오라클 "오픈소스 저렴?…숨겨진 비용 부담 커"
인공지능(AI) 시대가 도래하면서 기업들은 경쟁력을 확보하기 위해 대규모 데이터를 수집하고 활용하는 데 집중하고 있다. 그러나 데이터의 양이 폭발적으로 증가하면서 저장, 관리, 분석 과정에서 막대한 비용이 발생하고 있으며, 데이터 유형이 다양해지면서 시스템의 복잡성도 커지고 있다. 많은 기업이 비용 절감을 이유로 오픈소스 기반 데이터베이스(DBMS)를 선택하지만, 오라클은 초기 도입 비용이 저렴해 보일 뿐, 장기적으로 운영 비용과 유지 관리 부담이 커질 수 있다고 지적한다. 특히 보안 강화, 확장성 확보, 장애 허용성을 위한 추가 개발 및 유지보수 비용이 예상보다 크다는 점을 간과해서는 안 된다는 설명이다. 이러한 문제를 해결하기 위해 오라클은 '통합 데이터 아키텍처(Converged Data Architecture)' 전략을 제시하며 데이터 관리의 총소유비용(TCO)을 줄이는 솔루션을 제공하고 있다. 오라클의 데이터베이스는 단일 플랫폼에서 다양한 데이터 유형을 지원하여 운영 복잡성을 낮추고, 높은 수준의 보안과 확장성을 제공해 기업들이 장기적으로 보다 비용 효율적인 환경을 구축할 수 있도록 돕는다. 12일 오라클 티르탄카르 라히리 수석부사장과의 인터뷰를 통해 오라클의 데이터 전략과 AI 시대에서의 역할을 들어봤다. 아래는 티르탄카르 라히리 부사장과의 인터뷰를 일문일답 형식으로 정리했다 - AI시대에 오라클이 강조하는 경쟁력을 무엇인가? 오라클은 전 세계에서 규모가 큰 비즈니스 데이터를 보유하고 관련 서비스를 제공하고 있는 기업이다 이를 기반으로 AI를 적용하여 복잡한 AI 워크로드를 해결할 수 있다. 기존의 데이터베이스가 단순한 트랜잭션 및 분석을 위한 것이었다면, 오라클은 최신 벡터 인덱스를 추가해 AI 벡터 검색 기능을 강화했다. 이를 통해 AI와 데이터가 원활하게 결합되면서, 기업들이 AI 기반 검색과 분석을 보다 정교하게 수행할 수 있도록 지원하고 있다. - 오라클의 데이터 역량을 어떻게 AI 전략에 활용한다는 것인지 오라클의 AI 전략의 핵심 개념 중 하나는 '생성형 개발(GenDev)'이다. 이는 개발자가 AI 어시스턴트를 활용해 안전하고 검증 가능한 방식으로 애플리케이션을 개발할 수 있도록 돕는 개념이다. 단순히 AI가 코드를 생성하는 것이 아니라, AI가 생성한 코드와 결과물이 검증 가능하고 신뢰할 수 있도록 하는 것이 특징이다. 기존 챗GPT와 같은 모델은 코드를 대량으로 생성할 수 있지만, 오류 검증이 어렵다는 단점이 있다. 오라클은 이러한 문제를 해결하기 위해 AI 기반의 개발 지원 도구를 제공하고 있다. - 통합 데이터 아키텍처의 장점이 정확하게 무엇인가? 기존에는 각각의 데이터 유형을 처리하기 위해 서로 다른 데이터베이스를 운영해야 했다. 예를 들어, JSON 데이터를 처리하기 위해 NoSQL DB를 사용하고, 분석을 위해 별도의 데이터 웨어하우스를 구축해야 했다. 하지만 오라클의 통합 데이터 아키텍처를 활용하면, 모든 데이터 유형을 하나의 플랫폼에서 처리할 수 있어 데이터 일관성을 유지할 수 있으며 보안과 성능 면에서도 뛰어난 장점을 제공한다. 벡터 데이터와 같은 AI 기반 데이터도 기존 관계형 데이터와 자연스럽게 결합하여 활용할 수 있다. - 통합 데이터 아키텍처를 제시하며 비용 효율성을 강조했다. 오픈소스 DBMS와 어떤 차이점을 갖는 것인가? 