Data Foundation Forum Powered by Informatica
인공지능(AI)이 단순한 보조 도구를 넘어 스스로 판단하고 행동하는 에이전틱 엔터프라이즈(Agentic Enterprise) 시대에 진입함에 따라 기업의 데이터 전략은 근본적인 변곡점을 맞이하고 있습니다. 2026년 4월 29일 세일즈포스가 주관한 데이터 파운데이션 포럼 파워드 바이 인포매티카(Data Foundation Forum Powered by Informatica)에 참석했습니다.
이번 포럼은 세일즈포스의 인포매티카 인수 완료 이후 처음으로 개최된 대규모 기술 전략 행사로, 기업이 직면한 데이터 사일로와 신뢰성 문제를 어떻게 해결하고 자율형 AI 에이전트를 위한 견고한 기반을 구축할 수 있는지에 대한 심층적인 청사진을 제시했습니다. 국내 대기업의 마스터 데이터 혁신 현장에서 일해온 관점에서 포럼의 핵심 내용과 인사이트를 정리합니다.
- 에이전틱 엔터프라이즈의 부상과 데이터 신뢰의 역설
- 세일즈포스-인포매티카 통합 아키텍처 3대 레이어
- Trusted Context at Scale — 신뢰 가능한 문맥의 정의
- AI 에이전트를 위한 MDM — 골든 레코드의 새로운 역할
- MCP(모델 컨텍스트 프로토콜)와 MDM의 결합
- 한국 기업 데이터 현황 — 2026 보고서가 보여주는 현실
- S-OIL S-imoms — 에이전틱 제조의 선두 사례
- 글로벌 생명과학·소비재 기업의 데이터 거버넌스
- 멀티 클라우드 생태계 확장 전략
- 에이전틱 성숙도 모델과 실전 로드맵
- 현장에서 느낀 실무 시사점 및 전략적 제언
1. 에이전틱 엔터프라이즈의 부상과 데이터 신뢰의 역설
지난 10년 동안 기업의 아키텍처는 워크플로 자동화와 효율성 증대에 집중해 왔습니다. 그런데 이제는 지능형 자율 에이전트가 인간과 협력하여 고객 성공을 주도하는 새로운 패러다임으로 전환되고 있습니다. 이러한 변화의 핵심은 AI 에이전트가 비즈니스 논리에 따라 독립적으로 추론하고 의사결정을 내릴 수 있는 능력을 갖추는 데 있으며, 그 능력의 근간은 바로 데이터에 있습니다.
AI는 그 기반이 되는 데이터만큼만 똑똑해질 수 있다는 명제는 에이전틱 엔터프라이즈에서 더욱 강조됩니다. 에이전트는 인간과 달리 데이터의 오류나 중복을 직관적으로 감지할 능력이 부족하며, 잘못된 데이터를 문자 그대로 해석하여 편향되거나 위험한 결과를 초래할 리스크가 큽니다.
그러나 현재 많은 기업들은 데이터 신뢰의 역설에 빠져 있습니다. AI 기술 도입에는 속도를 내고 있지만, 정작 그 연료가 되는 데이터의 품질과 거버넌스에는 소홀했기 때문입니다.
| 데이터 현황 및 인식 지표 | 수치 | 핵심 시사점 |
|---|---|---|
| 신뢰할 수 없는 자사 데이터 비율 (글로벌 경영진 평가) | 약 30% | AI 할루시네이션 및 의사결정 오류의 직접 원인 |
| AI 성공의 핵심 요인으로 데이터 인프라를 꼽는 비율 | 84% | 기술 자체보다 데이터 기초가 중요하다는 공감대 |
| 비즈니스 가치 창출을 위한 데이터 활용 압박 체감 | 75% | 데이터 전략이 단순 관리에서 수익 창출로 전이 |
| AI 거버넌스가 기술 도입 속도를 따라가지 못하는 비율 | 76% | 보안 및 윤리적 취약성 노출 위험 증가 |
국내 대기업 MDM 현장에서 경험한 것과 정확히 일치하는 현안입니다. "AI를 도입하겠다"고 하지만 정작 AI가 참고할 마스터 데이터의 품질은 측정조차 하지 않는 경우가 대부분입니다. AI 투자의 실패는 기술 선택의 실패가 아니라 데이터 준비의 실패입니다.
