NADAUM(Being Myself)

출처: Palantir Technologies

2023년의 기대감, 2025년의 증명

2023년, 팔란티어가 첫 AIPCon을 열었을 때 시장은 AI가 기업을 어떻게 바꿀지에 대한 기대로 가득 찼습니다. 당시 주가는 그 희망을 반영하며 상승의 서막을 열었습니다. 그리고 2년이 지난 지금, 2025년, 우리는 그 기대가 어떻게 현실로 증명되는지 목격하고 있습니다. 오늘 살펴볼 파나소닉 에너지 북아메리카(PENA)의 이야기는 '왜 팔란티어인가'에 대한 가장 명확한 대답 중 하나가 될 것입니다.

진짜 혁신은 ‘현장’에서 시작된다

오늘 AIPCon Deep Dive 네 번째 이야기는 전기차 배터리 제조의 선두 주자, 파나소닉 에너지 북아메리카(PENA)입니다. 이들의 발표는 기술의 화려함이 아닌, '사람'과 '협력'이라는 키워드로 요약됩니다. PENA의 CIO는 팔란티어와의 파트너십을 “내 경력 중 가장 특별한 프로젝트”라고 말하며, 단순한 공급업체와 고객의 관계를 넘어선 깊은 협력이 있었음을 강조했습니다.

복잡성 속에서 효율을 찾다

배터리 생산 공정은 매우 복잡한 공급망과 수많은 데이터를 포함합니다. PENA는 이러한 복잡성 속에서 생산성을 높이고 품질을 관리해야 하는 어려운 과제에 직면해 있었습니다. 데이터는 많았지만, 그것을 통합하고 분석하여 문제를 신속하게 해결하는 데에는 한계가 있었습니다.

출처: Palantir Technologies

팔란티어의 접근법: “우리는 고객의 문제에 깊이 관여합니다”

PENA의 발표에서 가장 인상 깊었던 점은, 팔란티어 팀이 어떻게 문제에 접근했는지에 대한 설명이었습니다.

“팔란티어 팀은 우리 회사에 들어와 비즈니스 프로세스를 이해했고, 생산 라인의 작업자들과 함께 앉았습니다. 그들은 작업자들의 일상적인 어려움을 이해한 다음, 그 문제를 해결하기 위해 기술을 활용했습니다.”

이것이 팔란티어 방식의 핵심입니다. 기술을 먼저 내세우는 것이 아니라, 현장 작업자의 목소리에 귀 기울이고 그들의 가장 고통스러운 문제를 해결하는 것에서부터 모든 것이 시작됩니다.

“우리도 몰랐던 가치를 발견했습니다”

이러한 긴밀한 협력을 통해, PENA는 기대 이상의 성과를 얻었습니다. 팔란티어는 흩어진 데이터를 통합하고 AI 분석을 통해 문제 해결 속도를 높여 생산성을 향상시켰습니다.

“이 파트너십은 PENA가 스스로도 그곳에 있는지 몰랐던 가치를 발견하도록 도왔습니다.”

이 한마디는 팔란티어의 역할을 완벽하게 요약합니다. 팔란티어는 단순히 솔루션을 제공하는 것을 넘어, 고객이 자신의 데이터 속에서 미처 발견하지 못했던 새로운 기회와 가치를 함께 찾아내는 ‘파트너’인 것입니다.

출처: Palantir Technologies

기술을 넘어선 파트너십

PENA의 이야기는 성공적인 디지털 전환의 핵심이 기술의 스펙이 아닌, '사람에 대한 깊은 이해'와 '문제 해결을 위한 진정한 파트너십'에 있음을 보여줍니다. PENA의 CIO가 “우리의 파트너십은 강력하며, 이제 막 시작 단계입니다. 우리가 미래에 불가능을 어떻게 성취할지 매우 기대됩니다.”라고 말한 것처럼, 이들의 여정은 이제부터가 진짜 시작입니다.

