MDM #1. 2026년 MDM의 전환점: Agentic MDM은 무엇을 실제로 바꾸는가

Master Data Management는 오랫동안 고객, 공급업체, 제품, 자재, 조직 같은 핵심 기준정보를 정확하고 일관되게 유지하는 역할을 담당해 왔습니다.

중복을 찾고, 표준을 적용하고, 승인 Workflow를 운영하며, Golden Record를 여러 시스템에 배포하는 것이 전통적인 MDM의 핵심이었습니다.

이 역할이 사라지는 것은 아닙니다.

하지만 2026년 Enterprise AI와 AI Agent가 실제 업무 Process에 연결되면서 MDM에 새로운 요구가 추가되고 있습니다.

과거의 질문
“How do we maintain trusted master data?”

↓

새로운 질문
“How do humans and AI agents maintain,
consume and act on trusted master data safely?”

AI Agent는 단순히 데이터를 읽는 데 그치지 않습니다.

Supplier를 검색하고, Customer를 식별하고, 변경안을 만들고, Workflow를 시작하며, 허용된 경우 실제 시스템 Action까지 수행할 수 있습니다.

따라서 MDM의 역할도 단순 Record Management에서 AI와 사람이 신뢰할 수 있는 Business Entity Context와 Action Control을 제공하는 방향으로 확장되고 있습니다.

2026년 MDM의 전환점은 AI가 Master Data를 대신 관리하기 시작했다는 데 있지 않습니다. Master Data가 AI Agent의 판단과 행동에 직접 사용되면서 Identity, Context, Authority와 Governance를 Runtime 수준에서 관리해야 한다는 데 있습니다.

1. 2026년은 정말 MDM의 전환점인가

“Agentic MDM”은 아직 DAMA나 NIST가 정의한 하나의 공식 산업표준 용어가 아닙니다.

하지만 2026년에는 MDM 시장에서 AI Agent와 Master Data를 직접 결합하려는 움직임이 실제 제품과 Architecture 수준에서 분명하게 나타나고 있습니다.

SAP — Master Data를 AI Agent의 Business Context로 연결

SAP는 2026년 5월 Reltio 인수를 완료했습니다.

SAP — SAP Completes Acquisition of Reltio

이어 SAP Business Data Cloud 전략에서 Reltio의 Multi-Domain MDM과 SAP Master Data Governance를 AI Agent가 사용할 Business Context와 연결하는 방향을 발표했습니다.

SAP — Accelerate the Autonomous Enterprise with SAP Business Data Cloud

SAP는 이를 단순 Golden Record 공급이 아니라 Agent가 Customer와 Supplier 관계를 이해하고 업무 Context를 활용할 수 있는 기반으로 설명하고 있습니다.

Reltio — Agent가 Live Master Data를 직접 다루는 Stewardship

Reltio의 현재 AgentFlow 문서는 AI Agent가 Live Master Data를 검색·검증·관리하고, Model Context Protocol 기반의 Governed Tool을 사용할 수 있도록 설명합니다.

중요한 점은 Agent가 무제한 권한을 갖는 것이 아니라 기존 RBAC, Attribute Masking과 Audit Policy를 적용받는다는 것입니다.

Reltio — AgentFlow Overview

Informatica — Agentic Multidomain MDM 방향 제시

Informatica from Salesforce는 2026년 5월 Agentic Multidomain MDM과 Data Steward Agent를 발표했습니다.

Data Quality, Stewardship, Record Matching 등을 Agent가 수행하는 방향입니다.

다만 발표문 기준 해당 기능의 Availability는 Q4 2026 예정으로 명시돼 있습니다.

Informatica from Salesforce — Agentic Data Management Announcement

따라서 현재 기능과 향후 Product Direction을 구분해서 봐야 합니다.

2. 시장의 변화가 의미하는 것과 의미하지 않는 것

실제로 변화하고 있는 것	과장해서는 안 되는 것
AI Agent가 MDM Search·Quality·Stewardship Workflow에 참여	Human Steward가 곧 사라진다는 주장
Master Data가 AI Agent용 Business Context로 활용	MDM이 AI에 필요한 모든 데이터를 관리한다는 주장
Agent가 Governed API·Tool을 통해 Action 수행 가능	AI가 자유롭게 Master Database를 수정한다는 구조
일부 저위험 업무의 자동화 가능성 확대	보편적인 70%·80%·95% 자동화율
Identity·Authorization·Audit 중요성 증가	AI Confidence Score만 높으면 자동실행 가능하다는 주장

3. Agentic MDM을 어떻게 정의할 것인가

이 글에서는 Agentic MDM을 다음과 같이 정의합니다.