2. 세일즈포스-인포매티카 통합 아키텍처 3대 레이어
세일즈포스의 인포매티카 인수는 단순한 솔루션 결합을 넘어 기업 전체의 데이터를 아우르는 통합 지능형 데이터 계층을 구축하려는 전략적 포석입니다. 세일즈포스의 고객 중심 전면부(Front-end) 지능과 인포매티카의 엔터프라이즈급 데이터 관리 후면부(Back-end) 역량이 결합하여, 업계 최초로 대규모 신뢰 가능한 컨텍스트 솔루션을 제공합니다.
| 레이어 | 주요 기능 및 역할 | 핵심 기술 요소 | 비유 |
|---|---|---|---|
| Informatica | 데이터 품질·거버넌스·메타데이터 관리 | MDM, 데이터 카탈로그, 품질 모니터링, 리니지 추적 | 🧠 두뇌 — 전사 데이터 의미 파악 |
| MuleSoft | 애플리케이션 통합·에이전트 동기화 | API 관리, 이벤트 처리, 워크플로 오케스트레이션 | 🔗 신경망 — 시스템 간 연결 |
| Data 360 | 데이터 활성화·실시간 AI 연동 | 제로카피 기술, 정형/비정형 데이터 통합, AI 에이전트 설정 | ⚡ 혈관 — 실시간 데이터 공급 |
이 아키텍처에서 인포매티카는 전사적 데이터 환경을 스캔하고 데이터의 의미와 계보를 파악합니다. 뮬소프트는 다양한 클라우드와 온프레미스 시스템을 연결하며, 최종적으로 데이터 360이 신뢰할 수 있는 데이터를 모든 접점에서 활성화합니다. 데이터가 AI에 도달하기 전에 이미 정제·표준화·문맥화된 상태임을 보장하여 AI 환각을 근본적으로 차단합니다.
3. Trusted Context at Scale — 신뢰 가능한 문맥의 정의
포럼에서 강조된 Trusted Context(신뢰할 수 있는 문맥)은 단순히 깨끗한 데이터를 넘어서는 개념입니다. 이는 아래 세 가지가 완벽하게 결합된 상태를 의미합니다.
"이 공급업체 코드가 실제로 어떤 회사인가", "이 고객 ID가 어떤 사람인가"를 명확히 정의한 메타데이터. ERP·CRM·SCM에 흩어진 동일 엔티티를 하나의 기준으로 통합합니다.
고객-계약-제품-공급업체 간의 관계 계층 구조. AI 에이전트가 단순 레코드가 아닌 비즈니스 관계망 전체를 이해하고 판단할 수 있게 합니다.
개인정보 여부·접근 권한·보존 기간·품질 SLA 등 데이터 사용 규칙. AI 에이전트가 규정을 준수하면서 자율적으로 행동할 수 있는 기반을 제공합니다.
최근 MDM의 가장 큰 문제는 데이터가 없는 것이 아니라 맥락이 없다는 것입니다. 자재 코드 10만 개가 있지만 어떤 코드가 어떤 제품인지, 어떤 시스템에서 사용되는지 아는 사람이 없습니다. Trusted Context는 이 문제의 본질을 정확히 짚었습니다.
4. AI 에이전트를 위한 MDM — 골든 레코드의 새로운 역할
포럼에서 가장 구체적인 기술 시연 중 하나는 MDM Extension for Agentforce였습니다. AI 에이전트가 작업 수행 중 실시간으로 마스터 데이터에 접근하는 방식을 보여주었습니다.
