[2026.09.03. 배포 자료입니다]
▶ K Feature Map·K Meta·KT Ontology로 Agent를 위한 데이터 기반 구축
▶ K Evaluation으로 과정부터 결과까지 신뢰할 수 있는 운영환경 제공
▶ Agentic AI 생태계 고도화…사람과 Agent가 함께 일하는 방식 제시
KT(대표이사 박윤영)는 AI가 기업 데이터를 이해하고 실제 업무에 활용할 수 있는 전사
데이터 활용 체계 ‘Agentic Data Flow’를 구축했다고 밝혔다.
▲ Agentic AI 시대 기업 경쟁력 확보를 위한 ‘Agentic Data Flow’
최근 AI는 스스로 판단하고 업무를 수행하는 Agentic AI로 빠르게 진화하고 있다. 그러나 Agent 간 협력이 늘어날수록 데이터와 업무 기준을 공유하기 위한 복잡성도 함께 증가한다. 이로 인해 많은 기업들이 AI Agent를 도입하고도 조직 전반으로
확산하는 데 어려움을 겪고 있다.
KT는 이런 흐름 속에서 경쟁력을 갖추기 위해선 Agent들이 기업 데이터를 정확하게 이해하고 협력할 수 있는 기반이 필요할 것으로 보고 데이터 활용 체계인
‘Agentic Data Flow’를 구축했다.
이 체계는 세부적으로 ‘K Feature Map’, ‘K Meta’, ‘KT Ontology’, ‘K Evaluation’으로 구성되며 AI Agent가 데이터를 정확하게 파악하고 활용할 수 있도록 하고, 기업
고유 맥락을 이해해 업무를 수행할 수 있게 만들며, 수행 결과를 지속적으로 검증해 개선까지 이끌어낸다.
▲ 'K Feature Map', AI Agent가 즉시 활용할 수
있는 표준 데이터 자산
기업 내 데이터는 다양한
시스템에 분산돼 있어 원하는 내용을 찾고 가공하는 과정에 많은 시간이 소요된다. 또한 동일한 고객이나
상품이라도 시스템마다 기준과 정의가 달라 일관된 활용이 어려운 경우가 많다. KT는 가입, 이용, 상품, 마케팅
등 전사 데이터를 표준화·통합한 공통 데이터 자산 'K Feature
Map'을 구축해 이러한 문제를 해결한다.
AI
Agent는 K Feature Map을 통해 검증된 표준 데이터를
즉시 활용할 수 있다. 원천 데이터를 일일이 탐색하고 가공하는 절차를 줄여 데이터 준비 시간을 단축하고, 분석의 속도와 정확도를 높인다. KT는 접근 권한과 보안 검토를
사전에 완료한 데이터로 K Feature Map을 구성해 AI
Agent가 데이터를 안전하게 활용할 수 있도록 했다.
현재 K Feature Map은 고객 프로파일, 상품·요금제, 이용 패턴, 채널
행동 등 KT 사업 전반에 걸쳐 1,600여 종의 표준 데이터
자산을 제공한다. 품질 검증과 버전·권한 관리 체계를 적용해 AI Agent가 신뢰할 수 있는 데이터를 안정적으로 활용할 수 있도록 지원한다
▲ 'K Meta', AI가 기업 데이터를 안전하게
활용하도록 하는 데이터 거버넌스
AI
Agent가 고객 분석 업무를 수행하기 위해서는 단순히 데이터를 찾는 것만으로는 충분하지 않다. 해당 데이터가 무엇을 의미하는지, 어떤 데이터와 연결되는지, 개인정보는 아닌지, 업무에 활용 가능한 정보인지까지 이해해야 한다. 하지만 대부분의 기업에서는 이러한 정보가 여러 시스템과 문서에 흩어져 있어
AI가 정확하게 판단하기 어렵다. KT는 데이터 거버넌스 플랫폼 ‘K Meta’를 통해 이러한 문제를 해결하고 AI Agent가 기업
데이터를 사람 수준으로 이해하고 활용할 수 있는 환경을 구축하고 있다.
