팔란티어 FDE 아카데미, 46개 모듈 핵심만 30분 안에 이해하기

팔란티어(Palantir)의 FDE 아카데미라는 이름을 처음 들었을 때, '이게 대체 무슨 교육과정이지?'라는 의문이 들 수 있습니다. 미국 AI 거대 기업들의 기업용 AI 도입 전략을 보면 단순한 상품 교육을 넘어 "Forward Deployed Engineering(현장 기반 엔지니어링)"이라는 새로운 실행 방식이 표준이 되고 있습니다. 팔란티어 FDE 아카데미는 이 최신 트렌드를 한국에서 처음 체계화한 학습 플랫폼으로, 기업이 AI를 단순히 도입하는 것이 아니라 현장에서 직접 실행·검증하는 방식을 배우는 과정입니다. 본 글은 서울시 중구의 에스비컨설팅 심재우 대표가 팔란티어 FDE 기반 전략 운영 플랫폼을 설계하며 정리한 아카데미의 핵심 구조를 30분 안에 이해할 수 있도록 정리했습니다.

FDE 아카데미의 46개 모듈은 무작위가 아니라 "현장 문제 → 온톨로지 구조화 → AI 실행 → 성과 발표"라는 2일 집중 과정의 플로우에 맞춰 설계된 것입니다. 각 모듈은 학습자가 한 단계 진행할 때마다 이전 단계의 결과물이 다음 단계의 입력값이 되도록 연결되어 있습니다.

46개 모듈은 4개 그룹으로 나뉩니다. 공통 모듈(8개)은 모든 참가자가 거쳐야 하는 기초 단계로, 과정 소개, 대시보드, 팀 구성 등을 다룹니다. 1일차 온톨로지 구성 모듈(6개)은 현장의 표면 문제를 파악하고, 암묵지 질문 20개를 통해 진짜 병목을 찾아내며, 온톨로지 7요소로 의미 구조를 설계합니다. 2일차 실행·발표 모듈(9개)은 AI Agent 설계, 워크플로우 거버넌스, KPI 설계까지 이어지며, 최종적으로 피치덱 8장을 자동 생성해 발표합니다. 현장 확장 모듈(9개)은 교육을 마친 뒤 실제 기업에 적용하는 단계로, 필드 매뉴얼, 글로벌 사례, MVP 스프린트 플래너 등을 포함합니다.

* 공통 모듈은 모든 팀이 동일하게 진행하되, 팀별로 독립적인 데이터 저장소를 유지
* 1일차와 2일차는 표면 문제에서 출발해 최종 피치덱까지 연결되는 직렬 구조
* 현장 확장 모듈은 교육 후 조직 내 실제 적용을 위한 도구 모음

46개 모듈의 가장 큰 특징은 단계별 누적 구조입니다. 학습자가 각 모듈을 완료하면 그 결과물이 자동으로 다음 모듈의 기본값이 되고, 최종적으로 피치덱 생성까지 연결됩니다.

흐름을 단계별로 보면 다음과 같습니다:

문제 재정의: 팀이 정한 주제에서 표면 문제를 진짜 병목으로 변환

암묵지 추출: 현장 엔지니어의 경험에서 질문 20개 이상을 도출

개념 추출: 현장 언어를 구조화된 용어로 정의

온톨로지 7요소: 객체, 속성, 관계, 상태, 액션, 권한, KPI로 의미 구조 설계

플랫폼 원시 요소: 온톨로지를 8대 플랫폼 자산(권한 시스템, 워크플로우 엔진, 출처 추적 등)으로 재사용 가능하게 변환

AI Agent 및 워크플로우: 자동화할 작업 흐름을 Agent로 설계

KPI 설계: 성과 지표와 평가 기준 정의

피치덱 자동 생성: 모든 입력값을 기반으로 8장의 발표 자료 자동 생성

각 모듈의 localStorage 데이터가 다음 모듈로 자동 전달되기 때문에, 학습자는 처음부터 끝까지 일관된 주제로 진행하면서 중간에 데이터를 다시 입력할 필요가 없습니다.

