데이터는 늘어나는데 왜 결정은 더 느려질까요?

By Alex S. W. Moon 성원

2025.12.08

주말 동안 Palantir라는 회사를 좀 살펴 보았습니다.

현란 한 AI 기술과 미국이라는 극 보수성을 추구 하는 기술혁신의 만능 주의 빼고  본질을 보려고 했죠…한가지 지금 바로 공유 할 수 있는 건  우리에게 필요한 건 기술이 아니라, 생각하는 방식의 변화였습니다. 솔직히 말씀드리면, 처음엔 Palantir가 뭐가 특별한지 잘 이해가 안 갔습니다.시가총액 $175B? 수백 개의 고객사?"그냥 비싼 데이터 플랫폼 하나 아닌가?"

그런데  그들의 자료와 컨퍼런스, 성공 사례를 들여다보면서... 뭔가 다르다는 걸 알게 되었습니다.

지난 과거  26+2년간 몸담았던 회사에서도 여전히 같은 문제가 있었죠

제 이야기부터 시작하겠습니다.

삼성전자 칠레에서 라틴아메리카 SCM의 영역에서  경영혁신 업무라는 공동 프로젝트를 진행 하면서, 여러 나라의 공급 공장과 본사, 그리고 산티아고, 상파울루, 보고타, 리마, 마이애미 등지의 고객 매장과 창고 사이에 데이터가 실시간으로 흘렀습니다.

G-SCM과 ERP는 자연스레 돌아 갔고, 대시보드는 이 정보를 아는 사람에게는 사용하기에 따라 모든 내용을 실시간에 확인 할 수 있는 훌륭한 ‘Tool’ 이였습니다.

그런데 매주 월요일 아침 회의 때마다 똑같은 질문이 반복되었습니다.

"자... 그래서 우리가 뭘 해야 하죠?" 재고가 부족하다는 건 알겠는데, 누가? 언제? 어떻게 움직여야 하나?

환율이 급등했는데, 가격을 올려야 하나 물량을 줄여야 하나?, 거래선 판매, 재고는, 어떻게 할 건데?

데이터는 산더미처럼 쌓여 있었지만, 정작 결정은 여전히 우리 머리와 엑셀기반에 의존했습니다.

28년이 지났습니다. 문제의 본질은 변하지 않았고, 어쩌면 지금도, 아니 앞으로도 더 복잡한 딜레마로 남아있을 것 같습니다.

Palantir는 뭐가 다를까요?

제가 발견한 세 가지를 나눠보겠습니다.

첫째: '데이터'가 아니라 '결정'을 설계합니다

Palantir가 말하는 'Ontology'라는 개념이 처음엔 복잡하게 느껴졌습니다.

하지만 본질은 간단했습니다.

"어떤 결정을 내려야 하는가?" → 이걸 먼저 정의하고 "어떤 데이터가 필요한가?" → 그다음에 연결하는 것 기존 BI 도구들은 "무슨 일이 일어났나요?"를 보여줍니다.

Palantir는 "지금 무엇을 해야 하나요?"를 알려줍니다.

예를 들어 공급망에 문제가 생겼을 때:

●   기존 방식: 20개 대시보드 확인 → 5명에게 전화/메일 연락 → 2시간 회의 → 1~4주 실행

●   Palantir: "B 공급사에 연락하세요 (이유: ...)" 30초 안에 실행

둘째: AI가 아니라 '신뢰'를 팝니다

ChatGPT가 나왔을 때 저도 다들처럼 흥분했습니다.

그런데  "AI가 이렇게 말합니다"라고 보고하면 항상 돌아오는 질문이 있었죠.

"근거가 뭔데? 어떤 데이터를 본 거야?"

Palantir의 AIP(AI Platform)가 2023년 출시 후 미국 상업 부문에서 71% 성장한 이유는 간단합니다.

모든 AI의 판단에는 '추적 가능한 근거'가 따라옵니다. 클릭 한 번이면 "왜 이런 결론을 내렸는가?" 전체 흐름을 볼 수 있습니다.

기업 현장에서 필요한 건 '똑똑한 AI'가 아니라 '설명할 수 있는 AI'더군요.

셋째: '판매'가 아니라 '함께 만들기'입니다

Palantir의 영업 방식이 참 인상적이었습니다.

