테라데이타 아시아 태평양 및 일본 담당 부사장 조쉬 애보트(Josh Abbott)는 한국 기자간담회에서 데이터와 AI의 ‘맥락 격차’가 가장 큰 문제라며, 모델 성능에 비해 기업이 얻는 가치가 낮다고 말했습니다. 기업 데이터가 여러 시스템에 흩어져 있고 의미가 모호해 AI 결과를 신뢰하기 어렵다는 설명입니다.

애보트 부사장이 소개한 아시아 대형 고객사 사례에서는 수천만 개 데이터베이스 칼럼 중 비즈니스 의미가 연결된 비율이 약 1%였습니다. 데이터가 원천에서 최종 활용 지점까지 이동하는 단계는 평균 18개였고, 많은 경우 40개에 가까웠습니다. 이 기업은 데이터 카탈로그를 보유했지만 기술 메타데이터만으로는 데이터의 업무상 의미를 알기 어려웠습니다. 애보트 부사장은 평균 18차례 복제되고 의미도 불분명한 데이터를 신뢰할 수 있느냐고 물었습니다.

테라데이타는 이 문제를 해결할 기술로 테라 컨텍스트 엔진(Tera Context Engine)을 제시했습니다. 산업별 데이터·지식 모델, 데이터 계보 분석 도구와 AI를 결합해 데이터의 의미와 관계를 정리하고 접근 권한과 신뢰성을 관리한다는 설명입니다. 애보트 부사장은 기존 카탈로그가 맥락 문제를 해결하려는 발상이었지만 충분하지 않았다고 말했습니다. 테라데이타 플랫폼 없이 컨텍스트 엔진과 관련 서비스만 구매하는 고객도 있다고 덧붙였습니다.

데이터의 의미를 정리할 때는 사람의 판단도 필요합니다. 영업부와 재무부가 같은 매출 데이터를 서로 다른 기준으로 해석하면 데이터 계보 분석과 검증 도구, AI 판단을 결합하고 사람이 검토하는 휴먼 인 더 루프 방식을 적용할 수 있다고 밝혔습니다. 의미 충돌을 해결한 내용과 변경 이력을 기록하며, 자동화와 사람 개입 수준은 고객이 선택합니다.

회사는 자연어로 데이터 작업을 수행하는 테라(Tera)와 모델·도구 실행을 조율하는 테라 하네스(Tera Harness)도 소개했습니다. 고객은 자체 개발 모델이나 외부 주요 AI 모델을 선택할 수 있습니다. 애보트 부사장은 같은 모델도 실행 계층인 하네스에 따라 비용과 성능이 달라진다고 말했습니다. 테라 하네스는 기업 데이터 작업에 맞춰 토큰 사용량과 처리 시간을 줄이도록 설계됐으며, 테라데이타 직원 5,000명에게도 배포됐습니다. 하네스의 핵심 부분은 고객 통제권을 위해 오픈소스로 제공한다고 설명했습니다. 기업이 AI에 입력하는 질문에 조직의 관심사와 업무 정보가 담길 수 있기 때문입니다.

테라데이타 패브릭은 데이터를 한곳에 복제하는 대신 데이터가 있는 곳에서 AI를 활용하도록 지원하며, 온프레미스와 클라우드, 경쟁사 환경과도 연동한다고 회사는 밝혔습니다. 애보트 부사장은 IT 리더에게 벤더를 고르기 전에 데이터와 적절한 데이터 거버넌스부터 점검해야 한다고 조언했습니다. 데이터는 기업과 데이터가 속한 국가, 때로는 데이터가 대변하는 개인의 것이며 동의 없이 거래할 상품이 아니라고 말했습니다. AI를 안전하고 윤리적으로 활용하고, 데이터의 부적절한 처리나 오용을 막을 공급자를 찾아야 한다고 덧붙였습니다.

그는 데이터 주권 요구, 보안상 온프레미스에 남겨야 하는 데이터, 비용 효율을 위해 자체 GPU에서 처리할 워크로드 등을 먼저 판단하라고 했습니다. 클라우드와 온프레미스를 함께 쓸 경우에는 불필요한 데이터 복제를 늘리지 않고 두 환경을 지원할 공급자 조합도 검토해야 한다고 말했습니다. 기능 목록을 보기 전에 이런 질문에 답하고, 기술 선택은 데이터 검토 뒤에 해야 한다는 설명입니다.

한국 시장은 테라데이타의 전략적 시장 중 하나로, 회사는 투자를 크게 늘리겠다고 밝혔습니다. 인력 규모는 공개하지 않았으며 활발한 AI 도입과 소버린·하이브리드 수요가 사업 기회를 만든다고 평가했습니다. 이름을 공개하지 않은 국내 AI 고객이 있다고 설명했고, 증권업을 관심이 높은 산업으로 꼽았습니다. 가격과 관련해서는 기본 데이터베이스 운영에 과도한 비용을 내는 고객이 많다며 최근 아시아에서 정액·무제한 요금제를 출시했다고 밝혔습니다. 제품 모듈화와 유연성 강화로 운영 지원 부담을 줄인 점이 새 요금 체계의 배경이라고 설명했습니다.

