하이드롤릭스, AWS 마켓플레이스로 ‘전체 데이터’ 기반 에이전트형 AI 시장 공략

기업용 데이터 관리 업체 하이드롤릭스(Hydrolix)가 ‘AI 준비형 데이터’ 시장 공략에 속도를 내고 있다. 핵심은 방대한 데이터를 실시간으로 저장·분석해, 에이전트형 AI가 필요한 답을 ‘자연어’로 빠르게 찾아낼 수 있도록 돕는 데 있다.

하이드롤릭스의 글로벌 솔루션 엔지니어링 총괄 캐서린 존슨(Catherine Johnson)은 최근 더큐브(theCUBE)와의 인터뷰에서 “AI 모델을 만들고 데이터에서 정보를 뽑아내기 위해서는 ‘전체 데이터’를 확보하는 일이 매우 중요하다”고 말했다. 이어 “에이전트형 AI에서는 데이터의 일부가 아니라 전체 데이터셋을 대상으로 질문하고 답을 얻어야 비로소 무슨 일이 벌어지는지 완전한 그림을 볼 수 있다”고 설명했다.

에이전트형 AI 인프라는 일반 분석 도구보다 더 까다로운 조건을 요구한다. 단순히 데이터를 많이 쌓는 것만으로는 부족하고, ‘밀리초 단위’에 가까운 응답 속도와 높은 정확도를 동시에 맞춰야 한다. 이를 위해서는 페타바이트급 대규모 데이터셋을 다루면서도 실시간 수집과 짧은 질의 응답 시간을 보장하는 구조가 필요하다.

하이드롤릭스는 이 문제를 자체 스트림 처리 엔진과 오브젝트 스토리지 기반 구조로 풀고 있다. 회사 측에 따르면 고급 인덱싱, 질의, 압축 기술을 활용해 전체 데이터 범위를 대상으로 하면서도 ‘1초 이하’ 지연 시간으로 조회할 수 있는 데이터 검색 플랫폼을 구현했다. 여기에 대규모 병렬 컴퓨팅을 적용해 분석 작업을 잘게 나눠 빠르게 처리하는 방식이다.

존슨은 “솔루션은 오브젝트 스토리지 위에서 동작하지만, 시스템에 질의를 보내 대규모 데이터를 들여다보는 과정에서도 1초 이하 지연 시간을 낼 수 있다”며 “서로 다른 ‘스킬’을 가진 에이전트들이 저장된 데이터를 찾아가고, 필요한 정보를 매우 빠르게 다시 가져오도록 설계했다”고 말했다.

실제 사례도 제시됐다. 하이드롤릭스는 엔비디아($NVDA)와의 협업 사례에서 자사 MCP 서버를 통해 엔지니어가 실시간 콘텐츠 전송 네트워크(CDN) 장애를 9분 만에 해결했다고 밝혔다. 자연어 질의를 통해 현재 무슨 문제가 발생했는지 데이터셋에 직접 묻고, 그 답을 신속히 받아 대응 시간을 줄였다는 설명이다.

존슨은 이 사례의 핵심이 단순한 조회 속도만은 아니라고 짚었다. 그는 “엔비디아는 자연어 질의를 효과적으로 활용해 ‘지금 무슨 일이 일어나고 있는가’를 데이터에 바로 물었고, 빠르게 답을 받아 문제를 완화할 수 있었다”며 “이 활용 사례에서는 데이터를 얼마나 빨리 반환하느냐뿐 아니라 자연어 질의 자체가 속도를 끌어올린 중요한 요소였다”고 말했다.

하이드롤릭스의 AWS 마켓플레이스 입점도 눈에 띄는 대목이다. 이를 통해 고객은 클라우드 인프라, 프로젝트 구성, 데이터 수집 엔드포인트를 포함한 솔루션을 보다 쉽게 구축할 수 있다. 특히 아마존 베드록(Amazon Bedrock) 기반으로 에이전트형 AI 애플리케이션을 개발하는 기업에는 ‘데이터 레이어’ 역할을 할 수 있다는 게 회사 측 설명이다.

초기 적용 분야는 미디어와 웹 인프라다. 존슨은 “AWS와의 초기 통합은 주로 미디어 영역을 중심으로 이뤄졌다”며 CDN, 엘리멘털 서비스, 웹 애플리케이션 방화벽 등에서 발생하는 다양한 데이터를 한곳에 모아 단일 흐름으로 보고 빠르게 답을 찾는 데 강점이 있다고 설명했다.

시장 흐름을 보면 이 같은 접근은 점점 더 중요해지고 있다. 기업들이 생성형 AI를 넘어 실제 업무를 수행하는 에이전트형 AI 도입에 나서면서, ‘모델’ 못지않게 ‘데이터 인프라’의 성능이 경쟁력을 좌우하고 있기 때문이다. 하이드롤릭스는 이 지점에서 실시간 분석, 전체 데이터 보존, 자연어 질의라는 세 축을 앞세워 존재감을 키우려는 모습이다.

결국 에이전트형 AI의 성패는 얼마나 많은 데이터를 갖고 있느냐보다, 그 데이터를 얼마나 빠르게 읽고 맥락 있게 답으로 바꿔낼 수 있느냐에 달려 있다. 하이드롤릭스의 AWS 마켓플레이스 확장은 이런 수요를 겨냥한 행보로 해석된다.