많은 기업들이 비용 절감을 위해 오픈소스 데이터베이스를 활용하지만, 이는 보안과 확장성, 장애 허용성과 같은 엔터프라이즈급 요구사항을 충족시키지 못하는 경우가 많다. 오라클은 통합된 데이터 아키텍처를 통해 다양한 데이터 유형을 지원하며, 고급 보안 기능과 확장성을 제공한다. 반면, 오픈소스를 활용하는 경우 여러 개의 데이터베이스를 따로 운영해야 하며, AI를 결합하려면 각각 추가적인 개발과 관리가 필요하다. 이 과정에서 인력 등의 추가 비용이 발생하며 보안 위협이 커질 수 있다는 점을 고려해야 한다. - 오라클에서 지원하는 데이터 유형에는 어떤 것들이 있는가? 오라클은 JSON, 그래프, 벡터, 시계열 데이터 등 다양한 데이터 유형을 지원한다. JSON 데이터는 몽고DB와의 호환성을 제공하며, 그래프 데이터는 금융 및 보안 분야에서의 패턴 분석과 사기 탐지에 활용된다. 시계열 데이터는 IoT 및 텔레메트리 데이터 분석에 유용하며, 벡터 데이터는 AI 검색 및 AI 기반 추천 시스템에 사용된다. 기존의 관계형 데이터베이스(RDB)에서 벗어나, 다양한 데이터 유형을 통합적으로 처리할 수 있도록 하는 것이 오라클의 강점이다. - JSON 데이터 지원을 강화하고 있는 것으로 알고 있다. 그래프 DB에 대한 고객 반응은 어떤가? 그래프 DB는 관계형 데이터베이스 위에 그래프 개념을 적용하는 방식으로 제공되며, 금융 및 보안 업계에서 특히 높은 활용도를 보이고 있다. 예를 들어, 의심스러운 거래 패턴 탐지나 복잡한 네트워크 관계 분석에서 그래프 DB가 효과적이다. 기존 SQL 쿼리를 활용하여 이러한 패턴을 분석하려면 매우 복잡한 연산이 필요하지만, 그래프 DB를 활용하면 이를 훨씬 간결하고 직관적인 방식으로 처리할 수 있다. 오라클은 관계형 데이터 모델과의 자연스러운 통합을 통해 그래프 DB를 더욱 강력하게 지원하고 있으며, 기업들이 AI와 데이터 분석을 보다 효과적으로 수행할 수 있도록 지속적으로 개선하고 있다. - 지난해 발표한 지능형 데이터 레이크의 진행 상황이 궁금하다 지능형 데이터 레이크는 오라클의 자동화 데이터베이스 전략의 핵심 요소 중 하나이며 개방형 표준인 아이스버그 포맷을 지원하여 데이터를 저장하고 공유할 수 있도록 발전하고 있다. 기존 데이터 웨어하우스와의 원활한 연계를 통해 기업들이 보다 유연하게 데이터를 관리할 수 있으며, 분석과 머신러닝 모델 훈련을 더욱 효율적으로 수행할 수 있도록 설계되었다. 또한, 오라클의 데이터 레이크는 가상의 데이터 웨어하우스를 손쉽게 구축할 수 있도록 지원하며, 데이터를 안전하게 보관하고 분석할 수 있는 기능을 강화하고 있다. 이를 통해 기업들은 기존 데이터 자산을 보다 효과적으로 활용하고, AI와 데이터 분석 환경을 최적화할 수 있다. - AI시대 오라클의 목표는 무엇인가? 오라클의 목표는 기업용 AI 플랫폼으로 도약하는 것이다. AI 모델 및 벡터 임베딩의 위치를 고객이 자유롭게 선택할 수 있으며, AI 배포 방식에서도 퍼블릭 클라우드, 프라이빗 클라우드를 비롯해 에어갭(Air-Gap) 환경까지 통합 지원할 것이다. 특히 한국을 포함한 글로벌 기업들이 AI 도입을 본격화하며 데이터 보안 및 규제 준수에 대한 요구가 높아지고 있다. 오라클은 가상 프라이빗 데이터베이스(VPD), 리얼 애플리케이션 보안(RAS) 등 보안 기능을 강화해 기업들을 위한 온프레미스 AI 환경 제공을 확대할 방침이다. 이미 많은 기업들이 관심을 보이고 개념증명(POC) 등을 진행 중으로 관련 성과도 곧 선보일 수 있을 것으로 기대한다.