Agentic MDM

AI Agent가 Master Data의 검색, 품질분석, Entity Resolution, Change Preparation, Workflow와 일부 실행 업무에 참여하되,

Enterprise Data Model, Business Policy, Identity, Authorization, Human Decision Rights와 Audit Control 안에서 작동하도록 설계한 Master Data Operating Model.

핵심 단어는 Autonomy가 아니라 Bounded Autonomy입니다.

4. 기존 MDM과 Agentic MDM의 차이는 “AI 유무”가 아니다

영역	기존 MDM 중심	Agentic MDM으로 확장되는 부분
Quality	Rule 실행 후 오류 검토	오류 분석·Evidence 수집·수정안 추천과 통제된 자동복구
Matching	Rule·Score 기반 Candidate 처리	Relationship·Context·History를 포함한 Evidence Package와 Human Handoff
Workflow	사전에 설계된 Workflow	Policy 안에서 Context를 분석해 Routing·Preparation 지원
Interface	Application과 Human User 중심	Application + Human + AI Agent가 동일한 Governed Capability 사용
Governance	User Role과 Approval 중심	User + Agent Identity, Delegated Authority, Tool Permission과 Runtime Audit 추가

5. 그러나 MDM의 본질은 변하지 않는다

Agentic MDM이라는 용어가 새롭다고 해서 기존 MDM 원칙이 사라지는 것은 아닙니다.

SAP의 현재 MDM 설명도 SAP와 Non-SAP Source의 중복·불일치 데이터를 통합해 신뢰 가능한 Customer, Supplier, Product 등의 Business Context를 만드는 것을 기본 역할로 설명합니다.

SAP — Master Data Management

Agentic 환경에서도 다음은 계속 필요합니다.

Business Entity Definition
Stable Identity
Authoritative Source
Data Owner
Quality Rules
Hierarchy
Lifecycle
Audit
Governed Distribution

오히려 Agent가 행동까지 수행한다면 이 기반이 더 중요해집니다.

6. Golden Record에서 “System of Context”로

전통적인 MDM의 대표 표현은 Golden Record입니다.

AI Agent에는 Golden Record만으로 부족할 수 있습니다.

예를 들어 Supplier Agent가 단순히 다음 정보만 받아서는:

Supplier ID
Name
Country
Status

업무 판단에 필요한 Context가 충분하지 않을 수 있습니다.

추가로 다음이 필요할 수 있습니다.

Parent / Subsidiary Relationship
Source & Provenance
Effective Date
Last Updated
Entity Version
Quality Status
Policy Classification
Permitted Actions

따라서 Agentic MDM에서는 Master Record를 단순 Value Set이 아니라 Business Entity + Context + Evidence로 보는 시각이 중요해집니다.

7. AI Agent에게 필요한 것은 더 많은 데이터가 아니라 올바른 Context다

Agent에게 모든 Enterprise Data를 제공한다고 판단이 자동으로 좋아지는 것은 아닙니다.

다음 Supplier 요청을 생각해 보겠습니다.

“ABC의 구매 Block 상태를 확인하고
거래 가능한 경우 신규 구매 요청을 준비하라.”

Agent가 처리하려면 최소한 다음을 알아야 합니다.

WHO?
정확한 Supplier Entity

↓

WHAT STATE?
현재 Purchasing Status

↓

WHICH SOURCE?
Authoritative Source

↓

HOW CURRENT?
Freshness / Version

↓

WHAT MAY I DO?
Agent Authorization

#2에서는 이 문제를 AI-Ready Master Data 관점에서 더 구체적으로 다룹니다.

MDM #2. AI는 왜 Master Data에서 틀리는가

8. Agent가 Master Data에 접근하면 새로운 Identity 문제가 생긴다

기존 MDM에서는 주로 “어떤 사용자가 어떤 Master를 수정할 수 있는가?”를 관리했습니다.

Agentic MDM에서는 다음 질문이 추가됩니다.

User Identity
누가 Agent에게 업무를 요청했는가?

Agent Identity
어떤 Agent가 실행하는가?

Delegated Authority
사용자의 어떤 권한을 Agent에게 위임했는가?

Resource
어떤 Domain·Entity·Attribute에 접근할 수 있는가?

Action
조회·추천·Change Request·실행 중 무엇을 할 수 있는가?

