반도체 전문 온라인 매거진 - 올포칩

소버린(Sovereign, 데이터 주권) AI 및 데이터 선도 기업인 EDB (지사장 김희배, www.enterprisedb.com )은 AI 데이터 플랫폼인 ‘EDB 포스트그레스 AI(EDB Postgres AI, 이하 EDB PG AI)’가 독립 연구기관 맥나이트 컨설팅 그룹(McKnight Consulting Group)이 수행한 ‘AI 에이전트 데이터베이스(Data Base for AI Agent)’ 성능 테스트에서 주요 경쟁 플랫폼 대비 우수한 성능을 기록했다고 밝혔다. 

이번 벤치마크는 독립 리서치 기관인 맥나이트 컨설팅 그룹(McKnight Consulting Group)이 수행했으며, EDB PG AI를 비롯해 데이터브릭스(Databricks), 몽고DB(MongoDB), 크런치 브릿지(Crunchy Bridge), AWS 등 주요 데이터 플랫폼을 대상으로 AI 에이전트 운영 환경에서 중요한 핵심 성능 지표를 비교 평가했다. 이번 평가는 데이터베이스 성능 비교를 넘어, 기업이 AI 에이전트를 실제 운영 환경(Production)에 적용하기 위해 필요한 속도(Speed), 정확성(Accuracy), 데이터 최신성(Data Freshness), 안정성(Trustworthiness)을 검증한 것이다. 

AI 에이전트 시대, 성능을 결정하는 것은 데이터 기반

최근 기업들은 생성형 AI를 넘어 스스로 데이터를 검색하고 판단하며 업무를 수행하는 AI 에이전트(AI Agent) 도입을 본격화하고 있다. 그러나 많은 기업이 AI 에이전트 파일럿 단계 이후 실제 운영 과정에서 데이터 관리 문제에 직면하고 있다. AI 에이전트가 엔터프라이즈 환경에서 안정적으로 작동하려면 단순히 우수한 AI 모델을 확보하는 것만으로는 부족하다. 무엇보다 ▲이전 대화와 업무 맥락을 유지하는 에이전트 메모리(Agent Memory), ▲기업 고유 데이터에서 정확한 정보를 검색하는 지식 소스(Knowledge Source), ▲데이터 기반 의사결정을 안전하고 일관되게 실행하는 툴 프로바이더(Tool Provider) 역량 등이 필요하며, 이를 충족하기 위해서는 AI 모델 자체보다 이를 뒷받침하는 데이터 플랫폼 역량이 중요하다. 

맥나이트 컨설팅 그룹의 테스트 결과, EDB PG AI는 AI 에이전트 운영 환경을 평가하는 주요 지표에서 경쟁 플랫폼 대비 뛰어난 성능을 기록했다. 주요 결과는 다음과 같다.

• 최악의 응답 시간(Tail Latency) 기준 Databricks 대비 최대 138배 빠른 쿼리(Query) 성능 제공: Tail Latency 기준 EDB PG AI의 최악의 쿼리 응답 속도는 Databricks 대비 최대 138배 빠른 성능을 기록했다. 평균 성능보다 실제 운영 환경에서 발생하는 최악의 응답 시간이 사용자 경험과 시스템 신뢰성을 좌우한다.

• 5천만 개 벡터(Vector) 규모에서도 100밀리초(ms) 이내 응답 지원: AI 에이전트는 대규모 데이터에서 의미 기반 검색을 수행하기 위해 벡터 검색(Vector Search)을 활용한다. EDB PG AI는 5천만 개 벡터(Vector) 규모 환경에서도 은행 카드 승인과 같은 실시간 서비스 요구 수준인 100밀리초(ms) 이내 응답 성능을 유지했다.

• 하이브리드 검색(Hybrid Search) 환경에서 경쟁 플랫폼 대비 2배 이상의 관련 정보 검색: 실제 기업 환경에서는 단순한 벡터 검색보다 의미 기반 검색(Semantic Retrieval)과 구조화 데이터 필터링(Structured Filtering)을 결합한 하이브리드 검색(Hybrid Search)이 중요하다. 벤치마크 결과 EDB PG AI는 가장 까다로운 검색 조건에서도 경쟁 플랫폼 대비 2 배 이상의 관련 정보 검색 결과를 제공했다. 이는 AI 에이전트가 의사결정 과정에서 더 많은 근거 데이터를 확보할 수 있음을 의미한다. 예를 들어 의료 분야에서 AI 에이전트가 희귀 질환이나 약물 상호작용 사례를 검색할 경우, 동일한 답변이라도 충분한 데이터 근거를 확보했는지 여부에 따라 결과의 신뢰성이 달라진다.

