Your Moat Is Your Data Model — Mike Phipps, Gates Foundation

한 줄 핵심

AI 시대에 조직의 방어력은 모델 자체보다 내부 프로세스와 데이터 모델을 얼마나 정교하게 구조화해 검색·추론·검증까지 연결하느냐에 달려 있으며, Gates Foundation는 이를 knowledge graph와 MCP 기반의 Strategic Intelligence Platform(SIP)으로 구현했다.

시간별 요약

1. 0:01
   핵심 메시지는 빠르게 발전하는 AI 모델보다 조직 고유의 업무 과정과 암묵지가 더 지속적인 경쟁우위라는 점이다. 배포된 시스템의 운영·모니터링·의존성까지 감당해야 하므로, 사용자 경험은 외부 chat app이 아니라 내부 데이터와 프로세스를 얼마나 잘 담아내는지가 중요해진다.
2. 3:00
   Gates Foundation은 25년 이상 축적된 보건·교육·농업 등 다양한 사업과 7 billion dollars 규모의 집행 데이터를 바탕으로, 전략적 의사결정에 필요한 구조화된 인사이트를 뽑아내는 문제를 풀고 있다. SIP는 여러 부서와 4,000명 규모의 조직 데이터를 하나의 semantic graph로 엮어 운영 데이터와 문서 데이터를 함께 다루는 플랫폼이다.
3. 6:01
   이 플랫폼의 성패는 데이터 소유자와의 긴밀한 협업에 달려 있으며, 필드 의미·조인 규칙·보고 관행·보안 제약까지 모두 모델에 반영해야 한다. 특히 PII 마스킹, 민감도 분류, 접근 권한 관리가 필수이고, 단순히 ‘질문에 답하는 방식’이 아니라 ‘기존에 답해온 방식’을 재현해야 한다.
4. 9:00
   그래프 모델은 투자·예산·조직도·문서라는 여러 계층을 한 번에 표현할 수 있게 해준다. additive DAG처럼 전체 경로가 중요하거나, direct/indirect management처럼 관리 관계를 미리 계산해 두는 구조를 통해, 투자와 인력 구조를 서로 다른 관점에서 동시에 탐색할 수 있다.
5. 14:02
   문서와 구조화 데이터를 연결하고 MCP로 에이전트에 노출하면, 에이전트는 쿼리 시점에 관계를 동적으로 탐색하며 추론할 수 있다. 또한 eval은 단순 성능 측정이 아니라 데이터 모델의 빈틈과 모호함을 드러내는 도구로 작동하며, 이를 통해 schema 설명과 domain rule을 계속 보정할 수 있다.
6. 18:00
   앞으로는 기존 시스템 오브 레코드의 범위를 넓히고, 부서별로 흩어진 데이터를 federated graph로 연결하는 방향으로 확장한다. 결국 조직의 AI 전환은 더 좋은 챗봇을 만드는 일이 아니라, 공통 데이터 모델과 검증 루프를 중심으로 업무 구조를 다시 설계하는 일이다.

실무 인사이트

• 조직의 AI 도입 우선순위는 프롬프트보다 데이터 모델이며, 공통 엔터티와 관계 정의를 먼저 정리해야 검색·추론 품질이 안정된다.
• eval을 단순 점수 산출이 아니라 데이터 정의와 보고 기준을 발견하는 피드백 루프로 운영하면, 모델 성능과 거버넌스를 동시에 개선할 수 있다.
• 문서 RAG만으로는 부족하고, 구조화 데이터·권한·업무 규칙을 함께 묶은 graph layer를 만들어야 실무 질문에 일관되게 답할 수 있다.