10얼 23일 개최되는 'AX & 하이퍼오토메이션 코리아 2026-Fall', 온톨로지·AI Agent 연계와 기업 맥락 설계 주요 의제로
기업 업무자동화 시장이 AI 에이전트와 엔터프라이즈 오케스트레이션 중심으로 빠르게 이동하면서 한동안 학술·데이터 영역의 기술로 인식되던 '온톨로지(Ontology)'가 기업 AX의 새로운 핵심 기술로 다시 주목받고 있다.
지난 몇 년간 기업 생성형 AI의 주요 과제는 사내 문서와 데이터를 대형언어모델(LLM)에 연결하는 것이었다. 검색증강생성(RAG), 벡터 데이터베이스, 문서 검색 기술이 빠르게 확산된 것도 이 때문이다. 그러나 AI가 질문에 답하는 단계를 넘어 스스로 판단하고 기업 시스템을 호출해 실제 업무를 수행하는 AI Agent로 발전하면서 요구되는 정보의 수준도 달라지고 있다.
AI Agent가 실제 업무를 수행하려면 단순히 관련 문서를 찾아 읽는 것만으로는 부족하다. 기업에서 '고객', '계약', '제품', '주문', '설비', '조직'이 각각 무엇을 의미하는지, 이들 사이에는 어떤 관계가 있는지, 어떤 조건에서 승인이나 예외 처리가 필요한지까지 이해해야 한다.
이 지점에서 온톨로지가 다시 등장하고 있다. 온톨로지는 기업의 데이터와 업무를 단순한 테이블이나 문서의 집합이 아니라 개념(Entity), 관계(Relationship), 속성, 규칙과 의미가 연결된 구조로 표현한다. 쉽게 말해 기업이 일하는 방식을 AI가 이해할 수 있도록 만드는 '업무 세계의 의미 지도'에 가깝다.
지난 6월 전자신문인터넷은 하이퍼오토메이션 시장이 RPA 중심의 반복 업무 자동화에서 AI 에이전트와 시스템, 데이터, API, 사람을 하나의 실행 흐름으로 연결하는 '엔터프라이즈 오케스트레이션' 경쟁으로 이동하고 있다고 분석했다. 당시에도 업무 지식체계와 온톨로지가 AI 에이전트 운영을 위한 주요 기반 기술 가운데 하나로 제시됐다.
최근에는 이 관계가 더욱 구체화되고 있다. 오케스트레이션이 AI Agent에게 '어떻게 일할 것인가'를 제공한다면, 온톨로지는 '무엇을 이해하고 어떤 맥락에서 판단할 것인가'를 제공하는 구조로 자리 잡기 시작했다.
이를 기술 구조로 보면 Ontology·Knowledge Layer → AI Agent → Orchestration → Action → Governance로 이어지는 형태다. AI Agent가 기업의 의미체계를 바탕으로 상황을 판단하고, 오케스트레이션 플랫폼이 적절한 시스템과 도구를 연결해 업무를 실행하며, 그 과정은 권한과 정책, 감사체계를 통해 통제되는 방식이다.
글로벌 기업들도 이러한 방향을 구체화하고 있다. 팔란티어는 올해 6월 Ontology MCP를 정식 출시했다. 기업 온톨로지에 정의된 객체(Object Type), 업무 액션(Action Type), 함수 등을 MCP(Model Context Protocol) 도구로 노출해 외부 AI Agent가 기업 데이터를 조회할 뿐 아니라 사전에 정의된 업무를 실행할 수 있도록 한다. 즉 온톨로지가 단순한 데이터 모델을 넘어 AI Agent와 기업 업무 실행을 연결하는 인터페이스로 확장되고 있다.