시연 시나리오: 고객 환불 요청을 처리하는 AI 에이전트가 MDM을 통해 고객의 평생 가치(LTV) + 최근 감정 분석 결과 + ERP 구매 이력을 결합한 단일 골든 레코드에 즉시 접근합니다. 에이전트는 단순 규칙이 아닌 고객 전체 맥락을 고려한 최적 판단을 내립니다.
| 기존 MDM 역할 | AI 에이전트 시대 MDM 역할 | 변화의 의미 |
|---|---|---|
| ERP·CRM에 마스터 공급 | AI 에이전트에 실시간 컨텍스트 공급 | 소비 주체가 시스템 → 자율 에이전트로 변화 |
| 배치 기반 동기화 | 실시간 이벤트 기반 동기화 | 에이전트는 최신 데이터만 신뢰 가능 |
| 데이터 정합성 관리 | 데이터 + 의미 + 맥락 + 거버넌스 통합 | AI 설명 가능성·감사 가능성 확보 필수 |
5. MCP(모델 컨텍스트 프로토콜)와 MDM의 결합
포럼의 기술 세션에서 특히 주목한 내용은 모델 컨텍스트 프로토콜(Model Context Protocol, MCP) 서버의 MDM 적용이었습니다. MCP는 Anthropic이 제안한 오픈 표준으로, AI 모델이 외부 데이터 소스에 표준화된 방식으로 연결되도록 합니다.
| MCP 기능 | MDM에서의 의미 |
|---|---|
| 시맨틱 데이터 발견 | 에이전트가 DB 스키마를 몰라도 비즈니스 용어로 데이터 검색·해석 가능. "삼성전자 공급업체 계약 현황 조회" 같은 자연어 요청 처리 |
| 동적 보안·권한 평가 | 에이전트의 목적과 사용자 역할을 실시간 평가하여 접근 범위 자동 제한. 발주 에이전트는 발주 관련 마스터만 접근 가능 |
| 엔드투엔드 리니지 추적 | AI 결론이 어떤 소스 데이터에서 기인했는지 명확히 추적. 감사 가능성 확보. EU AI Act 고위험 AI 요건 충족 |
6. 한국 기업 데이터 현황 — 2026 보고서가 보여주는 현실
포럼에서 세일즈포스 코리아가 발표한 '데이터 및 분석 현황 보고서(State of Data & Analytics 2026)'는 국내 500개 기업을 포함한 글로벌 8,000개 기업 응답을 분석한 결과입니다.
| 국내 데이터 시장 핵심 지표 | 분석 결과 | 시사점 |
|---|---|---|
| 스스로를 데이터 중심 조직으로 평가 | 60% (2023년 대비 +28%p) | 인식 급속 확산 중 |
| AI 성공 핵심은 '탄탄한 데이터 기반' | 84% | 기술보다 데이터 투자 우선 |
| 데이터를 비즈니스 우선순위와 연결 못함 | 61% | 인식과 실행의 큰 격차 |
| 가치 인사이트의 66%가 접근 불가 데이터에 존재 | 전체의 15% 데이터에 집중 | 사일로 해소가 핵심 과제 |
| 제로카피 전략 도입 기업 | 56% | 물리적 이동 없는 통합 확산 |
특히 주목할 점은 글로벌 CIO들이 AI 모델 자체보다 데이터 인프라에 4배 더 많은 예산을 배정하고 있다는 사실입니다. 국내 기업들에게도 중요한 전략적 이정표입니다.
"스스로를 데이터 중심 조직으로 평가"하는 국내 기업이 60%라는 수치는 다소 과장된 자기 평가입니다. 실제 마스터 데이터 품질을 측정하고 관리하는 체계를 갖춘 기업은 훨씬 적습니다. 인식과 실행 사이의 격차를 메우는 것이 2026년 국내 CDO·CIO의 가장 중요한 과제입니다.
