팔란티어 온톨로지 해부: 데이터 위에 '행동'을 얹는 운영 계층

팔란티어 온톨로지는 무엇이고 왜 '운영 계층'이라 부르나

이 글은 '온톨로지의 허와 실' 시리즈의 2편으로, 1편에서 다룬 일반론(온톨로지는 업무의 개념·속성·관계·규칙을 기계가 읽게 적은 설계도이고, 효과는 실제 데이터로 채우고 계속 맞춰 가는 운영에 달려 있다)을 가장 상업적으로 성공한 사례인 팔란티어에 대입해 본다. 공식 문서로 구조를 풀고, 그 구조가 사업 모델과 어떻게 맞물리는지, 그리고 비판은 무엇인지까지 함께 살핀다.

팔란티어 공식 문서글는 온톨로지를 '조직의 운영 계층(operational layer)'이라고 정의한다. 플랫폼에 통합된 디지털 자산, 즉 데이터셋·가상 테이블·모델 위에 놓여, 이를 공장·장비·제품 같은 물리적 자산이나 고객 주문·금융 거래 같은 개념과 연결한다는 설명이다. 많은 경우 조직의 디지털 트윈 역할을 한다고도 밝힌다.

'운영'이라는 말이 핵심이다. 1편에서 본 시맨틱 레이어나 데이터 카탈로그는 '이 숫자가 무슨 뜻인가'를 정리해 분석과 보고를 돕는 데서 멈춘다. 팔란티어는 같은 의미 구조 위에서 사람이 실제로 결정을 내리고, 그 결정을 실행하고, 실행 기록이 다시 데이터가 되는 고리까지 한 시스템에 넣으려 한다. 회사 문서글는 '실시간으로 행동의 고리를 닫는 것이 운영 시스템과 분석 시스템을 가르는 지점'이라고 쓴다.

따라서 이 글을 읽는 관점도 둘이다. 하나는 '분석과 실행을 한곳에 묶는 설계'가 기술적으로 무엇을 맞바꿨는가이고, 다른 하나는 그 설계가 어떤 판매 방식과 고착 효과를 낳는가이다.

구성 요소: 시맨틱 요소(명사)와 키네틱 요소(동사)

공식 문서글는 온톨로지를 두 묶음으로 나눈다. 시맨틱 요소는 객체(object)·속성(property)·링크(link)이고, 키네틱 요소는 액션(action)·함수(function)·동적 보안(dynamic security)이다. 회사 문서글의 비유를 빌리면 시맨틱 요소는 기업의 '명사', 액션은 '동사'이며, 업무 흐름마다 사람이나 AI가 로직을 써서 명사와 동사를 '완전한 문장'으로 엮는다.

핵심 개념 문서글의 정의를 정리하면 이렇다. 객체 유형은 현실의 개체나 사건(직원, 주문, 설비 고장 같은 것)의 스키마 정의이고, 객체는 그 한 건이다. 속성은 객체 유형의 특성, 링크 유형은 두 객체 유형 사이의 관계다. 액션 유형은 사용자가 한 번에 가할 수 있는 객체·속성값·링크 변경의 묶음과 그에 따르는 부수 효과(알림 등)의 정의다. 함수는 입력을 받아 출력을 내는 코드 기반 로직으로, 객체와 객체 묶음을 입력으로 받아 액션과 앱 전반에서 쓰인다. 여기에 여러 객체 유형이 같은 모양을 공유하게 하는 인터페이스, 여러 객체 유형에서 같이 쓰는 공유 속성, 접근을 통제하는 역할(roles)이 더해진다.

흥미로운 점은 팔란티어 스스로 이 개념을 데이터셋에 빗대어 설명한다는 것이다글. 객체 유형은 데이터셋, 객체는 행, 속성은 열, 속성값은 셀 값, 링크 유형은 조인에 대응한다고 표로 보여 준다. 시맨틱 요소만 놓고 보면 관계형 데이터 모델과 거의 일대일로 겹친다는 사실을 회사도 숨기지 않는 셈이다. 그래서 차별점은 시맨틱 요소가 아니라 그 위의 키네틱 요소, 즉 '바꾸는 방법'을 함께 정의한다는 데서 찾아야 한다.