K Meta는 데이터의 명칭·정의·형식을 표준화하고, 데이터 목록과 위치, 데이터 간 관계를 체계적으로 관리하며, 개인정보·기밀정보의 보안 등급과 활용 권한을 함께 제공하는 KT의 데이터 거버넌스 플랫폼이다. 이를 통해 AI Agent는 필요한 데이터를 빠르게 찾고 그 의미와 연결 구조, 사용 가능 여부를 정확히 파악해 데이터 연결 오류와 의미 혼재, 규정 위반 위험을 줄이면서 안전하고 일관되게 업무에 활용할 수 있다.
▲ 'KT Ontology', AI가 기업의 업무 맥락을
이해할 수 있게 하는 구조
실제 업무 수행을 위해서는
데이터뿐 아니라 기업의 업무 규칙과 정책, 용어, 프로세스에
대한 이해가 필요하다. 하지만 이러한 정보는 대부분 문서 형태로 흩어져 있어 AI Agent가 바로 활용하기 어렵다.
KT는 이를 해결하기 위해 시멘틱
레이어(Semantic Layer, AI가 기업 데이터 등을 공통 의미 체계로 연결해 업무 맥락을 일관되게
이해하고 활용하는 구조)인 'KT Ontology'를 구축하고
있다. KT Ontology는 사내 용어와 정책, 업무 매뉴얼, 운영 노하우 등 다양한 지식을 공통 의미 체계로 구조화해 AI Agent가
기업의 업무 맥락을 이해하고 일관된 판단과 실행을 수행할 수 있도록 지원한다.
특히 KT Ontology는 기업의 지식을 Agent가 이해하는 수준을
넘어 실제 업무를 수행할 수 있는 형태로 구조화한다. 업무 매뉴얼과 운영 절차, 정책을 실행 가능한 워크플로우로 전환함으로써 사람의 경험과 노하우를 디지털 자산으로 축적하고 재활용할 수 있도록
지원한다. 이를 통해 AI Agent는 단순한 정보 제공자가
아닌 업무를 수행하는 디지털 동료로 진화할 수 있다.
▲ 'K Evaluation', 과정부터 결과까지 검증하는 AI 품질 평가 체계
AI
Agent가 실제 업무에 활용되기 위해서는 성능뿐 아니라 신뢰성과 운영 안정성 확보가 필수적이다. KT는 AI 모델과 Agent의
품질을 지속적으로 검증·개선하기 위한 AI 품질 평가 체계 'K Evaluation'을 운영하고 있다.
K
Evaluation은 오픈 벤치마크와 함께 한국어와 국내 산업 환경에 특화된 자체 벤치마크를 구축해 AI 모델부터 Agent까지 종합적인 품질 평가를 수행한다. 이를 통해 신뢰할 수 있는 Agent 운영 환경을 지원할 수 있다.
특히 K Evaluation은 Agent의 업무 수행 결과뿐 아니라 계획
수립, 도구 호출, 의사결정 등 업무 수행 과정 전반을 평가한다. 이를 통해 Agent가 어떠한 과정을 거쳐 결과를 도출했는지 확인할
수 있으며, 문제 발생 시 원인을 분석하고 개선으로 연결하는 선순환 체계를 구축할 수 있다.
▲ KT,
사람과 Agent가 함께
일하는 새로운 업무 운영 방식 제시
KT는 Agentic Data Flow를
마이K, Sales Agent, 소상공인 Agent, 업무
자동화 Agent K-Claw(가칭, 출시 예정) 등 다양한 서비스와 업무 영역에 적용하며 기술의 완성도를 높이고 있다. 또한
모두의AI 서비스와의 연계를 통해 다양한 산업 및 업무 도메인으로
Agent 활용 범위를 확대하며 Agentic AI 생태계를 확장해 나갈 방침이다.
KT는 국내 최고 수준의 데이터 복잡도를 가진 환경에서 데이터 자산과 업무 지식, 운영 경험을 축적했다. 이를 바탕으로 Agentic Data Flow를 지속 고도화해 사람과 Agent가 함께 일하는 새로운 업무 운영 방식을 만들어 갈 방침이다.
[사진1~3] KT Agentic Data Flow 스터디 행사 전경
-1.jpg)
-1.jpg)
-1.jpg)