저작권 및 면책 조항 안내: 본 게시물에 사용된 모든 상표, 로고, 인용문 및 미디어 콘텐츠의 저작권은 해당 원저작자에게 있습니다. 본 콘텐츠는 정보 제공 및 교육적 목적으로 작성되었으며, 특정 주식이나 투자에 대한 추천이 아닙니다. 모든 투자의 최종 결정과 책임은 투자자 본인에게 있습니다.

2025년 8월 넷째 주, 팔란티어(PLTR) 주가는 소폭의 조정을 거치며 다음 방향을 모색하고 있습니다. 이러한 숨 고르기 속에서 우리는 팔란티어의 본질적인 가치, 즉 기술의 깊이에 더욱 집중해야 합니다. 오늘 AIPCon Deep Dive 세 번째 시간에는 바로 그 깊이를 증명하는 최고의 파트너, J.D. Power의 사례를 파헤쳐 보겠습니다. 2023년도 이야기니 감안하고 봐주시면 좋겠습니다.

많은 사람들이 J.D. Power를 '자동차에 상 주는 회사' 정도로만 알고 있습니다. 하지만 그들의 진짜 비즈니스는 연간 1조 달러(약 1,300조 원)에 달하는 자동차 산업의 혈관을 흐르는 '데이터'를 분석하는 것입니다. 그런 데이터 거인이 왜 직접 AI를 만들지 않고 팔란티어의 손을 잡았을까요? J.D. Power의 최고 기술 책임자(CTO)는 그 이유를 '낡은 AI'와 '살아있는 AI'의 근본적인 차이에서 찾았습니다.

"2021년 9월에 멈춘 ChatGPT, 당신의 차를 골라줄 수 있는가?"

J.D. Power의 CTO는 매우 도발적인 질문으로 발표를 시작합니다. "어머니도 ChatGPT에 대해 물어보시는 시대입니다. 하지만 ChatGPT에게 '언제 마지막으로 학습했니?'라고 물으면 '2021년 9월'이라고 답합니다. 과연 600일도 더 전에 멈춰버린 AI가 지금 당신이 탈 차를 골라줄 수 있을까요?"

이 질문은 모든 기업이 LLM(거대 언어 모델)을 도입할 때 직면하는 핵심적인 페인포인트를 꿰뚫습니다. ChatGPT의 지식이 멈춘 그 600일 동안 자동차 시장에서는 다음과 같은 일들이 벌어졌습니다.

• 600개의 신규 모델 출시
• 150만 개의 새로운 차량 옵션(트림) 등장
• 매일 110만 대의 차량이 판매되고 재고 변동
• 매월 24억 달러(약 3조 원)의 인센티브(할인) 정책 변화

상황이 이런데도 ChatGPT에게 "가족을 위한 플러그인 하이브리드 SUV를 추천해 줘"라고 물으면, 당연히 2021년 모델을 추천하며 마지막에는 이런 무책임한 말을 덧붙일 뿐입니다. "가장 정확한 최신 정보는 가까운 대리점에 문의하거나 제조사 웹사이트를 방문하세요."

이것이 바로 범용 LLM의 명백한 한계입니다. 기업의 '살아있는' 데이터와 연결되지 않은 AI는 그저 똑똑한 '과거형' 검색엔진에 불과합니다.

"비밀 소스는 모델이 아니라 '데이터'와 '연결'이다"

J.D. Power는 문제의 해답이 '더 좋은 AI 모델'에 있는 것이 아니라, 'AI를 어떻게 우리의 고품질 실시간 데이터와 연결하는가'에 있다고 정의했습니다. J.D. Power는 이미 자동차 산업의 A to Z를 꿰뚫는 데이터를 보유하고 있었습니다.

