 기능을 직접 활용할 수 있도록 표준 통합 시나리오를 제공합니다”라고 설명했습니다. “테스트 데이터 프로비저닝, 데이터 프라이버시 프로세스, 데이터 마스킹 등을 실행할 수 있습니다.”
Semantik 출시를 통해 EPI-USE Labs는 엔터프라이즈 데이터 라이프사이클 전체를 포괄하는 단일 AI 기반 플랫폼을 제공하게 되었습니다. 모든 기능은 동일한 플랫폼 위에서 동일한 언어와 동일한 인텔리전스를 공유합니다.
“Semantik 라이프사이클은 초기 분석부터 지속적인 운영, 그리고 최종 폐기 단계에 이르기까지 엔터프라이즈 데이터의 전체 여정을 의미합니다. 이 라이프사이클의 핵심에는 플라이휠 효과가 있습니다”라고 Scheepers는 설명합니다. “라이프사이클 전반에서 각 제품이 활성화될 때마다 그 결과가 중앙 지식 그래프에 반영되어, 플랫폼의 데이터 이해도가 지속적으로 향상됩니다.”
기업이 AI를 도입할 때 절대적인 보안을 요구하기 때문에, Semantik은 ‘Glass Box’ 접근 방식을 사용합니다. 모든 AI 의사결정은 추적 가능하며, 완전히 감사 가능하고 가시성을 제공합니다. 또한 조정 가능한 자율성(Autonomy) 설정을 통해 AI 에이전트는 읽기 전용 모드로 동작하거나, 사람이 승인할 수정 제안을 제공하는 방식으로 운영될 수 있어 사용자가 항상 통제권을 유지할 수 있습니다.
“우리는 데이터 보안과 프라이버시를 매우 중요하게 생각합니다”라고 Scheepers는 강조했습니다. “Semantik은 SOC 2 및 ISO 27001 컴플라이언스를 고려해 설계되었으며, 호스팅 역시 EPI-USE Labs의 ISO 27001 인증 플랫폼에서 이루어집니다.”
고객은 Semantik Map을 통해 여정을 시작할 수 있습니다. 이는 엔터프라이즈 데이터 landscape를 자동으로, 리스크 없이, 읽기 전용 방식으로 스캔하는 기능입니다. Semantik Map은 단순한 호환성 점검을 넘어, 심층적인 시맨틱 프로파일링, 갭 분석, 데이터 품질 평가를 수행하여 클라우드 전환 여정의 다음 단계를 계획할 수 있도록 지원합니다.
자세한 내용은 Semantik.ai에서 확인할 수 있습니다.