• 신규 데이터 저장 후 16밀리초(ms) 이내 검색 가능, Databricks는 최대 5초 소요: AI 에이전트는 최신 데이터를 기반으로 판단해야 한다. 그러나 기존 데이터 플랫폼에서는 데이터 저장 이후 검색 가능 상태가 되기까지 지연이 발생할 수 있다. 벤치마크 결과 EDB PG AI는 신규 데이터 업데이트 이후 16밀리초(ms) 이내 검색 가능 상태를 제공했다. 반면 Databricks 환경에서는 동일한 데이터가 검색 가능해지기까지 최대 5초가 소요됐다.

• 동시 처리 환경에서 초당 360회의 Read Loop 처리, Databricks는 1.5회 기록: 다수의 AI 에이전트가 동시에 데이터를 조회하는 동시 부하 환경에서 데이터 조회 처리 성능을 측정한 결과, EDB PG AI는 초당 360회의 데이터 읽기 처리 사이클(Read Loop)을 수행한 반면, Databricks는 1.5회를 기록했다. 이를 통해 실시간 AI 서비스 환경에서 요구되는 높은 처리 성능을 입증했다.

• Recall@10 기준 높은 검색 정확도를 제공하며, 더 적은 토큰(Token) 사용으로 AI 추론 비용 절감: 벤치마크에서는 AI 에이전트가 의사결정을 위해 확보하는 정보의 완전성을 측정하는 ‘Recall@10(검색 결과 상위 10개 안에 정답 인물이 포함되는 비율)’ 지표도 평가했다.  EDB PG AI는 테스트한 모든 데이터 규모에서 경쟁 플랫폼 대비 더 높은 검색 정확도를 제공하면서도, AI 모델에 전달하는 토큰 수를 줄였다. 이는 AI 서비스 운영 시 추론 비용 절감과 응답 품질 향상으로 이어진다 

EDB PG AI, 규제 산업에 최적화된 강력한 성능 기반의 AI 데이터 플랫폼 제공

금융, 의료, 통신, 공공 분야처럼 AI 결과에 대한 검증과 감사가 필요한 산업에서 데이터 플랫폼 성능이 더욱 중요하다. 

일본 최대 지역 통신사인 NTT East는 EDB PG AI 기반 운영 에이전트를 활용해 네트워크 장애를 분석하고 엔지니어 현장 출동 여부를 판단하고 있다. NTT East는 AI 에이전트가 확보하는 장애 패턴 데이터의 정확도를 높임으로써 불필요한 현장 출동을 20% 감소시켰으며, 연간 약 3,000건의 엔지니어 출동을 절감했다. 

또한 교보문고(Kyobo Book Centre)와 MNTN 등 기업들도 EDB PG AI를 활용해 AI 기반 데이터 플랫폼 환경을 구축하고 있다. 

특히 전세계 주요 기업들 대부분이 이미 Postgres 기반 데이터 환경을 운영하고 있어, 기업이 EDB PG AI를 도입하고자 할 때, 기존 Postgres 환경에서 확보한 운영 경험, 보안 정책, 컴플라이언스 체계를 유지하면서 별도의 데이터 파이프라인(Data Pipeline)이나 추가 플랫폼 없이 분석과 AI 기능을 확장할 수 있다. 

EDB 데이브 스톤(Dave Stone) 제품 마케팅 총괄은 “AI 에이전트 시대의 가장 중요한 과제는 AI 모델 자체가 아니라 이를 안정적으로 운영할 수 있는 데이터 기반이다”라고 말하며, “이번 독립 벤치마크 결과는 EDB PG AI가 빠르고 정확하며 신뢰할 수 있는 AI 에이전트를 위한 엔터프라이즈급 데이터 플랫폼이라는 점을 보여준다. 기업은 새로운 AI 데이터베이스를 추가하는 것이 아니라 기존 Postgres 기반을 활용해 AI 혁신을 가속화할 수 있다”라고 말했다.