• 어떤 차가 설계되고, 생산되는가? (생산 데이터)
• 어떤 차가 딜러 주차장에 서 있는가? (재고 데이터)
• 언제, 얼마에, 어떤 할인으로 팔리는가? (판매 데이터)
• 누가 그 차를 사는가? (고객 인구통계 데이터)
• 차량에 어떤 문제가 발생하고 어떻게 수리되는가? (보증 및 수리 데이터)

팔란티어의 역할은 이 흩어져 있던 데이터들을 파운드리(Foundry)를 통해 하나의 '지도', 즉 온톨로지(Ontology)로 엮어내는 것이었습니다. 온톨로지는 단순히 데이터를 모아둔 창고가 아닙니다. '모델 A'와 '부품 B', '고객 C'를 '고객 C가 모델 A를 구매했으며, 주행 중 부품 B에서 문제가 발생했다'는 식으로 현실 세계의 관계와 맥락을 그대로 복제한 '디지털 트윈'입니다.

이렇게 구축된 '자동차 산업 온톨로지'는 J.D. Power의 가장 강력한 자산이 되었습니다. 이제 남은 과제는 이 자산 위에서 AI가 마음껏 뛰놀게 하는 것이었죠.

LLM을 '길들여' 진짜 전문가로 만드는 방법

팔란티어 AIP(Artificial Intelligence Platform)는 바로 이 지점에서 J.D. Power의 고민을 해결했습니다. AIP는 LLM이 엉뚱한 소리(Hallucination)를 하지 못하도록 '가드레일'을 치고, 오직 J.D. Power의 온톨로지라는 잘 닦인 도로 위에서만 달리게 만듭니다.

발표에서 시연된 데모는 이 과정을 명확히 보여줍니다.

1. 사용자 질문: "첫 플러그인 하이브리드 SUV를 사고 싶어요. 가족용으로요."
2. AIP의 역할: LLM이 이 질문의 의도를 파악하게 한 뒤, 인터넷 검색이나 자신의 낡은 기억을 뒤지는 대신 J.D. Power 온톨로지에 접속하라고 명령합니다.
3. LLM의 답변: 온톨로지에서 가져온 2023년 최신 모델과 재고 정보를 바탕으로 정확한 차량을 추천합니다.
4. 추가 질문: "차선 유지 기능은 필수고, 예산은 좀 아끼고 싶어요."
5. AIP의 심화 분석: AIP는 '차선 유지 기능'이라는 고객의 언어를 온톨로지 내의 'Lane Keeping Assist'라는 기술 용어와 매핑하고, 예산에 맞는 트림과 현재 적용 가능한 인센티브까지 고려하여 추천 목록을 좁혀줍니다.

출처: Palantir Technologies

가장 놀라운 점은 AIP가 LLM에게 내리는 '지시문(Prompt)'입니다. J.D. Power는 AIP를 통해 LLM에게 이렇게 명령합니다.

"당신은 차량 구매자를 위한 친절하고 유용한 AI 어시스턴트입니다." "오직 J.D. Power의 데이터(JSON 형식)만을 사용해 답변하세요. 하지만 고객의 질문을 바탕으로 그들이 무엇을 원할지 추론하세요." "만약 고객의 우편번호를 알게 되면, 그 지역의 강설량을 확인하고 사륜구동(AWD)을 추천하는 것을 고려하세요."

이것이 바로 AIP의 핵심입니다. 범용 LLM을 기업의 특성에 맞는 '완벽한 전문가'로 조련하고 통제하는 것. J.D. Power는 이 모든 시스템을 단 몇 주 만에 구축하고, 지금은 매시간 단위로 학습하며 발전시키고 있습니다.

단순한 챗봇을 넘어, 9조 원 시장을 혁신하다

J.D. Power의 목표는 단순히 똑똑한 자동차 추천 챗봇을 만드는 데 그치지 않습니다. 그들의 진짜 목표는 연간 70억 달러(약 9조 원) 규모의 자동차 보증(Warranty) 비용 시장을 혁신하는 것입니다.

