[기고] 기업의 핵심 AI 애플리케이션 개발 및 활용을 간소화하는 방법

[아이티데일리] 지난 4년간 오라클의 데이터베이스 개발팀은 인공지능(AI) 및 개발자 생산성에 중점을 두고 데이터베이스(DB)의 차기 신제품 개발에 많은 노력을 기울여 왔다. 오라클 역시 최근 발표한 DB에 AI 기술 중요성을 고려해 DB 제품명을 ‘오라클 데이터베이스 23ai(Oracle Database 23ai)’로 변경했다. 기업이 AI 기술을 손쉽게 활용하는 한편, 개발자는 생산성을 향상할 수 있도록 돕는 데 역점을 뒀다.

이번 오라클 데이터베이스 23ai가 지향하는 바는 AI 애플리케이션 지원을 위한 데이터 활용 및 앱 개발자들의 데이터 중심 애플리케이션 개발 과정을 훨씬 더 단순화하는 동시에, 미션 크리티컬 데이터를 보다 잘 지원하는 것이다. 이에 대해 아래에서 보다 자세히 다루고자 한다.

첫 번째 혁신, AI 애플리케이션 지원을 위한 데이터 활용 간소화

데이터용 AI와 관련해 오라클이 추구하는 목표는 2가지다. ‘앱 개발자가 데이터 기반 애플리케이션에 AI 기능을 더 쉽게 추가하도록 지원하는 것’과 ‘데이터 분석가부터 앱 개발자 그리고 데이터베이스관리자(DBA)에 이르기까지 모든 사용자가 더욱 생산성을 발휘할 수 있도록 데이터베이스 제품에 생성형 AI 기능을 통합하는 것’이다.

이는 AI 기술로 오라클의 데이터 관리 프로세스를 간소화함으로써 가능해진다. 이러한 AI 기술은 AI 알고리즘을 통한 데이터 통찰력 도출, 데이터베이스 쿼리에 있어서 자연어를 통한 상호작용, 사용자가 신속하고 효율적으로 객체 유사성 검색을 위해 AI 생성 벡터를 저장할 수 있게 하는 기능 등이다.

오라클 데이터베이스 23ai는 강력한 신기술인 ‘AI 벡터 검색(AI Vector Search)’을 도입해 기업이 벡터를 생성 및 저장할 수 있는 차세대 AI 모델을 활용할 수 있도록 돕는다. 이 신기능은 여러 객체에 대한 벡터 임베딩 이후 수학적 계산을 통해 객체들 간 유사성을 확인할 수 있도록 지원한다.

또한 오라클 데이터베이스 23ai에 탑재된 AI 벡터 검색 솔루션의 핵심적인 장점은 사용자가 간단한 SQL만으로 유사성 검색 및 비즈니스 데이터 검색 기능을 결합해 이용할 수 있다는 점이다. SQL에 대한 기본적인 지식과 이해를 갖추고 있다면 누구나 유사성과 다른 검색 기준을 결합해 효과적인 명령문을 생성할 수 있다. 이 쿼리를 통해 사용자는 거대언어모델(LLM)에 추가적인 맥락을 제공해 LLM 지식을 보강하고, 궁극적으로 LLM이 고객 또는 기업 조직의 질문에 더 정확하고 연관성 높은 답변을 제공할 수 있게 만들 수 있다.

또한 더욱 광범위한 사용자 층에서 오라클 데이터베이스에 손쉬운 방식으로 가장 복잡한 질문을 할 수 있도록 코히어(Cohere), 라마(Llama) 와 같은 LLM과 자사 데이터베이스 간 통합을 구현해 해당 질문을 자연어로 물어볼 수 있다.

두 번째 혁신, 데이터 중심 애플리케이션 개발 간소화

오라클 데이터베이스 23ai는 데이터베이스 상호작용의 복잡성을 제거해 더 단순한 애플리케이션 개발 경험을 제공하는 데 초점이 맞춰졌다. 애플리케이션 개발 프로세스의 복잡성을 제거하면 기술적 세부 사항에 매몰돼 프로세스 진척 속도가 느려지는 일을 막고, 고객 요구사항을 충족시키는 애플리케이션을 만드는 일에 보다 잘 집중할 수 있게 된다. 게다가 복잡성을 줄이면 개발 주기를 가속화할 수 있는데, 이는 시장 수요가 빠르게 변화하는 오늘날의 고속 디지털 환경에서 기업에게 매우 중요한 장점이 된다.

