-AI 도입률 높지만 데이터 접근·통합 문제 여전
-ROI 저해 요인으로 데이터 품질·통합 부족·관리 문제 꼽혀
클라우데라 로고 (자료 제공: 클라우데라)
글로벌 데이터·AI 기업
클라우데라
가 ‘데이터 준비 지수(Data Readiness Index)’ 보고서를 통해 국내 기업의 데이터 인프라 수준과 AI 활용 현황을 진단했다.
보고서에 따르면 국내 기업의 상당수가 AI 도입에는 적극적이지만, 이를 뒷받침할 데이터 환경은 여전히 불완전한 상태인 것으로 나타났다.
AI 도입은 빠르지만 ‘데이터 기반’은 여전히 취약
조사 결과, 글로벌 기업의 96%가 AI를 주요 비즈니스에 도입했다고 응답했고 85%는 데이터 전략을 보유하고 있다고 밝혔다. 그러나 실제로는 약 80%가 데이터 접근성과 활용 측면에서 제약을 겪고 있는 것으로 확인됐다.
국내 상황도 크게 다르지 않았다. 응답 기업의 80%는 데이터가 일부 시스템에만 연결돼 있으며, 완전한 통합에는 여전히 어려움을 겪고 있다고 답했다. 이는 AI 확장 과정에서 실질적인 성과 창출을 제한하는 핵심 요인으로 작용하고 있다.
AI 투자 대비 성과(ROI)가 기대에 못 미치는 이유로는 데이터 품질 문제(32%), 시스템 간 통합 부족(22%), 데이터 접근 및 관리 한계(20%) 등이 주요 원인으로 지목됐다. 여기에 데이터 공유에 대한 조직 내 저항과 낮은 데이터 활용 역량 역시 장애 요인으로 나타났다.
또한 산업별로는 통신 분야가 상대적으로 높은 데이터 준비도를 보였지만, 인프라 성능 한계로 인해 실제 운영 효율이 저해되는 사례도 많았다. 국내 기업의 절반 이상 역시 인프라 제약이 AI 및 데이터 프로젝트 추진에 부담으로 작용하고 있다고 응답했다.
클라우데라는 데이터 품질, 거버넌스, 접근성을 동시에 확보하지 못할 경우 AI 활용이 ‘확장 착시’에 그칠 수 있다고 지적했다. 특히 데이터 사일로와 불완전한 통합 구조는 기업 전반의 의사결정 정확도를 떨어뜨릴 수 있다는 분석이다.
AI도입
IT리포트
기업AI
데이터거버넌스
데이터전략
데이터통합
데이터플랫폼
디지털전환
빅데이터
클라우데라
Cloudera: “80% of Domestic Companies Have Incomplete Data Connectivity”… Points Out Limitations to AI Expansion
– High AI adoption rate, but data access and integration issues persist
Data quality, lack of integration, and management issues cited as factors hindering ROI
Cloudera logo (Image courtesy of Cloudera)
Cloudera
, a global data and AI company, assessed the data infrastructure levels and AI utilization status of domestic companies through its 'Data Readiness Index' report.
According to the report, while a significant number of domestic companies are actively adopting AI, the data environment to support it remains incomplete.
AI adoption is rapid, but 'data-driven' remains weak
According to the survey results, 96% of global companies responded that they have adopted AI into their core business, and 85% stated that they have a data strategy. However, in reality, it was found that approximately 80% are facing limitations in terms of data accessibility and utilization.
The domestic situation was not significantly different. 80% of responding companies stated that their data is connected to only some systems and that they are still struggling with full integration. This is acting as a key factor limiting the creation of tangible results during the expansion of AI.
Data quality issues (32%), lack of system integration (22%), and limitations in data access and management (20%) were identified as the main reasons why the return on investment (ROI) of AI fell short of expectations. In addition, internal organizational resistance to data sharing and low data utilization capabilities were also found to be obstacles.
Furthermore, by industry, while the telecommunications sector demonstrated a relatively high level of data readiness, there were many instances where actual operational efficiency was hindered due to infrastructure performance limitations. More than half of domestic companies also responded that infrastructure constraints act as a burden on the implementation of AI and data projects.
Cloudera pointed out that if data quality, governance, and accessibility are not secured simultaneously, the use of AI may amount to nothing more than an "illusion of expansion." In particular, the analysis suggests that data silos and incomplete integration structures can undermine the accuracy of decision-making across the entire enterprise.
