생성형 AI와 비즈니스 인텔리전스(BI): 7년째 정체된 데이터 활용률 35%의 벽을 넘는 법

핵심 메시지

• 비즈니스 인텔리전스(BI)의 목적은 원시 데이터를 실행 가능한 통찰로 바꾸는 것이다.
• 기업들이 2027년까지 320억 달러 넘게 투자함에도 현업 사용자의 데이터 활용률은 7년째 35%에 멈춰 있다.
• 정체의 세 원인은 복잡한 데이터 준비, 제한적인 셀프서비스, 데이터와 통찰 사이의 간극이다.
• 생성형 AI는 데이터 담당자·BI 분석가·현업 사용자 세 역할의 경험을 모두 강화해 활용률을 50%까지 끌어올릴 수 있다.
• 현업 사용자가 자연어로 데이터에 질문하게 되면서 분석 권한이 분석가에서 현업으로 이동한다.

쉽게 이해하기

비즈니스 인텔리전스(BI)는 조직이 의사결정을 위해 데이터를 수집·준비·분석·표현하는 관행과 프로세스를 뜻한다. 핵심 목적은 원시 데이터를 '실행 가능한 통찰'로 바꾸는 것이다. IBM은 이 과정에 관여하는 세 가지 핵심 역할을 중심으로 설명한다.

세 역할은 데이터를 정제·수집·변환·준비하는 데이터 엔지니어, 그 데이터를 분석해 리포트와 대시보드를 만들고 현업의 즉석 질문에 답하는 BI 분석가, 그리고 완성된 리포트와 대시보드를 소비하며 필터링하고 데이터를 잘라 보는 현업 사용자다. 최근 여러 BI 벤더가 노코드 셀프서비스 기능을 더했지만 도입에는 여전히 큰 문제가 있다.

기업의 97%가 2027년까지 데이터·분석에 320억 달러 넘게 투자하는데도, 현업 사용자 중 실제로 데이터와 분석을 의사결정에 쓰는 비율은 35%에 불과하며 이 숫자는 7년 넘게 움직이지 않았다. 원인은 세 가지다. 첫째 데이터 준비가 복잡·수작업이라 병목이 된다. 둘째 셀프서비스가 제한적이어서 지표·KPI 정의 같은 비즈니스 로직을 이해해야 하고 학습 곡선이 가파르며, 애초에 많은 현업 사용자는 분석 과정 자체가 아니라 최종 결론만 원한다. 셋째 데이터와 통찰 사이에 간극이 있어 좋은 리포트조차 무슨 일이 왜 일어났고 앞으로 어떻게 될지 사람이 일일이 해석해야 한다.

생성형 AI는 이 세 역할의 경험을 모두 강화한다. 현업 사용자는 일상 언어로 데이터에 질문하면 생성형 AI가 의도를 파악해 알맞은 데이터 소스와 쿼리, 통계 분석을 동원하고 자연어와 시각화로 답을 돌려준다. 그 결과 미리 만들어 둔 리포트에 대한 의존이 줄고 분석 권한이 분석가에서 현업으로 이동하며, 데이터 소비자의 90%가 콘텐츠 창작자가 된다.

BI 분석가는 코드·SQL 자동 생성과 자연어 기반 리포트 작성으로 저작 작업을 최적화하고, 확보한 시간을 비즈니스 지식을 시맨틱 계층에 문서화하는 등 더 높은 가치의 일에 쓴다. 데이터 엔지니어도 코드 자동 생성, 파이프라인 최적화, 자동 데이터 프로파일링·정제·시맨틱 보강으로 업무를 최적화한다. 이렇게 세 역할이 서로의 시간을 벌어 주는 선순환이 활용률을 오랜 35%에서 50% 이상으로 끌어올린다.

주요 인사이트

• 핵심 병목은 도구의 부족이 아니라 데이터 준비의 복잡성과 데이터-통찰 사이의 수작업 해석 단계에 있다.
• 노코드 셀프서비스가 있어도 지표·KPI 정의 같은 비즈니스 로직을 알아야 해 현업 사용자에게는 진입 장벽이 높다.
• 많은 현업 사용자는 리포트를 직접 만드는 데 관심이 없고 최종 통찰만 원하므로, 자연어 질의는 이들의 실제 욕구에 맞닿아 있다.
• 생성형 AI 도입의 효과는 한 역할이 아니라 데이터 엔지니어·분석가·현업 세 역할이 함께 강화될 때 선순환으로 나타난다.
• 분석 권한이 현업으로 이동하면 분석가는 단순 저작 대신 비즈니스 지식의 문서화 같은 고부가 업무로 옮겨 갈 수 있다.

자주 묻는 질문

관련 AI 소식