테라데이타 아시아 태평양 및 일본 담당 부사장 조쉬 애보트(Josh Abbott)는 한국 기자간담회에서 데이터와 AI의 ‘맥락 격차’가 가장 큰 문제라며, 모델 성능에 비해 기업이 얻는 가치가 낮다고 말했습니다. 기업 데이터가 여러 시스템에 흩어져 있고 의미가 모호해 AI 결과를 신뢰하기 어렵다는 설명입니다.

애보트 부사장이 소개한 아시아 대형 고객사 사례에서는 수천만 개 데이터베이스 칼럼 중 비즈니스 의미가 연결된 비율이 약 1%였습니다. 데이터가 원천에서 최종 활용 지점까지 이동하는 단계는 평균 18개였고, 많은 경우 40개에 가까웠습니다. 이 기업은 데이터 카탈로그를 보유했지만 기술 메타데이터만으로는 데이터의 업무상 의미를 알기 어려웠습니다. 애보트 부사장은 평균 18차례 복제되고 의미도 불분명한 데이터를 신뢰할 수 있느냐고 물었습니다.

테라데이타는 이 문제를 해결할 기술로 테라 컨텍스트 엔진(Tera Context Engine)을 제시했습니다. 산업별 데이터·지식 모델, 데이터 계보 분석 도구와 AI를 결합해 데이터의 의미와 관계를 정리하고 접근 권한과 신뢰성을 관리한다는 설명입니다. 애보트 부사장은 기존 카탈로그가 맥락 문제를 해결하려는 발상이었지만 충분하지 않았다고 말했습니다. 테라데이타 플랫폼 없이 컨텍스트 엔진과 관련 서비스만 구매하는 고객도 있다고 덧붙였습니다.

데이터의 의미를 정리할 때는 사람의 판단도 필요합니다. 영업부와 재무부가 같은 매출 데이터를 서로 다른 기준으로 해석하면 데이터 계보 분석과 검증 도구, AI 판단을 결합하고 사람이 검토하는 휴먼 인 더 루프 방식을 적용할 수 있다고 밝혔습니다. 의미 충돌을 해결한 내용과 변경 이력을 기록하며, 자동화와 사람 개입 수준은 고객이 선택합니다.

회사는 자연어로 데이터 작업을 수행하는 테라(Tera)와 모델·도구 실행을 조율하는 테라 하네스(Tera Harness)도 소개했습니다. 고객은 자체 개발 모델이나 외부 주요 AI 모델을 선택할 수 있습니다. 애보트 부사장은 같은 모델도 실행 계층인 하네스에 따라 비용과 성능이 달라진다고 말했습니다. 테라 하네스는 기업 데이터 작업에 맞춰 토큰 사용량과 처리 시간을 줄이도록 설계됐으며, 테라데이타 직원 5,000명에게도 배포됐습니다. 하네스의 핵심 부분은 고객 통제권을 위해 오픈소스로 제공한다고 설명했습니다. 기업이 AI에 입력하는 질문에 조직의 관심사와 업무 정보가 담길 수 있기 때문입니다.

테라데이타 패브릭은 데이터를 한곳에 복제하는 대신 데이터가 있는 곳에서 AI를 활용하도록 지원하며, 온프레미스와 클라우드, 경쟁사 환경과도 연동한다고 회사는 밝혔습니다. 애보트 부사장은 IT 리더에게 벤더를 고르기 전에 데이터와 적절한 데이터 거버넌스부터 점검해야 한다고 조언했습니다. 데이터는 기업과 데이터가 속한 국가, 때로는 데이터가 대변하는 개인의 것이며 동의 없이 거래할 상품이 아니라고 말했습니다. AI를 안전하고 윤리적으로 활용하고, 데이터의 부적절한 처리나 오용을 막을 공급자를 찾아야 한다고 덧붙였습니다.

그는 데이터 주권 요구, 보안상 온프레미스에 남겨야 하는 데이터, 비용 효율을 위해 자체 GPU에서 처리할 워크로드 등을 먼저 판단하라고 했습니다. 클라우드와 온프레미스를 함께 쓸 경우에는 불필요한 데이터 복제를 늘리지 않고 두 환경을 지원할 공급자 조합도 검토해야 한다고 말했습니다. 기능 목록을 보기 전에 이런 질문에 답하고, 기술 선택은 데이터 검토 뒤에 해야 한다는 설명입니다.

한국 시장은 테라데이타의 전략적 시장 중 하나로, 회사는 투자를 크게 늘리겠다고 밝혔습니다. 인력 규모는 공개하지 않았으며 활발한 AI 도입과 소버린·하이브리드 수요가 사업 기회를 만든다고 평가했습니다. 이름을 공개하지 않은 국내 AI 고객이 있다고 설명했고, 증권업을 관심이 높은 산업으로 꼽았습니다. 가격과 관련해서는 기본 데이터베이스 운영에 과도한 비용을 내는 고객이 많다며 최근 아시아에서 정액·무제한 요금제를 출시했다고 밝혔습니다. 제품 모듈화와 유연성 강화로 운영 지원 부담을 줄인 점이 새 요금 체계의 배경이라고 설명했습니다.