EDB, ‘포스트그레스AI’에 에이전틱 데이터베이스(Agentic Database)·통합 분석(Converged Analytics)·거버넌스(Governance) 기능 탑재

소버린(Sovereign, 데이터 주권) AI 및 데이터 선도 기업인 <https://www.enterprisedb.com/> EDB (지사장 김희배, <http://www.enterprisedb.com> www.enterprisedb.com)은 오늘, 자율 운영되는 에이전틱 데이터베이스( <https://www.enterprisedb.com/products/agentic-database> Agentic Database) 및 통합 분석( <https://www.enterprisedb.com/products/converged-analytics> Converged Analytics) 기능을 제공하는 오픈소스 기반의 AI 데이터 플랫폼인 ‘EDB 포스트그레스 AI(EDB Postgres AI, 이하 EDB PG AI)’의 발표했다. 이번에 추가된 기능은 AI, 분석, 거버넌스를 데이터 레이어(Data Layer)에서 통합 제공하며, 기업이 직접 소유하고 통제할 수 있는 단일 오픈 포스트그레스(Open Postgres) 기반 위에서 운영된다. 관계형 데이터, 분석 데이터, 벡터 데이터 및 에이전틱 워크로드를 하나의 플랫폼에서 처리할 수 있으며, EDB는 이를 기반으로 2026년까지 에이전틱 시대를 위한 주권형 AI 운영체제(Sovereign AI Operating System)로 발전시켜 나갈 계획이다.

AI 에이전트가 중심이 되는 시대에는 AI가 데이터가 있는 곳에서 동작해야 한다. 에이전트는 실시간 데이터를 기반으로 지속적으로 의사결정을 내리고 작업을 수행하기 때문에 기존처럼 데이터를 별도 플랫폼으로 복사해 활용하는 방식으로는 속도와 정확성을 확보하기 어렵다. 또한 규제 데이터와 중요 데이터를 외부 환경으로 이동시키지 않고 활용해야 하는 만큼 데이터 주권(Data Sovereignty) 역시 필수 요소로 자리 잡고 있다.

EDB는 이러한 변화에 대응하기 위해 AI와 분석 기능을 데이터가 존재하는 위치에 직접 배치하는 전략을 제시했다. 이를 통해 기업은 데이터를 이동하거나 복제하지 않고도 AI, 분석, 자동화 기능을 활용할 수 있으며, 데이터 거버넌스 역시 실제 데이터가 저장된 위치에서 즉시 적용할 수 있다.

EDB 케빈 댈러스(Kevin Dallas) CEO는 “업계는 지난 10년 동안 기업들에게 모든 데이터를 데이터 레이크(Data Lake)로 옮기라고 이야기해 왔다. 하지만 에이전트 시대에는 정반대의 접근이 필요하다”라고 말하며, “에이전트는 실시간 데이터 위에서 실제 규칙을 적용받으며 즉시 행동한다. 데이터 복사본을 활용해서는 속도와 정확성, 주권성을 확보할 수 없다. 인텔리전스를 데이터가 있는 곳으로 가져와야 한다. 이것이 EDB가 구현한 방식이다. 고객은 자신이 소유한 인프라 위에서 자신의 AI, 데이터, 규칙을 직접 통제할 수 있다”라고 말했다.

에이전틱 데이터베이스, 스스로 최적화되는 데이터베이스 구현

EDB PG AI의 에이전틱 데이터베이스 기능은 기존 포스트그레스를 수동 관리 중심 데이터베이스에서 자율 운영 데이터베이스로 발전시킨다. 시스템은 200개 이상의 운영 및 성능 지표를 지속적으로 모니터링하고, 성능 개선이 필요한 부분을 스스로 분석해 기업 정책이 허용하는 범위 내에서 자동으로 적용한다. 이를 통해 데이터베이스 튜닝, 확장, 문제 해결 작업을 자동화하며, 장애로 이어질 수 있는 문제를 사전에 탐지하고 대응할 수 있다.

특히 자동화가 통제력을 약화시키지는 않는다. 기업은 각 작업별로 자동 실행 여부를 선택할 수 있으며, 사람의 승인 후 수행하거나 정기 점검 시간에만 실행하도록 설정할 수도 있다. 모든 작업 내역은 감사 로그(Audit Trail)에 기록된다.

EDB PG AI는 관계형 데이터, JSON 데이터, 시계열(Time-Series) 데이터, 공간정보(Geospatial) 데이터, 벡터 데이터를 단일 SQL 인터페이스에서 통합 관리할 수 있도록 지원한다. 접근 제어와 정책 집행은 데이터 레이어에서 수행되며, 운영 자동화는 사람이 처리하기 어려운 규모까지 확장된다.

