AI 생태계에서 SSF의 역할

서비스 구조화 방법론인 SSF는 국내 AI 생태계의 한계로 여겨졌던 많은 부분들을 해소할 수 있을 것이라 생각합니다. 이번 글은 어떤 점에서 그런지 전체적 부분에서 살펴보고, 이후 AI 생태계의 주요한 부분에 대하여 살펴보겠습니다.

SSF와 AI 생태계 주요 부분과 관계

AI 생태계는 크게 AI 모델, 플랫폼, 데이터 부분으로 구분해 볼 수 있습니다. 이는 우리가 잘 아는 기업들인 엔트로픽, 구글, 팔란티어, 스케일 AI와 같은 기업들이 활동하는 분야입니다.

• AI 모델 계층: 엔트로픽, 구글, 오픈AI 등 AI를 개발하는 기업들의 계층입니다.

• 플랫폼 계층: AI를 특정 목적에 맞게 잘 활용하기 위한 AI 플랫폼을 운영하는 계층으로 팔란티어가 있습니다.

• 데이터 계층: AI 학습하기 위한 데이터를 정제, 제공하는 계층으로 스케일AI, 서지AI와 같은 기업이 있습니다.

AI를 뛰어난 두뇌라고 했을 때 적절한 학습 데이터가 없다면 마치 학업을 마치지 못한 학생처럼 두뇌의 역량을 모두 펄칠 수 없을 것입니다.

또한 한국어만 아는 천재가 미국에서 공부를 한다면 성적이 잘 나오지 않을 것입니다. 미국 교육 시스템 및 언어의 구성을 이해하지 못해 한국어만 아는 뇌는 제대로 작동하지 못하게 됩니다.

이를 서비스 비즈니스 분야에 적용하여 최적화하는 프레임워크가 바로 SSF(Service Structuring Framework)입니다.

SSF는 비즈니스 인지 오케스트레이션 계층으로 특정 서비스 비즈니스에서 AI 최적화를 촉진합니다. 플랫폼 계층이 제대로 작동할 수 있는 비즈니스 구조화를 제공하고, 해당 서비스 비즈니스의 데이터 레이블링을 위한 정보를 제공합니다.

AI 생태계에서 비즈니스 인지 오케스트레이션 계층 역할을 하는 SSF를 보여주는 도식

AI 모델과 SSF 역할

SSF는 AI가 적용되는 비즈니스 구조화를 통해 AI가 최고의 성능을 보일수 있게 비즈니스 관련 정보를 제공합니다. AI가 적용될 비즈니스에 대한 구체적 정의를 통한 AI 최적화를 지원합니다.

SSF는 AI가 학습할 데이터와도 관계를 통해서도 AI 모델의 비즈니스 최적화를 지원합니다.

AI 플랫폼과 SSF 역할

SSF는 팔란티어 같은 AI 플랫폼 기업이 데이터 온톨로지 작업을 효과적으로 진행할 수 있는 서비스 구조화를 제공합니다.

국내 AX(AI 전환)에 어려움을 겪거나 이후 예상보다 낮은 효과를 나타내는 이유 중 하나는 기업(또는 조직)의 비즈니스에 적절한 온톨로지(데이터 간의 관계 정의)를 설정하기 못하기 때문이라 생각합니다.

통합되지 못하고 파편화 된 시스템, 데이터 충돌은 AI 플랫폼 구축을 어렵게 합니다. 당연히 이 플랫폼에서 작동하는 AI 모델은 본래 능력을 발휘하지 못하게 됩니다.

SSF는 플랫폼이 빠르게 비즈니스 이해할 수 있게 비즈니스 구조화를 제공합니다.

AI 데이터와 SSF 역할

국가대표 AI 선정 작업을 통해 소버린 AI 구축을 위해 노력하고 있지만, 아직은 클로드, 제미나이, 챗GPT, 딥시크와 같은 세계적인 AI는 없는 상황입니다.

또한 국내에도 스케일AI 같은 데이터 레이블링 회사는 있지만, 기업 가치 평가 측면이나 매출에 있어서도 스케일AI나 서지AI에 비할 기업은 존재하지 않은 상황입니다.

피지컬 AI, 반도체, 디지털/IT 산업, 언어 등 여러 측면에서 분명 AI 모델에 비해 학습 데이터 레이블링은 가능성이 있음에도 국내 데이터 레이블링 기업의 매출과 역량이 스케일AI나 최근에 설립된 서지AI 매출에도 미치지 못하는 이유는 추론 및 합성 데이터 역량에 있다고 생각합니다.

SSF는 서비스 구조화를 바탕으로 정밀한 서비스 로직 제공을 통해 데이터 엔지니어링을 위한 기반을 제공합니다. 합성 데이터를 위한 정밀한 서비스 구조화(유저 여정 및 메뉴, I/O 등을 통한)를 제공합니다. 또한 서비스 구조화를 바탕으로 손쉬운 사용자 페르소나 설정, 서비스에 발생되는 데이터를 구조화한 데이터 세트는 RLHF(인간 피드백 기기반 강화 학습)와 RLAIF(AI 피드백 기반 강화 학습) 효율을 향상 시킬 것입니다.

AI 아키텍처에서 SSF의 가치

분명 SSF는 AI 모델도 플랫폼도 아닙니다. 그러기에 SSF가 없더라도 기존 AI 생태계는 작동할 것입니다.

그러나 AX 비용과 효율이라는 측면에서 본다면 SSF는 AI 모델과 데이터를 비즈니스 맥락에 맞게 연결되고 정리하는 스탭(서포트 시스템) 역할을 합니다. 가치 사슬의 구성을 보면 핵심 활동도 있지만 지원 활동도 제대로 작동해야 최고의 가치가 생산되는 것과 같은 이치입니다.

그러므로 SSF는 AI 아키텍처의 서포트/오케스트레이션 역할을 합니다.

가트너의 2025년 보고서에서 지적한 "AI 솔루션의 80%가 실제 비즈니스 가치를 창출하지 못하는 이유는 모델 성능이 아니라, 비즈니스 로직과 AI 기술 간의 '구조적 불일치' 때문이다."의 문제를 해결할 수 있는 방법론입니다. AI가 고객사의 사업에 최적화하는 가장 효율적이고 효과적인 방법은 SSF에 있습니다.