오늘날 대부분의 정보 시스템은 인쇄물 제작과 선형적 읽기에 최적화된 '문서(document)'를 중심으로 구축되어 있습니다. 이러한 문서 중심의 접근 방식은 대규모 정보 확산에는 효과적이지만, 지식을 구조화하고, 업데이트하며, 공유하고 재사용하는 방식에 상당한 제약을 가합니다. 특히 인공지능(AI) 시스템이 문서 생산 방식을 혁신하고 있음에도 불구하고, 인간이 지식을 표현하고 교환하는 데 있어 전통적인 문서를 대체할 만한 통일되고 이식 가능한 대안은 아직 부족한 실정입니다.
이러한 한계를 극복하기 위해 'MMM 데이터 모델'이 제안되었습니다. 이 모델은 학제 간 협업 연구의 실제적인 필요성에서 출발했으며, 정보 시스템 설계 공간에 대한 비교 분석을 통해 그 위치를 정립했습니다. MMM은 소수의 규범적 제약(normative constraints)과 자유로운 텍스트 라벨의 표현 자유를 결합한 것이 특징입니다. 이는 의미론적 수렴(semantic convergence) 없이도 다양한 분야, 애플리케이션, 배포 환경 전반에서 상호운용성(interoperability)을 달성하도록 설계되었습니다. 연구팀은 참조 구현과 시범 배포 데이터를 통해 MMM의 구현 가능성과 초기 사용성을 입증했습니다.
MMM 데이터 모델은 지식 공유와 협업의 미래에 중요한 시사점을 던집니다. 기존의 엄격한 형식적 접근 방식은 광범위한 기여와 채택에 어려움을 겪었던 반면, MMM은 인간의 사용성과 범위를 우선시하면서도 지식의 구조적 이점을 유지하려 합니다. 이는 분산된 지식 커먼즈(knowledge commons) 환경에서 지식의 유연한 구조화와 효율적인 재사용을 가능하게 하여, AI 시대에 더욱 복잡해지는 지식 관리 및 협업 문제를 해결하는 데 기여할 것으로 기대됩니다.