문제는 이 둘 사이에 운영 맥락이 부족하다는 점이다.

셀로니스는 이 간극 때문에 AI가 실제 비즈니스 환경을 충분히 이해하지 못해 **‘운영상의 블라인드 스폿(operational blind spots)’**이 생긴다고 지적한다. 프로세스 흐름, 시스템 간 의존성, 조직 규칙 등을 모르면 AI 추천이 부정확하거나 신뢰하기 어려울 수 있다는 것이다.

이를 해결하기 위해 등장한 것이 **Celonis Context Model(CCM)**이다.

이 모델은 기업 시스템 전반에서 발생하는 데이터와 비즈니스 지식을 하나의 구조로 정리해 AI가 이해할 수 있는 형태로 변환하는 중간 레이어 역할을 한다.

CCM: 기업 운영의 실시간 디지털 트윈

CCM의 핵심은 **기업 운영을 그대로 반영한 ‘디지털 트윈(digital twin)’**이다.

이 시스템은 다음 요소들을 결합해 실시간 운영 모델을 만든다.

• 다양한 기업 시스템과 애플리케이션의 프로세스 데이터
• 조직의 업무 규칙과 비즈니스 지식
• 장치, 시스템, 사용자 상호작용에서 발생하는 신호

셀로니스에 따르면 CCM은 기업 운영을 AI가 이해할 수 있는 언어로 번역하는 동적 모델이다.

이 모델에는 다음과 같은 정보가 포함된다.

• 실제 시스템 간 프로세스 흐름
• 업무 규칙과 의존 관계
• 예외 상황과 병목 현상
• 성과와 결과 패턴

즉, 단순히 “프로세스가 어떻게 설계되었는가”가 아니라 **“현실에서 어떻게 실행되고 있는가”**를 AI가 이해하도록 만드는 것이다.

그 결과 기업은 AI 기반 자동화나 추천을 더 정확하고 설명 가능하며 실행 가능한 형태로 활용할 수 있게 된다.

Ikigai Labs가 더하는 ‘의사결정 인텔리전스’

셀로니스 플랫폼에 새로 추가되는 또 하나의 축이 Ikigai Labs의 기술이다.

Ikigai Labs는 MIT 연구와 연관된 스타트업으로, 기업 데이터 분석을 위해 개발된 Large Graphical Model(LGM) 기반 기술을 보유하고 있다.

이 기술은 특히 다음과 같은 기업형 데이터 유형에 강점을 가진다.

• 스프레드시트 데이터
• 데이터베이스 기반 구조화 데이터
• 시계열 데이터

이러한 데이터는 재무, 공급망, 운영 관리 등 기업 업무의 대부분을 차지하는 핵심 데이터 형태다.

Ikigai의 기술이 CCM에 결합되면서 다음 기능이 추가된다.

• 예측(Forecasting): 과거 프로세스 데이터를 기반으로 향후 결과 예측
• 계획(Planning): 다양한 운영 전략과 자원 배분 평가
• 시뮬레이션(Simulation): 실제 변경 전에 시나리오 테스트

즉 CCM이 현재 운영 상황을 이해하게 한다면, Ikigai 기술은 미래 시나리오를 계산하는 역할을 한다.

왜 시뮬레이션이 중요한가

현재 기업 AI의 대부분은 분석이나 자동화에 초점을 맞춘다.

하지만 시뮬레이션 기능이 추가되면 AI 활용 방식이 달라진다.

기업은 다음과 같은 작업을 수행할 수 있다.

• 운영 장애나 공급망 문제 예측
• 프로세스 변경 전에 결과 테스트
• 자원 배분과 워크플로 최적화
• 계획 수립 시간을 크게 단축

특히 제조나 공급망 산업에서는 이러한 기능을 통해 기업이 사후 대응 중심 운영에서 예측 기반 운영으로 전환할 수 있다.

기업 고객에게 의미하는 것

셀로니스의 궁극적인 목표는 기업이 AI 실험 단계에서 벗어나 실제 업무에 AI를 안정적으로 적용하도록 돕는 것이다.

운영 맥락을 AI에 제공하면 기업은 다음과 같은 이점을 기대할 수 있다.

• AI를 실제 업무 프로세스에 직접 연결
• 잘못된 AI 판단 위험 감소
• 인간·시스템·AI 에이전트 간 협업 강화
• 데이터 기반 프로세스 개선 지속

결국 CCM은 기업 환경에서 AI가 업무를 분석하거나 자동화할 때 사용하는 공통 운영 지도(shared operational map) 역할을 하게 된다.

셀로니스의 전략 변화

셀로니스는 그동안 **프로세스 마이닝(process mining)**과 프로세스 인텔리전스 분야에서 알려진 기업이었다.

하지만 Context Model 출시와 Ikigai Labs 인수는 회사의 방향이 AI 중심 기업 운영 플랫폼으로 확장되고 있음을 보여준다.

셀로니스는 CCM을 데이터 인프라와 AI 에이전트 사이에 위치하는 핵심 아키텍처 레이어로 만들겠다는 전략을 제시하고 있다. 만약 이 접근이 자리 잡는다면, CCM은 향후 기업 AI 스택에서 중요한 기반 기술이 될 가능성이 있다.