NIST 역시 2026년 Software와 AI Agent에 대한 Identity와 Authorization 적용을 별도 연구주제로 제시했습니다.

NIST NCCoE — Software and AI Agent Identity and Authorization Concept Paper

이 문서는 초기 Concept Paper라는 점도 함께 봐야 합니다.

9. AI Agent가 수행하는 MDM 업무는 다섯 단계로 나눌 수 있다

OBSERVE
Data 조회·Issue 분석

↓

RECOMMEND
수정·Match·Routing 추천

↓

PREPARE
Change Request·Transaction 준비

↓

EXECUTE
정책이 허용한 저위험 Action

↓

HIGH-IMPACT EXECUTE
중요 Business State 변경

이 구분의 목적은 자동화를 많이 하기 위해서가 아닙니다.

각 Action마다 필요한 Control 수준을 다르게 적용하기 위해서입니다.

구체적인 Agent 권한모델은 #3에서 다룹니다.

MDM #3. Data Steward Agent 설계

10. Agentic MDM Reference Architecture

BUSINESS USER / APPLICATION / AI AGENT

↓

GOVERNED ACCESS LAYER
API · Event · MCP · Workflow

↓

IDENTITY & AUTHORIZATION
User · Agent · Delegation · Resource · Action

↓

AGENTIC MDM CAPABILITIES
Search · Validate · Resolve · Recommend · Prepare · Execute

↓

POLICY & GOVERNANCE
Data Owner · Rules · Approval · Risk · Exception

↓

MASTER DATA SERVICES
Entity · Quality · Hierarchy · Workflow · Provenance

↓

AUTHORITATIVE MASTER STATE

↓

DISTRIBUTION & CONTROL
API · Event · Batch · Reconciliation · Audit

이 Reference Architecture는 Digital Future & Strategy practitioner framework입니다.

11. MCP가 MDM을 Agentic하게 만드는 것은 아니다

Model Context Protocol 같은 Agent Interface는 MDM Capability를 Agent에게 노출하는 데 유용할 수 있습니다.

Reltio AgentFlow도 MCP Server를 이용합니다.

하지만 MCP가 다음 질문에 답해 주는 것은 아닙니다.

Which Supplier Is the Correct Entity?
Which Source Is Authoritative?
Which Attributes May the Agent Change?
Which Action Requires Human Approval?
What Evidence Must Be Retained?

따라서 Agent Interface와 MDM Governance를 동일시해서는 안 됩니다.

12. Agentic MDM의 목표는 Human-Free MDM이 아니다

Human Steward가 모든 Record를 직접 확인하는 운영모델은 규모가 커질수록 병목이 될 수 있습니다.

반대로 사람을 모두 제거하는 방식도 Enterprise MDM에는 적절하지 않습니다.

더 현실적인 구조는 다음과 같습니다.

REPETITIVE + LOW RISK
Agent 중심

↓

AMBIGUOUS
Agent 분석 + Human 판단

↓

HIGH IMPACT
Agent 준비 + Human/Data Owner 결정

Agent가 업무를 더 많이 수행할수록 사람의 역할은 Record Processing에서 Policy, Exception, Root Cause와 Agent Supervision으로 이동할 수 있습니다.

13. Self-Healing도 “자동수정”보다 Control Loop가 중요하다

오류를 AI가 발견했다고 즉시 수정해서는 안 되는 경우가 많습니다.

보다 안전한 구조는:

Detect
→ Diagnose
→ Recommend
→ Authorize
→ Repair
→ Verify
→ Prevent

입니다.

#4에서는 Rollback과 Root Cause Prevention까지 포함한 Self-Healing 모델을 자세히 다룹니다.

MDM #4. Self-Healing Master Data

14. Entity Resolution은 Agentic MDM에서 더 중요해진다

AI가 잘못된 Supplier 또는 Customer를 선택한 뒤 정확하게 업무를 실행한다면 결과는 여전히 잘못됩니다.

따라서 Entity Identity는 Agentic MDM의 첫 번째 Control Point 중 하나입니다.

하지만 Knowledge Graph나 AI가 있다고 Entity Resolution이 자동으로 해결되는 것도 아닙니다.

Rule, Attribute Similarity, ML과 Relationship Context를 함께 사용하되 False Merge를 별도로 통제해야 합니다.

MDM #5. 지식 그래프 기반 엔티티 해상도

15. Agentic MDM의 가장 중요한 KPI는 자동화율이 아니다

Agentic MDM의 성과를 “몇 % 자동화했는가?”만으로 측정하면 잘못된 Incentive를 만들 수 있습니다.

