Snowflake, AI에 최적화된 엔터프라이즈 데이터 제공

개발자들은 새로운 앱이나 AI 에이전트 개발에 착수하기 전, 액세스 권한 승인이나 데이터 세트 업데이트를 기다리고 싶어 하지 않습니다. 또한 아무리 뛰어난 모델이라 하더라도 불완전하고 파편화된 오래된 데이터로는 한계를 극복할 수 없습니다.

AI를 제대로 활용하려면 데이터는 항상 가용하고, 액세스 가능하며, 활용 가능하고, 거버넌스가 적용된 상태여야 합니다. 이것이 실제 환경에서 실패하는 AI와 성공하는 AI를 가르는 핵심 차이입니다. 이러한 이유에서 Snowflake는 고객이 프로덕션 환경의 AI 배포와 지능형 애플리케이션을 구동하는 데 필요한 AI 지원 데이터를 항상 확보할 수 있도록 지원하고 있습니다. 이번에 발표된 최신 플랫폼 개선 사항은 트랜잭션 처리, 분석, 자동화된 최적화, 상호운용성, 엔터프라이즈급 거버넌스와 회복탄력성 전반에 걸쳐 있으며, 이를 통해 다음을 실현할 수 있습니다.

• 트랜잭션 데이터와 실시간 데이터를 포함하여 엔터프라이즈 전반의 모든 데이터를 AI에 최적화하도록 지원

• 내장형 지속 성능 최적화로 AI 시스템의 고성능 및 응답성 보장

• 운영, 분석 및 AI 워크로드 전반에서 데이터 이동과 파편화 감소

• 플랫폼에 기본 내장된 거버넌스 제어로 민감 데이터를 안전하게 AI 이니셔티브에 활용

• 엔터프라이즈급 상호운용성과 회복탄력성을 기반으로 AI를 안정적으로 확장

이제 Snowflake가 데이터, AI 및 실행 간의 격차를 어떻게 해소하고 있는지 자세히 살펴보겠습니다.

AI 최적화 데이터: AI 성공의 핵심

진정한 엔터프라이즈 인텔리전스를 제공하려면 AI는 컨텍스트가 풍부한 운영 데이터를 즉시 활용할 수 있어야 합니다. 이를 위해서는 데이터 전략과 데이터가 존재하는 시스템 모두를 현대화해, AI가 최신의 연결된 데이터를 기반으로 작동할 수 있도록 해야 합니다. 

Snowflake는 이 과제를 여러 측면에서 해결하고 있습니다. 레거시 플랫폼 현대화를 추진하는 조직을 위해 SnowConvert AI는 AI 기반 코드 변환 기능을 제공하며 AI 지원 데이터로 전환하는 과정을 가속화합니다(현재 GA 상태). 기본 AI 에이전트 개선을 통해 정확도는 높이고 지연 시간은 줄였으며, 새로운 내장형 유닛 테스트 접근 방식은 합성 데이터를 활용해 소스와 Snowflake 대상 데이터베이스 전반에서 실행 결과를 검증합니다. 또한 Sybase 저장 프로시저, 사용자 정의 함수(UDF), SSIS-to-dbt 프로젝트에 대한 마이그레이션 지원 범위를 확장해 비즈니스 크리티컬 로직을 유지하면서 수작업 마이그레이션 부담을 줄입니다. Snowflake 관리형 Apache Iceberg™ 테이블로의 AI 기반 변환(현재 GA 상태)은 Teradata를 위한 또 하나의 소스 테이블 변환 옵션을 제공합니다. 이를 통해 개방형 테이블 형식 상호운용성 요구를 충족하는 동시에 Snowflake 관리형 성능, 안정성, 거버넌스 제어를 유지할 수 있습니다.

애플리케이션 개발 과정에서 외부 데이터베이스나 캐싱 계층을 더 이상 추가하고 싶지 않다면, Snowflake Postgres와 Interactive Analytics의 강력한 조합이 해답이 될 수 있습니다. 이 두 가지는 모든 데이터 워크로드를 Snowflake에서 실행함으로써 개발자가 고성능 애플리케이션을 더 빠르고 손쉽게 구축할 수 있도록 지원한다는 공통된 목표를 가지고 있습니다.

