분류기를 데이터베이스 안에서 직접 학습시킬 수 있게 되면, 머신러닝은 전문가의 기능이 아니라 일상 운영의 도구가 된다.
조직의 지능 중심은 모델 팀에서 테이블, 라벨, 질의를 정의하는 사람들로 이동한다. 소매 관리자, 병원 스케줄 담당자, 물류 기획자는 별도 파이프라인을 기다리지 않고 데이터가 이미 있는 곳에서 가벼운 분류기를 만든다. 인공지능 역량은 평범한 기관들로 빠르게 퍼져 비용을 낮추고 참여를 넓히며, 동시에 데이터 질서 자체를 시민적이고 사업적인 핵심 역량으로 만든다.
피닉스의 한 슈퍼마켓 후방 사무실에서 오전 6시 40분, 재고 담당 관리자는 통로별 폐기 가능성을 예측하는 SQL 질의를 수정한 뒤 아침 배송 트럭이 오기 전에 발주 계획이 바뀌는 화면을 본다.
민주화가 정치를 없애는 것은 아니다. 스키마가 잘못된 범주나 비어 있는 이력을 담고 있다면, 시스템은 위험할 정도로 단순해 보이는 형태로 불공정한 결정을 대규모로 내릴 수 있다. 새로운 병목은 학습 연산이 아니라 데이터 질서의 사회적 품질이다.
요즘 운영팀 안에서 작은 역전이 벌어지고 있죠. 보고서를 기다리던 사람이 먼저 고릅니다. 질의문 한 줄이 기준을 바꾸는 겁니다. 이유는 단순해요. 분류기가 이제 데이터베이스 안으로 들어왔기 때문이죠. 2024년 이후엔 쿼리 한 번으로 폐기율과 재주문안을 바로 시험합니다. 예전엔 하루 걸리던 판단이 10분 안으로 접혀요. 모델 팀을 거치던 승인선도 짧아집니다. 현장 판단이 바로 실행되죠. 여기서 이동하는 건 속도만이 아닙니다. 조직의 중심도 모델 팀에서 스키마 설계자로 옮겨가죠. 라벨 기준과 감사 가능한 질의가 새 권한이 되는 겁니다. 병원 일정, 물류 경로, 매장 재고가 같은 방식으로 묶이기 시작하니까요. 편의는 커집니다. 대신 잘못된 범주와 빠진 이력도 같이 번지겠죠. 가장 똑똑한 방이 데이터베이스라면, 그 질서는 누가 설계할까요.