Ontology: How Philosophy Shaped the Ontology at the Heart of Modern AI

---

혼자가 더 좋다면 '이 유형'일 수 있어요

---

지능형 내향인 앞에서 나르시시스트가 도망치는 소름 끼치는 이유

---

INTJ와 INTP 탐구생활(feat. 너무 똑똑해서 피곤한 그들..)

---

Palantir Ontology

---

작년 ‘사상 최대’ 실적에도…“2500명 자른다” 선언한 모건스탠리, 이유는

---

요즘 AI 에이전트 관련해서 의사 결정 능력의 구체화를 위해서 각 sLLM에서의 전문성을 활용하기 위해서는 전 도메인 및 학문에 걸친 지식의 정의가 필요하다는 생각이 들었다.

다양한 온톨로지(Ontology) 개념을 제일 잘 활용하는 팔란티어(Palantir)의 협업 사례을 찾아보고 있는데 이를 위해서는 인간의 사고 방식 및 사회에 대한 구조를 포함 관계와 전혀 다른 지식들이 어떻게 연결되어서 작동하는지 스스로 정의하고 고민해 본 경험이 상당히 중요해 질 것이라는 생각이 든다.

온톨로지(Ontology)는 철학적 존재론에서 유래하여 단순히 데이터를 분류하는 것을 넘어, 데이터가 '지식'이 되도록 정의하는 구조화된 지식 지도이다.

다시 말해, 특정 지식 도메인 내의 개념, 개체, 그리고 그들 간의 관계를 명확하게 정의하고 구조화하여, 사람과 컴퓨터가 공통으로 이해할 수 있도록 만든 지식 체계이다.

인공지능(AI)이 맥락을 파악하고 논리적 추론을 하도록 돕는 지식 그래프와 시맨틱 웹의 핵심 기술이다.

1. 지식의 체계화: 파편화된 데이터를 의미 있는 정보로 연결하여 데이터의 의미를 고정하고 구조화

2. AI의 가드레일: LLM(거대언어모델)의 환각(Hallucination) 현상을 방지하고, 정확한 맥락 이해를 바탕으로 논리적 추론이 가능하도록 지원

3. 핵심 구성 요소: 클래스(개념), 인스턴스(개체), 프로퍼티(관계), 애트리뷰트(속성)로 구성

그럼 온톨로지를 통해서 무엇이 가능한가?

복잡한 기업데이터를 하나로 묶어 단순히 “데이터를 읽는 수준”을 넘어서 회사 전체가 어떻게 연결되어 움직이는지를 이해할 수 있게 된다.

사람들이 엑셀을 뒤지고, 보고서를 찾고, 여러 부서에 물어봐야만 알 수 있었던 일들이 AI에게는 즉시 이해되는 정보가 되는 것이다.

현재 코딩은 현재 상당 수가 사람의 능력을 뛰어넘은 자동화 상태로 오히려 필요할 때 다른 도구를 활용하고 어떤 프로세스가 필요하고 전혀 새로운(창의성에 해당하는) 물리학과 심리학의 결합 등 점점 다방면의 지식 체계를 활용하여 해당 전문화된 학습된 혹은 실행하는 각각의 Agents나 sLLM/LLM의 활용 방식은 각 전문화된 인력을 적재적소에 잘 활용하는 것과 동일하고 이는 인간의 뇌를 모방하고 인체를 모방한 AI의 생성 방식과 역사 그리고 로봇의 작동 원리에 해당한다.

“Ontology, It traces the concept of ontology from philosophy, into computer science.”

철학(Philosophy)은 '지혜에 대한 사랑(philosophia)'이라는 뜻을 가진, 인간과 세계에 대한 근본적인 문제(존재, 지식, 가치 등)를 이성적, 비판적으로 탐구하는 학문으로 일상적 통념을 의심하고 스스로 생각하며, 논리적 근거를 바탕으로 삶과 세계에 대한 총체적 이해와 방향성을 찾는 과정이다.

얕은 사고방식 혹은 하나의 분야에 국한되는 전문 지식 체계는 더 이상 단순화된 AI를 넘어서기에는 영구적 기억 저장 능력 및 24시간 활용 능력 그리고 유연해진 사고 체계를 넘어서기에는 어려움이 따를 것 같다.

그럼 온톨로지를 통해 어떤 일들이 가능해질까?

