엔터프라이즈 GenAI와 분석: 2024년 4분기 릴리스 자세히 보기

잭 크리스티(이 블로그는 잭 크리스티와 데이브 스톤이 공동 집필했습니다.)
2024년 12월 10일

생성형 AI(Generative AI, GenAI)에 대한 관심과 기대가 이어지고 있지만, 기업이 실제 운영 환경에서 GenAI를 도입하려면 데이터 관리, 거버넌스, 인프라 복잡성 등의 과제를 해결해야 합니다. 이 글에서는 EDB Postgres® AI의 2024년 4분기 릴리스인 AI Accelerator와 Analytics Accelerator의 주요 기능, 제품 상태 및 활용 사례를 살펴봅니다.

Gartner는 2025년 말까지 개념 증명 단계를 넘긴 GenAI 프로젝트의 30%가 중단될 것으로 전망하고 있습니다. 이는 기업들이 다양한 기성 AI 구성 요소를 결합하는 과정에서 겪는 복잡성과 챗봇이나 코파일럿 같은 일반적인 활용 사례의 한계에 대한 실망감 때문입니다. 한편, 데이터 리더의 60%가 데이터 거버넌스를 최우선 과제로 꼽았습니다. 이는 AI 도구의 미성숙성과 퍼블릭 클라우드 기반이라는 특성 사이의 충돌을 보여주는 대목입니다.

이러한 과제는 여러 산업에서 공통으로 나타나는 흐름과 연결되어 있습니다. 많은 기업이 인프라를 간소화하고 데이터에 대한 통제력을 강화하려고 노력하고 있으며, 70%의 기업이 데이터 사일로를 제거하고 데이터 확산을 억제함으로써 더 나은 비즈니스 인텔리전스와 지속 가능한 성장을 실현하려 하고 있습니다.

EDB는 이러한 요구를 충족하기 위해 EDB Postgres® AI 플랫폼을 제공합니다. 이 플랫폼은 기업이 기존 인프라와 기술을 최대한 활용하면서 데이터에 대한 완전한 제어권을 확보하도록 지원합니다. 또한 신뢰할 수 있는 Postgres 환경에서 빠르고 효율적으로 데이터를 분석하여 중요한 인사이트를 신속하게 도출하도록 돕습니다.

2024년 4분기에 출시된 최신 AI 및 분석 제품이 이러한 현대적 비즈니스 과제를 어떻게 해결하는지 자세히 살펴보겠습니다.

EDB Postgres AI 2024년 4분기 릴리스 요약

EDB AI Accelerator 정식 출시

EDB는 AI Accelerator의 정식 출시를 발표했습니다. 이 도구는 pgvector가 사전 로드된 강력한 Pipelines 확장 기능으로, 엔터프라이즈 GenAI 추론 애플리케이션을 테스트하고 출시하는 가장 빠른 방법을 제공합니다. 이를 통해 GenAI 데이터의 오케스트레이션, 검색 및 활용 과정을 관리하고 자동화할 수 있습니다.

AI Accelerator의 세 가지 핵심 기능

1. 관리형 파이프라인

관리형 파이프라인은 임베딩 생성, 저장, 인덱싱 및 관리 기능을 Pipelines 확장 내에 통합하여 제공합니다. 여기에는 즉시 사용할 수 있는 통합 모델 런타임이 포함되어 있습니다. 원하는 모델을 지정하면 Pipelines가 데이터 수집부터 유사도 검색까지 전체 워크플로를 자동으로 처리합니다.

Managed Pipelines는 AI 데이터 처리의 전체 라이프사이클을 조율하며, Postgres 환경 내에서 원시 데이터를 AI에 적합한 리소스로 변환하는 간소화된 자동화 솔루션을 제공합니다.

2. 자동 임베딩

Postgres 테이블에 저장된 AI 데이터를 위한 임베딩 생성 및 업데이트 과정을 자동화하여 벡터 스토어가 수동 개입 없이 항상 최신 상태를 유지하도록 합니다. 데이터베이스를 지속적으로 모니터링하므로 임베딩을 수동으로 새로 고칠 필요가 없으며, 데이터의 최신 상태를 반영하는 AI 검색용 인덱스를 유지할 수 있습니다.

3. 지능형 리트리버

지능형 리트리버(Intelligent Retriever)는 AI 데이터를 유사성 기반으로 검색하고 조회하는 데 필요한 처리를 통합합니다. 간단한 AI retriever 함수 호출만으로 Postgres 테이블 또는 객체 스토리지에서 텍스트와 이미지 데이터를 가져올 수 있습니다.

