AI 에이전트의 추론을 위한 데이터 컨텍스트 인프라와 차세대 데이터 아키텍처
Session Overview
기업마다 데이터는 넘치도록 쌓여 있다. 그런데 AI에게 물어보면 어딘가 아쉬운 답이 돌아온다. 왜일까. AI가 좋은 판단을 내리려면 낱낱의 데이터가 아니라 그 사이의 맥락, 즉 이 고객과 저 계좌가, 이 기업과 저 지표가 어떻게 이어져 있는지에 대한 연결이 필요하기 때문이다.
문제는 그 맥락이 지금 어디에도 저장되어 있지 않다는 점이다. 담당자의 머릿속에, 복잡한 데이터 추출 쿼리 안에, 회의록 어딘가에 흩어져 있을 뿐이다. 데이터에 맥락을 더해 회사의 지식으로 저장하는 것, 그것이 지식그래프이며 최근 금융권이 AI 에이전트의 다음 단계로 지식그래프에 주목하는 이유다.
본 세션에서는 이 과제를 서로 다른 현장에서 마주한 세 명의 실무자가 만난다.
Speaker
정이태 FAE는 그래프 데이터베이스 기업에서 그래프 데이터 사이언티스트로 경력을 시작하여, 그래프 데이터 솔루션 엔지니어를 거쳐 현재는 반도체 산업까지 그래프 기술을 적용하며 소프트웨어와 하드웨어를 아우르는 전문성을 보유하고 있다.
국내 학회 튜토리얼을 통해 그래프 기술의 저변 확대에 기여하고 있으며, 최근 해외 산업 컨퍼런스(KGC 2026)에서는 한국 대표 연사로 발표를 진행하는 등 국내외에서 그래프 기술 역량을 인정받고 있다.
정재영 데이터 사이언티스트는 금융사기 탐지(FDS)와 자금세탁방지(AML) 분야에서 AI 기술을 연구하고 실제 금융 서비스에 적용하고 있다. 두나무의 블록체인 계열사 람다256에서는 이더리움 블록체인에서 발생하는 부정거래 탐지와 자금세탁 방지를 위한 딥러닝 연구를 수행했다.
현재 토스뱅크에서는 AML 보고서 작성과 조사 업무의 효율화를 지원하는 LLM 기반 에이전트를 개발했으며, FDS팀에서 사기이용계좌와 의심 거래를 실시간으로 탐지·차단하는 머신러닝 모델을 개발하고 운영하고 있다. 금융 리스크 관리에 AI를 적용해 업무의 효율성과 판단의 정확성을 높이고, 더욱 안전하고 신뢰할 수 있는 금융 환경을 만드는 데 관심을 두고 있다.
이형주 센터장은 AI·ML을 실제 서비스와 현장에서 활용하는 업무를 수행하고 있다. 특히 AI가 활용하기 수월한 형태의 데이터 형식과 이를 위한 전처리에 관심이 있다. SK 컴즈, 네오위즈 게임즈, MBC에서 신규 사업과 관련된 경험을 쌓았다.
이후 현대카드 디지털 마케팅팀 팀장, 크라우드웍스 CPO를 거쳐 현재 카카오페이증권 AI 서비스 센터장을 맡아 실제 AI 결과물을 고객에게 제공하고 업무를 이끌고 있다.