액션 문서글의 예가 이를 잘 보여 준다. '직원 배치' 액션 유형은 직원 객체의 역할 속성을 바꾸는 방법을 정의하고, 새 역할을 표준 양식으로 입력받으며, 직원과 새 관리자 객체 사이에 링크를 자동으로 만든다. 옛 관리자와 새 관리자에게 알림을 보내는 부수 효과, 인사 담당자만 실행할 수 있다는 검증 규칙도 함께 붙는다. 개별 칸을 고치는 대신 '업무 목표 단위로 데이터를 다룬다'는 것이 회사의 설명이다.

데이터 소스를 객체로, 결정을 원천 시스템으로: 매핑과 되쓰기

온톨로지는 빈 설계도에서 시작하지 않는다. 공식 문서글는 조직의 의미를 정의하는 일이 '기존 데이터 소스를 객체·속성·링크로 매핑하는 것'이라고 밝힌다. 회사 문서글에 따르면 ERP(전사 자원 관리)·MES(생산 실행 시스템)·WMS(창고 관리 시스템) 같은 운영 데이터, IoT·엣지 스트림, 비정형 문서 저장소, 지리공간 데이터가 동기화되어 객체·속성·링크 형태로 묶인다. 즉 먼저 데이터 파이프라인으로 원천을 끌어오고, 그 데이터셋의 열을 속성으로, 조인 관계를 링크로 선언하는 순서다.

반대 방향이 '되쓰기(write-back)'다. 액션 문서글는 사용자가 액션을 실행하면 객체·속성값·링크 변경이 온톨로지에 반영되고 모든 사용자 앱에 즉시 보이며, 사용자 수정이 반영된 최신 객체 데이터가 그 객체 유형의 되쓰기 데이터셋(writeback dataset)에 기록된다고 설명한다. 회사 문서글는 더 나아가 사람과 에이전트의 액션을 시나리오로 먼저 모의해 보고, 데이터·로직과 같은 접근 통제를 거쳐 거래 시스템·엣지 장비·맞춤 앱 같은 기업의 기반 시스템으로 안전하게 되쓸 수 있다고 밝힌다.

되쓰기가 중요한 이유는 두 가지다. 첫째, 분석 화면에서 '이 설비를 점검해야 한다'는 판단을 내린 뒤 별도 시스템에 다시 입력하는 단절이 줄어든다. 둘째, 회사 문서글가 말하는 '결정 데이터'가 쌓인다. 어떤 결정이 언제, 어느 버전의 데이터 위에서, 어떤 앱을 통해 내려졌는지라는 '결정 리니지'가 자동으로 남고, 이것이 다시 학습과 에이전트 메모리의 재료가 된다는 주장이다.

대신 맞바꾼 것이 있다. 원천 시스템으로 쓰는 경로가 생기면 온톨로지는 더 이상 읽기 전용 사본이 아니라 업무 처리의 한 축이 된다. 권한·검증·변경 관리를 잘못 설계하면 분석 오류가 아니라 운영 사고가 되고, 반대로 잘 설계할수록 업무가 이 계층에 깊이 묶인다. 뒤에서 볼 전환 비용 논쟁은 바로 여기서 출발한다.

설계 원칙과 AIP: 결정을 모델링하고 에이전트에게 도구로 준다

회사 문서글는 온톨로지가 '데이터가 아니라 기업의 결정을 표현한다'고 말한다. 각 운영 결정을 네 요소로 본다. 데이터(결정에 쓰는 정보), 로직(결정을 평가하는 휴리스틱과 계산), 액션(선택한 결정의 실행과 조율), 보안(결정이 운영 정책을 지키는지에 대한 보증)이다. 기존 데이터 아키텍처는 결정에 들어간 추론과 뒤따른 행동을 담지 못하고, 기존 분석 아키텍처는 운영과 떨어져 있다는 것이 회사의 문제 제기다.

