최근 AI를 성공적으로 구현하기 위해서는 고성능 데이터 인프라가 필수적입니다.
예를 들어, GPU 만해도 CPU에 비해 비싼 비용을 지불해야 하죠. 글로벌 기업들은 AI의 진정한 가치를 실현하기 위해 많은 투자를 하고 있죠.
이를 깨달은 데이터 관련 벤더들은 AI 구현을 위해 데이터 관리 측면에서도 근본적인 변화를 필요하다고 생각하고 있습니다. 이 글에서는 그러한 데이터 관련 기업들의 움직임을 살펴보겠습니다.
Oracle 데이터베이스 내 AI 기능 탑재
먼저 오라클 부터 보시죠. 여기 방문한 대부분이 잘 아는 정통 rdbms 솔루션 벤더입니다. 하지만 요즘에는 AI 기업으로 탈바꿈했습니다.
데이터베이스에서 머신러닝 알고리즘을 직접 실행하고, 예측 모델을 생성하며, 자연어 처리 기능을 수행할 수 있도록 설계되었습니다. 이를 통해 데이터베이스 자체에서 데이터 분석 및 예측 작업을 수행하여 실시간 의사결정을 지원합니다.
이는 오라클 클라우드에 구현해 뛰어난 확장성과 유연성을 제공합니다. 클라우드 기반 머신러닝 서비스와의 통합을 통해 더욱 강력한 AI 기능을 활용할 수 있습니다.
AI를 활용하여 데이터베이스의 자가 관리 기능을 강화했습니다. 자율 운영 데이터베이스는 데이터베이스의 성능을 최적화하고, 문제를 자동으로 감지하고 해결하며, 보안을 강화했죠. 이제 소수의 dba만 필요할 뿐입니다.
오라클은 데이터 과학자와 개발자들이 데이터베이스 가지고 AI 모델을 개발하고 배포할 수 있는 다양한 도구와 플랫폼을 제공하고 확장하고 있습니다.
MongoDB의 개발자 중심의 데이터 관리
MongoDB는 최근 AI를 위한 데이터 관리 접근 방식을 “개발자 우선 프로세스”로 정의했다는 소식을 전했죠. MongoDB는 인프라의 복잡함을 간소화하여 개발자가 데이터 작업에 집중할 수 있는 환경을 제공합니다.
클라우드 기반 데이터베이스 서비스인 MongoDB Atlas는 AI 애플리케이션 개발에 필요한 다양한 기능을 제공합니다. 예를 들어, 자연어 처리, 시계열 데이터 분석, 지리 공간 데이터 분석 등을 위한 도구를 제공하여 개발 생산성을 높이는 방식입니다.
특히, 벡터 검색을 통한 기능 강화로 문서 내 메타데이터와 운영 데이터의 통합 레이어를 지원하면서 복잡한 쿼리 기능을 제공하여 AI 구동 시 요구되는 복잡하고 다양한 데이터 처리에 적합합니다.
Ontotext의 지식 그래프의 중요성 강조
Ontotext는 지식 그래프와 의미론적 기술을 기반으로 한 강력한 AI 솔루션을 제공하는 기업입니다. 온투텍스트는 지식 그래프를 통해 데이터 간의 관계를 명확하게 연결하고, 이를 통해 더욱 심층적인 분석과 예측이 가능하도록 합니다.
데이터 레이크(Data Lake) 노력이 실패로 끝나는 주요 원인으로 데이터 탐색의 어려움을 지적했습니다. 많은 기술과 시스템이 존재하지만 이러한 기술들이 데이터의 의미와 맥락을 파악하지 못해 빛을 발하지 못하는 경우가 많다는 것이죠.
이에 대한 해결책으로 지식 그래프를 대안으로 제시하고 있습니다. 지식 그래프는 조직의 다양한 데이터 사일로 및 구조화 또는 비구조화된 데이터를 연결하는 데 탁월한 방법인데요.
최근에 프로젝트 나가면 인공지능과 더블어 그래프 db에 대한 관심들이 많더라고요. AI 데이터를 시각화하여 인사이트를 찾으려는 기업의 의지와 맞아 떨어진다고 생각했습니다.
마무리
존 그레이 블랙스톤 사장 세계지식포럼에 참석해 “주요 기술 기업은 과잉 투자보다 투자 부족의 위험이 크다”라고 말했습니다. 그래서 글로벌 기업들의 AI 투자는 하나의 큰 흐름으로 보입니다.
요즘 AI를 이용한 성공적인 결과를 낸 기업들이 나오고 있는데요. 좋은 결과를 위해서는 적절한 데이터 관리 기술의 지원이 필수입니다. 그런 측면에서 데이터 벤더들의 시장 경쟁 또한 치열하다고 볼 수 있네요.
