온톨로지 Ontology
온톨로지는 어떤 분야에 나오는 개념들을 정하고, 그 개념들이 어떤 성질을 갖고 서로 어떻게 연결되는지를 컴퓨터가 읽을 수 있게 정리한 '개념 지도'다.
어떻게 작동하나
온톨로지는 크게 세 가지를 정한다. 첫째, 다룰 대상의 종류(예: '고객', '주문', '제품')다. 둘째, 각 대상이 가진 성질(예: 주문의 '날짜', '금액')이다. 셋째, 대상끼리의 관계(예: '고객이 주문을 한다', '사과는 과일의 한 종류다')다. 이렇게 정해 두면 컴퓨터가 적힌 사실을 바탕으로 적혀 있지 않은 사실을 끌어내거나, 정보끼리 서로 어긋나는 곳이 없는지 확인할 수 있다.
어떻게 발전해 왔나
웹에서 온톨로지를 공유하기 위한 표준으로 W3C(웹 표준을 만드는 국제 단체)는 2004년에 OWL(웹 온톨로지 언어)을 발표했고, 2009년에 개정판 OWL 2를, 2012년에 그 2판을 냈다. OWL은 논리에 바탕을 둔 언어여서, 프로그램이 지식이 앞뒤가 맞는지 검사하거나 숨은 사실을 드러내는 데 쓸 수 있다. 같은 해인 2009년 W3C는 SKOS도 표준으로 정했는데, 시소러스·분류표처럼 비교적 단순한 용어 체계를 웹에서 쉽게 공유하도록 만든 가벼운 형식이다. 대규모 언어 모델(LLM)이 등장한 뒤로는 둘을 잇는 연구가 늘었다. 2023년 'LLMs4OL' 연구는 별도 학습 없이 LLM에게 질문만 해서 용어의 종류 판별, 상하위 개념 찾기, 개념 사이 관계 뽑기 같은 온톨로지 구축 작업을 얼마나 해내는지를 여러 모델로 시험했다. 같은 해 나온 'LLM과 지식 그래프 통합 로드맵' 논문은 정리된 지식으로 LLM을 보강하는 방향, LLM으로 지식 구조를 만들고 채우는 방향, 둘이 서로 돕는 방향으로 연구 흐름을 나눠 정리했다.
왜 중요한가
LLM은 말은 유창하게 하지만, 속을 들여다보기 어렵고 사실을 틀리게 말하기도 한다. 온톨로지처럼 개념과 관계를 명확히 적어 둔 지식은 AI가 답할 때 기댈 수 있는 믿을 만한 기준이 된다. 또 부서나 시스템마다 같은 대상을 다른 이름으로 부를 때, 공통 온톨로지가 있으면 데이터를 하나로 이어 붙이기 쉬워진다. 그래서 기업용 AI 에이전트나 GraphRAG처럼 '구조화된 지식'을 쓰는 기술에서 자주 함께 거론된다.
알아 둘 점
온톨로지를 처음부터 잘 만들려면 해당 분야 전문가의 시간과 노력이 많이 든다. 현실의 지식은 계속 바뀌기 때문에 한 번 만들고 끝나는 것이 아니라 꾸준히 고쳐야 한다. LLM으로 만드는 작업을 돕게 할 수는 있지만, LLM이 틀린 관계를 만들어 낼 수도 있어 사람의 검토가 여전히 필요하다. 참고로 '온톨로지'는 원래 '존재하는 것이 무엇인가'를 다루는 철학 용어이고, 정보과학에서는 그 이름을 빌려 위와 같은 개념 체계를 가리킨다.
예시
데이터 분석 플랫폼 회사 팔란티어는 자사 제품 Foundry의 핵심 기능으로 '온톨로지'를 내세운다. 회사 문서는 이를 흩어진 데이터를 공장·설비·제품 같은 실제 대상이나 고객 주문·금융 거래 같은 개념과 연결하는 '조직의 운영 계층'이라고 소개하고, 많은 경우 조직의 디지털 트윈 역할을 한다고 밝혔다. 데이터를 '객체·속성·연결'로 정리하고, 그 위에서 사람이나 AI가 실행할 수 있는 '행동'까지 정의해 의사결정에 쓰도록 한 것이다.