차량이 수리될 때마다, 정비사는 고객의 불만과 수리 내역을 텍스트(Verbatim)로 남깁니다. J.D. Power는 AIP를 활용해 수백만 건의 이 비정형 텍스트 데이터를 분석하여 특정 부품이 어떤 주행 환경, 어떤 온도에서 주로 고장 나는지 근본 원인을 찾아냅니다. 이는 제조사가 결함을 사전에 예측하고 설계를 개선하여 막대한 보증 비용을 절감하게 만듭니다.

J.D. Power가 팔란티어를 선택한 이유는 명확합니다.

1. 속도(Speed): 몇 달이 걸릴 프로젝트를 며칠, 몇 주 만에 구현하고 매시간 학습합니다.
2. 확장성(Extensibility): 모든 내부 애플리케이션을 LLM 기반 경험으로 손쉽게 확장합니다.
3. 보안 및 거버넌스(Security & Governance): 회사의 핵심 자산인 데이터를 외부 LLM에 유출하지 않고 '총알도 뚫지 못할(bulletproof)' 보안 환경에서 활용합니다.

J.D. Power AIPCon 영상

출처: Palantir Technologies

데이터 자산가들이 AI 시대를 맞이하는 방법

J.D. Power의 사례는 'AI-First'를 외치는 모든 기업에게 중요한 교훈을 줍니다. AI 혁명의 핵심은 LLM 모델 자체가 아니라, 기업이 보유한 고유의 데이터 자산을 어떻게 AI와 안전하고 빠르게 결합하느냐에 달려있습니다.

팔란티어는 기업들이 데이터 주권을 잃지 않으면서도 최신 AI 기술의 혜택을 누릴 수 있는 가장 현실적인 '플랫폼'을 제공하고 있습니다. J.D. Power는 팔란티어 AIP라는 엔진을 달고, 1조 달러 규모의 자동차 산업을 데이터로 운전하는 '드라이버'로 거듭나고 있습니다. 당신의 비즈니스는 AI라는 새로운 도로 위에서 운전대를 잡을 준비가 되셨습니까?

저작권 및 면책 조항 안내: 본 게시물에 사용된 모든 상표, 로고, 인용문 및 미디어 콘텐츠의 저작권은 해당 원저작자에게 있습니다. 본 콘텐츠는 정보 제공 및 교육적 목적으로 작성되었으며, 특정 주식이나 투자에 대한 추천이 아닙니다. 모든 투자의 최종 결정과 책임은 투자자 본인에게 있습니다.

최근 PLTR 주가 동향 및 뉴스 분석

지난 금요일(15일) 177.17달러로 마감했던 팔란티어 주가는 월요일(18일) 들어 변동성을 보이며 약 1.77% 하락한 174.03달러로 장을 마감했습니다. 최근의 가파른 상승세 이후 단기적인 차익 실현 매물이 출회되며 숨 고르기에 들어간 모습입니다. 8월 초 기록했던 52주 신고가(189.46달러) 대비로는 약 8%가량 조정받은 상태입니다. 하지만 월간 기준으로는 여전히 12% 이상 상승했으며, 연간 상승률은 460%를 상회하는 강력한 모멘텀을 유지하고 있습니다.

최근 시장의 핵심 관심사는 단연 '밸류에이션'과 '성장 지속성'입니다.

• 긍정적 요인: 8월 초 발표된 2분기 실적이 시장 예상을 뛰어넘는 '어닝 서프라이즈'를 기록하며 AIP(인공지능 플랫폼)를 통한 상업 부문의 폭발적인 성장 잠재력을 증명했습니다. 파이퍼 샌들러(Piper Sandler)와 같은 일부 투자은행은 높은 밸류에이션에도 불구하고 여전히 상승 여력이 충분하다며 긍정적인 투자의견을 유지하고 있습니다. 이는 AIP의 시장 침투가 이제 막 시작 단계라는 믿음에 기반합니다.
• 부정적/신중론 요인: 주가가 단기간에 급등함에 따라 밸류에이션 부담이 크다는 목소리가 지배적입니다. 현재 주가는 향후 수년간의 완벽에 가까운 성장을 이미 선반영하고 있다는 분석이 많습니다. 다음 분기 실적이 시장의 매우 높은 기대치를 충족시키지 못할 경우, 주가가 큰 폭으로 조정받을 수 있다는 리스크가 상존합니다.

