기업용 AI, ‘에이전트’ 확산 가로막는 건 데이터 인프라…오라클 해법은 DB 근접 실행

기업들의 인공지능 도입이 기대만큼 빠르게 확산하지 못하는 배경으로 ‘에이전트’ 개발 난이도보다 ‘데이터 인프라’ 문제가 더 크다는 진단이 나왔다. 챗봇을 넘어 여러 단계를 스스로 수행하는 ‘에이전트형 AI’로 넘어가는 과정에서, 실제 기업 데이터와 안정적으로 연결해 대규모로 운영할 기반이 부족하다는 의미다.

오라클($ORCL)은 이런 병목의 해법으로 데이터베이스를 전면에 내세우고 있다. 지능형 애플리케이션의 경쟁력은 모델 성능만이 아니라, AI가 기업의 실제 데이터 계층과 얼마나 깊게 결합돼 있는지에 따라 갈릴 것이라는 주장이다.

오라클, 데이터 가까이서 AI 돌리는 구조 제시

티르탕카르 라히리 오라클 미션 크리티컬 데이터·AI 엔진 담당 수석부사장은 최근 미국 뉴욕에서 열린 ‘오라클 데이터 딥다이브 NYC’ 행사에서, 에이전트형 AI의 핵심은 오케스트레이션보다 데이터와의 ‘근접성’에 있다고 설명했다.

그는 “에이전트 시스템은 이미 현재이자 미래의 애플리케이션 개발 방식”이라며 “많은 기업이 에이전트의 가치를 아직 충분히 실현하지 못하는 이유는, 결국 에이전트 성능이 데이터 품질에 좌우되기 때문”이라고 말했다.

오라클의 전략은 여러 저장소 위에 별도 에이전트 계층을 얹는 대신, 에이전트 로직을 가능한 한 데이터 가까이서 실행하는 방식이다. 이를 위해 회사는 ‘AI 데이터베이스 프라이빗 에이전트 팩토리’와 ‘오토노머스 AI 벡터 데이터베이스’ 구조를 내세우고 있다. 개발자와 기업 사용자가 데이터를 다른 시스템으로 옮기지 않고도 실시간 기업 데이터에 기반한 에이전트를 구축·배포할 수 있도록 하겠다는 구상이다.

‘통합 메모리 코어’로 분산 저장소 한계 겨냥

오라클은 에이전트를 크게 ‘추론 중심’과 ‘데이터 중심’으로 구분한다. 이 가운데 데이터 중심 에이전트는 데이터와 같은 위치에서 작동해야 왕복 호출과 반복적인 데이터베이스 접근을 줄일 수 있다는 설명이다. 이렇게 해야 서로 다른 저장소로 쪼개진 ‘조각난 AI’가 아니라, 최신성과 일관성을 유지한 AI를 구현할 수 있다는 논리다.

이 전략의 중심에는 ‘통합 메모리 코어’가 있다. 이는 단기 문맥, 장기 사실 관계, 연관 정보 같은 에이전트 메모리 요소를 하나의 통합 데이터 저장소에서 파생하는 구조다. 별도의 그래프 데이터베이스, 문서 데이터베이스, 벡터 데이터베이스를 각각 두고 다른 추론 작업을 처리하는 대신, 단일 데이터 계층이 이를 함께 맡도록 설계한 것이다.

라히리 수석부사장은 “어떤 경우에는 연관 관계를 위해 지식 그래프가 필요하고, 어떤 경우에는 특정 사건에 대한 사실 정보만 있으면 된다”며 “이 과정을 실제 데이터가 있는 자리에서 처리하면 최신성, 일관성, 보안성을 동시에 확보할 수 있다”고 말했다.

이 방식은 여러 전문 저장소를 따로 운영할 때 발생하는 동기화 비용과 데이터 불일치 위험을 줄이는 데 초점이 맞춰져 있다. 기업 입장에서는 AI 성능 자체보다 운영 복잡성과 보안 리스크가 더 큰 제약이 될 수 있다는 점을 겨냥한 접근으로 읽힌다.

AI 보안도 앱이 아니라 데이터 원천에서

오라클은 보안 역시 애플리케이션 계층이 아니라 데이터 원천에서 집행해야 한다고 본다. 에이전트형 AI가 단순 답변을 넘어 거래 실행, 민감 정보 조회, 업무 프로세스 수행까지 맡기 시작하면, 화면이나 앱 단에서만 권한을 통제하는 방식으로는 충분하지 않다는 판단이다.

회사가 제시한 해법은 ‘딥 데이터 시큐리티’다. 데이터베이스 내부에 정책 집행 기능을 심어, 동적으로 생성된 질의나 악의적 프롬프트 주입으로 만들어진 요청이라도 인증된 사용자가 볼 수 없는 정보는 반환하지 않도록 막는 구조다.

라히리 수석부사장은 “현재 많은 시스템은 보안이 애플리케이션 계층에 구축돼 있다”며 “이 문제를 해결하는 유일한 방법은 데이터 원천 자체를 보호하는 것”이라고 말했다. 이어 “질의가 잘못됐더라도 보여줘선 안 되는 데이터를 반환하지 못하게 해야 하며, AI 시대에는 이것이 데이터를 보호하는 사실상 유일한 방법”이라고 강조했다.

기업용 AI 경쟁력, 결국 ‘모델’ 아닌 ‘데이터 운영’으로 이동

이번 오라클의 메시지는 기업용 AI 경쟁의 무게중심이 모델 성능 경쟁에서 ‘데이터 운영 구조’로 옮겨가고 있음을 보여준다. 특히 에이전트형 AI가 실제 업무에 투입될수록, 응답 품질보다 더 중요한 요소는 최신 데이터 접근성, 시스템 일관성, 그리고 보안 통제라는 점이 분명해지고 있다.

결국 기업용 AI 확산 속도를 좌우할 변수는 더 똑똑한 모델 하나가 아니라, 그 모델과 에이전트를 안정적으로 굴릴 수 있는 데이터 기반일 가능성이 크다. 오라클은 이 지점을 선점하기 위해 데이터베이스를 ‘AI의 중심축’으로 재정의하고 있으며, 향후 시장의 평가는 실제 현장 적용성과 보안 신뢰성에서 갈릴 전망이다.