온톨로지 가이드

온톨로지란? 회사 데이터와 AI를 잇는 업무 지도

온톨로지는 회사가 다루는 대상과 그 대상들이 이어지는 방식, 대상마다 할 수 있는 일을 정리한 지도입니다. AI가 회사 데이터를 짐작이 아닌 근거로 다루려면 이 지도가 먼저 있어야 합니다.

글 안재영 · Rivly 대표2026. 10. 18. 수정

온톨로지의 뜻

온톨로지(ontology)는 원래 '무엇이 존재하는가'를 묻는 철학 용어로, 우리말로는 존재론이라고 옮깁니다. 정보과학에서는 뜻이 조금 좁아져, 어떤 영역에 어떤 대상이 있고 그 대상들이 서로 어떻게 이어지는지를 사람과 컴퓨터가 함께 읽을 수 있게 정리한 명세를 가리킵니다.

기업에서 말하는 온톨로지는 여기에 업무를 더한 것입니다. 회사가 다루는 주문 · 배송 · 창고 · 고객 · 상품 같은 대상, 대상 사이의 관계, 그리고 대상마다 할 수 있는 일과 그 일을 승인할 사람까지 한 장에 정리합니다. Rivly는 이것을 쉽게 '업무 지도'라고 부릅니다.

기업 온톨로지가 담는 세 가지

구성	묻는 것	예
대상	회사가 무엇을 다루나	주문, 배송, 창고, 고객, 상품
관계	대상끼리 어떻게 이어지나	배송은 주문을 담는다, 배송은 창고에서 나간다
할 수 있는 일	대상마다 무엇을, 누구 승인으로 하나	출고지 변경(물류 담당 승인), 고객 지연 안내(CS 담당 승인)

대상에는 하나의 이름을 붙입니다. 주문 시스템은 '오더', ERP는 '수주'라고 부르던 것을 같은 '주문'으로 묶는 식입니다. 시스템마다 이름과 코드가 달라서 사람이 엑셀로 맞춰 보던 일이, 지도 위에서는 한 번에 이어집니다.

왜 지금 온톨로지가 다시 주목받나

AI 에이전트가 회사 일을 돕기 시작하면서 같은 문제가 드러납니다. AI는 데이터베이스의 표와 컬럼은 읽을 수 있어도, 그 숫자가 업무에서 무엇을 뜻하는지, 어느 시스템의 값이 맞는지, 누가 그 값을 바꿀 수 있는지는 모릅니다. 그래서 그럴듯하지만 틀린 답을 내거나(AI 환각), 반대로 쓸 수 있는 데이터가 없어 일반론만 늘어놓습니다.

온톨로지는 이 빈칸을 채웁니다. 팔란티어(Palantir)가 데이터 플랫폼의 중심에 온톨로지를 두면서 이 개념이 다시 널리 알려졌습니다. 'AI 전환(AX)을 하려면 먼저 업무를 정의해야 한다'는 이야기도 같은 맥락입니다.

온톨로지 기반 AI는 이렇게 답합니다

예시 시나리오배송이 늦어진 날, 물류 담당자가 묻는 장면

질문: "오늘 출고가 늦어질 주문이 있나요?"
AI는 지도를 따라 '배송 → 담긴 주문 → 출고 창고 → 창고 재고'를 차례로 확인합니다. 재고와 출고 가능일은 AI가 짐작하지 않고 정해진 규칙으로 계산합니다.
답: 늦어질 주문 2건과 이유(출고 창고 재고 부족)를 보여 주고, 각 숫자에 실제 기록으로 가는 근거 링크를 붙입니다.
제안: 다른 창고에서 출고하도록 바꾸는 처리 요청 초안을 만들고, 물류 담당자의 승인을 기다립니다. 승인된 것만 기존 시스템에 반영됩니다.

핵심은 세 가지입니다. 답의 근거가 실제 기록으로 이어지고, 정확해야 하는 숫자는 규칙이 계산하며, 시스템을 바꾸는 일은 사람이 결정합니다(휴먼 인 더 루프). 묻는 사람이 볼 수 있는 데이터만 근거로 쓰도록 권한도 함께 적용됩니다.

온톨로지 · 지식그래프 · RAG는 무엇이 다른가

셋은 경쟁 관계라기보다 층이 다릅니다. 자주 헷갈리는 차이를 표로 정리했습니다.

구분	무엇을 담나	잘하는 것	부족한 것
RAG	문서를 잘게 나눈 조각과 검색 색인	규정 · 매뉴얼 같은 문서에 대한 질문, 빠른 시작	시스템 사이의 관계, 표 데이터 계산, 지금 상태 확인
지식그래프	대상과 관계를 이은 그래프 데이터	연결을 따라가는 질문(이 배송에 담긴 주문은?)	업무 규칙, 권한, 할 수 있는 일은 따로 정해야 함
기업 온톨로지(업무 지도)	대상 · 관계 정의에 업무 규칙 · 할 수 있는 일 · 승인까지	근거 있는 답과 승인 흐름이 붙은 처리 제안	처음에 업무를 정의하는 시간

흔히 온톨로지를 지식그래프의 설계도로 설명합니다. 온톨로지가 '주문은 배송에 담긴다'는 규칙을 정하면, 지식그래프는 '주문 1024번은 배송 58201번에 담겼다'는 실제 데이터를 그 규칙대로 잇습니다. RAG는 그 위에서 문서 근거를 보태는 방법으로 함께 쓸 수 있습니다.