이를 통해 기업은 데이터베이스 최적화와 튜닝 작업을 최대 10배 빠르게 수행할 수 있다. 기존에는 숙련된 DBA(Database Administrator)가 60~90분 동안 분석해야 했던 문제를 시스템이 수 분 내에 찾아내고 해결 방안을 제시하며, 정책이 허용하는 경우 자동으로 적용할 수 있다.

또한 이러한 최적화는 애플리케이션 성능을 최대 8배 향상시키며, 대부분의 성능 문제를 운영 환경 배포 전에 발견할 수 있도록 지원한다. 이를 통해 IT 운영 인력은 반복적인 장애 대응 업무 대신 새로운 비즈니스 가치 창출에 집중할 수 있다.

EDB 맥스 로마넨코(Max Romanenko) 최고 엔지니어링 책임자(Chief Engineering Officer)는 “대부분의 솔루션은 데이터를 AI가 있는 곳으로 이동시키라고 요구한다. EDB는 반대로 AI를 데이터베이스 안으로 가져왔다. EDB는 고객이 소유한 인프라 위에서 스스로 운영되는 데이터베이스를 제공한다. 이것은 단순한 기능이 아니라 플랫폼의 핵심 기반이다”라고 말했다.

통합 분석 플랫폼, 실시간 분석부터 페타바이트 규모 데이터 웨어하우스까지 지원

EDB PG AI는 제로 ETL(Zero-ETL) 아키텍처를 기반으로 운영 데이터와 분석 데이터 간의 경계를 제거한다. 이를 통해 데이터 이동이나 복제 없이 모든 데이터를 실시간 분석과 대규모 데이터 웨어하우징에 활용할 수 있다.

플랫폼은 온프레미스(On-Premises), 하이브리드 클라우드(Hybrid Cloud), 멀티클라우드(Multi-Cloud) 환경 어디에서나 배포할 수 있으며, 데이터 형식과 분석 엔진 역시 개방형 표준을 기반으로 한다. 이를 통해 기업은 특정 벤더에 종속되지 않고 데이터 라이프사이클 전반을 직접 통제할 수 있다.

이번에 정식 출시된 EDB PG AI for ClickHouse는 이벤트 및 로그 데이터에 대한 1초 미만의 실시간 분석 기능을 제공한다. EDB PG AI for WarehousePG는 페타바이트 규모 데이터 웨어하우스를 기반으로 장기 이력 분석과 복잡한 보고서를 지원한다.

또한 대규모 분석 작업은 GPU 가속 스파크(GPU-Accelerated Spark)로 오프로딩할 수 있어 실시간 분석, 과거 데이터 분석, AI 분석을 단일 플랫폼에서 수행할 수 있다.

EDB 맥스 로마넨코(Max Romanenko) 최고 엔지니어링 책임자는 “이번 변화의 핵심은 단순히 성능이나 비용 절감이 아니다. 가장 중요한 것은 통제력이다. 고객은 더 이상 클라우드 사업자에게 데이터 전략을 의존할 필요 없이 스스로 데이터와 AI 인프라를 통제할 수 있다”라고 설명했다.

기존 데이터 웨어하우스 및 클라우드 데이터 플랫폼과 비교할 때 EDB PG AI는 다음과 같은 성능을 제공한다.

* 단일 노드 기준 최대 30배 빠른 쿼리 성능(내부 테스트 기준)

* GPU 가속 스파크 활용 시 최대 99배 향상된 분석 성능

* 대규모 동시 접속 환경에서 최대 52% 높은 확장 효율성

* 예측 가능한 코어(Core) 기반 과금 체계를 통해 총소유비용(TCO) 최대 58% 절감

대한민국 대표 서점 기업인 교보문고(Kyobo Book Centre)는 WarehousePG 기반 온프레미스 분석 환경을 구축해 총소유비용 절감을 기대하고 있으며, AI 및 벡터 기반 서비스 확대를 위한 주권형 데이터 플랫폼을 마련했다.

AI 에이전트를 위한 고성능 데이터 검색 기능 제공

AI 에이전트의 성능은 얼마나 빠르고 정확하게 데이터를 검색할 수 있는지에 달려 있다.

EDB PG AI는 벡터 검색(Vector Search), 정형 데이터, 비정형 데이터, 분석 기능을 하나의 쿼리 레이어로 통합해 별도의 벡터 데이터베이스나 저장소 없이도 AI 에이전트가 필요한 정보를 즉시 검색할 수 있도록 지원한다.

