몽고DB는 AI에서 어떻게 존재하나

“데이터 레이어 현대화는 기술 부채를 없애고, 혁신 속도를 높이며, 비용을 최적화하고, AI 정확도를 개선하는 데 있어 핵심적인 단계다. 실시간 운영 데이터, 검색, 벡터 검색, 임베딩, 리랭킹을 하나의 플랫폼에 통합함으로써, 몽고DB는 한국 기업들이 AI를 개념 단계에서 대규모의 실시간 실행 단계로 끌어올리는 데 필요한 바로 그 기반을 제공한다.”

장정욱 몽고DB코리아 지사장은 몽고DB가 1일 서울에서 개최한 ‘몽고DB 닷로컬 서울 2026’ 기자간담회에서 이같이 밝혔다.

몽고DB닷로컬은 최신 기술과 고객 혁신 사례를 공유하는 글로벌 순회 행사로 올해는 서울, 뭄바이, 리야드, 뉴욕, 런던 등에서 열린다. 이날 서울 행사에서 AI 에이전트를 위한 지능형 데이터 플랫폼으로서 몽고DB의 비전과 함께 최신 기능 및 발표 하이라이트가 소개됐으며, 고객 혁신 사례와 기술 세션, 라이브 데모 등 다채로운 프로그램으로 제공됐다. 기조연설에 장정욱 몽고DB 코리아 지사장과 프랭크 리우 몽고DB 보이지 AI 리서치 매니저, 크리스토퍼 셤 몽고DB 제품 관리 총괄 디렉터가 AI 시대 데이터 플랫폼으로서의 몽고DB 비전과 최신 AI·제품 발표를 공유했다.

한국과 전세계 공통적으로 기업의 AI 채택이 실험 단계에서 실제 적용 단계로 넘어간 상황에서 투자 성과로 초점이 모이고 있다. 많은 AI 도입 기업이 뚜렷한 투자 효과를 거두지 못하고 있다는 지적이 대세를 이루는 가운데, 그 원인 중 하나로 데이터 영역이 거론된다. 적절한 데이터를 활용해 학습하고 추론해야 맥락에 맞는 답변과, 정확한 AI 에이전트 실행 결과가 가능하다는 것이다. AI 모델 자체의 성능보다 그를 위한 기반으로 데이터 체계를 잘 갖추는 데 초점을 맞추는 게 더 중요하다는 주장이다.

데이터 플랫폼을 제공하는 기업이 이같은 주장을 주로 하고 있다. 몽고DB도 그 행렬에 같이 있다.

장정욱 몽고DB코리아 지사장은 “단순히 성능 좋은 모델을 선택한다고 해서 생각하는 성과를 만들어내는 게 아니다”라며 “AI 애플리케이션은 실시간 운영 데이터를 기반으로 해서 정확한 시점에 정확한 맥락으로 정확한 정보를 검색할 수 있어야 고객에게 맞는 그리고 내부 직원에게 필요한 데이터를 정확히 전달할 수 있고 그 가치가 높아진다”며 “그 핵심은 데이터이고, 그 데이터의 아키텍처”라고 강조했다.

몽고DB는 많은 기업에서 AI 성과에 어려움을 겪으면서 데이터 아키텍처에서 겪는 도전을 레거시 인프라 종속에서 찾고 있다. 관계형 데이터베이스로 구성된 전통적인 데이터 구조가 AI 워크로드란 새로운 요건을 충족하기 힘들다는 것이다.

장 지사장은 “많은 한국 기업이 기술 부채와 현대화에 필요성을 갖고 있으며, 레거시 아키텍처와 사일로 데이터 구조, 기존 데이터베이스의 경직성 등이 AI 애플리케이션의 컨텍스트 활용과 실시간 정보 활용을 막는 장벽”이라며 “IDC는 기술 부채를 해소하지 못하는 기업은 2027년까지 새로운 AI 이니셔티브를 실행하는 데 있어서 실패율이 50% 이상 증가할 것이고 진행 비용이 훨씬 더 증가할 것이라고 전망하고 있다”고 설명했다

그러면서 “반대로 레거시 현대화를 잘 실행한 기업은 일반적인 기업보다 3배 이상의 성과를 나타내고 있다”며 “현대화가 실제 AI를 준비하는 차원에서 지금 더 중요한 관점이 돼가고 있다라는 것을 볼 수 있다”고 덧붙였다.

그리고 LG유플러스, BC카드 등의 데이터 현대화 사례를 제시하며 자신의 주장을 뒷받침했다.