7. S-OIL S-imoms — 에이전틱 제조의 선두 사례
포럼에서 국내 사례로 소개된 S-OIL의 S-imoms(스마트 통합 운영 시스템)는 데이터 파운데이션이 제조 현장에서 어떤 가치를 만드는지 보여주는 가장 구체적인 증거였습니다. 설계 단계부터 공장 업무 절차를 분석하여 비효율을 개선하고 작업 효율성을 극대화하는 데 중점을 두었습니다.
| 혁신 영역 | 적용 내용 | 성과 |
|---|---|---|
| 시스템 통합 | 30개 이상 분산 운영되던 생산·설비·정비 시스템을 단일 통합 | 전사 데이터 흐름 가시성 확보 |
| AI 기반 운전 최적화 | 온도·압력·유량 실시간 분석 → 최적 운전 모드 자동 추천 | 에너지 절감 10~15% |
| 예지 정비 | 센서 데이터 + 머신러닝 → 고장 가능성 사전 예측 | 불필요한 정비 비용 절감, 가동 중단 최소화 |
| ESG 자동화 | AI가 탄소 배출 최소화 운전 전략 자동 제안 | ESG 경영 정량화 달성 |
S-OIL 관계자는 이를 "안전경영 철학을 디지털 솔루션으로 구현한 프로젝트"로 정의하며, 향후 디지털 트윈과 결합한 완전 자율 공장 운영으로의 확장 가능성을 시사했습니다.
S-OIL 사례의 성공 비결은 "30개 시스템을 통합하는 데이터 파운데이션이 먼저 구축됐기 때문에 AI가 제대로 작동했다"는 점입니다. 국내 제조 기업들이 반드시 배워야 할 교훈입니다.
8. 글로벌 생명과학·소비재 기업의 데이터 거버넌스
포럼에서는 S-OIL 외에도 글로벌 기업들의 구체적인 적용 사례가 공유되었습니다.
| 기업 | 적용 내용 | 성과 |
|---|---|---|
| Chiesi Group | Agentforce Life Sciences 도입. 데이터 리니지 추적으로 임상 데이터 신뢰성 확보 | 고객 경험 혁신, 연구 데이터 신뢰도 향상 |
| PepsiCo | 인포매티카 데이터 및 AI 아키텍처 거버넌스로 대규모 전사 데이터 생태계 관리 | 안전한 전사 데이터 거버넌스 체계 완성 |
| Emeria Group | 인포매티카 IDMC 플랫폼 기반 고품질 데이터 파운데이션 구축 | 의사결정 속도 가속화, 혁신 주도 |
이러한 사례들은 데이터 파운데이션이 특정 산업에 국한되지 않고, 규제가 엄격하거나 운영 환경이 복잡한 모든 영역에서 AI 도입의 필수 전제 조건임을 확인시켜 줍니다.
9. 멀티 클라우드 생태계 확장 전략
포럼에서 세일즈포스-인포매티카가 강조한 또 하나의 핵심 메시지는 특정 클라우드에 종속되지 않는 개방형 멀티 클라우드 아키텍처였습니다.
| 클라우드 파트너 | 통합 내용 및 국내 기업 활용 포인트 |
|---|---|
| Microsoft Azure | Microsoft Fabric Open Mirroring 지원 확대. Azure 기반 기업은 Fabric OneLake와 실시간 동기화하면서 인포매티카 거버넌스 동시 적용 가능. SAP + Azure 조합의 국내 대기업에 특히 유효 |
| AWS | 300개 이상 네이티브 커넥터. Amazon Bedrock AgentCore와 통합된 '에이전틱 블루프린트' 제공. AWS 기반 AI 에이전트에 신뢰할 수 있는 마스터 데이터 공급. Apache Iceberg 지원으로 대규모 데이터셋 개방형 접근 |
| Google Cloud | Dataplex 연동으로 데이터 거버넌스 자동화. Vertex AI와 결합하여 AI-Native 마스터 데이터 관리 구현 |
10. 에이전틱 성숙도 모델과 실전 로드맵
포럼에서는 기업들이 자신의 현재 수준을 진단하고 단계적으로 발전할 수 있도록 에이전틱 성숙도 모델(Agentic Maturity Model)을 제시했습니다.