로직 쪽에서 회사가 강조하는 것은 '로직 바인딩'이다글. CRM·ERP 안의 업무 규칙, 데이터 과학 환경의 예측 모델, 도메인 도구의 최적화·시뮬레이션 알고리즘을 온프레미스·클라우드·SaaS 어디에 있든 같은 인터페이스로 묶어, 결정적(같은 입력에 같은 결과를 내는) 함수와 통계 기법이 LLM의 비결정적 추론을 보완하게 한다는 설명이다. 에이전트가 숫자를 '짐작'하는 대신 검증된 계산 도구를 부르게 하자는 발상으로 읽을 수 있다.

AIP(팔란티어 AI 플랫폼)는 이 구조 위에 LLM을 얹는 층이다. AIP 문서글에 따르면 AIP Logic, AIP Chatbot Studio(옛 이름 AIP Agent Studio), AIP Evals 같은 빌더 도구로 온톨로지와 개발 도구 위에서 AI 워크플로·에이전트·함수를 만들고, 기존 보안·감사·자원 관리 체계 안에서 샌드박스된 앱으로 돌린다. 여러 LLM을 골라 쓸 수 있고, 감사 기록과 평가 도구를 제공한다고 밝힌다.

에이전트에게 온톨로지는 곧 도구 목록이다. 회사 문서글는 도구 사용이 데이터 접근과 같은 보안 체계로 동적으로 강제되며, 최소한 도구 호출이 그 아래 객체·속성·링크에 대한 접근 권한에 의존한다고 설명한다. 조직 경계를 넘는 조회나 지정되지 않은 외부 시스템 호출 같은 권한 상승을 막기 위해 허용 작업을 명시한 권한 부여가 필요하다는 것이다. 에이전트 설계 관점에서 보면 '액션 유형 = 검증 규칙이 붙은 함수 호출(Function Calling) 스키마', '역할·마킹 = 최소 권한 원칙'에 해당하며, 이 사이트의 하네스·가드레일 개념을 데이터 계층에 내장한 형태로 이해하면 된다.

사업 구조: 숫자로 본 성장과 현장 배치 엔지니어

아래 수치는 모두 팔란티어가 미국 증권거래위원회에 제출한 2026년 2분기 실적 보도자료글의 회사 발표이며, 감사를 거치지 않은 수치로 표기돼 있다. 2분기 매출은 19억 3,500만 달러로 전년 대비 93% 늘었다. 미국 매출은 15억 7,300만 달러(115% 성장)이고, 그 가운데 미국 상업 부문이 7억 6,400만 달러로 149%, 미국 정부 부문이 8억 900만 달러로 90% 성장했다고 밝혔다. 100만 달러 이상 계약 220건, 500만 달러 이상 98건, 1,000만 달러 이상 73건을 맺었고, 총계약가치(TCV)는 33억 7,300만 달러, 그중 미국 상업 TCV가 21억 3,200만 달러(153% 증가)였다고 회사는 발표했다. 연간 매출 전망은 81억 5,000만~81억 5,800만 달러, 미국 상업 매출 전망은 34억 2,400만 달러 이상(134% 이상 성장)으로 올렸다.

이 숫자를 온톨로지 이야기와 잇는 고리는 미국 상업 부문이다. 정부 사업은 오래된 기반이지만, 온톨로지와 AIP를 앞세운 일반 기업 고객 확대가 지금 성장의 중심이라는 것이 회사 발표의 구도다. 다만 같은 보도자료글의 위험 요인 목록은 공정하게 함께 읽어야 한다. 회사는 영업 주기가 길고 예측하기 어렵다는 점, 플랫폼 도입 과정이 복잡하고 길 수 있다는 점, 계약 옵션이나 임의 해지 조항 때문에 총계약가치가 모두 매출로 실현되지 않을 수 있다는 점, 플랫폼을 더 쉽게 설치하고 쓰게 만들어야 한다는 과제를 스스로 적어 두었다. 이 글은 실적 수치를 사업 구조를 이해하는 재료로만 쓰며, 주가나 투자 판단과는 무관하다.