온톨로지 구축은 이런 순서로 합니다

질문부터 정합니다. 현장에서 매주 반복되는 질문 몇 가지(늦어지는 주문, 결품 위험 상품, 미정산 건)를 고르면 지도에 들어갈 대상이 자연스럽게 정해집니다.
대상의 이름을 맞춥니다. 시스템마다 다르게 부르던 것을 같은 대상으로 묶고, 어떤 코드끼리 같은 것인지 정합니다.
관계를 잇습니다. 질문에 답하려면 어떤 대상에서 어떤 대상으로 따라가야 하는지 적습니다.
기존 시스템을 연결합니다. 주문 시스템 · ERP · 물류사 연동 · 매장 POS · 메일함은 그대로 두고, 데이터베이스 · 연동 · 파일 시트로 연결해 바뀐 데이터만 가져옵니다.
할 수 있는 일과 승인자를 정합니다. 읽기만 할 것과 처리 요청을 만들 것, 그리고 누가 승인할지 나눕니다.
작게 써 보고 넓힙니다. 한 업무에서 효과를 확인한 뒤 대상과 업무를 늘립니다.

Rivly에서는 현장 전담 엔지니어(FDE)가 고객사 담당자와 함께 업무 지도를 만들고 기존 시스템을 연결합니다. 이후 대상이나 규칙을 고치는 일은 고객사 담당자가 화면에서 직접 합니다.

구축 기간과 비용은 무엇에 따라 달라지나

온톨로지 구축 비용은 회사마다 크게 다릅니다. 숫자 하나로 말하기 어려운 이유는 아래 다섯 가지가 비용을 좌우하기 때문입니다.

연결할 시스템의 수와 종류: 표준 연동이 있는지, 파일로만 주고받는지
데이터 상태: 시스템 사이에 코드가 어긋나거나 중복된 데이터가 얼마나 많은지(데이터 사일로)
다룰 업무의 범위: 질문 몇 가지로 시작하는지, 여러 부서를 한 번에 다루는지
설치 환경: 고객사 클라우드 계정인지, 사내 서버(온프레미스)인지
권한 구조: 지역 · 역할별로 볼 수 있는 데이터가 얼마나 세밀하게 나뉘는지

그래서 처음부터 큰 계약을 맺기보다, 짧은 시범 프로그램에서 실제 데이터로 효과를 확인한 뒤 범위와 비용을 정하는 방식이 안전합니다. Rivly도 시범 프로그램 이후 업무 범위와 규모에 맞춰 견적을 드립니다. AI 모델 · 운영까지 포함한 사내 AI 전체 비용은 사내 AI 구축 비용에 항목별로 정리했습니다.

온톨로지 기업 · 솔루션을 고를 때 확인할 것

데이터와 업무 지도가 어디에 저장되나요? 고객사 서버에 두는지, 공급사 클라우드로 옮기는지 확인합니다.
계약이 끝나면 지도와 데이터를 가져올 수 있나요? 내보내기 형식과 절차를 계약 전에 봅니다.
AI의 답마다 근거가 붙나요? 근거가 실제 기록으로 이어지는지 데모에서 직접 눌러 봅니다.
재고 · 금액 같은 숫자는 누가 계산하나요? AI가 짐작하는지, 정해진 규칙이 계산하는지 묻습니다.
AI가 시스템을 직접 바꾸나요? 처리 전에 사람 승인을 거치는지, 누가 언제 승인했는지 기록이 남는지 확인합니다.
지금 쓰는 AI를 연결할 수 있나요? MCP 같은 표준 연결을 지원하는지 봅니다(AI 에이전트).
우리 업무 용어로 만들 수 있나요? 한국어 업무 용어와 현장의 이름을 그대로 쓸 수 있는지 봅니다.
작게 시작할 수 있나요? 시범 범위와 기간, 성공 기준을 미리 정할 수 있는지 확인합니다.

온톨로지에 대한 흔한 오해

"회사 전체를 다 정의해야 시작할 수 있다." — 질문 몇 개에 필요한 대상부터 시작해 넓혀 가도 됩니다.
"AI가 알아서 지도를 만들어 준다." — AI가 초안을 도울 수는 있지만, 어떤 값이 맞고 누가 승인하는지는 회사가 정해야 합니다.
"기존 시스템을 바꾸거나 새로 갈아타야 한다." — 쓰던 시스템은 그대로 두고 연결해, 바뀐 데이터만 가져와 의미를 맞추면 됩니다.