가트너는 시맨틱스(semantics)를 간과할 경우, AI 에이전트의 정확성과 효율성이 저하될 수 있다고 밝혔다. 이로 인해 불필요한 비용 지출이 발생하고, 데이터 및 AI 거버넌스 리스크가 증가할 수 있다는 설명이다. AI 에이전트가 정확한 답변을 최적의 비용으로 제공하기 위해서는, 에이전틱 의 각 단계에서 입력되는 정보의 맥락을 이해해야 한다. 이를 위해 조직 내 데이터가 어떤 의미를 갖고 있으며, 데이터 간 관계와 규칙이 어떻게 구성되어 있는지에 대한 명확한 시맨틱 기반이 필요하다. 가트너의 리타 살람 수석 VP 애널리스트는 “에이전틱 AI의 성과는 데이터의 시맨틱 표현을 포함한 맥락에 달려 있다”면서, “맥락, 즉 조직 데이터 내 특정 관계와 규칙에 대한 명확한 이해가 없다면 AI 에이전트는 정확하게 작동할 수 없다”고 말했다. 맥락이 결여된 AI 에이전트는 환각을 일으키거나 편향을 반영하고, 신뢰할 수 없는 결과를 생성할 가능성이 훨씬 커진다는 지적이다. 또한 살람 애널리스트는 “견고한 데이터 계층을 기반으로 한 포괄적인 맥락 구조를 도입하지 못하는 조직은 데이터 비효율을 지속시키게 될 것”이라면서, “이는 재무적 비용뿐 아니라 법적 문제와 평판 리스크까지 높이는 결과를 가져온다”고 전했다. 가트너는 2027년까지 AI 준비 데이터에 시맨틱스를 우선 적용하는 조직이 에이전틱 AI의 정확도를 최대 80% 높이고, 비용은 최대 60% 절감할 것으로 전망했다. 이에 따라 가트너는 데이터 및 애널리틱스 리더가 관련 인프라의 핵심 요소로 컨텍스트 레이어를 구축해야 한다고 조언했다. 기존의 스키마 기반 데이터 모델만으로는 에이전틱 AI에 필요한 비즈니스 맥락과 데이터의 의미를 충분히 제공하기 어렵기 때문이다. 또한 가트너는 향후 규제기관이 더 높은 수준의 시맨틱 투명성을 요구할 것이며, 이사회 역시 시맨틱 거버넌스를 전략적 리스크이자 경쟁 기회로 바라보게 될 것으로 예상했다. 살람 애널리스트는 “의미론적 일관성을 갖춘 맥락은 더 이상 선택 사항이 아니라 비용 통제와 신뢰 확보를 위한 전략이 될 것”이라며, “시맨틱스는 오류를 줄이고 신뢰를 높임으로써 조직이 시맨틱 역량을 필수 기반으로 예산에 반영하도록 만들 것”이라고 강조했다.