오라클 23ai는 개발자의 복잡성을 줄여줄 핵심 기술을 다수 도입했다. 그 중 ‘JSON 관계형 이중성(JSON Relational Duality)’이 가장 혁신적이고 중요하다. 이 기술을 통해 단일 앱에서 두 가지의 상이한 개발 접근방식인 관계형 및 JSON의 이점을 모두 활용할 수 있다. 즉 사용자는 관계형 데이터 모델의 성능과 JSON 데이터 모델의 단순성을 동시에 누릴 수 있다.

JSON은 테이블 간 복잡한 조인(joins) 작업 없이 쿼리 응답에 필요한 모든 연관 데이터를 단일 객체에 보관하는 데이터 모델링 접근방식을 제공한다. 관계형 접근방식은 SQL 같은 언어로 쉽게 쿼리할 수 있는 유연하고도 일관된 데이터 모델을 효율적인 스토리지 구조로 제공한다. 과거에 기업들은 애플리케이션 라이프사이클 초기부터 미래 비즈니스 요구사항 변화까지 고려해 어떤 데이터베이스 모델링 접근방식을 도입해야 하는지에 대한 선택의 문제에 봉착해 왔다. JSON 관계형 이중성은 복잡하고 관리하기 어려운 객체 관계 매핑(Object Relational Mapping, ORM) 프레임워크 없이도 두 접근방식의 혜택을 모두 제공한다.

또한 오라클 데이터베이스 23ai는 속성 그래프 데이터베이스 기술 표준 도입에서도 선구자적인 상용 데이터베이스다. 이러한 발전을 통해 기업 생태계 안에서 그래프 데이터베이스의 통합이 크게 늘어날 것으로 예상한다.

세 번째 혁신, 미션 크리티컬 데이터 지원

오라클 데이터베이스는 전 세계에서 가장 중요한 애플리케이션들을 지원해 온 동시에, 또한 기업이 수년 동안 데이터 자산을 안정적이고 신뢰할 수 있는 방식으로 보호하도록 지원해 왔다. 이와 관련해 오라클 데이터베이스는 업계에서 가장 다양한 기능을 갖추고 예기치 않은 다운타임으로부터 기업 핵심 시스템을 탁월하게 보호할 수 있도록 돕는다.

현재 기업은 국가별 데이터 레지던시 규제 준수 또는 전 세계에 분산된 애플리케이션의 접근 속도 향상을 위해 데이터를 더 먼 거리에 배포해야 하는 상황에 있다. 이와 관련해 오라클 데이터베이스의 샤딩 기능을 활용할 수 있는데, 해당 샤딩은 다수의 오라클 데이터베이스에 걸쳐 데이터 세트를 분산하고 이를 논리적으로 단일한 데이터 세트로 관리하도록 지원한다. 또한 샤드 추가/제거, 자동 데이터 세트 리밸런싱(rebalance)을 통해 데이터베이스 스케일업 또는 다운이 가능하며, 이는 데이터베이스에 직접 적용된 샤딩을 통해 중단 없이 수행된다.

AI는 고객 서비스, HR, 재무, 영업, 마케팅 등 핵심 업무 영역으로 빠르게 확대 적용되고 있다. 여기서 주목해야 할 점은 이러한 AI와 관련한 실질적인 성과 도출은 기업 및 고객 데이터 처리 프로세스 간소화에 달려 있다는 점이다. 모든 유형의 데이터 통합 관리에 AI 기술을 도입한 솔루션은 현업 부서, IT 전문가 및 개발자의 생산성을 전환적으로 향상시키고, 혁신적인 앱 출시 주기를 단축시키며 수익을 더욱 극대화하도록 도울 수 있다.

또한 외부 신기술과의 연동도 보다 원활하게 지원할 수 있다. 혁신 주기를 가속화하고 해당 범위를 확대하고자 하는 기업은 현재 운영 중인 데이터베이스 기능에 얼마나 많은 AI 기술이 구현돼 있으며, 이와 관련해 향후 어떠한 AI 기술을 개선 및 보완해야 하는지 점검할 때다.