* 1일차: 문제 정의와 온톨로지 구조화에 집중 (6개 모듈)
* 2일차: 온톨로지를 실행 자산으로 변환 및 발표 (9개 모듈)
* 각 단계 결과물은 피치덱 생성에 자동 반영됨

FDE 아카데미에서 배우는 12대 핵심 스킬은 단순한 기술 교육이 아니라, 현장에서 문제를 정의하는 것부터 조직 전체에 변화를 확산하는 것까지 4개 영역으로 나뉩니다.

문제이해 영역의 스킬(Problem Decomposition, Domain Design, Event Storming)은 1일차 전반부에서 다룹니다. 팀이 제시한 주제를 암묵지 질문 20개로 파고들면서 정확한 문제 정의 능력을 기릅니다. 구조설계 영역(Service Blueprint, Data Modeling, API Integration)은 온톨로지 7요소와 플랫폼 원시 요소를 학습하면서 체득됩니다. 이 단계에서 학습자는 "데이터란 무엇인가", "워크플로우 엔진은 왜 필요한가"를 현장 사례로 이해하게 됩니다.

실행연결 영역(AI Agent Engineering, Governance, Evaluation)은 2일차 전반부에서 집중적으로 다루어집니다. 설계한 온톨로지를 AI Agent로 어떻게 구현할지, 누가 어떤 권한으로 그 Agent를 제어할지, 성과를 어떻게 측정할지를 배웁니다. 확산경영 영역(Change Management, Productized Consulting, Executive Communication)은 현장 확장 모듈을 통해 교육 후 실제 조직에 변화를 주도하는 방법을 익히게 됩니다.

* 문제이해: 현장 엔지니어처럼 사고하기 (1일차 전반부)
* 구조설계: 의미 구조를 설계하기 (1일차 후반부)
* 실행연결: AI와 프로세스를 연결하기 (2일차 전반부)
* 확산경영: 변화를 주도하기 (2일차 후반부 + 현장 확장)

FDE 아카데미의 가장 핵심 구분은 "온톨로지"와 "플랫폼 원시 요소"입니다. 많은 학습자가 이 둘을 혼동하지만, 역할이 완전히 다릅니다.

온톨로지 7요소는 AI가 현장을 이해하기 위한 의미 구조입니다. 객체(무엇을), 속성(어떤 특성), 관계(어떻게 연결), 상태(어떤 상황), 액션(무엇을 해야 함), 권한(누가 할 수 있음), KPI(성과는 뭔가)의 7가지로 이루어집니다. 온톨로지는 "공통 언어"이므로, 현장의 엔지니어, 데이터 팀, 경영진이 모두 같은 의미로 용어를 이해하도록 합니다.

플랫폼 원시 요소 8개는 한 고객의 온톨로지를 다른 고객에게도 재사용할 수 있도록 추상화한 것입니다. 온톨로지 모델 자체, 객체 모델, 권한 시스템, 워크플로우 엔진, 출처 추적, 액션 템플릿, KPI 모델, 확장 템플릿으로 이루어집니다. 예를 들어 병원의 환자 온톨로지를 정의했다면, 그 권한 시스템 구조는 제조업체의 생산 프로세스에도 적용할 수 있습니다.

아카데미의 1일차에서는 온톨로지 7요소에 집중하고, 1일차 후반부부터 플랫폼 원시 요소로 일반화하는 훈련을 합니다.

* 온톨로지 7요소: 특정 현장의 의미 구조 (구체적)
* 플랫폼 원시 요소 8개: 재사용 가능하게 추상화한 자산 (일반적)
* 1일차 후반부: 온톨로지를 플랫폼 원시 요소로 변환하는 연습

FDE 아카데미는 한 번에 최대 5개 팀(Alpha, Bravo, Charlie, Delta, Echo)을 병렬로 운영합니다. 각 팀은 서로 다른 주제를 가지고 독립적으로 진행하지만, 모두 동일한 46개 모듈 플로우를 따릅니다.

