서울 – 2026년 9월 17일 – 스토리지 및 데이터 관리 혁신을 선도하는 에버퓨어(구 퓨어스토리지)는 시장조사기관 옴디아(Omdia)와 함께 ‘기업 데이터 준비도 격차 분석(Exploring the enterprise data readiness gap)’ 보고서(영문)를 발표했다. 이번 보고서는 기업의 데이터 준비도 격차가 확대되고 있는 현황과 함께, 수집·저장되지만 거의 재사용되지 않는 ‘다크 데이터(dark data)’가 초래하는 위험을 조명한다. 다크 데이터에는 중복되거나 오래됐거나 불필요한(Redundant, Obsolete and Trivial, ROT) 데이터가 다수 포함돼 있다.
AI의 성능은 기반이 되는 데이터에 좌우되는 만큼, 기업이 보유한 정보의 품질은 그 어느 때보다 중요해지고 있다. 그러나 기업이 더 많은 AI 모델과 분석을 대규모로 구축하면서 다크 데이터가 걸림돌로 부상하고 있다. 가치가 낮은 ROT 데이터와 가치가 높은 정보가 뒤섞이면 비용과 위험이 증가하고 비즈니스 성과가 저하될 수 있다.
위협받는 기업 데이터 준비도
기업들이 데이터를 AI에 활용할 수 있도록 가시성과 거버넌스, 신뢰성을 확보하는 데 주력하면서 데이터 관리는 빠르게 핵심 비즈니스 우선순위로 자리 잡고 있다. 그러나 다크 데이터는 여전히 이를 가로막고 있다. 조사에 따르면 조직의 99%가 다크 데이터를 보유하고 있으며, 절반 이상(51~75%)의 조직에서 다크 데이터가 전체 기업 데이터의 3분의 1 이상(37%)을 차지하는 것으로 나타났다. 가치가 높은 데이터를 구분하고 활용하지 못하면 상당한 비용 낭비, 잠재적인 규제 준수 또는 보안 취약점, 인사이트 및 혁신 창출 기회 상실 등 심각한 문제로 이어질 수 있다.
AI 시스템이 효과적으로 운영되기 위해서는 최신 데이터가 필요한 만큼, 기업의 데이터 준비도 부족은 AI의 실제 운영 환경 적용에 심각한 위험을 초래하고 있다. 이는 가정에 그치지 않고 이미 실제 운영 환경에서 나타나고 있다.
- 조직의 97%가 AI 파일럿에서 실제 운영 환경으로 전환하는 데 어려움을 겪고 있으며, 62%는 중간에서 심각한 수준의 장애 요인에 직면하고 있다.
- IT 리더의 68%는 AI를 실제 운영 환경으로 전환할 때 데이터 관리를 가장 큰 과제로 꼽았다.
- 63%는 스토리지 사일로와 데이터의 무분별한 분산·증가를 AI 성공을 가로막는 주요 장벽으로 지목했다.
AI 도입이 가속화됨에 따라 조직은 데이터와 기반 인프라 모두에 대해 더욱 높은 수준의 가시성과 통제력을 확보해야 한다. 성공을 위해서는 데이터가 어디에 위치하는지, 어떻게 사용되고 있는지, 그리고 해당 데이터가 가장 정확하고 최신 상태의 사본인지 파악하는 것이 중요하다.
가치와 위험에 따른 데이터 매핑
다크 데이터의 위험을 인식하는 것과 이를 실제로 관리할 수 있는 가시성과 통제력을 확보하는 것은 별개의 문제다. IT 리더의 76%는 다크 데이터를 중대한 비즈니스 위험으로 인식하고 있으며, 75%는 실행 가능한 인사이트를 도출하는 것이 AI 성공에 중요하다고 답했다. 그러나 여전히 조직의 58%는 데이터 환경에 대한 기본적인 가시성조차 확보하지 못하고 있다.
조직은 다크 데이터를 단순한 부담 요소로만 바라보기보다, 데이터의 비즈니스 가치와 위험이라는 두 가지 기준으로 데이터를 적극적으로 매핑하고 어떤 데이터를 활성화하고, 거버넌스를 적용하고, 보존하거나 삭제할지 결정해야 한다. 이는 일회성 작업이 아니라 정기적인 조정이 필요한 지속적인 과정이다.
에버퓨어는 조직이 데이터 현황을 평가하고 개선할 수 있도록 다음과 같은 프레임워크를 제안한다.
- 고가치·고위험(High Value, High Risk): 민감한 데이터는 엄격한 거버넌스와 철저한 접근 통제, 강력한 보안 체계 아래에서만 활성화한다.
- 고가치·저위험(High Value, Low Risk): AI 이니셔티브에 신속하게 활용할 수 있도록 즉각적인 데이터 탐색과 활성화를 우선시한다.
- 저가치·고위험(Low Value, High Risk): 보안을 강화하고 데이터를 최소화하거나 영구 삭제해 책임 및 규제 준수 위험을 줄인다.
- 저가치·저위험(Low Value, Low Risk): 아카이빙하거나 삭제해 스토리지 비용을 절감하고 데이터의 무분별한 분산·증가를 억제한다.
현대의 조직은 SaaS, 하이브리드 클라우드, 온프레미스는 물론 기존 워크로드와 AI 워크로드에 걸쳐 갈수록 복잡해지는 환경을 관리해야 한다. 데이터를 가치와 위험에 따라 분류하면 조직이 진정한 데이터 중심 아키텍처로 전환하는 과정에서 명확한 로드맵을 확보할 수 있다.
AI에 데이터를 전달하기 전에 불필요한 노이즈를 최소화하기 위해 ROT 데이터를 식별하고 제거해야 한다. 마찬가지로 다크 데이터 역시 식별·분류하고 위험을 평가함으로써 앞서 제시한 프레임워크를 데이터 활성화에 적용하고, 데이터의 가치를 신속하고 대규모로 최적화해야 한다. 분산된 데이터 환경을 AI에 즉시 활용할 수 있고, 스스로 설명 가능하며, 거버넌스가 적용된 데이터셋으로 전환함으로써 조직은 데이터에 대한 통제력을 되찾고 데이터의 잠재 가치를 온전히 실현할 수 있다.