6개월짜리 계약서를 들이미는 대신, 이렇게 제안합니다.

"5일 동안 함께 일해봅시다"

●   고객의 실제 데이터를 가져옵니다

●   진짜 문제를 함께 풉니다

●   5일 뒤 작동하는 프로토타입을 보여줍니다

●   그리고 묻습니다: "계속하시겠어요?"

98% 고객 유지율. 우연이 아니더군요.

그럼... 우리는 어떻게 해야 할까요?

처음엔 저도 이렇게 생각했습니다.

"Palantir 같은 시스템을 구축해야 하나?"

아니었습니다.

우리에게 필요한 건 플랫폼이 아니라,본질의 존재성 기반의  ' Ontology 처럼 생각하는 법 ' 이었습니다.

제가 시도해본 세 가지를 공유합니다.

1단계: 결정을 먼저 정의하기

다음 전략 회의 때 이렇게 시작해보세요.

"우리가 내리는 가장 중요한 결정 10가지는 무엇인가요?"

제 팀의 예시:

●   어떤 제품을 늘릴까? (매주 금요일)

●   어느 고객에게 할인을 줄까? (분기 초)

●   어느 시장에 투자할까? (연말)

그리고 각 결정마다:

●   어떤 데이터가 필요한가?

●   누가 결정하나?

●   얼마나 자주 결정하나?

이 리스트만 만들어도 80%는 해결된 겁니다.

2단계: 데이터와 행동을 바로 연결하기

우리 모두 대시보드는 많이 갖고 있습니다.

문제는 그다음이죠.

"재고 부족" → 그래서 어쩌라고?  "만족도 하락" → 누가 뭘 해야 하는데? “거래선 매장별/제품별 판매 부진의 이유는?” →  “ 이미 우리가 판 남의 재고를 왜”

제가 해본 것:

●   재고 부족 알림 → 바로 옆에 [긴급 주문] 버튼

●   고객 불만 리포트 → [면담 일정 잡기] 자동 생성

●   고객의 구매 재고/판매  → 우리의 사업 결과

클릭 3번을 1번으로. 작지만 큰 변화였습니다.

3단계: 작게 시작하기 (전사 변혁 말고)

회사 전체의 디지털 전환? 실패 확률 70%입니다.

대신 이렇게:

"한 팀, 한 문제, 30일"

예시: SCM과 물류의 지연 문제

●   1주차: 결정 10개 정의

●   2주차: 데이터 연결 (엑셀도 괜찮습니다)

●   3주차: 간단한 자동화

●   4주차: 검증하고 다른 팀으로 확장

Palantir도 CIA의 한 팀에서 시작했습니다.

최근에 라틴아메리카에서 배운 것

라틴아메리카에서 일하며 깨달은 게 있습니다.

"기술은 범용적이지만, 문제는 맥락적이다"

같은 G-SCM, ERP, RPA를 써도 각국의 상황은 달랐습니다. 간단한 예시로:

●   멕시코: 독점 거래선의 횡포, 리쇼링의 숨겨진 악의

●   칠레: 막강한 유통의 브랜드 진흙탕 싸움

●   브라질: 공장조립 없이는 이익을 낼 수 없는 수입 구조

즉, 각자의 'Ontology' 기반의 의사결정 구조 맞춤형으로 실행 극대화 조직운영이어야 한다는 것 입니다.

Palantir의 천재성이 바로 여기 있습니다. 플랫폼은 하나지만, 각 고객이 자신의 문제를 완전히 다르게 정의할 수 있도록 허용하는 것.

여러분께 질문 하나 드립니다

저도 여전히 배우고 있고, 여전히 시행착오 중입니다.

그래서 여러분의 경험이 궁금합니다.

1. 여러분 조직에서 가장 중요한 결정 3가지는 무엇인가요?

2. 그 결정에 데이터가 실제로 얼마나 기여하나요?

3. 결정부터 실행까지 보통 얼마나 걸리나요?

댓글로 공유해주시면, 저도 제 경험과 함께 이야기 나누고 싶습니다.

Palantir를 공부하고 나서 확신하게 된 게 하나 있습니다.

"2030년까지 살아남을 조직은 데이터를 '보고'하는 곳이 아니라 데이터로 '결정'하고, Tachyon 같은 실행력 이다."

여러분의 조직은 어느 쪽인가요?