맥나이트 컨설팅 그룹(McKnight Consulting Group)의 독립 벤치마크 결과에 따르면 EDB PG AI는 실제 AI 에이전트 환경에서 다음과 같은 성능을 기록했다.

* Databricks 대비 최대 99.4% 낮은 쿼리 지연 시간(Query Latency)

* MongoDB 대비 최대 93% 낮은 쿼리 지연 시간

* Recall@10 기준 0.911의 최고 검색 정확도

* Databricks 대비 17%, MongoDB 대비 26% 높은 검색 정확도

* 신규 데이터 저장 후 12밀리초(ms) 내 조회 가능

* Databricks의 3.8초 대비 99.7% 빠른 데이터 최신성(Data Freshness) 제공

이를 통해 EDB PG AI는 자율형 AI 에이전트가 요구하는 실시간 수준의 응답 속도와 ACID 트랜잭션 기반의 높은 데이터 정확성을 제공한다.

일본의 대표 통신사인 NTT 동일본(NTT East)은 AI 기반 네트워크 운영 환경 구축을 위해 EDB PG AI를 도입했다. 이를 통해 민감한 운영 데이터를 외부로 이동시키지 않은 상태에서 생성형 AI 에이전트를 활용해 네트워크 장애를 자동으로 탐지·분석·대응하는 체계를 구축하고 있다.

데이터 레이어에서 직접 구현되는 AI 거버넌스

기업 내 AI 에이전트 활용이 확대되면서 중요한 과제는 ‘AI가 무엇을 할 수 있는가가 아니라 어떻게 기업 정책과 규정을 준수하도록 할 것인가’다.

EDB는 별도의 제어 시스템을 추가하는 대신 데이터 레이어 자체에서 AI 거버넌스를 구현하는 방식을 제시했다.

현재 프리뷰 버전으로 제공되는 기능은 포스트그레스의 역할(Role) 기반 접근 제어와 행 수준 보안(Row-Level Security)을 활용해 AI 에이전트의 데이터 접근을 통제한다. 에이전트의 신원, 역할, 목적, 권한, 기업 정책을 데이터베이스 수준에서 직접 적용함으로써 모든 작업을 동일한 기준으로 관리할 수 있다.

또한 모든 활동은 세션(Session) 단위 감사 기능을 통해 추적되며, 데이터가 저장된 위치에서 정책이 적용되기 때문에 별도의 보안 엔진이나 런타임 환경을 추가로 구축할 필요가 없다.

EDB는 2026년 하반기까지 해당 기능을 기업 전반의 AI 에이전트 거버넌스 체계로 확대할 계획이다.

오픈 기술 기반과 글로벌 파트너 생태계 지원

EDB PG AI는 오픈 포스트그레스(Open Postgres)와 오픈 테이블 포맷(Open Table Format)을 기반으로 구축돼 특정 벤더 종속 없이 데이터 주권을 확보할 수 있도록 지원한다.

또한 온프레미스, 하이브리드 클라우드, 멀티클라우드 환경을 모두 지원하며, 데이터 위치와 운영 정책에 대한 통제권을 기업이 직접 유지할 수 있다.

플랫폼은 Dell, IBM, NVIDIA, Red Hat, Supermicro 등 글로벌 기술 파트너의 지원을 기반으로 제공된다.

IBM 우니크리슈난 라자가팔(Unnikrishnan Rajagopal) ISV 에코시스템·GSI·얼라이언스 글로벌 총괄 디렉터는 “IBM 파워(IBM Power)와 EDB 포스트그레스 AI는 기업이 AI 네이티브 시대를 준비할 수 있도록 안전하고 주권성을 보장하는 AI 인프라 기반을 제공한다. 양사는 데이터 주권을 지원하는 탄력적인 데이터 생태계 구축을 함께 추진하고 있다”라고 말했다.

레드햇(Red Hat) 사티시 발라크리슈난(Sathish Balakrishnan) 앤서블 사업부(Ansible Business Unit) 총괄 매니저는 “레드햇 앤서블 오토메이션 플랫폼(Red Hat Ansible Automation Platform)과 EDB 포스트그레스 AI는 자동화 운영, 고가용성, 엔터프라이즈급 보안, 그리고 유연한 배포 환경을 제공한다. 새롭게 추가된 자동화 오케스트레이터(Automation Orchestrator)와 EDB의 에이전틱 기능을 통해 기업은 자동화를 더욱 빠르게 확장하고, 데이터에 대한 완전한 통제권을 유지하면서 주권형 인프라를 구축할 수 있다”라고 말했다.