데이터 업무에서 온톨로지(ontology)는 고객, 계약, 배송처럼 비즈니스가 다루는 대상에 이름을 붙이고, 각 대상이 어떤 속성을 갖는지 밝히며, 대상 사이의 관계를 정의합니다. 예를 들어 계약 하나는 고객 한 명에게 속하고, 배송 하나는 주문 항목 하나를 이행합니다. W3C OWL 2 Web Ontology Language 같은 표준을 쓰면 소프트웨어가 추론할 수 있는 형태로 이런 정의를 작성할 수 있습니다.
온톨로지는 개별 테이블보다 한 단계 위에 있습니다. 두 시스템에 모두 status라는 컬럼이 있다면, 온톨로지는 두 컬럼이 같은 뜻인지, 각각 어떤 값을 허용하는지 기록합니다.
온톨로지가 주로 정의하는 내용은 다음과 같습니다.
- 비즈니스가 추적하는 대상의 클래스(고객, 제품, 청구 등)
- 각 클래스의 속성과 속성이 가질 수 있는 값
- 관계와 제약 조건(예: 고객 한 명당 제품별 활성 계약은 하나)
온톨로지는 지식 그래프와 어떻게 다른가요?
- 온톨로지는 의미의 모델입니다. 클래스, 속성, 규칙을 담습니다.
- 지식 그래프는 그 모델에 따라 연결된 실제 레코드를 담습니다.
- 시맨틱 레이어는 분석을 위해 비즈니스 지표를 쿼리에 매핑하며, 정의를 온톨로지에서 가져오는 경우가 많습니다.
AI 업무에서 온톨로지는 어디서 한계를 드러내나요?
온톨로지를 읽는 AI 에이전트는 온톨로지의 빈틈까지 물려받습니다. 보고용으로 작성되어 종료된 주문을 다시 여는 환불 같은 예외를 다루지 않은 정의라면, 에이전트는 깔끔한 규칙을 복잡한 사례에 그대로 적용하고 확신에 찬 답을 내놓습니다. 온톨로지는 AI 시스템에 용어의 뜻을 알려 줍니다. 하지만 레코드가 여전히 그 뜻을 따르는지는 보여 주지 않습니다. 그래서 팀은 특정 AI 업무가 쓰는 데이터를 비즈니스 규칙 검증으로 정의와 대조하고, 어느 한쪽이 바뀌면 다시 확인합니다.