AI 잘 쓰는 회사들이 먼저 고친 것 (스노우플레이크 월드투어 서울 총정리)

AI 에이전트를 도입했는데 기대만큼 성과가 안 난다면 문제는 모델이 아니라 '데이터의 상태'일지 모릅니다. 부서마다 데이터의 정의가 다르고 데이터가 흩어져 있으면 AI는 제대로 된 답을 내놓지 못합니다. 지난 8월 열린 '스노우플레이크 월드투어 서울'에서는 KB국민은행, 아모레퍼시픽, KT, 토스플레이스, GS건설, 네오위즈 등이 이 병목을 어떻게 풀었는지 공유했습니다. 19시간, 30여 개 세션의 핵심을 정리했습니다. 데이터에 '의미'를 입히는 시맨틱 뷰부터 코드 없이 데이터를 다루는 AI, 데이터를 옮기지 않고 여러 엔진이 함께 쓰는 아이스버그까지, AI가 알아듣는 데이터를 만드는 방법을 살펴봅니다.

편집: 박선희 영상디자이너, 강기훈 PD
촬영: 강기훈 PD
글·자료: 홍재의 기자
진행: 홍재의 기자
섬네일: 이소민 영상디자이너

▶티타임즈 공식 홈페이지
http://www.ttimes.co.kr/index.html
▶비즈니스 문의
[email protected]

#스노우플레이크 #AI데이터 #데이터분석

00:00 스노우플레이크 월드투어 서울의 핵심 메시지
04:03 AI 프로젝트가 실패하는 가장 흔한 착각
05:17 KB국민은행: 모델보다 데이터가 더 중요하다
07:18 데이터에 '의미'를 입히는 시맨틱 뷰
11:55 티냅스: AI에게 어디까지 맡길 수 있나
17:34 [트랙1] 아모레퍼시픽: 시맨틱 뷰 + 온톨로지
26:04 [트랙1] 위메이드플레이: 게임 로그를 AI가 알아듣게
32:20 [트랙2] GS건설: 2주 걸리던 일을 하루 이틀로
35:15 코드 몰라도 대시보드, 코코(Cortex Code)
38:44 [트랙2] 네오위즈: 거버넌스는 하나로, 분석은 자유롭게
43:51 [트랙3] 뱅크샐러드: 작은 팀의 데이터 자동화
49:47 [트랙3] 카프카 운영 부담 덜어주는 Datastream
53:55 [트랙3] 네패스: 믿되 무조건 맡기지 않는다
59:23 [트랙4] 믿고 쓰는 기업용 AI 플랫폼의 조건
1:03:43 [트랙4] 토스플레이스: 데이터는 그대로, 엔진은 골라 붙인다
1:08:00 [트랙4] KT: 도구가 달라도 지표는 하나