첫째, 설비 하나가 멈추면 어떤 영향이 생기는지 파악할 수 있다.

기존 시스템에서는 설비가 멈추면, 어떤 공정이 멈추는지, 어떤 제품을 만들고 있었는지, 그 제품이 어떤 주문과 연결되는지 고객 납기에는 어떤 영향이 있는지 흩어진 데이터 속에서 이런 정보를 찾는데 시간이 걸린다.

하지만 온톨로지가 있으면 AI는 이렇게 이해할 수 있다.

“설비 A가 멈췄다 → 해당 공정 중단 → 오늘 생산될 제품 200개 지연 → 이 제품을 기다리는 고객 B 납기 위험 발생”

즉, 하나의 사건이 전체 시스템에 어떤 파장을 일으키는지 자동으로 추적한다.

둘째, 문제의 원인을 빠르게 추론할 수 있다.

단순히 “온도 96°C”라는 숫자를 보는 것이 아니라, 설비 상태 - 최근 교체된 부품 - 작업자 기록 - 비슷한 과거 사례 - 공정별 정상 패턴과 같은 정보들이 모두 연결되어 있기 때문에, AI는 어디가 문제일 가능성이 높은지를 바로 알 수 있다.

“최근 교체한 베어링 X12에서 이상 가능성 높음“, “같은 부품을 사용하는 라인 2곳도 점검 필요”

이런 형태의 의미 기반(Semantic) 추론이 가능하다.

셋째, 필요한 조치를 자동으로 실행할 수 있다.

온톨로지가 회사의 구조와 규칙을 모두 담고 있기 때문에 자동적으로 실행(Action)까지 할 수 있다.

1. 재고 부족 예상 → 대체 공급처에 자동 발주 추천

2. 설비 고장 → 담당 엔지니어에게 자동 티켓 생성

3. 납기 지연 → 고객 담당자에게 자동 알림

AI가 회사의 규칙과 흐름을 알고 있으니 사람 대신 “일을 처리하는” AI가 만들어지며 LLM모델이 회사의 구조를 이해한 상태에서 질문 및 답변 할 수 있게 된다.

기존 LLM은 문서를 읽고 답하는 데에는 강하지만 우리 회사의 구조는 모르는 문제가 발생한다.

하지만 온톨로지 기반의 LLM은 이렇게 작동한다.

1. “3번 설비가 멈추면 어떤 고객 출하에 영향이 있어?” → 실시간 데이터와 온톨로지 구조를 기반으로 바로 답변.

2. “오늘 생산 계획에서 가장 위험한 공정은 어디야?”→ 실제 상황을 이해하고 판단.

이제 LLM모델은 회사 맞춤형 AI 비서가 되어 AI가 이제 단순 계산을 넘어서 현실을 이해하는 단계까지 발전하고 있다.

---

구성:

• 글로벌 억만장자 16명 — 머스크·버핏·저커버그 등 Forbes 2026 순위 포함

• 한국 재벌 8명 — 이재용·최태원 등 본인 공개 MBTI 표기

• AI/Tech 리더 11명 — 샘 알트만·데미스 허사비스·다리오 아모데이·얀 르쿤·제프리 힌턴 등

핵심 발견:

• INTJ 10명으로 압도적 1위 (전체 29%)

• 내향형(I) 67% · 사고형(T) 91%

• F형(감정)은 단 3명 — 정용진(INFJ), 이재용(ISFP), 트럼프(ESFP)

5개 카테고리로 색상 구분:
🟡 금색 — 억만장자/기업인 (머스크·버핏·베이조스 등)
🟢 초록 — 한국 재벌 (이재용·최태원·정기선 등)
🔵 파란색 — AI/Tech 리더 (샘 알트만·젠슨황·팀쿡 등)
🔴 빨간색 — 정치 지도자 (오바마·마크롱·시진핑·푸틴 등)
🟣 보라색 — 역사적 위인 (아인슈타인·다빈치·만델라 등)

눈에 띄는 패턴:

• INTJ·INTP 셀 압도적 밀집 — 억만장자+AI리더 집중

• ENFJ 셀 — 오바마·트뤼도·아던 등 민주적 지도자 군집

• ISTJ 셀 — 시진핑·버핏·베이조스·신조 아베 등 질서형

• 하단 행(SF) — 거의 비어있음 → 세계적 영향력 인물 중 F형 극소수