5팀 병렬 구조의 장점은 세 가지입니다. 첫째, 다양한 산업·현장의 사례를 동시에 생성할 수 있습니다. 한 팀이 병원의 진료 프로세스를 다루면, 다른 팀은 제조업의 품질 관리, 또 다른 팀은 금융의 리스크 평가를 다룰 수 있습니다. 둘째, 각 팀의 결과물(온톨로지, Agent 설계, 피치덱)이 플랫폼 자산이 되어 향후 다른 고객 프로젝트에 재사용됩니다. 셋째, 2일간 동시에 진행되므로 시간 투자 대비 산출물이 5배 증가합니다.

기술적으로는 각 팀의 데이터가 localStorage의 팀별 키(_team_1, _team_2 등)에 독립적으로 저장되어 팀 간 데이터 혼동이 없습니다. 대시보드에서 팀을 전환하면 자신의 팀 데이터만 로드되므로, 한 명의 강사가 여러 팀의 진행 상황을 동시에 모니터링할 수 있습니다.

* 5팀 병렬 운영으로 다양한 산업 사례 동시 생성
* 각 팀은 독립적인 localStorage 키로 데이터 관리 (/team-1.html, /team-2.html 등)
* 팀별 결과물이 향후 재사용 가능한 자산으로 누적

46개 모듈 중 2일 집중 과정 후 남은 현장 확장 모듈(9개)은 아카데미 교육을 마친 팀이 자신의 조직으로 돌아가 실제 프로젝트에 적용하기 위한 도구입니다. 이 모듈들은 "교육"의 연장이 아니라 "실행 지원"입니다.

필드 매뉴얼 모듈은 2일간 배운 온톨로지 설계 방법을 자신의 조직의 특정 도메인에 맞게 재적용하는 가이드입니다. 글로벌 모범 사례 모듈은 팔란티어가 적용한 금융, 방위산업, 정부 등 다양한 산업의 온톨로지 설계 패턴을 제공합니다. 모범 사례 비교 모듈은 자신의 설계가 글로벌 사례와 어떻게 다른지를 진단합니다.

플랫폼 진단 모듈은 조직의 기존 데이터, 시스템, 프로세스 성숙도를 평가합니다. MVP 스프린트 플래너는 온톨로지 설계부터 첫 AI Agent 배포까지 4주 단위로 무엇을 해야 할지를 자동 생성해줍니다. Agent 평가 및 활성화 모듈은 배포한 Agent의 성과를 측정하고, 조직 내 사용자 교육을 지원합니다.

이러한 현장 확장 모듈들은 2일 과정 중 구성한 온톨로지와 피치덱을 입력값으로 받아, 자동으로 조직 맞춤형 실행 계획을 생성합니다.

* 필드 매뉴얼: 도메인별 온톨로지 재설계 가이드
* 플랫폼 진단: 조직 데이터·시스템·프로세스 성숙도 평가
* MVP 스프린트 플래너: 4주 실행 계획 자동 생성

---

단계 1: 현장 문제 입수 (아카데미 사전 단계)

각 팀은 참가 전 자신의 조직에서 현장 문제 1개·이해관계자·표면 증상·병목 후보 5개를 준비합니다. 이것이 46개 모듈 전체의 출발점입니다.

단계 2: 암묵지 추출 (1일차 오전, 모듈 1~3)

AI와 온톨로지로 문제를 해결하려면 먼저 현장 엔지니어의 경험(암묵지)을 "질문"으로 변환해야 합니다. 1일차에는 암묵지 질문 20개 이상을 도출합니다. 예를 들어 "환자 진료 지연" 문제라면, "의사의 진단 과정 중 가장 시간이 오래 걸리는 단계는?", "검사 장비 대기 중에 의사와 간호사는 무엇을 하나?", "환자의 예약 변경이 얼마나 자주 발생하나?" 같은 구체적 질문들입니다.

