“오라클 AI 데이터베이스 자체가 에이전틱 AI 프레임워크다”

[인터뷰] 오라클 하산 리즈비 데이터베이스 엔지니어링부문 총괄부사장

“현재 AI의 발전 속도에 발맞춰 가려면 복잡성 자체를 제거해야 한다. 기업 내부의 데이터를 활용할 수 있어야 하고, 데이터 이동 과정에서 나타나는 속도와 보안 문제를 해결해야 한다. 오라클 AI 데이터베이스는 에이전틱 AI 프레임워크를 DB에 내장했으며, 단일화된 데이터 엔진으로 오라클 DB나 관계형 데이터뿐 아니라 벡터, 문서 등의 모든 유형을 처리할 수 있다.”

하산 리즈비 오라클 데이터베이스 엔지니어링부문 총괄부사장은 16일 한국기자단과 인터뷰에서 ‘오라클 AI 데이터베이스ai’의 최근 업데이트 내용을 소개하며 이같이 밝혔다.

그는 “기업이 AI에서 실질적 가치를 누리려면 퍼블릭 데이터 외에 기업 내부의 프라이빗 데이터를 활용할 수 있어야 하지만, 데이터 이동의 속도 문제와 이동 과정의 보안성 확보를 감안해 데이터 있는 곳에 AI 모델을 가져와야 한다”며 “빠르게 발전하는 AI에 대응할 때 중요한 건 굳건한 데이터 기반을 준비해야 하고, 오라클 AI 데이터베이스는 AI를 위해 설계된 아키텍처를 내장한 데이터 기반”이라고 강조했다.

그는 오라클 데이터베이스의 AI 친화적 설계 방향을 4갈래로 요약했다. ▲AI를 데이터로 가져오고 ▲ 통합 데이터 엔진으로 구조를 단순화하며 ▲데이터 종속을 해소하고 ▲보안성을 높이는 것 등이다.

AI를 데이터베이스로 가져오는 부분은 오라클 AI 데이터베이스에 다양한 에이전틱 AI 기능을 내장하는 것이다. 오라클 AI 데이터베이스ai는 AI를 데이터베이스 아키텍처에 직접 통합함으로써, 별도의 복잡한 데이터 파이프라인 이동 없이도 보안성과 성능이 보장된 AI 에이전트를 구축·배포할 수 있게 한다. AI 에이전트가 데이터 이동 없이 실시간 운영 데이터와 분석 레이크하우스에 안전하게 액세스할 수 있도록 AI와 데이터베이스 아키텍처를 통합 설계했다.

오라클은 이미 벡터 검색을 자사 데이터베이스에 포함시켜 고성능 벡터 처리를 지원하는 ‘자율운영 AI 벡터 데이터베이스’를 선보였고, 노코드 기반의 AI 에이전트 구축 플랫폼인 ‘프라이빗 에이전트 팩토리(Private Agent Factory)’, 단일 시스템에 여러 AI 에이전트의 컨텍스트를 저장할 수 있는 ‘오라클 유니파이드 메모리 코어(Oracle Unified Memory Core)’ 등을 오라클 AI 데이터베이스ai에 추가했다.

오라클 AI 데이터베이스 프라이빗 에이전트 팩토리는 퍼블릭 클라우드, 혹은 온프레미스 환경에서 컨테이너 형태로 실행되는 노코드 AI 에이전트 빌더를 제공하며, 제3자와 데이터를 공유하지 않고도 AI 에이전트를 구축, 배포 및 관리할 수 있다. 에이전트 팩토리에 데이터베이스 지식 에이전트, 정형 데이터 분석 에이전트, 심층 데이터 연구 에이전트 등 데이터에 특화된 사전 구축 AI 에이전트가 포함된다. 기업은 이를 통해 외부 에이전트 오케스트레이션에 의존하거나 여러 데이터베이스에 데이터를 호출하게 만들지 않아도 된다.

오라클 유니파이드 메모리 코어(Oracle Unified Memory Core)는 단일 시스템에 AI 에이전트의 컨텍스트를 저장한다. AI 에이전트 별 메모리를 독립된 서브시스템으로 생성하고, 벡터 및 JSON, 그래프, 관계형, 텍스트, 공간, 컬럼형 데이터를 하나의 통합 엔진에서 처리하게 한다.

리즈비 부사장은 “기업은 오라클 AI 데이터베이스를 통해 공개 데이터로 학습된 LLM으로 비즈니스 데이터를 손쉽게 사용하고, 데이터 중심 AI를 통해 더 빠르게 혁신하고, AI 데이터 위험을 최소화하며, 개방형 표준 및 프레임워크를 통해 AI 데이터 종속성을 해소할 수 있다”고 밝혔다.

