Snowflake 에이전틱 ML 기반으로 데이터에서 예측 인사이트까지의 경로 자동화 구축

Digital illustration of Snowflake ML linking to data sources and external outputs.

머신러닝(ML) 파이프라인 전반에서 모델을 개발하고 이동시키는 기존 방식은 느리고 수작업 의존도가 높아, 데이터 사이언티스트는 반복적인 문제 해결 작업에 많은 시간을 소모해야 했습니다. 이제 Snowflake는 AI 코딩 에이전트인 Cortex Code(GA)를 통해 에이전틱 ML을 도입하며 팀의 작업 방식을 변화시키고 있습니다. 데이터 사이언스 팀은 Cortex Code를 활용해 자연어 프롬프트만으로 프로덕션에 바로 적용 가능한 ML 솔루션 개발을 자동화하고, 거버넌스가 적용된 데이터와 동일한 플랫폼에서 이를 수행할 수 있습니다.

이미 많은 고객이 Snowflake ML 환경에서 에이전틱 ML의 강력한 기능을 활용해 프로덕션 워크플로우를 가속화하고 있습니다. 여기에는 350억 달러 규모의 자산과 4,500명 이상의 직원을 보유한 다주 기반 지주회사인 First National Bank of Omaha도 포함됩니다.

“First National Bank of Omaha는 Cortex Code를 도입해 콜센터 분석에서 예측 및 이상 감지 모델의 ML 개발을 자동화했습니다. 컨텍스트 전환을 제거하고 데이터와 액세스 권한을 완전히 이해한 상태에서 작업할 수 있어, 생산성을 10배 향상시키고 전체 워크플로우의 운영 효율성을 크게 높였습니다.”

Arun Swarnabadran

Director of Data Engineering, First National Bank of Omaha

에이전틱 ML은 조직 전반에서 머신러닝에 대한 접근성을 확대하고 있습니다. 현대 미디어 구매 방식을 재정의하는 크리에이티브 퍼포먼스 플랫폼 Kargo에서는 비기술 인력도 Cortex Code를 활용해 ML 개념을 탐색하고 있으며, 이를 통해 데이터 사이언스 팀과의 협업을 더욱 강화하고 있습니다.

“Kargo의 마켓플레이스 전략 팀은 Cortex Code를 활용해 신규 아이디어를 사전 검증하고 범위를 정의하며, 이를 데이터 사이언스 팀의 모델 개발 및 분석으로 이어지도록 연결하고 있습니다. 자연어 기반으로 ML 모델을 활용한 데이터 중심 인사이트 도출이 가능해지면서 조직 전반에서 데이터 사이언스 접근성이 크게 향상되었습니다.”

Kyle Green

VP of Marketplace Strategy, Kargo

Cortex Code 기반 에이전틱 ML 워크플로

에이전틱 ML은 반복적이고 번거로운 작업을 자동화하여 보다 신뢰할 수 있는 인사이트를 제공하고, 팀이 더 중요한 과제에 집중할 수 있도록 지원합니다. Cortex Code는 Snowflake ML에서 엔드투엔드 워크플로우의 설계, 구현, 최적화를 간소화하는 다양한 ML 전문 스킬을 제공합니다. 모델 학습, 추론을 위한 배포, 분산 훈련 실행, 하이퍼파라미터 튜닝, 성능 모니터링 등의 그 어느 단계에서든 Cortex Code는 관련된 전문 스킬을 자동으로 호출해 ML 수명 주기의 여러 단계를 지능적으로 가속화합니다.

데이터 사이언스 팀은 Cortex Code를 활용해 개발부터 추론까지 각 단계에서 최적의 기법을 에이전틱 방식으로 계획, 추론, 선택함으로써 완전한 기능을 갖춘 고품질 ML 파이프라인을 빠르게 구축할 수 있습니다. 또한 문서 탐색, 오류 디버깅, API 연결에 시간을 소모하는 대신, 도메인 전문성과 직관을 활용해 모델을 개선하고 인사이트 도출에 집중할 수 있습니다.

에이전틱 ML이 생산성을 높이는 대표적인 사례는 피처 엔지니어링입니다. 피처 중요도 평가와 신규 피처 추천은 기존에 수작업 중심으로 진행되며 많은 시간이 소요되는 작업이었습니다. 아래 데모 영상에서는 Cortex Code에서 몇 가지 자연어 프롬프트만으로 고객 이탈 예측 모델 프로토타입을 빠르게 반복 개선하고, 모델 유형별 피처 중요도를 평가하며, 중복되거나 취약한 피처를 정리하고, 모델 성능이 저하되는 지점을 정확히 파악해 새로운 피처 아이디어를 도출하는 과정을 확인할 수 있습니다.

Snowflake ML이 발전함에 따라 Cortex Code도 함께 진화하여 분산 훈련, DAG 기반 오케스트레이션, 멀티 모달 추론과 같은 복잡성을 신경 쓰지 않고도 새로운 기능 및 최적화를 활용할 수 있습니다. 이로써 생산성이 크게 향상되며, 반복 속도가 빨라지고 아이디어에서 성과까지의 전환이 더욱 가속화됩니다.

내부적으로 Cortex Code는 Snowflake ML의 완전 통합 플랫폼을 활용해 CPU와 GPU 전반에서 워크로드를 원활하게 확장하고 내장된 최적화를 제공합니다. 그 결과 오픈소스 라이브러리 대비 최대 3~7배 빠른 학습 속도와 기존 클라우드 공급자 대비 최대 10배 빠른 XGBoost 모델의 추론 지연 시간을 제공합니다.

시작하기

Snowflake에서 에이전틱 ML 파이프라인 구축은 작업 환경에 관계없이 기존 워크플로우에 직접 쉽게 통합할 수 있습니다. Cortex Code는 Snowflake Snowsight UI(GA)에서 직접 사용할 수 있으며 CLI(GA)를 통해 VS Code 또는 Cursor와 같은 터미널이나 코드 에디터에서도 사용할 수 있습니다.

Snowsight에서 Cortex Code는 Workspaces의 Snowflake Notebook에서 직접 실행할 수 있는 완전한 기능의 ML 파이프라인 형태로 검증된 솔루션을 제공합니다 Snowflake Notebooks는 대규모 AI/ML 프로덕션 워크플로우를 위해 설계된 Jupyter 기반 Container Runtime 환경에서 실행됩니다.

Cortex Code CLI를 사용하면 개발자는 터미널에서 직접 더 빠르게 변환 작업을 수행하고 오케스트레이션 워크플로우를 최적화하며 전체 컨텍스트 기반으로 디버깅할 수 있습니다.

지금 Cortex Code로 에이전틱 ML 파이프라인 구축을 시작하려면, 무료 체험 환경에서 CLI 또는 Snowsight를 통해 실시간 사기 감지 Quickstart를 사용해 보고 기술 예제를 위한 모범 사례 가이드를 확인하세요.