단계 3: 온톨로지 설계 (1일차 오후, 모듈 4~6)

추출한 암묵지를 온톨로지 7요소(객체, 속성, 관계, 상태, 액션, 권한, KPI)로 구조화합니다. 이 단계에서 "환자란 누구인가", "진료 상태를 어떻게 정의할 것인가", "의사가 할 수 있는 액션과 할 수 없는 액션은 무엇인가"를 명확히 합니다.

단계 4: AI Agent 및 KPI 설계 (2일차 오전, 모듈 7~9)

설계한 온톨로지를 기반으로 AI Agent를 설계합니다. 예: "대기 시간 감지 → 다음 진료실 배정 → 환자 알림 → 진료실 상태 업데이트"라는 워크플로우를 Agent가 자동 실행하도록 합니다. 동시에 성공 지표(KPI)를 정의합니다(예: 평균 대기 시간 20분 이상 감소).

단계 5: 피치덱 자동 생성 및 발표 (2일차 오후, 모듈 10~12)

모든 입력값(문제 정의, 온톨로지, Agent 설계, KPI)을 기반으로 8장의 피치덱이 자동 생성됩니다. 각 팀은 이를 5분 안에 발표합니다.

---

구체적 사례: 병원 진료 프로세스 FDE 적용

한 병원 팀이 "환자 진료 대기 시간 단축"을 주제로 2일 과정을 거쳤습니다.

1일차 결과: 암묵지 질문에서 "진료 전 검사 결과 대기"가 핵심 병목임을 발견. 온톨로지 7요소로 다음을 정의했습니다.

•객체: 환자, 의사, 검사기, 검사결과, 진료실

•상태: 대기중, 검사중, 검사완료, 진료중

•액션: 검사요청, 결과조회, 진료배정, 알림발송

•권한: 의사만 검사결과 열람 가능

•KPI: 진료 시작까지 평균 대기시간

2일차 결과: AI Agent 설계에서 "검사 시작 10분 후, 다음 환자의 진료실 미리 배정"이라는 자동화 워크플로우를 정의. 피치덱에는 현재 평균 대기시간(예상 데이터), 자동화 후 감소 목표, 필요한 권한 시스템, 3개월 구현 로드맵이 포함되었습니다.

현장 확장: 병원으로 돌아간 팀은 필드 매뉴얼과 MVP 스프린트 플래너를 사용해 첫 4주 동안 기존 의료 정보 시스템(EMR)과의 연동을 설계했습니다. 온톨로지가 "권한 시스템"이라는 플랫폼 원시 요소로 이미 일반화되어 있었기 때문에, 다른 병원이나 클리닉으로 쉽게 적용할 수 있었습니다.

---

Q1: 46개 모듈을 모두 2일에 다 할 수는 없지 않나요?

A: 맞습니다. 아카데미의 핵심 구성은 "공통(8) + 1일차(6) + 2일차(9) = 23개 모듈"이고, 나머지 23개는 현장 확장 모듈입니다. 2일 집중 과정 동안 23개를 진행하며, 각 팀은 교육 후 자신의 조직으로 돌아가 현장 확장 모듈(필드 매뉴얼, 플랫폼 진단, MVP 플래너 등)을 4주에 걸쳐 활용합니다.

Q2: 온톨로지 7요소가 꼭 7개여야 하나요? 더 많거나 적으면 안 되나요?

A: 온톨로지 7요소는 AI가 현장을 이해하는 데 필요한 최소 단위입니다. 객체(누가), 속성(어떻게), 관계(어디에), 상태(언제), 액션(무엇을), 권한(누가 할 수 있는), KPI(성공은 뭔가)의 조합으로, 이 중 하나라도 빠지면 AI가 업무 프로세스를 완전히 이해할 수 없습니다. 아카데미에서는 7개 모두 정의하도록 강제합니다.