그는 “AI를 데이터에 가져온다는 건 벡터를 오라클 데이터베이스 차원에서 지원해 외부 별도 벡터 데이터베이스와 관계형 데이터베이스 데이터 사이의 복잡한 조인 과정을 없앤 것이 한 예”라며 “그리고 RAG 파이프라인을 별도로 구축하지 않고 오라클 AI 데이터베이스의 셀렉트AI 기능을 통해 자연어로 질문해 쿼리의 답을 얻게 하는 것”이라고 설명했다.

그는 “그와 같은 맥락에서 애플리케이션 개발을 위한 AI 에이전트도 DB 안에 배치해서 빠르고 안전하게 애플리케이션을 개발할 수 있게 한 것”이라며 “에이전트 팩토리나 에이전트 컨테이너 등의 기능은 데이터베이스 안에 있어서 AI 에이전트 활용과 관리에 높은 수준의 제어권을 갖게 해준다”고 덧붙였다.

오라클은 에이전틱 AI 환경에서 발생하는 데이터 분산 문제를 단순화할 수 있도록 기존의 ‘컨버지드 데이터베이스’ 전략을 AI 세계에서도 유지했다. 오라클의 통합 데이터 엔진은 OLTP, 분석, AI 등의 워크로드에서 관계형 데이터뿐 아니라 텍스트, 문서 파일, 벡터 등의 데이터 유형을 모두 처리할 수 있다. 트랜잭션 및 분석 처리를 동시에 지원하도록 설계된 통합 데이터 엔진을 통해 AI 에이전트는 실시간 비즈니스 데이터를 포함한 모든 데이터를 최소한의 지연 시간으로 분석할 수 있다. 동시에 외부 데이터 저장소 동기화의 복잡성과 데이터 최신성 유지 문제를 해결할 수 있다.

그는 “AI 변화 속도에 발맞춰 가려면 복잡성 자체를 제거해야 하는데, 오라클의 통합 데이터 엔진이 매우 효과적”이라고 강조했다.

기업의 AI 환경에서 데이터베이스는 불가피하게 여러 시스템으로 분산돼야 할 수 있다. 개편된 오라클 레이크하우스는 외부의 데이터베이스에 저장된 데이터도 별도 이동없이 통합된 뷰에서 활용할 수 있도록 했다. 특히 개방형 테이블 포맷인 ‘아파치 아이스버그(Apache Iceberg)’ 테이블과 오브젝트 스토리지의 벡터 데이터를 직접 읽을 수 있는 ‘오라클 벡터 온 아이스(Oracle Vectors on Ice)’를 출시했다. 이 기능은 아이스버그 테이블에서 벡터 데이터를 직접 읽고, 오라클 AI 데이터베이스에 벡터 인덱스를 생성하며, 아이스버그 테이블의 벡터 데이터 변경 시마다 해당 인덱스를 자동으로 갱신한다. 오라클 AI 데이터베이스는 아이스버그 테이블에서 통합 하이브리드 벡터 검색을 지원한다. CSV, 텍스트, JSON, ORC, AVRO, 파케이 등 다양한 파일 형식으로 저장된 벡터 데이터도 읽어 인덱싱 및 검색할 수 있다.

그는 “오라클은 AI 기능을 오라클 데이터베이스로만 가져오게 하는 걸 넘어서 기업 전반으로 적용할 수 있게 만들었다”며 “외부 테이블을 읽어들이는 커넥터로 80개를 제공함으로써, 오라클 AI 데이터베이스를 AI 데이터 허브로 활용할 수 있다”고 말했다.

오라클 클라우드의 주요 전략은 멀티 클라우드다. 무엇보다 강점인 오라클 AI 데이터베이스를 ‘오라클클라우드인프라스트럭처(OCI)’외에, 마이크로소프트 애저, 구글클라우드, 아마존웹서비스(AWS) 등의 인프라에서 직접 실행하는 ‘오라클 AI 데이터베이스@X’를 제공한다. 최근에 한국의 AWS 서울 리전에 ‘오라클 AI 데이터베이스@AWS’가 출시됐다. 고객은 AWS 환경 내 OCI 전용 인프라에서 오라클 엑사데이터 및 자율운영 AI 데이터베이스를 직접 운영하고, 온프레미스 워크로드를 아키텍처 변경 없이 신속하게 이전할 수 있다. 양사는 서비스 간 ‘제로 ETL’ 통합을 지원해, 고객은 오라클의 미션 크리티컬 데이터와 아마존 베드록 등 AWS의 AI/ML 서비스를 원활하게 결합할 수 있다.