판매 방식에서 눈에 띄는 것은 현장 배치 엔지니어(FDE, Forward Deployed Engineer)다. 고객 현장에 엔지니어가 들어가 업무를 함께 분석하고 데이터를 객체로 매핑하며 첫 유스케이스를 만든다. 앞 절에서 보았듯 온톨로지는 기존 데이터 소스를 매핑하는 데서 시작하므로, 고객의 업무와 데이터를 잘 아는 사람이 붙지 않으면 '빈 플랫폼'에 머물기 쉽다. 그래서 FDE는 단순한 영업 조직이 아니라 온톨로지 구축 자체의 인력이며, 판매와 구축이 한 몸으로 붙어 있다. 부트캠프처럼 짧은 기간에 시제품을 만들어 보이는 판매 방식도 자주 거론되지만, 이번 근거 자료에는 그에 대한 공식 설명이 없어 이 글에서는 다루지 않는다.

국내 사례로는 LG CNS 협력이 있다. 2026년 3월 12일자 발표글에 따르면 두 회사는 LG그룹의 AI 전환(AX)을 가속하기 위한 전략적 협력을 심화한다고 밝혔다. 2025년 말 LG그룹 한 계열사에 팔란티어 소프트웨어가 처음 도입되어 품질 관리 개선에 쓰였고, 이를 전사로 넓혀 갈 계획이라는 내용이다. 눈여겨볼 점은 LG CNS 안에 전담 FDE 팀을 꾸려 계열사와 함께 유스케이스를 발굴한다는 대목이다. 이는 어디까지나 발표된 계획이며, 확산 결과나 정량 성과는 이번 자료에 없다. 다만 국내 SI(시스템 통합) 기업이 FDE 역할을 맡는 구조라는 점은 온톨로지 사업이 결국 사람의 통합 작업과 붙어 있다는 앞의 분석과 맞닿는다.

해자인가 컨설팅인가: 양쪽 논리를 공정하게

비판 쪽의 대표 논지는 데이터베이스 분야 블로거 Vonng의 글글이 잘 정리한다. 글쓴이는 기술 수준에서 객체 유형은 테이블, 속성은 열, 링크는 외래 키, 액션은 저장 프로시저라고 대응시키며, 팔란티어 온톨로지는 데이터베이스 모델링을 철학 용어로 포장한 것이라고 주장한다. 근거로 팔란티어 관련 특허의 배경 설명이 온톨로지를 '데이터베이스 스키마로 구현되는 데이터 모델'로 기술한다는 점을 든다. 또 팔란티어를 'SaaS 옷을 입은 컨설팅 회사'로 보고, 실제 해자는 정치적 연결망, 보안 인가, 노동 집약적인 FDE 모델, 그리고 공급사 고착에서 오는 경로 의존이라고 본다. 온톨로지가 정말 혁신적 지능 플랫폼이라면 왜 수많은 엔지니어를 고객 현장에 오래 상주시켜야 하느냐는 질문도 던진다.

이 글글은 이식성 문제도 짚는다. 원래 학계의 온톨로지 연구가 시스템 간 지식 공유와 상호 운용을 목표로 했던 것과 달리, 팔란티어식 모델링은 수개월이 걸리고 전환 비용이 높으며 데이터를 옮기기 어렵다고 비판한다. 2017년 뉴욕 경찰이 팔란티어와 관계를 끝낼 때 분석 결과를 이식 가능한 형식으로 받지 못했다고 문제를 제기했다는 사례(글쓴이가 BuzzFeed News·Brennan Center 보도를 인용)를 들며, '다리'를 놓으려던 온톨로지가 '벽'이 됐다고 표현한다. 다만 같은 글도 팔란티어 제품의 공학적 가치와 데이터 모델링·시스템 통합 작업 자체가 진짜 일이라는 점은 인정하며, 문제 삼는 것은 그 가치를 '온톨로지'라는 이름에 돌리는 서사라고 선을 긋는다.

반대쪽 논리는 회사 문서에서 읽을 수 있다. 팔란티어도 시맨틱 요소가 데이터셋 구조와 대응한다고 공개적으로 설명하며글, 차별점을 다른 데서 찾는다. 검증 규칙과 부수 효과가 붙은 액션, 원천 시스템으로의 되쓰기, 실행 시점마다 계산되는 행·열·마킹 기반 권한, 결정 리니지, 그리고 이를 사람과 에이전트가 같은 규칙으로 쓰게 하는 통합글글이다. 개별 기능은 저장 프로시저나 권한 테이블로 흉내 낼 수 있어도, 이를 하나의 제품으로 묶어 업무 앱·에이전트·감사까지 일관되게 돌리는 데 가치가 있다는 주장이다.