Q3: 아카데미 교육을 받은 후 실제로 AI Agent를 배포하려면 얼마나 더 시간이 필요한가요?

A: 현장 확장 모듈의 MVP 스프린트 플래너에 따르면 일반적으로 4주입니다. 첫 주는 조직의 기존 시스템(DB, API, 권한 시스템) 진단, 둘째 주는 온톨로지를 기반으로 데이터 연동 설계, 셋째 주는 Agent 프로토타입 개발, 넷째 주는 테스트와 사용자 교육입니다. 단순한 도메인(예: 이메일 분류)이면 2주에 가능하고, 복잡한 도메인(예: 금융 규제 준수)이면 8주까지 걸릴 수 있습니다.

---

FDE 아카데미는 단순한 2일 과정이 아니라 장기 성장 경로의 시작입니다. 팔란티어가 정의한 FDE 성장 4단계는 다음과 같습니다.

Level 1. Awareness — FDE 마인드를 인식하고 기초를 다지는 단계. 아카데미 2일 과정이 여기에 해당합니다. 온톨로지, 암묵지, AI Agent의 개념을 배웁니다.

Level 2. Analyst — 구조화와 분석으로 문제를 해결하는 FDE. 교육 후 4주 현장 확장 기간에 해당합니다. 온톨로지를 조직의 특정 도메인에 맞게 재설계하고, 기존 데이터를 분석해 Agent 설계에 활용합니다.

Level 3. Builder — 실행과 창조로 가치를 만드는 FDE. AI Agent를 배포한 후 실제 성과를 측정하고, 실패한 부분을 수정하는 단계입니다. 한 프로젝트의 성공 후 다른 도메인에 확장하는 것도 이 단계입니다.

Level 4. Leader — 변화를 이끄는 전략가이자 생태계 리더. 조직 전체의 AI 전환을 주도하고, 다른 팀의 FDE 프로젝트를 멘토링하는 수준입니다. 팔란티어 공식 자격증 취득, 외부 컨설팅 제공 등이 포함됩니다.

아카데미는 Level 1에서 Level 2로의 전환을 지원하는 플랫폼이고, 현장 확장 모듈은 Level 2에서 Level 3로의 과정을 가속화합니다.

---

| 항목 | 온톨로지 7요소 | 플랫폼 원시 요소 8개 | 고려사항 |
|------|-------------|----------------|--------|
| 정의 | 특정 현장의 의미 구조 | 재사용 가능하게 일반화한 기술 자산 | 온톨로지는 구체적, 원시 요소는 추상적 |
| 생성 시점 | 1일차 오전~오후 | 1일차 후반부 | 온톨로지 정의 후 일반화 시작 |
| 다른 현장 적용 | 직접 적용 불가 (도메인 특화) | 쉽게 재사용 가능 | 원시 요소는 모든 도메인에 공통 |
| 예시 | 병원: 환자, 진료실, 검사기 | 모든 도메인: 객체 모델, 권한 시스템, 워크플로우 | 권한 시스템은 병원, 제조업, 금융 모두 필요 |
| 관리 장소 | 각 팀의 독립 모듈 | FDE Strategy OS의 플랫폼 자산 저장소 | 원시 요소는 누적될수록 가치 증가 |
| 유지보수 | 팀 담당자가 수정 | 플랫폼 중앙 관리, 모든 팀이 최신 버전 사용 | 원시 요소 업데이트는 모든 프로젝트에 영향 |

---

팔란티어 FDE 아카데미는 복잡해 보이지만, 핵심은 단순합니다. 현장 문제 → 암묵지 추출 → 온톨로지 설계 → AI Agent 구현 → 성과 측정이라는 일관된 플로우를 2일에 압축