Intelligent Retriever는 벡터 유사성 계산의 복잡성을 추상화하여 친숙한 Postgres 환경에서 AI 데이터를 다룰 수 있는 간소화된 인터페이스를 제공합니다. 이를 통해 Postgres 데이터베이스를 강력한 AI 검색 엔진으로 전환할 수 있습니다.

Pipelines 확장은 포함된 pgvector 확장이 제공하는 기본 벡터 호환성과 결합하여 Postgres에서 임베딩을 관리하기 위한 완전한 벡터 툴킷을 제공합니다. 이를 통해 일반적으로 130줄 이상의 SQL 코드가 필요했던 작업을 단 5줄의 SQL 코드로 간소화할 수 있습니다.

또한 교체 가능한 설정을 통해 모델 간 전환, 여러 데이터 모달리티 통합, 클라우드 또는 온프레미스 환경의 다양한 스토리지 위치 선택이 가능합니다. 이를 바탕으로 비즈니스 요구에 맞는 성능과 효율적인 데이터 관리를 지원합니다. 매번 다시 구축할 필요 없이 Postgres 데이터베이스를 강력한 GenAI 시맨틱 검색 엔진으로 전환할 수 있으며, 이는 특화된 벡터 데이터베이스보다 4.22배 빠른 속도를 제공합니다.

AI Accelerator 활용 사례

Sovereign AI

Sovereign AI는 데이터가 위치한 곳에서 운영되는 개인화된 GenAI를 구현하고 AI 작업에 대한 완전한 제어를 제공합니다. Postgres에 저장된 기존 데이터와 선호하는 모델을 함께 실행하여 데이터 이동을 없애고 보안을 강화합니다. 또한 유연한 사설 배포 옵션과 로컬 호스팅 모델을 통해 클라우드 데이터 접근 비용을 제거할 수 있습니다.

Cognitive AI

EDB Postgres AI는 여러 데이터 모달리티를 결합한 Cognitive AI 애플리케이션 개발을 간소화합니다. Pipelines 확장을 활용하여 텍스트 및 이미지 임베딩을 손쉽게 생성, 관리 및 검색할 수 있으므로 강력한 유사성 검색과 시맨틱 검색을 지원합니다.

Virtual Expert

Pipelines 확장을 통해 개발자는 기존 SQL 기술을 활용하여 Postgres의 효율적인 벡터 데이터 관리를 기반으로 엔터프라이즈 수준의 Virtual Expert 챗봇과 코파일럿을 구축할 수 있습니다. 강력한 규정 준수 및 보안 기능은 규제가 엄격한 산업에서 독점 데이터를 활용해 시스템을 학습할 때 안심할 수 있는 환경을 제공합니다.

AI Accelerator를 시작하려면 Pipelines 확장 시작하기 문서를 확인하세요.

Analytics Accelerator 기술 프리뷰 출시

현대 기업은 방대한 데이터를 처리하고 신속하게 인사이트를 도출하기 위해 분석 워크로드를 확장해야 합니다. 동시에 운영 부담을 최소화할 수 있는 통합 솔루션도 필요합니다. 기술 프리뷰로 출시된 EDB Analytics Accelerator는 레이크하우스 생태계 통합과 PGAA 확장을 통해 Postgres에서 빠르고 효율적인 분석과 지능형 데이터 관리를 지원합니다.

PGAA 확장의 주요 분석 기능

1. 벡터화 쿼리 엔진(Vectorized Query Engine)은 컬럼형 데이터 형식에 최적화되어 있으며, 별도의 일시적(scale-to-zero) 컴퓨팅 리소스에서 실행됩니다. 이를 통해 표준 행 기반 Postgres 엔진에 비해 분석 쿼리를 평균 30배 빠르게 처리할 수 있습니다. 표준 SQL을 사용하여 Postgres 테이블을 외부 객체 스토리지에 있는 5배 더 작은 컬럼형 레이크하우스 테이블 형식으로 변환하고, 이를 일반 Postgres 테이블처럼 쿼리할 수 있습니다.
2. PGAA를 EDB Postgres Distributed(PGD)의 AutoPartition과 결합하면 계층형 테이블(Tiered Tables) 기능이 제공됩니다. 핫 데이터와 콜드 데이터를 전용 노드를 통해 쿼리하며, 콜드 데이터를 객체 스토리지의 컬럼형 테이블로 자동 오프로딩하여 다중 데이터 계층 관리의 복잡성을 줄이고 성능을 최적화합니다. 레이크하우스 테이블은 Amazon S3, MinIO, 로컬 파일 시스템 등 유연한 스토리지 위치에 저장할 수 있으며, 이는 솔리드 스테이트 드라이브(SSD) 대비 최대 18배 더 비용 효율적입니다. 또한 수명 주기와 보안이 완전히 관리되는 스토리지를 선택하거나 사용자 지정 스토리지를 사용할 수도 있습니다.