두 시각은 사실 같은 현상을 다르게 부른다. 업무 전체를 객체와 액션으로 다시 매핑하는 작업이 무겁다는 점에는 양쪽 모두 동의한다. 그 무게가 한 번 들어가면 고객 업무가 이 계층 위에서 돌아가므로 떠나기 어렵고, 이를 회사 관점에서 부르면 해자, 고객 관점에서 부르면 고착이다. 실무자에게 중요한 질문은 '온톨로지가 진짜 혁신인가'보다 '이 통합 작업을 외부 플랫폼 위에서 할 때 얻는 속도와 통제가 나중의 전환 비용을 감수할 만한가'다.

팔란티어식 접근을 검토할 때 물어야 할 질문

첫째, 문제의 성격을 확인한다. 회사 문서글가 말하는 가치는 결정과 실행의 고리를 닫는 데 있다. 대시보드와 보고서가 목적이라면 1편에서 본 시맨틱 레이어나 데이터 웨어하우스로 충분할 가능성이 높다. '분석 결과를 받아 누군가 다른 시스템에 다시 입력하는 단절'이 실제 비용인지부터 따진다.

둘째, 매핑의 소유권을 확인한다. 객체 유형·링크·액션 정의, 그리고 되쓰기 데이터셋과 결정 기록을 표준 형식으로 꺼낼 수 있는지 계약 단계에서 묻는다. 비판 글글이 든 이식성 분쟁 사례처럼, 종료 시점의 데이터 반출 조건은 도입 시점에만 협상력이 있다. FDE가 만든 로직을 사내 인력이 이해하고 고칠 수 있게 넘겨받는 계획도 함께 세운다.

셋째, 되쓰기와 에이전트의 통제를 확인한다. 어떤 액션이 어떤 원천 시스템에 쓰는지, 실패나 충돌 시 어떻게 되돌리는지, 에이전트가 실행할 수 있는 액션이 사람 승인 없이 어디까지인지 정한다. 회사가 제공한다고 밝히는 시나리오 모의와 권한 체계글를 실제 업무 규칙으로 채우는 일은 고객 몫이다.

흔한 실수는 세 가지다. 전사 모델을 한 번에 그리려다 1편에서 본 '전사 단일 모델의 함정'에 다시 빠지는 것, 첫 유스케이스 성과를 전사 확산의 근거로 성급히 일반화하는 것, 그리고 도입 비용을 라이선스로만 계산하고 매핑·유지 관리 인력을 빼는 것이다. 회사 스스로 도입 과정이 복잡하고 길 수 있다고 적었다는 점글을 기억해 둘 만하다.

더 공부하려면, 그리고 3편으로

구조를 먼저 잡으려면 팔란티어 핵심 개념 문서글에서 데이터셋과 온톨로지의 대응 표를 보고, 온톨로지 개요글로 시맨틱·키네틱 구분을 확인한 뒤, 액션 유형 문서글의 '직원 배치' 예로 키네틱 요소가 실제로 무엇을 정의하는지 보는 순서가 좋다. 회사의 설계 철학과 에이전트 보안 주장은 '왜 온톨로지인가' 문서글에, LLM 연결 방식은 AIP 개요글에 정리돼 있다.

사업 측면은 실적 보도자료글를 수치뿐 아니라 뒤쪽 위험 요인 목록까지 읽기를 권한다. 비판적 시각은 Vonng의 글글이 가장 체계적이고, 국내 맥락은 LG CNS 협력 발표글로 확인할 수 있다. 회사 문서와 비판 글을 나란히 놓고 '같은 사실을 어떤 이름으로 부르는가'를 비교해 보면 이 글의 논점이 선명해진다.

3편에서는 금융권처럼 규제가 강한 도메인으로 넘어간다. 이번 편에서 본 되쓰기, 에이전트 권한, 결정 리니지는 규제 산업에서 모델 리스크 관리·감사·설명 책임과 곧바로 부딪히는 지점이다. 의미 구조를 누가 소유하고, 자동화된 결정에 누가 최종 책임을 지는지가 기술 선택보다 앞서는 질문이 된다.