마이크로소프트도 유사한 방향으로 움직이고 있다. Microsoft Fabric의 Ontology와 Copilot Studio를 연결해 AI Agent가 기업 고유의 데이터 구조와 비즈니스 맥락을 이해하도록 하는 기능을 제공하고 있다. 마이크로소프트는 온톨로지를 기업 데이터에 공통된 의미와 관계를 부여하고 Agent가 이를 신뢰 가능한 맥락으로 활용하도록 하는 계층으로 설명한다.
그래프 데이터베이스 기업 Neo4j 역시 최근 기업 AI의 병목을 모델 성능보다 '비즈니스 맥락의 부재'에서 찾고 있다. 각 Agent가 기업의 의미체계를 개별적으로 다시 학습하는 대신 온톨로지와 기업 데이터를 공유하는 'Knowledge Layer'를 구축해 여러 Agent가 동일한 정의와 관계, 정책을 사용하도록 해야 한다는 접근이다.
이 때문에 기업 AI 시장에서는 RAG와 온톨로지를 경쟁 기술로 보기보다 역할이 다른 계층으로 구분해야 한다는 인식도 커지고 있다. RAG가 필요한 정보를 찾아 AI에 전달하는 데 강점이 있다면, 온톨로지는 그 정보가 기업 안에서 무엇을 의미하고 다른 정보와 어떻게 연결되는지를 구조화한다.
특히 여러 AI Agent가 동시에 업무에 투입되는 Multi-Agent 환경에서는 이런 공통 지식체계의 중요성이 더욱 커진다. 각 Agent가 '고객', '매출', '재고', '위험'과 같은 핵심 개념을 서로 다르게 해석한다면 Agent 간 협업이나 자동화된 의사결정의 신뢰성을 확보하기 어렵기 때문이다.
국내에서도 온톨로지에 대한 관심은 빠르게 높아지고 있다. 지난 4월 열린 'AX & 하이퍼오토메이션 코리아 2026-Spring'에서는 중앙대학교 김학래 교수가 '에이전틱 AI의 마지막 퍼즐-기업 지식체계의 재설계, 온톨로지의 원리와 활용 전략'을 주제로 특별강연을 진행했다. 당시에도 기업 데이터를 단순 저장·검색의 대상에서 의미와 맥락이 연결된 지식체계로 전환해야 한다는 점이 주요 화두로 제시됐다.
관심은 이제 '온톨로지가 무엇인가'에서 '온톨로지를 AI Agent와 어떻게 연결할 것인가'로 이동하고 있다. 오는 10월 23일 열리는 'AX & 하이퍼오토메이션 코리아 2026-Fall'에서도 이러한 변화가 주요 관심사로 다뤄질 전망이다. 전자신문인터넷은 앞서 Fall 행사에서 Agentic Automation, Enterprise MCP, AI 오케스트레이션, AI Agent 거버넌스와 함께 업무 지식체계와 온톨로지를 주요 의제로 조망할 계획이라고 밝힌 바 있다.
특히 이번에는 온톨로지 자체의 개념보다 온톨로지가 AI Agent의 Context Layer로 어떻게 활용되는지, 기업 데이터와 업무 규칙을 Agent가 이해할 수 있는 구조로 어떻게 전환할지, 그리고 이를 MCP·오케스트레이션·실제 업무 실행과 어떻게 연결할지가 핵심 논점이 될 것으로 보인다.
AI 모델의 성능 경쟁은 계속되겠지만 기업 AI의 성패가 반드시 더 큰 모델에 의해서만 결정되는 것은 아니다. 기업 내부에 존재하는 수많은 데이터와 문서, 업무 규칙, 관계와 경험을 AI가 이해할 수 있는 '기업의 언어'로 만드는 것이 오히려 Agentic Enterprise 구현의 중요한 선결조건으로 떠오르고 있다. AI Agent 시대에 온톨로지가 다시 주목받는 이유다.
10월 23일 개최되는 'AX & 하이퍼오토메이션 코리아 2026-Fall'에 대한 자세한 소식은 홈페이지(https://aiax.etnews.com)를 참조하면 된다.
임민지 기자 minzi56@etnews.com