LG유플러스는 4000명의 상담사가 매달 350만건의 상담을 처리하는 고객센터를 운영하며, 상담원 지원 AI 서비스 ‘상담 어드바이저’를 고도화하는 과정에서 복잡하고 정형화되지 않은 데이터를 다룰 수 있는 확장 가능한 데이터베이스가 필요했다. 기존 관계형 데이터베이스의 경직된 스키마 구조가 상담 어드바이저 개발에 맞지 않는다고 판단해 몽고DB 벡터 서치를 도입했다.

그 결과 도입 4개월여 만에 상담 어드바이저 서비스 개발에 성공했으며, 벡터 데이터와 운영 데이터를 단일 시스템에서 통합 관리해 리소스 효율을 30% 높이고 통화당 평균 처리 시간을 7% 단축했다. LG유플러스는 향후 상담 어드바이저 서비스를 사용하는 상담사 규모 확대와 콜봇·챗봇의 고도화, B2B 시장 확장을 검토하고 있다. LG유플러스는 지난 4월 몽고DB와 ‘AI 통합 데이터 플랫폼’ 구축을 위한 업무협약(MOU)을 체결하고, AICC에서 검증한 데이터 활용 경험을 전사 AI 서비스로 확대하며, 레거시 시스템의 아키텍처 현대화도 함께 추진하고 있다.

BC카드는 페이북 내 AI 핫딜 ‘잇플’ 서비스를 운영하면서, 기존 포스트그레SQL 기반 환경에서 성능 저하 문제와 풀텍스트 서치 부재, 생성형 AI 활용을 위한 확장성 한계에 직면했다. 이에 몽고DB 아틀라스로 전환하며 BM25 풀텍스트 서치와 보이지AI 임베딩을 결합한 하이브리드 검색을 단일 플랫폼에서 구현하고, 체인지 스트림 기반 실시간 집계 환경을 구축했다. BC카드는 몽고DB의 활용을 향후 전사 비정형 데이터 플랫폼, 자체 생성형 AI 플랫폼(MoAI)의 AI 리포지터리, 실시간 분석 기반 데이터 플랫폼으로 확장해 나갈 계획이다. BC카드는 지난 7월 몽고DB와 ‘AI 서비스 경쟁력 강화를 위한 데이터 플랫폼 고도화’ 업무협약(MOU)을 체결하고, AI 전용 인프라 구축과 신규 AI 서비스 개발을 위한 공통 데이터 기반 마련에 협력하고 있다.

장 지사장은 “LLM의 여러 특성 상 부정확한 데이터가 나오거나 사용자가 만족할 만한 데이터가 나오지 않으면 여러 가지 루프를 계속 반복하고, 여러 가지 영역을 데이터를 품기 위해 재시도하는 게 당연한 과정”이라며 “이는 정확성과 신뢰를 떨어뜨리기도 하지만 결론적으로는 비용이 증가하는 부분을 발생시킨다”고 밝혔다.

그는 “데이터의 구조와 아키텍처가 성능과 혁신뿐만 아니라 비용을 좌우하는 중요한 요소라는 것”이라며 “몽고DB는 프로덕션 환경에서 에이전트와 애플리케이션을 운영하는 데 가장 핵심적인 요소 즉 실시간

운영 데이터라는 부분과 벡터 서치, 풀테스트 서치, 임베딩 모델 랭킹, 메모리 등의 여러 가지 기술과 중요한 요소를 단일 통합 플랫폼 제공함으로써 데이터 이동과 파이프라인 구성, 관리 포인트 및 리스크 증가 등을 최적화하는 아키텍처를 제시할 수 있다”고 강조했다.

그는 유모스원의 사례도 제시했다. 유모스원(UMOS ONE)은 전용 단말기 유무와 관계없이 모든 차량에서 발생하는 GPS, 속도, RPM, 연료량, EV 배터리(SoC), 냉동탑차 온도 등 다양한 실시간 시그널을 하나의 플랫폼에서 AI 서비스의 기반으로 통합해야 했다. 이에 유모스원은 자사 차량 관제 솔루션(FMS)에 IoT 데이터 수집, 몽고DB 타임 시리즈 저장, 데이터 가공, AI 활용으로 이어지는 엔드투엔드 파이프라인을 구축했고, 모든 차량을 하나의 지능형 플랫폼에서 관리할 수 있게 됐다.  이 과정을 통해 유모스원은 운영 데이터를 AI로 연결하기 위해 저장 계층을 어떻게 설계해야 하는지에 대한 실전 경험과 인사이트를 확보했다.