Analytics Accelerator 활용 사례

Analytics Accelerator는 Postgres의 뛰어난 확장성을 극대화하여 통합된 비즈니스 데이터를 중심으로 다양한 분석 활용 사례를 지원합니다.

Customer 360

거래 데이터, 분석 데이터 및 AI 데이터 스토어를 단편화된 시스템 대신 하나의 Postgres 환경에 통합하여 종합적인 고객 인사이트를 확보할 수 있습니다. 표준 Postgres 대비 30배 빠른 속도로 모든 데이터를 쿼리할 수 있으며, 포괄적인 고객 데이터를 기반으로 더 빠르고 나은 의사결정을 내려 비즈니스 성과에 직접적인 영향을 미칠 수 있습니다.

Dynamic Analytics

실시간 데이터와 과거 데이터를 저장 비용 부담이나 성능 저하 없이 즉석에서 쿼리하고 시각화할 수 있습니다. 계층형 테이블(Tiered Tables)은 자주 사용되지 않는 데이터를 객체 스토리지의 효율적인 컬럼형 형식으로 자동 오프로딩합니다. 이를 통해 다중 데이터 계층 관리의 복잡성을 대폭 줄이고 쿼리 속도와 비용 효율성을 향상합니다.

Operational Analytics

운영 데이터를 대상으로 고성능 온라인 분석 처리(Online Analytical Processing, OLAP) 쿼리를 실행하면서도 현재 진행 중인 트랜잭션 워크로드에는 영향을 주지 않습니다. 온라인 트랜잭션 처리(Online Transaction Processing, OLTP) 프로세스와 리소스를 두고 경쟁하지 않도록 복잡한 쿼리를 위한 별도의 분석 노드를 제공합니다. 사용하지 않을 때는 자동으로 규모를 0으로 축소하여 실시간 비즈니스 운영이 중단되지 않도록 합니다.

Analytics Accelerator를 사용해 보고 싶다면 기술 프리뷰 액세스를 요청하세요.

EDB Postgres AI 릴리스가 제공하는 가치

이번 릴리스는 고객이 GenAI 프로젝트를 자신 있게 추진하고, 인프라를 간소화하며, 더욱 통합된 데이터 전략을 실현하도록 지원합니다. EDB Postgres AI는 엔터프라이즈 제어, 보안 및 배포 유연성을 제공하여 이러한 목표를 달성할 수 있도록 돕습니다. 앞으로도 EDB의 지속적인 혁신을 기대해 주세요.

자주 묻는 질문

EDB AI Accelerator란 무엇인가요?

EDB AI Accelerator는 엔터프라이즈 GenAI 추론 애플리케이션을 테스트하고 출시하는 과정을 간소화하는 도구입니다. pgvector가 사전 로드된 Pipelines 확장을 통해 GenAI 데이터의 오케스트레이션, 검색 및 활용을 관리하고 자동화합니다.

AI Accelerator의 핵심 기능은 무엇인가요?

관리형 파이프라인, 자동 임베딩, 지능형 리트리버가 세 가지 핵심 기능입니다. 이 기능들은 데이터 수집과 임베딩 관리부터 유사성 기반 검색까지의 워크플로를 Postgres 환경에서 처리하도록 지원합니다.

AI Accelerator는 pgvector를 어떻게 활용하나요?

Pipelines 확장은 pgvector의 기본 벡터 호환성과 결합하여 Postgres에서 임베딩을 생성, 저장, 인덱싱 및 검색하기 위한 벡터 툴킷을 제공합니다. 이를 통해 Postgres 데이터베이스를 GenAI 시맨틱 검색 엔진으로 활용할 수 있습니다.

EDB Analytics Accelerator란 무엇인가요?

Analytics Accelerator는 레이크하우스 생태계 통합과 PGAA 확장을 통해 Postgres 기반 분석과 데이터 관리를 지원하는 제품입니다. 벡터화 쿼리 엔진과 계층형 테이블 등의 기능을 제공합니다.

Analytics Accelerator는 정식 출시된 제품인가요?

이 글에서 소개하는 2024년 4분기 릴리스 기준으로 Analytics Accelerator는 기술 프리뷰로 출시되었습니다. 사용을 원하는 경우 본문의 링크를 통해 기술 프리뷰 액세스를 요청할 수 있습니다.

원문: Solving enterprise generative AI and analytics challenges: Zooming in on our Q4 2024 release

EDB 영업 기술 문의: 02-501-5113

이메일: salesinquiry@enterprisedb.com

홈페이지 문의하기