“기억력 짧은 인턴과 같다” 오라클이 제시한 AI 데이터 전략

AI의 한계 극복할 '온톨로지' 중심의 데이터 플랫폼

매일 아침 전날 학습한 업무 내용을 망각하는 똑똑한 인턴에게 일을 맡기는 상황과 거대언어모델(LLM)에 맥락 없이 원시 데이터만 입력하는 것은 본질적으로 다르지 않다. 스리칸트 고쿨나타 오라클 AI 데이터 플랫폼 및 애널리틱스 부문 수석 부사장은 미국 라스베이거스에서 개최된 '오라클 AI 월드 2026' 기간 중 진행된 인터뷰에서 이와 같은 비유를 들어 기업의 지식을 AI가 이해할 수 있는 형태로 재구성해야 할 필요성을 역설했다.

오라클은 이러한 업무적 맥락을 AI에 주입해 실무 활용도를 높이는 'AI 데이터 플랫폼'의 고도화에 집중하고 있다. 해당 플랫폼의 핵심 동력은 세 가지 축으로 구성된다. 업무 대상과 그들 사이의 규칙 및 관계를 정의하는 온톨로지, 이를 실제 데이터 및 분석 도구와 결합하는 시맨틱 추론 엔진, 그리고 에이전트의 활동을 통제하는 AI 거버넌스가 그것이다.

특히 오라클은 AI를 활용해 온톨로지를 구축하는 기술력을 차별화 요소로 내세웠다. 온톨로지는 상품, 고객, 재고 등 업무의 핵심 대상과 이들 간의 관계, 그리고 기업의 업무 절차와 규칙을 체계적으로 구조화한 결과물이다. 고쿨나타 수석 부사장은 AI가 온톨로지의 초안을 생성하는 어려운 작업을 수행하면, 조직의 실질적인 맥락을 아는 사람이 이를 수정하고 관리하는 방식으로 운영된다고 설명했다.

산업별 전문 지식 결합과 통합 거버넌스 구축

오라클은 이미 확보한 산업별 업무 지식 데이터베이스를 강점으로 활용한다. 고쿨나타 부사장은 유틸리티나 헬스케어 같은 특정 산업군이 이미 보유한 온톨로지가 존재함을 언급하며, 기존의 산업별 지식과 기업의 기반 시스템을 통합적으로 반영할 수 있다고 밝혔다. 이렇게 구축된 온톨로지의 맥락은 시맨틱 추론 엔진을 통해 구체적인 대응책으로 전환된다. 예를 들어 사용자가 재고 부족에 따른 조치 방법을 묻는다면, 엔진은 공급망 상황, 계절적 수요, 현금 흐름 및 기존 발주 물량과 납기일 등을 종합적으로 분석해 최적의 방안을 제시한다.

전사적 차원의 AI 거버넌스 측면에서는 관리 범위를 외부 에이전트까지 넓힌다. 오라클은 에이전트의 권한과 현황을 등록하고 관리하는 'AI 레지스트리'를 공통 기반으로 삼는다. 이미 수천 개의 에이전트를 운영 중인 고객을 위해, 오라클 제품 기반의 에이전트뿐만 아니라 외부에서 개발된 에이전트까지 레지스트리에서 통합 제어할 수 있는 환경을 제공한다는 방침이다.

이에 따라 오라클은 레지스트리를 기반으로 품질과 비용을 모니터링하고, 정책 평가와 테스트를 지원하는 'AI 거버넌스 앤드 컨트롤'을 선보일 계획이다. 이번 행사에서 발표된 AI 데이터 플랫폼의 신규 기능들은 향후 12개월 이내에 순차적으로 출시될 예정이다.

스노우플레이크 협업 및 고객 맞춤형 혁신 서비스

생태계 확장을 위한 외부 협력도 가속화한다. 오라클은 스노우플레이크와 손잡고 스노우플레이크 AI 데이터 클라우드를 오라클 클라우드 인프라스트럭처(OCI)의 네이티브 서비스로 제공하기로 했다. 지난 27일(현지시간) 발표된 이 협력 모델은 오라클의 데이터베이스 및 애플리케이션과 연계하여 분석과 AI 활용의 선택지를 넓히고, 클라우드 간 데이터 이동 시 발생하는 부담을 완화하는 것을 목표로 한다.

실제 현장 도입을 돕기 위한 'AI 데이터 플랫폼 혁신 서비스'도 운영한다. 이는 제품과 현장 투입 엔지니어(FDE)를 결합한 모델로, 고객과 함께 비즈니스 문제를 정의하는 단계부터 구축, 배포, 운영 전 과정을 지원한다. 고쿨나타 부사장은 비용을 들여서라도 해결해야 할 절실한 비즈니스 문제가 있고 이를 뒷받침할 임원이 존재할 때 성공이 뒤따른다고 강조하며, 고객이 문제를 가져오면 오라클의 인력과 자원을 투입해 함께 해결하겠다는 의지를 밝혔다.