가장 위대한 혁신은 가장 절박한 현장에서 시작된다

지난 1편에서는 글로벌 엔지니어링 기업 Jacobs가 어떻게 수천 개의 '엑셀 파일' 문제를 해결하며 기업 전체의 운영체제를 구축했는지 살펴보았습니다. 오늘 AIPCon Deep Dive 시리즈 2편에서는 그 무대를 병원으로 옮겨보려 합니다.

생명이 오가는 가장 절박한 현장, 플로리다의 탬파 종합병원(Tampa General Hospital). 이들의 혁신은 'AI 도입'이라는 거창한 구호가 아닌, '비어있는 침대 하나를 어떻게 더 빨리 찾아낼까?'라는 가장 단순하고도 절실한 질문에서 시작되었습니다.

탬파 종합병원의 고통: 보이지 않는 침대, 멈춰버린 병원

코로나19 팬데믹 당시, 탬파 종합병원은 한계에 부딪혔습니다. 병상은 넘쳐나는 환자들로 가득 찼고, 의료진은 번아웃 직전까지 내몰렸습니다.

• 문제: 어떤 환자가 언제 퇴원하고, 어떤 병실이 언제 청소되며, 다음 환자는 언제 입원할 수 있는지에 대한 정보가 간호사들의 화이트보드와 수많은 전화 통화, 그리고 각자의 머릿속에 흩어져 있었습니다.
• 고통: 퇴원 수속이 늦어지고, 병실 청소가 지연되고, 응급실 환자는 빈 병상이 없어 몇 시간씩 대기해야 했습니다. 병원 전체의 혈관이 꽉 막혀버린 것입니다.

“마치 공항 관제탑 없이 수백 대의 비행기를 관리하려는 것과 같았습니다.”

병원 전체를 하나의 ‘디지털 관제탑’으로

팔란티어와 탬파 병원의 첫 번째 임무는 흩어진 정보를 하나의 화면에 모으는 것이었습니다. 그들은 병원 전체를 실시간으로 볼 수 있는 ‘디지털 관제탑(Mission Control Center)’을 구축했습니다.

• 해결: 전자의무기록(EMR), 입퇴원 시스템, 병실 청소 관리 앱 등 병원의 모든 데이터를 온톨로지(Ontology)로 통합했습니다.
• 결과: 이제 의료진은 자신의 스마트폰으로 “지금 당장 입원 가능한 심장내과 병실은 어디지?”를 실시간으로 확인할 수 있게 되었습니다. 간호사들은 더 이상 병실을 찾아 헤맬 필요 없이, 환자 케어라는 본질적인 업무에 집중할 수 있게 되었습니다.

AI가 병원의 ‘두뇌’가 되다

‘보이는 병원’이 만들어지자, 비로소 AI가 의사처럼 생각하고 조언할 수 있는 환경이 갖춰졌습니다. 탬파 병원의 AIP는 이제 단순한 정보 제공자를 넘어, 병원 운영을 최적화하는 ‘AI 전략가’로 진화했습니다.

• 예측: AIP는 환자의 상태와 과거 데이터를 분석하여, “302호 환자는 내일 오전 10시에 퇴원할 확률이 90%입니다. 지금 미리 퇴원 절차를 준비하세요.” 와 같이 미래를 예측합니다.
• 처방: “현재 응급실 대기 환자가 5명입니다. 가장 빨리 병상을 확보하려면, 7층의 퇴원 예정 환자 2명의 청소 우선순위를 높여야 합니다. 실행하시겠습니까?” 와 같이, 문제 해결을 위한 최적의 **'처방'**을 내립니다.