Snowflake Postgres(GA 예정)는 트랜잭션 사용 사례를 위해 설계되었습니다. 이를 통해 Postgres를 Snowflake AI 데이터 클라우드에 도입해 애플리케이션과 AI 에이전트를 위한 프로덕션 지원 기반을 제공하며, 인프라 통합을 통해 아키텍처 복잡도를 간소화합니다. Snowflake Postgres는 불안정한 데이터 파이프라인에 의존하지 않고 트랜잭션 데이터와 분석을 통합하며, 검증된 보안, 회복탄력성, 확장성을 통해 엔터프라이즈 환경에 필요한 신뢰성을 지원합니다. 개발자는 100% Postgres 호환성과 고성능을 누릴 수 있고, 기업은 차세대 실시간 애플리케이션과 AI 에이전트를 구동하는 통합 플랫폼을 확보할 수 있습니다.

Snowflake Postgres는 다음과 같은 사용 사례에 적합합니다.

• 최신 앱 및 AI 개발: 고처리량 트랜잭션과 대규모 분석을 동시에 요구하는 새로운 유형의 컨텍스트 인식 지능형 애플리케이션을 지원합니다.

• 실시간 분석: ETL의 숨은 부담 없이 최신 운영 데이터를 AI 데이터 클라우드에서 분석 가능하도록 지원합니다.

• 운영 스토어: 기존 Postgres 애플리케이션을 코드 재작성 없이 그대로 이전해 웹 및 엔터프라이즈 애플리케이션 백엔드를 현대화하고 통합할 수 있습니다. 

Interactive Analytics는 읽기 중심의 분석 사용 사례를 위해 설계되어, 수천 명의 사용자가 동시에 분석 대시보드나 API에 액세스하더라도 서브초 단위의 응답 속도를 제공합니다. 이는 보다 확신 있는 의사결정, 더 빠르고 정확한 고객 서비스, 시장 동향에 대한 신속한 대응으로 이어질 때 강력한 경쟁 우위가 됩니다. Interactive Analytics는 다음과 같은 대규모 시나리오에 적합합니다.

• 사용자 대상 분석: 즉각적이고 빠른 응답 속도가 필수인 SaaS 애플리케이션에서 대시보드나 리포팅 모듈을 구동합니다.

• 고처리량 API: 대규모 동시 읽기 요청을 처리하는 데이터 집약적 API를 위한 분석 백엔드로 활용할 수 있습니다.

• 실시간 모니터링: 데이터가 유입되는 즉시 시각화가 필요한 텔레메트리, 옵저버빌리티, IoT 콘솔 등의 환경에서 저지연 서빙 계층을 제공합니다. 

AI 속도에 맞춘 성능

효과적인 AI는 배치나 오프라인이 아닌 실시간으로 작동해야 하며, 빠르고 예측 가능한 데이터 액세스가 필요합니다. 또한 지속적인 튜닝이나 수동 관리 없이도 수요에 맞춰 확장할 수 있어야 합니다. 

Snowflake Optima는 워크로드 이력을 지속적으로 자동 분석해 성능을 가속화하는 지능형 최적화를 제공함으로써 개발자와 AI 프로젝트의 생산성을 높입니다. Optima Metadata(GA)는 쿼리 성능 향상을 위해 워크로드별 메타데이터를 생성합니다. Optima Indexing과 함께 사용하면 개발자는 이제 스토리지, 인덱싱, 메타데이터 성능을 자동으로 최적화할 수 있습니다. 또한 Query Acceleration Service는 이제 Gen2 및 멀티 클러스터 웨어하우스에서 기본적으로 활성화되어 Apache Iceberg 테이블에 대한 쿼리를 포함한 핵심 쿼리의 실행 속도를 높이고, 사용자가 쿼리 사용량과 성능을 더 명확하게 파악할 수 있도록 지원합니다. 

한편 Snowflake는 Snowpipe Streaming, Dynamic Tables, Gen2 웨어하우스에 대한 꾸준한 개선을 통해 데이터를 지속적으로 수집 및 변환하고 준실시간으로 사용할 수 있도록 지원합니다. Snowflake Optima와 Interactive Analytics의 서브초 분석 성능이 결합돼, 실제 환경의 생성형 AI와 에이전트 기반 혁신 요구를 지원할 수 있는 안정적인 성능을 개발자에게 제공합니다.

