AI 데이터 거버넌스 실패, 문화보다 실행 루틴을 보라

AI 도입이 막히면 흔히 ‘데이터 문화가 부족하다’고 말합니다. 맞는 진단일 수 있지만, 문화라는 단어만으로는 다음 행동을 정하기 어렵습니다. 누가 값을 고치고, 어느 시점에 검증하며, 어떤 자료를 AI가 읽어도 되는지가 업무 안에서 작동하지 않으면 교육과 캠페인만으로 달라지기 어렵습니다.

가트너는 2026년 9월 데이터·분석 거버넌스의 문화적 문제를 다루지 않는 조직 가운데 60%가 2027년까지 AI 거버넌스에 실패할 것으로 예측했습니다. 같은 발표에는 2026년 3월 데이터·분석 리더 223명을 조사한 결과도 있습니다. 거버넌스 실패의 주된 이유로 문화적 저항을 꼽은 응답은 60%, 예산 제약은 40%였습니다.

두 ‘60%’는 같은 수치가 아닙니다. 하나는 특정 조건을 둔 미래 예측이고, 다른 하나는 설문 응답 비율입니다. 이를 ‘기업 60%가 AI 도입에 실패한다’고 단순화하면 조사 범위와 조건을 모두 잃게 됩니다.

문화라는 말 뒤에 어떤 구조가 숨어 있나

데이터를 고치는 일이 본업 평가에 포함되지 않거나, 오류를 발견해도 담당자가 누구인지 모르거나, 마감 때문에 검증 절차를 건너뛰어도 아무 제약이 없다면 구성원의 태도만 탓할 수 없습니다. 조직이 실제로 보상하고 허용하는 방식이 곧 운영 문화입니다.

정책 문서에는 ‘정확한 데이터를 사용한다’고 적혀 있어도 고객명은 영업팀, 청구 주소는 재무팀, 연락처는 고객지원팀이 각자 관리할 수 있습니다. AI가 세 자료를 함께 읽는 순간 어느 값이 최신인지 결정할 주체가 필요합니다. 이 역할이 없으면 모델을 바꿔도 답변의 근거는 달라지지 않습니다.

거버넌스는 어느 순간에 작동해야 하나

규칙은 데이터를 만든 뒤 회의에서 점검하는 것이 아니라 값이 만들어지고 이동하는 순간에 작동해야 합니다. 고객 정보를 입력할 때 형식과 필수값을 확인하고, 외부로 내보낼 때 민감정보를 검사하고, AI 검색에 연결할 때 공개 범위와 최신성을 다시 확인하는 식입니다.

모든 데이터를 한꺼번에 정리하려고 하면 프로젝트가 길어집니다. 매출, 고객지원, 계약처럼 실제 AI 활용과 연결된 업무 하나를 고르고 그 흐름에 필요한 5~10개 데이터 자산부터 확인하는 편이 낫습니다. 각 자산에 ‘공동 책임’이 아니라 최종 판단할 사람 한 명을 지정합니다.

가트너도 거버넌스를 IT 부서의 일이 아니라 업무와 기술 부서가 나누는 책임으로 보고, 일상 업무 흐름에 데이터 거버넌스와 변화 관리를 넣으라고 권고합니다. 이는 별도 위원회를 늘리기보다 현업이 데이터를 쓰는 화면과 승인 절차를 바꾸라는 뜻에 가깝습니다.

작은 조직은 어떤 루틴부터 만들 수 있나

첫째, 핵심 데이터 목록에 소유자, 사용 목적, 최신성 기준을 한 줄씩 적습니다. 둘째, 잘못된 값을 발견했을 때 수정 요청을 보낼 위치와 처리 기한을 정합니다. 셋째, AI가 읽을 수 있는 자료는 승인 목록으로 관리하고, 새 자료가 자동으로 포함되지 않게 합니다. 넷째, 예외 승인을 누가 왜 했는지 남깁니다.

이 기록은 복잡한 시스템부터 살 필요 없이 스프레드시트나 업무관리 도구로 시작할 수 있습니다. 중요한 것은 목록이 실제 입력·내보내기·AI 연결 절차와 이어지는가입니다. 정책과 실행 사이의 간격은 AI 네이티브 업무 루틴에서 다룬 운영 역량의 문제이며, AI의 행동까지 연결된다면 에이전트 제로 트러스트의 권한 통제로 확장해야 합니다.

2주 안에 확인할 항목

• AI가 사용하는 핵심 데이터 5~10개를 목록으로 만들었는가
• 각 데이터에 최종 판단할 책임자 한 명이 있는가
• 정확한 값과 허용되지 않는 값을 예시로 적었는가
• 입력·내보내기·AI 연결 중 규칙을 적용할 시점을 정했는가
• 민감정보와 오래된 자료가 AI 승인 목록에서 제외되는가
• 예외와 수정 이력이 다음 판단에 남는가

데이터 문화는 선언으로 생기지 않습니다. 누가 무엇을 언제 확인하는지가 반복될 때 만들어집니다. AI 거버넌스의 출발점도 거대한 원칙이 아니라 데이터가 움직이는 순간마다 작동하는 작고 명확한 루틴입니다.