그는 “오라클의 자랑 중 하나가 높은 수준의 유연성이며 데이터의 종속성을 없애는 것”이라며 “하이브리드 클라우드에서 클라우드앳커스터머를 쓸 수 있고, 다른 퍼블릭 클라우드에서도 오라클의 통합 데이터 엔진을 사용할 수 있어 원하는 선택지를 가져갈 수 있다”고 말했다.

이어 “모든 데이터 서비스는 엑사데이터란 동일한 엔진 위에 구현돼 워크플로우를 원하는 곳으로 자유롭게 이동할 수 있다”고 덧붙였다.

오라클은 AI 환경의 종속성을 해결할 또 하나의 방안으로 AI 에이전트와 워크플로우를 통합된 선언적 형식으로 정의할 수 있는 개방형 프레임워크 독립적인 표준인 ‘오픈 에이전트 사양(Open Agent Specification)’을 도입했다. 이를 통해 플랫폼 간 이식성, 재사용성 및 상호 운용성을 확보할 수 있으며, AI 데이터베이스 프라이빗 팩토리나 셀렉트 AI 에이전트로 구축된 에이전트를 쉽게 가져오거나 내보낼 수 있다. OCI 제너레이티브 AI, 구글 버텍스AI, 아마존 베드락, 랭체인, CrewAI 등 널리 사용되는 애플리케이션 계층 에이전트 프레임워크와 통합돼 이미 사용 중인 도구와 프레임워크를 활용해 구축할 수 있다.

또한 오라클은 AI 모델을 엔터프라이즈 도구 및 데이터와 연결하기 위한 빠르게 성장하는 개방형 표준인 MCP를 지속적으로 도입하고 있다. 오라클 데이터베이스 19c 이상 버전용 오라클 SQL 디벨로퍼 VS코드 확장 프로그램을 통해 사용할 수 있는 오라클 SQLcl MCP 서버는 AI를 오라클 AI 데이터베이스에 안전하고 간편하게 연결하는 방법을 제공한다. OCI에서 ‘오토노머스 AI 데이터베이스 MCP 서버’를 이용하면, 외부 AI 에이전트 및 MCP 클라이언트가 사용자 지정 통합 코드나 수동 보안 관리 없이 AI 데이터베이스와 해당 기능에 안전하게 액세스할 수 있다.

오라클 AI 데이터베이스는 최근 보안성을 대폭 강화했다. 오라클 AI 데이터베이스ai는 사용자별 세밀한 접근 제어를 수행하는 ‘딥 데이터 시큐리티(Deep Data Security)’와 LLM의 환각 현상을 방지하는 ‘트러스티드 답변 검색(Trusted Answer Search)’ 기능을 도입해 AI 시대의 새로운 보안 위협을 차단했다.

그는 “딥 데이터 시큐리티 기능은 데이터 접근 정책을 애플리케이션 단에서 적용하는 대신 데이터 단으로 내려 적용하게 한다”며 “AI가 데이터에 접근할 때 안전하게 접근할 수 있는 보안을 확보하고, 보안 정책 우회를 불가능하게 만든다”고 설명했다.

오라클 AI 데이터베이스는 가용성 측면에서도 강해졌다. 고가용성 아키텍처(MAA)의 등급 체계 혁신으로, 기존 대비 4배 빠른 30초 미만의 장애 복구를 지원하는 ‘플래티넘(Platinum)’ 등급이 도입됐으며, 증권거래소나 실시간 결제 시스템 수준의 초고가용성을 위해 3초 미만의 복구 시간을 보장하는 ‘다이아몬드’ 등급을 신설해 ‘상시 가동(Always-on)’ 환경을 구현했다.

오라클은 에이전틱 AI 환경의 데이터 연산력 부분에서 엑사데이터의 역량을 강조한다. 오라클 엑사데이터의 CPU 집약적 머신을 통해 복잡하고 다양한 에이전틱 AI 워크로드의 속도를 높일 수 있다는 것이다. AI 학습과 추론에서 GPU가 주요 자원으로 활용되는 것과 조금 다른 결이다.

이에 대해 리즈비 부사장은 “AI에서 GPU 집약적 워크로드는 학습이고, 추론 워크로드의 경우 GPU뿐 아니라 CPU 의존성 높은 경우도 많다”며 “OCI는 당연히 매우 큰 GPU 클러스터를 제공하고 있으며, 추론의 경우 GPU의 높은 가격을 생각할 때 적재적소에 CPU를 적용하는 게 매우 중요하다”고 말했다.

그는 “최근 엔비디아와 협업을 통해 인덱싱 부분에서 필요한 높은 수준의 컴퓨팅을 GPU에서 CPU로 오프로드하는 방안을 개발했다”며 “CPU 집약적인 엑사데이터는 GPU와 CPU를 적절하게 배치할 수 있는 방안”이라고 강조했다.

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