자동화율을 높이기 위해 위험한 Case까지 자동화할 수 있기 때문입니다.

보다 균형 잡힌 KPI는 다음과 같습니다.

영역	측정 예시
Quality	Duplicate recurrence, quality defect recurrence, false merge
Efficiency	Case Lead Time, Human Touch Time, Backlog Aging
Decision Quality	Agent Recommendation Acceptance, Human Override
Safety	Rollback, Unauthorized Attempt, Critical Incorrect Action
Governance	Audit Completeness, Exception Aging, Policy Compliance
Business Outcome	Rework, Master Creation Lead Time, Downstream Exception

16. 외부 “평균 자동화율”을 목표로 삼지 않는다

“AI를 적용하면 MDM 업무의 60%를 자동화할 수 있다”거나 “Duplicate Matching 정확도가 95% 이상”이라는 수치를 모든 기업에 적용해서는 안 됩니다.

실제 결과는 다음에 크게 좌우됩니다.

Domain
Source Data Quality
Business Rule
Entity Complexity
Risk Policy
Ground Truth Quality
Human Review Policy
Tool Design

따라서 효과측정은:

BASELINE
↓
PILOT
↓
MEASURE
↓
COMPARE
↓
EXPAND OR CORRECT

구조로 운영하는 편이 적절합니다.

17. 2026년 기업이 먼저 준비해야 할 다섯 가지

① AI를 붙이기 전에 Master Data Control을 확인한다

Data Owner, Entity Definition, Critical Attribute, Quality Baseline과 Audit이 존재하는지 확인합니다.

② Agent가 아니라 Use Case에서 시작한다

“Data Steward Agent를 만들자”보다:

Duplicate Investigation이 오래 걸린다.
Supplier Change Request 처리시간이 길다.
Quality Exception 분류에 반복 작업이 많다.

처럼 실제 Problem에서 시작합니다.

③ 처음에는 Read와 Recommend에 집중한다

Production Write 권한을 즉시 주기보다 Agent가 Evidence를 얼마나 정확하게 찾고 추천하는지를 먼저 평가합니다.

④ Action 권한은 Risk에 따라 단계적으로 확대한다

저위험·가역적 업무와 Legal Identity Merge 같은 고위험 업무를 동일하게 자동화해서는 안 됩니다.

⑤ 모든 Action을 나중에 설명할 수 있어야 한다

User, Agent, Evidence, Policy, Tool Call, Action과 Result가 연결되어야 합니다.

18. Agentic MDM 도입 순서는 기간보다 Evidence Gate로 관리한다

Stage	목표	다음 단계로 넘어갈 Evidence
1. Foundation	Entity·Owner·Rule·Audit 정비	핵심 Governance와 Baseline 확인
2. Observe	Agent Search·Analysis 적용	Context와 Evidence 정확성 확인
3. Recommend	수정·Match·Routing 추천	Acceptance·Override·Escalation 성능 안정
4. Controlled Execute	허용된 저위험 Action 자동실행	Rollback·Audit·Policy Control 검증
5. Scale	추가 Domain과 Use Case 확대	Business Outcome과 Operating Model 재사용 확인

이 단계모델은 Digital Future & Strategy practitioner framework이며 고정 기간이나 공식 산업 성숙도 모델이 아닙니다.

19. Agentic MDM Readiness를 확인할 12가지 질문

1. AI가 사용할 핵심 Master Entity가 무엇인지 알고 있는가?

2. 해당 Entity의 Stable Identity와 authoritative attribute가 정의돼 있는가?

3. Data Owner가 실제 Decision Rights를 가지고 있는가?

4. 현재 품질문제와 Steward workload의 Baseline이 있는가?

5. AI Agent 없이 Rule-Based Automation으로 해결 가능한 업무를 구분했는가?

6. Agent가 접근할 Entity·Attribute·Action 범위가 제한되는가?

7. User Identity와 Agent Identity를 구분해서 Audit할 수 있는가?

8. Agent가 사용할 Tool이 임의 CRUD가 아니라 Governed Business Capability인가?

9. Agent가 행동하지 않고 Escalate해야 하는 조건이 정의돼 있는가?

10. 중요한 Action을 되돌릴 수 있는가?

11. 성공 KPI에 Decision Quality·Safety·Business Outcome이 포함되는가?

12. 첫 Pilot의 결과에 따라 확대하지 않을 수 있는 의사결정 구조가 있는가?