| 단계 | 핵심 작업 | 데이터 파운데이션 요건 |
|---|---|---|
| 초기 단계 | 데이터 클라우드와 핵심 시스템 통합 시작 | 산재된 스프레드시트·사일로 앱을 연결하는 기본 통합 완료 |
| 발전 단계 | 인포매티카 기능 통합, 데이터 품질 자동화 | 품질 이슈 자동 감지, 메타데이터 관리 자동화 완성 |
| 성숙 단계 | 예측 AI·코파일럿·자율 에이전트 유기적 운영 | 실시간 골든 레코드, MCP 기반 에이전트 접근, 완전한 리니지 추적 |
2026년에는 데이터 클라우드가 단순한 선택이 아닌 진지한 AI 구현을 위한 필수 요소로 자리 잡을 것으로 예상됩니다. AI 에이전트는 파편화된 데이터에서는 정교한 자동화를 수행할 수 없기 때문입니다.
11. 현장에서 느낀 실무 시사점 및 전략적 제언
포럼 전체를 통해 가장 강하게 남은 메시지를 4가지 전략적 제언으로 정리합니다.
AI 모델의 성능보다 중요한 것은 그 모델이 참고하는 데이터의 품질과 맥락입니다. 인포매티카의 MDM과 메타데이터 관리 기술을 적극 도입하여 AI 환각을 방지하고 의사결정의 확실성을 확보해야 합니다.
S-OIL의 사례처럼 에너지 절감이나 예지 정비 등 명확한 성과를 낼 수 있는 영역부터 데이터 파운데이션을 구축하고, 점진적으로 전사 시스템으로 확장하는 단계적 접근이 필요합니다.
데이터는 기업의 전사적 환경에 흩어져 있습니다. 마이크로소프트·AWS 등 주요 클라우드 벤더와의 통합 기능을 활용하여 시스템 간 장벽을 허물고 실시간으로 연결된 데이터 생태계를 구축해야 합니다.
인포매티카의 CDO 보고서에 따르면 데이터 리더의 75%가 직원들의 데이터 리터러시 상향이 필요하다고 응답했으며, 74%는 책임감 있는 AI 사용을 위한 교육이 시급하다고 지적했습니다. 강력한 데이터 솔루션 투자와 병행하여 전사적 역량 강화에 자원을 배분해야 합니다.
그 시작과 끝은 항상 견고한 데이터 파운데이션에 있습니다.
AI가 아무리 똑똑해도
잘못된 마스터 데이터 위에서는
더 빠르게 틀릴 뿐입니다."
- Salesforce. (2026, April 29). Data Foundation Forum Powered by Informatica. Salesforce Korea. https://event.on24.com
- Salesforce Korea. (2026). 데이터 및 분석 현황 보고서(State of Data & Analytics). Salesforce. https://www.salesforce.com
- Informatica. (2026). Connecting Master Data to Agentforce. Informatica LLC. https://www.informatica.com
- Informatica. (2026). New Global CDO Report: Data Governance and AI Literacy as Key Accelerators in AI Adoption. Informatica LLC.
- Informatica. (2026). Salesforce (Informatica) Named a Leader in the 2026 Gartner Magic Quadrant for Augmented Data Quality Solutions. Informatica LLC.
- S-OIL. (2025). 디지털 전환 메가 프로젝트 완료 '지능형 공장' 구축. S-OIL 기업소식. https://www.s-oil.com
- Salesforce. (2026). Architecting with Context: Power the Agentic Enterprise with Salesforce and Informatica. Salesforce.
- Informatica. (2026). Informatica Expands Microsoft Fabric & Azure Integration. Informatica LLC.
- Anthropic. (2024). Model Context Protocol (MCP) Specification. Anthropic PBC. https://modelcontextprotocol.io
※ 본 포스트는 2026년 4월 29일 세일즈포스 데이터 파운데이션 포럼 파워드 바이 인포매티카 참석 후 작성한 현장 분석입니다. 본 블로그는 MDM, CIAM, DX, AX, AI 등 글로벌 IT 트렌드와 디지털 전략을 전문가 관점에서 분석합니다.
댓글
댓글 쓰기