クラウデラ「国内企業80％、データ接続未完」… AI拡張限界指摘
-AI導入率は高いがデータアクセス・統合問題相変わらず
-ROI阻害要因としてデータ品質・統合不足・管理問題に挙げられ
クラウデラのロゴ（資料提供：クラウデラ）
グローバルデータ・AI企業
クラウデラ
が「データ準備指数(Data Readiness Index)」報告書を通じて国内企業のデータインフラレベルとAI活用現況を診断した。
報告書によると、国内企業の多くはAI導入には積極的だが、これを裏付けるデータ環境は依然として不完全な状態であることが分かった。
AIの導入は高速ですが、「データベース」は依然として脆弱
調査の結果、グローバル企業の96%がAIを主要ビジネスに導入したと回答し、85%はデータ戦略を保有していると明らかにした。しかし実際には約80％がデータのアクセシビリティと活用の面で制約を受けていることが確認された。
国内状況も大きく変わらなかった。回答企業の80％は、データが一部のシステムにのみ接続されており、完全な統合には依然として困難を抱えていると答えた。これは、AIの拡大過程で実質的な成果創出を制限する重要な要因として機能している。
AI投資対比成果(ROI)が期待に満たない理由としては、データ品質問題(32%)、システム間統合不足(22%)、データアクセスおよび管理限界(20%)などが主な原因と指摘された。ここで、データ共有に対する組織内抵抗と低データ活用能力も障害要因として現れた。
また、産業別では通信分野が相対的に高いデータ準備度を示したが、インフラの性能限界により実際の運用効率が阻害される事例も多かった。国内企業の半分以上もインフラ制約がAIとデータプロジェクトの推進に負担として作用していると答えた。
クラウドデラは、データ品質、ガバナンス、アクセシビリティを同時に確保できない場合、AI活用が「拡張錯視」にとどまることができると指摘した。特にデータサイロと不完全な統合構造は、企業全体の意思決定精度を低下させる可能性があるという分析だ。
Cloudera：“80%的国内企业数据连接不完整”……指出人工智能扩张的局限性
人工智能应用率高，但数据访问和集成问题依然存在。
数据质量、缺乏整合以及管理问题被认为是阻碍投资回报率的因素。
Cloudera标志（图片由Cloudera提供）
全球数据和人工智能公司
Cloudera
通过其“数据准备指数”报告，评估了国内企业的数据基础设施水平和人工智能利用现状。
报告指出，虽然国内有相当多的企业正在积极采用人工智能，但支持人工智能的数据环境仍然不完善。
人工智能应用迅速，但“数据驱动”仍然薄弱。
调查结果显示，96%的全球企业表示已将人工智能融入核心业务，85%的企业表示制定了数据战略。然而，实际情况是，约80%的企业在数据访问和利用方面面临诸多限制。
国内情况也大同小异。80%的受访企业表示，他们的数据仅与部分系统连接，仍在努力实现全面整合。这成为人工智能推广过程中制约切实成果的关键因素。
数据质量问题（32%）、系统集成不足（22%）以及数据访问和管理方面的限制（20%）被认为是人工智能投资回报率（ROI）未达预期的主要原因。此外，组织内部对数据共享的抵制以及数据利用能力低下也被认为是阻碍因素。
此外，从行业来看，虽然电信行业的数据准备水平相对较高，但由于基础设施性能的限制，实际运营效率仍然受到诸多因素的制约。超过半数的国内企业也表示，基础设施的限制阻碍了人工智能和数据项目的实施。
Cloudera指出，如果数据质量、治理和可访问性不能同时得到保障，人工智能的应用可能仅仅是一种“扩张的假象”。特别是，分析表明，数据孤岛和不完整的集成结构会降低整个企业决策的准确性。
Cloudera : « 80 % des entreprises nationales ont une connectivité des données incomplète »… souligne les limites du développement de l’IA
– Taux d'adoption de l'IA élevé, mais persistance de problèmes d'accès aux données et d'intégration
La qualité des données, le manque d'intégration et les problèmes de gestion sont cités comme des facteurs entravant le retour sur investissement.
Logo de Cloudera (Image fournie par Cloudera)
Cloudera
, une entreprise mondiale spécialisée dans les données et l'IA, a évalué le niveau d'infrastructure de données et l'état actuel de l'utilisation de l'IA par les entreprises nationales grâce à son rapport « Data Readiness Index ».
Selon le rapport, bien qu'un nombre important d'entreprises nationales adoptent activement l'IA, l'environnement de données nécessaire à son fonctionnement reste incomplet.
L'adoption de l'IA est rapide, mais l'approche « axée sur les données » reste faible.
D'après les résultats de l'enquête, 96 % des entreprises mondiales ont déclaré avoir intégré l'IA à leurs activités principales, et 85 % ont affirmé disposer d'une stratégie de données. Toutefois, dans les faits, il s'avère qu'environ 80 % d'entre elles rencontrent des difficultés d'accès et d'utilisation de leurs données.
La situation au niveau national n'était guère différente. 80 % des entreprises interrogées ont déclaré que leurs données n'étaient connectées qu'à certains systèmes et qu'elles peinaient encore à parvenir à une intégration complète. Ce facteur limite considérablement l'obtention de résultats concrets lors du déploiement de l'IA.
Les problèmes de qualité des données (32 %), le manque d'intégration des systèmes (22 %) et les limitations d'accès et de gestion des données (20 %) ont été identifiés comme les principales raisons du faible retour sur investissement (RSI) de l'IA. Par ailleurs, la résistance interne des organisations au partage des données et les faibles capacités d'utilisation de celles-ci ont également constitué des obstacles.
Par ailleurs, si le secteur des télécommunications a démontré un niveau de préparation aux données relativement élevé, de nombreux cas ont révélé que l'efficacité opérationnelle était entravée par des limitations de performance des infrastructures. Plus de la moitié des entreprises nationales ont également indiqué que ces contraintes d'infrastructure freinaient la mise en œuvre de leurs projets d'IA et de données.
Cloudera a souligné que si la qualité, la gouvernance et l'accessibilité des données ne sont pas assurées simultanément, l'utilisation de l'IA risque de n'être qu'une simple illusion d'expansion. L'analyse suggère notamment que les silos de données et les structures d'intégration incomplètes peuvent nuire à la précision des prises de décision à l'échelle de l'entreprise.
댓글
0