이것은 단순히 병상을 찾는 것을 넘어, 병원 전체의 환자 흐름(Patient Flow)을 최적화하고, 한정된 의료 자원을 가장 효율적으로 사용하는 ‘지능형 병원’의 시작이었습니다.

결론: 하나의 침대가 병원 전체를 구원하다

탬파 종합병원의 사례는 우리에게 강력한 메시지를 전달합니다. 가장 위대한 혁신은 기술 그 자체가 아니라, 기술이 현장의 가장 절박한 문제를 해결할 때 시작된다는 것입니다.

‘비어있는 침대 하나를 더 빨리 찾는 것.’

이 작고 절실한 문제 해결의 경험이 의료진에게 신뢰를 주었고, 그 신뢰를 바탕으로 병원 전체의 운영체제를 구축하는 거대한 변화로 나아갈 수 있었습니다. 당신의 조직을 가로막고 있는 ‘하나의 침대’는 무엇입니까?

저작권 및 면책 조항 안내: 본 게시물에 사용된 모든 상표, 로고, 인용문 및 미디어 콘텐츠의 저작권은 해당 원저작자에게 있습니다. 본 콘텐츠는 정보 제공 및 교육적 목적으로 작성되었으며, 특정 주식이나 투자에 대한 추천이 아닙니다. 모든 투자의 최종 결정과 책임은 투자자 본인에게 있습니다.

최근 PLTR 주가 동향 및 과거 복기

2025년 8월 18일 현재, 팔란티어(PLTR) 주가는 고점대비 $13 하락한 $177에 있습니다. 지난 2분기 '어닝 서프라이즈' 이후 시장의 조정기에 들어간 것으로 보입니다.

잠시 시간을 거슬러 2023년 6월을 복기해 보는 것은 의미가 있습니다. 당시 팔란티어 주가는 AIP 출시 초기 기대감에 힘입어 한 달간 50% 이상 급등 3개월 만에 100% 이상 상승하며, 투자자들에게 강렬한 인상을 남겼습니다. 이는 AIP가 단순한 신제품이 아닌, 팔란티어의 비즈니스 모델 전체를 바꿀 '게임 체인저'가 될 수 있다는 시장의 첫 번째 신호탄이었습니다. 그리고 2년이 지난 지금, 우리는 그 신호가 현실이 되는 과정을 목격하고 있습니다. 

거대한 변화는 가장 작은 문제에서 시작된다

Palantir의 AIPCon은 단순한 기술 쇼케이스가 아닙니다. 이곳은 전 세계 기업들이 자신들의 가장 고통스러운 문제를 어떻게 데이터와 AI로 해결했는지 생생하게 증언하는 ‘경험 공유의 장’입니다. 앞으로 몇 편의 시리즈를 통해, 저는 AIPCon에서 발표된 인상 깊은 사례들을 하나씩 분석하며, 하나의 작은 문제가 어떻게 기업 전체의 운영체제를 바꾸는 거대한 변화로 이어지는지 그 여정을 추적해보고자 합니다.

그 첫 번째 이야기는 글로벌 엔지니어링 기업, Jacobs입니다. 이들의 여정은 우리 모두에게 익숙한, 단 하나의 ‘엑셀 파일’에서 시작되었습니다.

흩어진 데이터, 단절된 프로젝트

Jacobs는 전 세계에서 수십억 달러 규모의 거대한 수도, 교통, 에너지 인프라 프로젝트를 수행하는 기업입니다. 하지만 그들의 가장 큰 고민은 아이러니하게도 ‘데이터’였습니다.

