[기고] AI 시대, 데이터는 '노출' 아닌 '이해' 대상이다

불과 몇년 전만 해도 디지털 전략 핵심은 검색 최적화(SEO)였다. '검색 결과 상단에 얼마나 잘 노출되느냐' 등이 서비스 경쟁력을 좌우했다. 하지만 이제 사용자들은 생성형 인공지능(AI) 기반 대화형 서비스에 질문을 던지고 완성된 답을 받는다. 겉으로는 인터페이스의 변화처럼 보이지만, 실제로는 데이터가 평가받는 기준이 달라지고 있다. 과거가 '노출'의 문제였다면, 이제는 'AI가 우리를 얼마나 깊게 이해하느냐'의 문제로 전환됐다.

이 같은 변화는 쇼핑 서비스에서 특히 분명하게 드러난다. 상품 상세 페이지는 오랫동안 화려한 이미지와 시각적 표현을 중심으로 발전해 왔다. 구매 결정을 돕는 데는 효과적이지만, 생성형 AI 환경에서는 뜻밖의 한계를 드러낸다. AI가 이미지에 담긴 세부 속성과 맥락을 사람처럼 완벽히 해석하기는 어렵기 때문이다. 중요한 정보가 이미지 안에 글자 형태로 박혀 있거나 긴 문장 속에 섞여 있다면, AI는 이를 추천 목록에서 제외할 가능성이 크다.

중요한 것은 상품에 대한 구체적이고 '시멘틱(Semantic)'한 설계다. 단순히 정보를 길게 나열하는 것을 넘어, AI가 즉각 읽어내고 판단할 수 있는 명확한 데이터 규격으로 정리돼야 한다. 식품을 예로 들면 '신선하다'는 감성적 설명보다 원재료, 알레르기 성분, 보관 조건 같은 핵심 정보가 AI가 즉시 처리 가능한 구조화된 데이터로 있어야 한다. AI는 이런 정보가 체계화되어 있을 때 상황에 맞는 신뢰도 높은 답을 제시할 수 있다. 데이터가 단순히 쌓아두는 '저장 자산'에서, AI가 즉각 판단하고 실행에 활용할 수 있는 '실행 자산'으로 전환하는 과정이다.

기술적으로는 웹페이지 '마크업'(Markup)이 출발점이 된다. 표준 형식으로 상품의 특징을 체계적으로 기록하면 외부 AI가 우리를 더 정확하게 이해할 수 있다. 하지만 진짜 변화는 내부 데이터 설계에서 시작된다. 고객과 서비스 데이터가 AI가 이해하기 쉬운 의미 단위로 정리되어 있지 않다면, 스스로 판단하고 행동하는 '에이전틱 AI' 환경에서 제대로 활용되기 어렵다.

이는 과거 시스템 간의 연결인 API 시대를 넘어, 이제는 AI가 컨텍스트를 이해하고 실행까지 이어갈 수 있는 '오픈 모델 컨텍스트 프로토콜(MCP)'에 가까운 형태로 진화하고 있는 것을 시사한다. 결국 AI가 즉시 활용할 수 있는 '의미 단위'로 어떻게 설계돼 있느냐가 핵심이다.

이러한 변화는 데이터를 기반으로 성장해 온 기업일수록 더 큰 전환 노력을 요구한다. SK그룹 내 다양한 서비스를 기반으로 데이터 역량을 축적해 온 SK플래닛이 최근 데이터 구조를 AI 관점에서 전면 재설계하며 새로운 가능성을 탐색하고 있는 이유다. AI가 즉각적으로 읽고 처리할 수 있는 '실행 가능한 데이터'로의 체질 개선이 기업의 핵심 경쟁력이 됐기 때문이다.

AI는 구조화된 데이터뿐 아니라 뉴스, 블로그, 커뮤니티 언급 등 다양한 디지털 흔적을 종합해 브랜드의 맥락을 형성한다. 생성 엔진 최적화(GEO) 관점에서 보면 단순 노출 빈도가 아니라, 온라인 공간 전반에서 브랜드의 정체성이 얼마나 일관되게 표현되고 있는지가 중요하다.

AI 모델은 이 순간에도 진화하고 있다. 오늘의 최적화가 내일의 경쟁력을 보장하지 않는다. 데이터 전략은 일회성 개선이 아니라, 평가와 진단, 보완이 반복되는 순환 구조 속에서 관리돼야 한다.

AI 시대의 경쟁력은 데이터를 많이 보유하는 데서 나오지 않는다. AI가 이해하기 쉬운 형태로 설계하고, 그 설계를 지속적으로 점검, 개선하는 구조를 갖춘 기업에서 나온다. 데이터 구조의 작은 차이가 결국 기업의 미래를 가르는 결정적인 격차로 이어질 것이다.

정윤식 SK플래닛 AT개발그룹장 yunsik.jeong@sk.com