데이터에 업무의 맥락을 더하는 기술, 온톨로지

가령 생산 설비의 이상 원인을 파악하려면 설비 상태만 확인해서는 충분하지 않을 수 있습니다. 해당 설비가 어느 공정에 속하는지, 어떤 부품을 사용하는지, 같은 시점에 품질 지표에는 어떤 변화가 있었는지까지 함께 살펴야 합니다. 각각의 데이터가 존재하더라도 서로 어떻게 맞물리는지 알 수 없다면, 결국 담당자가 여러 정보를 직접 대조하며 업무 맥락을 다시 파악해야 합니다.

온톨로지(Ontology)는 이렇게 흩어진 데이터 속에서 핵심 개념과 대상, 그 사이의 관계를 정의하고 하나의 지식 체계로 연결하는 기술입니다.

흩어진 정보를 관계가 드러나는 지식으로

온톨로지 구축은 모든 데이터를 한꺼번에 연결하는 작업이 아닙니다. 먼저 해결하려는 문제와 분석 범위를 정하고, 그 안에서 중요한 개체(Entity), 관계(Relationship), 이벤트(Event), 그리고 조직 고유의 업무 로직을 식별합니다.

제조 환경이라면 설비, 공정, 부품, 제품 등이 주요 개체가 될 수 있습니다. 여기에 ‘속한다’, ‘사용한다’, ‘영향을 받는다’와 같은 관계를 정의하면 각각의 데이터가 업무에서 어떤 의미로 이어지는지 표현할 수 있습니다.

S2W는 문서, 보고서, 이메일, 로그 등 비정형 데이터에서도 개체와 관계, 이벤트를 추출하고 구조화합니다. 문장과 표현 속에 암묵적으로 담겨 있던 내부 전문가의 지식과 맥락을 분석에 활용할 수 있는 형태로 정리하는 과정입니다.

이후 핵심 개념과 관계를 온톨로지로 설계하고 실제 데이터를 연결하면 지식그래프(Knowledge Graph)를 구성할 수 있습니다. 개별 정보가 고립된 값으로 남는 대신, 어떤 다른 데이터와 관계성을 갖고 있고 또 다른 정보와 어떤 경로로 이어지는지를 함께 파악할 수 있게 됩니다.

S2W의 온톨로지 구축 과정은 문제 정의와 활용 데이터 및 범위 설정에서 시작해 엔티티와 데이터 분석, 온톨로지 설계, 지식그래프 구축, 그리고 관계 추론 과정으로 이어집니다. 이후 실제 사용자 환경에서 이를 검증하고 개선하는 단계까지 포함합니다.

중요한 것은 그래프 자체가 아닙니다. 데이터가 업무에서 무엇을 의미하고, 어떤 정보와 함께 살펴봐야 하는지를 기술이 활용할 수 있는 형태로 만든다는 점입니다.

관계를 알면 데이터 활용 방식이 달라집니다

개념과 관계가 구조화되면 특정 정보 하나를 찾는 데서 그치지 않고, 그 정보와 연결된 대상과 사건을 함께 탐색할 수 있습니다.

서로 다른 시스템이나 영역에 흩어진 데이터도 같은 관점에서 살펴볼 수 있기 때문에 개별 정보만으로는 발견하기 어려운 연관성이나 패턴을 파악하는 데 활용할 수 있습니다. S2W는 서로 다른 데이터 소스와 도메인의 개체, 관계, 이벤트를 연결해 분석하는 방식을 멀티도메인 교차 분석으로 설명하고 있습니다.

AI 활용에서도 온톨로지는 하나의 기반이 될 수 있습니다. 같은 용어라도 조직이나 업무에 따라 의미가 다르고, 어떤 정보를 함께 검토해야 하는지에 대한 기준도 달라집니다. 데이터만 제공한다고 해서 AI가 이러한 차이를 자동으로 파악하는 것은 아닙니다.

온톨로지를 활용하면 조직이 사용하는 개념과 관계를 명시하면 AI가 검색과 분석 과정에서 업무상의 의미와 연결 기준을 참고할 수 있는 토대를 마련할 수 있습니다. 실제 S2W의 온톨로지 기술도 조직과 도메인에 따라 달라지는 용어와 관계를 정의하고, 이를 바탕으로 업무 맥락에 맞는 분석을 지원하는 것을 주요 가치로 두고 있습니다.

데이터와 조직 고유의 업무 로직 기반 분석으로 결과의 근거를 확인하는 데에도 도움이 됩니다. 데이터 사이의 연결이 명시돼 있으면 어떤 정보가 서로 이어졌고, 어떤 흐름을 거쳐 결과에 활용됐는지 추적하기 쉬워집니다. 이는 결과만 제시하는 데서 나아가 분석 과정과 근거를 함께 확인할 수 있는 환경을 만드는 데 중요한 요소입니다.

온톨로지는 한 번 구축하고 끝나는 고정된 구조도 아닙니다. 실제 업무에서 활용하면서 새로운 개념과 관계를 추가하고, 현업 전문가의 지식과 사용자 피드백을 반영해 지속적으로 보완할 수 있습니다. S2W 역시 도메인 전문가와 협업해 조직의 업무 체계와 전문 지식을 온톨로지에 반영하고, 실제 환경에서 이를 검증하고 발전시키는 방식을 적용하고 있습니다.

결국 온톨로지가 필요한 이유는 데이터를 더 많이 모으기 위해서가 아닙니다. 이미 보유한 정보가 무엇을 뜻하고, 다른 정보와 어떻게 연결되며, 어떤 업무 상황에서 함께 살펴봐야 하는지를 하나의 체계로 만들기 위해서입니다.

S2W는 범죄 수사와 안보 인텔리전스처럼 복잡한 정보 사이의 관계를 분석해야 하는 환경에서 축적한 온톨로지 구축 경험을 다양한 데이터 인텔리전스 영역으로 확장하고 있습니다. 이러한 기술은 온톨로지 기반 의사결정 OS SAIP에도 적용되고 있습니다.

데이터가 많아질수록 필요한 것은 또 하나의 저장소가 아니라, 흩어진 정보를 관계와 맥락이 살아 있는 지식으로 바꾸는 구조입니다. 온톨로지는 그 구조를 만드는 기술입니다.