• 문제: 수많은 하청업체, 수백 개의 시스템, 그리고 수천 개의 엑셀 파일. 프로젝트 데이터가 파편처럼 흩어져 있어, 전체 상황을 한눈에 파악하는 것이 불가능했습니다.
• 고통: 리더들은 매주 수백 페이지짜리 PDF 보고서를 뒤져야 했고, 현장의 엔지니어들은 데이터를 모으는 데만 엄청난 시간을 허비했습니다. 이는 곧 비용 증가와 프로젝트 지연으로 이어졌습니다.

“우리는 데이터로 둘러싸여 있었지만, 정작 정보는 부족했습니다.”

이 한마디가 Jacobs가 겪던 문제의 본질을 보여줍니다.

출처: Palantir Technologies

첫 번째 단계: ‘단일 진실의 창’을 만들다

팔란티어와 Jacobs의 첫 번째 임무는 AI 모델을 만드는 것이 아니었습니다. 바로 흩어진 모든 프로젝트 데이터를 하나의 플랫폼으로 연결하여, 모두가 같은 정보를 볼 수 있는 **‘단일 창(Single Pane of Glass)’**을 만드는 것이었습니다.

• 해결: Palantir AIP를 활용하여, 재무, 일정, 리스크, 하청업체 관리 등 모든 시스템의 데이터를 **온톨로지(Ontology)**로 통합했습니다.
• 결과: 이제 프로젝트 관리자는 복잡한 보고서 대신, 지도 위에 시각화된 프로젝트 현황을 보며 실시간으로 문제를 파악하고 의사결정을 내릴 수 있게 되었습니다.

출처: Palantir Technologies

AIP의 진화: ‘AI 조수’와 함께 일하는 시대

데이터가 통합되자, 비로소 AI가 일할 수 있는 환경이 만들어졌습니다. Jacobs는 AIP를 활용하여 프로젝트 관리자를 돕는 ‘AI 조수(Copilot)’를 만들었습니다.

• 질문: 프로젝트 관리자가 채팅창에 “가장 리스크가 큰 하청업체는 어디야? 그리고 해결 방안을 제안해 줘.”라고 자연어로 질문합니다.
• 답변 및 실행: AIP는 온톨로지에 연결된 모든 데이터를 분석하여, “A업체의 자재 납품이 2주 지연될 확률이 85%입니다. 해결책으로 B업체에 대체 발주를 넣는 시나리오를 시뮬레이션해 보시겠습니까?” 와 같이, 단순한 답변을 넘어 해결책을 제안하고 실행까지 돕습니다.

이것은 더 이상 데이터를 ‘찾아보는’ 수준이 아닙니다. 데이터와 ‘대화하고 협업하며’ 문제를 해결하는 새로운 패러다임입니다.

출처: Palantir Technologies

결론: 작은 문제 해결이 곧 전체 시스템의 시작이다

Jacobs의 사례는 우리에게 중요한 교훈을 줍니다. ‘AI 도입’이라는 거창한 목표 이전에, 우리 조직을 가장 고통스럽게 하는 ‘하나의 문제’를 정의하는 것이 먼저라는 것입니다. Jacobs에게 그것은 흩어진 프로젝트 데이터였습니다. 그 작은 문제를 해결하기 위해 데이터를 연결하는 순간, 그것이 바로 기업 전체를 위한 ‘운영체제’를 구축하는 첫걸음이 되었습니다.

다음 편에서는 또 다른 기업이 어떤 작은 문제에서 시작하여 거대한 변화를 만들어냈는지, 그 흥미로운 여정을 계속 따라가 보겠습니다.

저작권 및 면책 조항 안내: 본 게시물에 사용된 모든 상표, 로고, 인용문 및 미디어 콘텐츠의 저작권은 해당 원저작자에게 있습니다. 본 콘텐츠는 정보 제공 및 교육적 목적으로 작성되었으며, 특정 주식이나 투자에 대한 추천이 아닙니다. 모든 투자의 최종 결정과 책임은 투자자 본인에게 있습니다.