SAP, 실시간 AI 개인화를 구현하기 위해 커머스 데이터 통합
기업 리더들은 종종 높은 수준의 고객 경험 목표와 파편화된 데이터라는 기술적 현실 사이의 간극을 메우는 데 어려움을 겪습니다. SAP는 커머스 데이터 구조를 정렬하여 실행 계층(execution layer)에서 직접 운영 가능한 AI 개인화를 구현함으로써 이러한 단절 문제를 해결하고 있습니다.
기업 커머스의 데이터 파편화 문제 해결
많은 대규모 기업에 있어 초개인화된 고객 여정을 제공하려는 야심찬 목표는 종종 기반 인프라로 인해 좌절되곤 합니다. 경영진은 고객의 니즈를 예측하고 다양한 디지털 접점에서 관련성 있는 상호작용을 제공한다는 목표를 설정하지만, 내부의 데이터 사일로(silo)가 체계적인 실행을 가로막습니다.
현재의 추천 엔진은 종종 잠재력을 충분히 발휘하지 못하며, 맞춤형 제안보다는 일반적인 제품 목록을 보여주는 경우가 많습니다. 이러한 실패는 AI 모델에 입력되는 데이터가 비정형적이거나, 서로 단절되어 있거나, 실시간 상호작용에 필요한 속도로 통신할 수 없는 사일로화된 시스템에 존재하기 때문에 발생합니다. SAP의 최신 전략적 행보는 이러한 파편화된 커머스 데이터 구조를 정렬하여, AI 모델이 깨끗하고 통합된 고속 정보 스트림에 접근할 수 있도록 보장하는 데 중점을 두고 있습니다.
개인화를 실행 계층으로 이동
SAP 방식의 핵심 혁신은 이론적인 개인화에서 "운영 가능한 AI 개인화(operational AI personalization)"로의 전환입니다. 커머스 분야의 대부분의 AI 구현은 과거 트렌드를 분석하여 미래 행동을 예측하는 높은 수준의 단계에서 작동합니다. 그러나 실행 계층에서의 정렬이 없다면, 이러한 통찰력은 실제 고객 세션 중에 즉각적인 행동으로 전환될 수 없습니다.
커머스 데이터를 통합함으로써 SAP는 AI가 상호작용이 일어나는 시점에 즉시 작동할 수 있도록 합니다. 이는 고객이 디지털 스토어프런트를 이용할 때, AI가 재고, 고객 이력 및 현재 브라우징 문맥에 관한 실시간 데이터를 활용하여 매우 구체적인 경험을 제공할 수 있음을 의미합니다. 이러한 역량을 통해 기업은 광범위한 세그먼트에서 벗어나 개인 수준의 관련성을 확보할 수 있으며, 개인화된 상호작용의 양과 정확도를 크게 높일 수 있습니다.
이것이 AI 생태계에 중요한 이유
이러한 발전은 기업 AI 로드맵의 중대한 변화, 즉 "생성형 AI에 대한 호기심"에서 "운영 가능한 AI의 유용성"으로의 이동을 시사합니다. 광범위한 AI 생태계 측면에서 볼 때, 데이터 정렬에 대한 SAP의 집중은 중요한 진실을 강조합니다. 즉, LLM이나 추천 알고리즘의 효과는 기반이 되는 데이터 아키텍처의 품질과 연결성에 의해 엄격하게 제한된다는 점입니다.
기업이 자율 커머스와 에이전트 워크플로우(agentic workflows)로 나아감에 따라, 복잡하고 개인화된 작업을 실시간으로 수행하는 능력이 주요한 경쟁 차별화 요소가 될 것입니다. SAP는 이러한 고급 AI 에이전트가 상업 환경 내에서 효과적으로 작동하는 데 필요한 "데이터 배관(data plumbing)"을 제공하는 기반 계층으로서 입지를 다지고 있습니다.
핵심 요약
- 데이터 사일로 제거: SAP는 레거시 시스템에서 흔히 발생하는 일반적인 "일률적인(one-size-fits-all)" 추천을 방지하기 위해 파편화된 커머스 데이터 구조를 정렬하고 있습니다.
- 운영 실행: 초점은 예측적 통찰력을 넘어 고객 여정의 실행 계층에서 작동하는 실시간 AI 개인화로 이동하고 있습니다.
- 전제 조건으로서의 인프라: 이번 발전은 성공적인 기업 AI 배포가 AI 모델 자체보다 데이터 정렬과 인프라에 더 많이 의존한다는 점을 강조합니다.