2026년 MDM의 진짜 변화

2026년의 중요한 변화는 “MDM에 AI 기능이 추가됐다”는 사실만이 아닙니다.

Master Data를 사용하는 주체가 달라지고 있다는 점입니다.

YESTERDAY
Humans + Applications

↓

TODAY
Humans + Applications + AI Agents

AI Agent는 기존 Application보다 동적으로 정보를 찾고 Tool을 선택하며 다음 Action을 결정할 수 있습니다.

따라서 Agent가 사용하는 Master Data에는 단순 Accuracy뿐 아니라:

Identity,
Semantics,
Relationships,
Provenance,
Freshness,
Authorization,
Auditability

가 함께 요구됩니다.

그리고 Agent가 Master Data 자체를 변경할 수 있다면 또 하나가 필요합니다.

누가 무엇을 어디까지 결정할 수 있는가라는 명확한 Decision Rights입니다.

Agentic MDM의 목표

TRUSTED ENTITY
×
BUSINESS CONTEXT
×
GOVERNED AGENT ACCESS
×
BOUNDED AUTHORITY
×
HUMAN ACCOUNTABILITY
×
AUDITABLE ACTION
=
AGENTIC MDM

Agentic MDM의 목표는 Human-Free MDM이 아닙니다.

기존 MDM의 신뢰체계 위에서 AI Agent가 반복적이고 Evidence 기반인 업무를 더 빠르게 처리하고, 중요한 Business Decision은 적절한 Owner와 Steward에게 남기는 것입니다.

기업이 먼저 해야 할 일도 거대한 Agentic MDM Platform을 새로 구축하는 것이 아닙니다.

가장 중요한 AI 또는 MDM Use Case 하나를 선택하고:

현재 업무가 어떻게 수행되는지,
어디에 반복작업과 판단병목이 있는지,
어떤 Evidence가 필요한지,
어떤 Action까지 자동화할 수 있는지,
어떤 결과를 측정할지를

먼저 명확하게 만드는 것입니다.

2026년 MDM의 경쟁력은 AI 기능의 개수로 결정되지 않을 가능성이 높습니다. AI Agent가 더 많이 행동하는 환경에서도 어떤 Business Entity가 신뢰할 수 있고, 누가 무엇을 결정했으며, 왜 그 Action이 허용되었는지를 설명할 수 있는 능력이 더 중요해질 것입니다.

Sources & Further Reading

Method Note
이 글에서 Agentic MDM은 하나의 확정된 산업표준이나 특정 벤더 제품명을 의미하지 않고, AI Agent가 Master Data 운영과 소비에 참여하는 emerging operating pattern을 의미합니다. 2026년 시장 변화는 SAP, Reltio, Informatica from Salesforce 및 NIST의 공개 자료를 기준으로 확인했습니다. SAP의 Reltio 인수는 2026년 5월 완료된 사실이며, Reltio AgentFlow는 현재 공개 제품문서를 기준으로 기술했습니다. Informatica의 Agentic Multidomain MDM과 Data Steward Agent는 2026년 5월 발표됐지만 발표문상 Q4 2026 Availability로 기재돼 있어 현재 기능과 예정 기능을 구분했습니다. Agentic MDM 정의, five-level authority model, reference architecture, KPI structure와 evidence-gated adoption model은 Digital Future & Strategy practitioner frameworks입니다. 특정 자동화율, 정확도, 인력감소율 또는 ROI를 보편적인 시장수치로 가정하지 않습니다.

Reviewed: September 2026

MDM Strategy Series

Part 1 — AI & Agentic MDM

MDM #1. 2026년 MDM의 전환점: Agentic MDM은 무엇을 실제로 바꾸는가
MDM #2. AI는 왜 Master Data에서 틀리는가
MDM #3. Data Steward Agent 설계
MDM #4. Self-Healing Master Data
MDM #5. 지식 그래프 기반 엔티티 해상도

Global English Companion

글로벌 독자를 위한 영문판은 아래 글에서 Agentic MDM의 변화와 Enterprise MDM 방향을 설명합니다.

MDM #1. The 2026 MDM Inflection Point: How AI Agents Are Redefining Master Data Management

영문판은 한국어판과 대응되는 Companion Article이지만, 기존 영문판에 남아 있는 보편적 자동화·정확도 수치는 한국어판과 동일한 측정 원칙으로 별도 정비하는 것이 바람직합니다.

다음 글: AI는 왜 Master Data에서 틀리는가