에버퓨어, 대규모 AI 운영 위한 새로운 데이터 관리 기능 발표

에버퓨어는 기업의 데이터 관리를 간소화하고 데이터 데이터 우선주의(프라이머시) 비전을 한층 강화하는 새로운 플랫폼 기능을 1일 발표했다.

지난 6월 퓨어//액셀러레이트에서 처음 소개된 데이터 프라이머시는 AI 시대의 엔터프라이즈 아키텍처가 애플리케이션이 아닌 데이터를 중심으로 설계돼야 한다는 원칙이다. 이번 업데이트는 파편화된 데이터 맥락, 예측하기 어려운 추론 비용, 느리고 복잡한 구축 등 기업의 대규모 AI 도입을 가로막는 주요 병목 현상을 해결하기 위한 데이터 관리 역량을 한층 강화한다.

AI 에이전트를 도입하는 기업들은 비즈니스 전반에 분산된 데이터에 안정적이고 거버넌스가 적용된 방식으로 접근하는 데 어려움을 겪고 있으며, 이는 AI 에이전트의 활용 범위를 제한하는 요인으로 작용한다. 에버퓨어 데이터 인텔리전스는 에버퓨어 플랫폼, 퍼블릭 클라우드, 서비스형 소프트웨어(SaaS) 애플리케이션 및 서드파티 스토리지 전반에 존재하는 엔터프라이즈 정보를 원천에서 검색하고 분류하며 맥락화해 이러한 문제를 해결한다. 이를 기반으로 새롭게 추가된 기능은 별도의 맞춤형 API 개발 없이도 자율형 에이전트와 관리자가 실시간 엔터프라이즈 데이터 맥락에 직접적이고 안전하게 접근할 수 있도록 지원한다.

개방형 모델 컨텍스트 프로토콜(MCP)을 네이티브로 지원해 AI 에이전트와 보안 도구가 자연어를 통해 실시간 데이터 카탈로그를 조회할 수 있도록 한다. 에이전트는 AI, 에이전트 워크플로우 및 분석에 필요한 관련 데이터를 찾고 해당 데이터의 민감도 등급을 파악할 수 있다.

기존 퓨어1(Pure1) 콘솔을 통해 복잡한 전문 서비스 지원 없이 간편하게 배포할 수 있도록 한다. 별도의 관리 서버 구축에 따른 운영 부담을 줄여 가치 실현 시간을 단축한다.

파일 콘텐츠를 직접 읽지 않고도 각 파일 공유에 누가 접근할 수 있는지와 데이터가 얼마나 오랫동안 사용되지 않았는지를 파악할 수 있도록 지원한다. 이를 통해 AI 에이전트에 파일 공유를 개방하기 전에 데이터 노출 문제를 해결하고 스토리지 용량을 확보할 수 있다.

에버퓨어는 아카이브부터 AI까지 증가하는 워크로드를 지원하기 위해 서비스 중단 없이 성능과 용량 효율성을 지속적으로 확장하고 있다. 새로운 기능은 데이터가 위치한 곳에서 직접 고성능 AI 실행을 지원하며, 원본 데이터가 저장된 시스템에서 데이터를 이동하지 않고도 실제 운영 환경에 필요한 성능을 제공한다.

에버퓨어 플래시블레이드는 퓨어 KVA(Key-Value Accelerator)를 통해 LLM 추론을 가속한다. 컨텍스트를 GPU 메모리에 직접 사전 배치해 첫 토큰 생성 시간(TTFT)을 최대 20배 단축한다. 데이터셋을 이동하지 않고도 엔터프라이즈 멀티테넌시를 지원해 GPU 유휴 시간을 줄이고 토큰 처리량을 높이며, 실시간 애플리케이션의 응답 지연을 낮춘다.

상시 가동 딥리듀스 데이터 압축(Always-On DeepReduce Data Compression)은 플래시블레이드 시스템 전반의 스토리지 블록을 지속적으로 분석해 기존 중복 제거 기술로는 포착하기 어려운 서브블록 단위의 데이터 유사성을 찾아내며, 사전 압축된 콘텐츠에도 적용된다. 쓰기 성능에 영향을 주거나 별도의 수동 스케줄링 없이 실질적으로 사용 가능한 스토리지 용량을 자동으로 늘려 하드웨어 사용량과 크로스 클라우드 비용을 크게 줄인다.

지능형 토큰 최적화 레퍼런스 아키텍처를 통해 기업 자체 데이터에 대한 통제력을 확보하고 AI 비용을 최적화할 수 있도록 오픈 웨이트 모델 기반의 레퍼런스 아키텍처를 제공한다. 외부 AI 서비스 제공업체의 API 토큰 사용량을 줄여 AI 비용을 보다 예측 가능하게 관리할 수 있도록 지원한다.

각 기능은 간소화, 보안, 성능 및 비용 측면의 구체적인 과제를 해결한다. 이를 함께 활용하면 기업은 데이터를 관리하고 실제 운영 환경에서 AI를 실행하기 위한 단일하고 지속적으로 업데이트되는 기반을 확보하고, 에이전틱 워크플로우의 확장에 대응할 수 있다.

새로운 기능은 어떤 데이터가 민감한지, 누가 해당 데이터에 접근하는지를 분류함으로써 사이버 복원력을 강화한다. AI가 데이터를 안전하게 활용하는 데 필요한 이러한 데이터 맥락은 데이터 보호 방식과 복구 우선순위를 결정하는 데에도 활용된다.

프라카시 다르지 에버퓨어 데이터 및 디지털 경험 총괄은 “엔터프라이즈 AI가 한계에 부딪히는 이유는 모델의 성능이 부족해서가 아니라 데이터가 실시간 자율형 에이전트를 지원할 준비가 되어 있지 않기 때문”이라며 “에버퓨어는 기업 데이터에 지속적으로 거버넌스를 적용하고 자동화하며 즉각적인 접근을 지원함으로써 이러한 장벽을 해소하고, 기업이 AI를 실험 단계에서 실제 운영 환경으로 안심하고 확장할 수 있는 기반을 제공한다”고 밝혔다.

글. 바이라인네트워크
<김우용 기자>yong2@byline.network