AI 데이터 가공은 원천 데이터를 학습 가능한 형태로 정제·구조화·포맷팅하는 넓은 작업이고, 데이터 라벨링은 그중 정답 정보를 부여하는 작업입니다. 두 작업은 연결되지만 역할은 다릅니다.
프롬데이터 관점에서는 이 질문을 AI 데이터 가공의 단일 개념으로만 보지 않고, 데이터 수집·라벨링·가공·품질검수까지 이어지는 AI 데이터 구축 흐름 안에서 판단합니다.
실무 기준
- 가공은 중복 제거, 포맷 통일, 비식별화, 구조화를 포함합니다.
- 라벨링은 객체, 클래스, 문장 의미, 행동 상태 등 정답 부여에 집중합니다.
- 프로젝트에 따라 가공 후 라벨링 또는 라벨링 후 후처리가 필요합니다.
AI 데이터 가공은 학습 파이프라인에 맞춰 데이터를 정리하는 과정이고, AI 데이터 라벨링은 모델이 배울 정답을 만드는 과정입니다. 둘을 구분하면 견적과 일정이 명확해집니다.
구축 시 주의할 점
- 라벨링만 했다고 데이터 가공이 완료된 것은 아닙니다.
- 가공 범위와 라벨링 범위를 계약서와 작업지시서에 분리해 적는 것이 좋습니다.
관련 서비스 내부링크
이 주제와 직접 연결되는 서비스는 AI 데이터 가공, AI 데이터 라벨링, AI 데이터 품질관리입니다.
상담이 필요한 경우 문의하기에서 프로젝트 조건을 남겨주세요.