문제는 이 둘 사이에 운영 맥락이 부족하다는 점이다.

셀로니스는 이 간극 때문에 AI가 실제 비즈니스 환경을 충분히 이해하지 못해 **‘운영상의 블라인드 스폿(operational blind spots)’**이 생긴다고 지적한다. 프로세스 흐름, 시스템 간 의존성, 조직 규칙 등을 모르면 AI 추천이 부정확하거나 신뢰하기 어려울 수 있다는 것이다.

이를 해결하기 위해 등장한 것이 **Celonis Context Model(CCM)**이다.

이 모델은 기업 시스템 전반에서 발생하는 데이터와 비즈니스 지식을 하나의 구조로 정리해 AI가 이해할 수 있는 형태로 변환하는 중간 레이어 역할을 한다.

CCM: 기업 운영의 실시간 디지털 트윈

CCM의 핵심은 **기업 운영을 그대로 반영한 ‘디지털 트윈(digital twin)’**이다.

이 시스템은 다음 요소들을 결합해 실시간 운영 모델을 만든다.

• 다양한 기업 시스템과 애플리케이션의 프로세스 데이터
• 조직의 업무 규칙과 비즈니스 지식
• 장치, 시스템, 사용자 상호작용에서 발생하는 신호

셀로니스에 따르면 CCM은 기업 운영을 AI가 이해할 수 있는 언어로 번역하는 동적 모델이다.

이 모델에는 다음과 같은 정보가 포함된다.

• 실제 시스템 간 프로세스 흐름
• 업무 규칙과 의존 관계
• 예외 상황과 병목 현상
• 성과와 결과 패턴

즉, 단순히 “프로세스가 어떻게 설계되었는가”가 아니라 **“현실에서 어떻게 실행되고 있는가”**를 AI가 이해하도록 만드는 것이다.

그 결과 기업은 AI 기반 자동화나 추천을 더 정확하고 설명 가능하며 실행 가능한 형태로 활용할 수 있게 된다.

Ikigai Labs가 더하는 ‘의사결정 인텔리전스’

셀로니스 플랫폼에 새로 추가되는 또 하나의 축이 Ikigai Labs의 기술이다.

Ikigai Labs는 MIT 연구와 연관된 스타트업으로, 기업 데이터 분석을 위해 개발된 Large Graphical Model(LGM) 기반 기술을 보유하고 있다.

이 기술은 특히 다음과 같은 기업형 데이터 유형에 강점을 가진다.

• 스프레드시트 데이터
• 데이터베이스 기반 구조화 데이터
• 시계열 데이터

이러한 데이터는 재무, 공급망, 운영 관리 등 기업 업무의 대부분을 차지하는 핵심 데이터 형태다.

Ikigai의 기술이 CCM에 결합되면서 다음 기능이 추가된다.

• 예측(Forecasting): 과거 프로세스 데이터를 기반으로 향후 결과 예측
• 계획(Planning): 다양한 운영 전략과 자원 배분 평가
• 시뮬레이션(Simulation): 실제 변경 전에 시나리오 테스트

즉 CCM이 현재 운영 상황을 이해하게 한다면, Ikigai 기술은 미래 시나리오를 계산하는 역할을 한다.

왜 시뮬레이션이 중요한가

현재 기업 AI의 대부분은 분석이나 자동화에 초점을 맞춘다.

하지만 시뮬레이션 기능이 추가되면 AI 활용 방식이 달라진다.

기업은 다음과 같은 작업을 수행할 수 있다.

• 운영 장애나 공급망 문제 예측
• 프로세스 변경 전에 결과 테스트
• 자원 배분과 워크플로 최적화
• 계획 수립 시간을 크게 단축

특히 제조나 공급망 산업에서는 이러한 기능을 통해 기업이 사후 대응 중심 운영에서 예측 기반 운영으로 전환할 수 있다.

기업 고객에게 의미하는 것

셀로니스의 궁극적인 목표는 기업이 AI 실험 단계에서 벗어나 실제 업무에 AI를 안정적으로 적용하도록 돕는 것이다.

운영 맥락을 AI에 제공하면 기업은 다음과 같은 이점을 기대할 수 있다.

• AI를 실제 업무 프로세스에 직접 연결
• 잘못된 AI 판단 위험 감소
• 인간·시스템·AI 에이전트 간 협업 강화
• 데이터 기반 프로세스 개선 지속

결국 CCM은 기업 환경에서 AI가 업무를 분석하거나 자동화할 때 사용하는 공통 운영 지도(shared operational map) 역할을 하게 된다.

셀로니스의 전략 변화

셀로니스는 그동안 **프로세스 마이닝(process mining)**과 프로세스 인텔리전스 분야에서 알려진 기업이었다.

하지만 Context Model 출시와 Ikigai Labs 인수는 회사의 방향이 AI 중심 기업 운영 플랫폼으로 확장되고 있음을 보여준다.

셀로니스는 CCM을 데이터 인프라와 AI 에이전트 사이에 위치하는 핵심 아키텍처 레이어로 만들겠다는 전략을 제시하고 있다. 만약 이 접근이 자리 잡는다면, CCM은 향후 기업 AI 스택에서 중요한 기반 기술이 될 가능성이 있다.