이어 크리스토퍼 셤 몽고DB 제품 관리 총괄 디렉터는 몽고DB 플랫폼 전반에 대한 개요와 함께 MCP 등 몽고DB가 새롭게 공개한 주요 사항들을 소개했다. 그는 “몽고DB는 도큐먼트 모델이 데이터를 다루는 가장 좋은 방식이라는 단순한 아이디어에서 출발했고, 기업과 개발자가 실제로 무언가를 구축하는 방식을 그대로 반영하기 때문”이라며 “이러한 유연성과 확장성은 AI 애플리케이션은 방대한 양의 다양하고 비정형적인 데이터를 다뤄야 하기 때문에 AI 시대에도 동일하게 강력한 힘을 발휘하고 있다”고 말했다.

그는 “그러나 데이터베이스는 전체 스택의 한 부분에 불과하고, 몽고DB는 바로 그 기반을 AI 데이터 레이어 전반으로 확장하고 있다”며 “실시간 데이터, 검색, 분석, 임베딩, 리랭킹, 벡터 검색을 하나의 지능형 데이터 플랫폼으로 통합하는 것”이라고 강조했다.

그는 “시맨틱 서치와 풀텍스트 서치는 더 이상 있으면 좋은 기능이 아니라 오늘날의 애플리케이션 환경에서는 필수 요건”이라며 “몽고DB 플랫폼은 정형 및 비정형 데이터, 풀 텍스트 검색, 벡터 검색, 리랭킹 시스템 등을 하나의 네이티브 플랫폼으로 통합함으로써 어떤 규모의 AI 애플리케이션이라도 확장성과 정확한 결과를 얻게 해준다”고 덧붙였다.

몽고DB는 지난달 아틀라스 데이터 플랫폼을 위한 새로운 AI 기반 기능을 발표했다. 자동 임베딩, 검색 및 재순위 지정 API, 대중적 AI 코딩 도구 및 에이전트와 네이티브 통합 등을 포함했다. 인수합병한 보이지 AI의 검색 모델을 아틀라스에 직접 임베딩했으며, 자사 데이터 플랫폼의 실제 AI 워크로드 도입사례를 강조하고 있다. 몽고DB는 또한 모델컨텍스트프로토콜(MCP)을 지원하며 몽고DB 아틀라스의 데이터와 AI 모델 및 에이전트의 데이터 계층으로서 자사의 데이터베이스를 배치하고 있다.

크리스토퍼 셤은 “몽고DB 아틀라스 매니지드 MCP 서버는 어디서든 직접 서버를 호스팅하지 않고도 사용중인 AI 도구에 바로 연결하게 해준다”며 “번거로운 관리없이 모든 몽고DB와 AI 도구, 하네스의 장점을 누릴 수 있다”고 강조했다.

몽고DB의 AI 시장에서 전략은 새로운 AI 워크로드를 지렛대 삼아 전통적인 레거시 데이터베이스를 업데이트하는 영역이다. 운영 데이터베이스를 몽고DB로 교체하고, 전 IT시스템의 공통 데이터 계층으로 만들면 새로운 AI 워크로드로 빠르게 확장할 수 있다는 것이다. 레거시 환경을 현대화하는 게 기존 환경과 AI 워크로드를 분리해 발전시키는 것보다 쉽고 비용 효율적이란 게 핵심이다.

프랭크 리우 몽고DB 보이지 AI 리서치 매니저는 몽고DB의 보이지 AI 관련 비전을 설명했다.

프랭크 리우 매니저는 “AI는 눈에 보이지 않지만 신경써야만 하는 요소가 너무 많은데, 바로 확장성, 보안, 비용”라며 “AI 에이전트가 실제로 기획하고, 세계를 인식하고, 툴을 활용하고, 메모리를 갖게 되는데, 메모리야말로 이 모든 걸 엮어내는 핵심 구성요소”라고 말했다.

그는 “컨텍스트, 임베딩 모델, 벡터 검색을 지원하는 데이터베이스에서 보이지 AI가 업계를 선도하는 모델을 사용하게 만들고, 이를 통해 검색의 정확도를 높이고 비용도 관리할 수 있다”며 “보이지 AI의 모델은 더 낮은 비용과 지연으로 훨씬 더 높은 수준의 검색을 가능하게 한다”고 덧붙였다.

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