신뢰할 수 있는 AI를 위한 거버넌스 기반의 개방적이고 상호운용 가능한 데이터

AI의 신뢰성은 이를 뒷받침하는 데이터에 달려 있습니다. 데이터가 처음 어디에서 생성됐는지 명확히 파악할 수 있어야 하며, 민감 데이터에 담긴 풍부한 인사이트를 안전하게 활용하고 다양한 형식과 위치에 저장된 데이터에 액세스할 수 있어야 합니다. 비즈니스 크리티컬 기능에 AI 도구를 활용하는 사례가 늘어날수록, 작은 오류나 환각 현상 하나만으로도 평판에 타격을 줄 뿐만 아니라 보다 치명적인 오류로 이어질 수 있습니다. 최근 KPMG 연구에 따르면, 응답자의 66%가 정확성을 평가하지 않은 채 AI 결과에 의존하고 있으며, 56%는 AI로 인해 업무에서 실수를 경험하고 있습니다.

거버넌스와 보안은 개발자가 신경 쓰지 않아도 되도록 플랫폼에서 기본적으로 작동해야 합니다. Snowflake에서는 거버넌스, 보안, 회복탄력성이 플랫폼에 기본 내장되어 있어, Snowflake 위에서 구축되는 애플리케이션과 AI는 처음부터 견고한 거버넌스 기반을 확보합니다. AI Redact(GA)를 비롯해 EU 전용 민감 데이터 분류기, 태그 기반 행 액세스 및 프로젝션 정책과 같은 기능을 통해 개인정보 보호를 침해하지 않으면서도 데이터 가용성을 유지한 채 민감 데이터 세트를 안전하게 분석하고 활용할 수 있습니다. 

데이터 품질 평가와 관리를 간소화하기 위해 데이터 품질 알림(PuPr) 기능 및 이상 감지 기능(GA)이 강화되었습니다. 외부 계보 기능(PuPr)을 통해 외부 소스의 데이터를 수집하고, 데이터 계보에 대한 완전한 엔드투엔드 가시성을 확보할 수 있습니다. 이를 통해 AI 모델이 신뢰할 수 있는 데이터 입력값을 기반으로 학습되고 있음을 확신할 수 있습니다. 데이터가 안정적으로 관리되는 상태가 되면 Snowflake Backups를 통해 보존 잠금이 적용된 변경 불가능한 백업을 생성할 수 있습니다. 이를 통해 데이터 손실, 변조, 사이버 공격으로부터 데이터를 보호하고, 가동 중단 시에도 중요한 데이터에 대한 액세스를 복구할 수 있습니다.

Snowflake는 개방형 레이크하우스 상호운용성도 지속적으로 확장하고 있습니다. 이를 통해 AI는 클라우드, 카탈로그, 데이터 형식에 관계없이 저장 위치와 무관하게 거버넌스가 적용된 데이터에 안전하게 액세스할 수 있습니다. Apache Iceberg V3 지원으로 VARIANT 데이터 유형을 활용한 반정형 데이터 처리가 가능해집니다(PuPr 예정). 또한 Horizon Catalog의 상호 운용성을 활용하면, Snowflake 관리 테이블을 모든 엔진에서 오픈 API를 통해 더욱 유연하게 액세스할 수 있습니다. 현재 외부 읽기 기능은 GA 중이며, 외부 쓰기 기능은 PuPr 단계입니다. Horizon Catalog(GA)는 Apache Iceberg 테이블에 대해 Snowflake와 Apache Spark 전반에서 행 및 컬럼 마스킹 정책을 일관되게 적용할 수 있도록 지원함으로써, Apache Iceberg 에코시스템 전반으로 통합 거버넌스를 확장하는 과정을 단순화합니다. 

Microsoft OneLake와의 새로운 통합 기능(GA)을 통해 고객은 Snowflake 또는 Microsoft Fabric에서 관리하는 Apache Iceberg 데이터에 대해 보안이 강화된 양방향 읽기 액세스 권한을 가질 수 있습니다. 이를 통해 복잡성이나 데이터 중복 없이 두 플랫폼 전반의 모든 데이터에 원활하게 액세스할 수 있습니다. 제품 임원진의 설명을 통해 이러한 접근이 어떻게 진정한 개방성과 상호운용성을 실현하는지 확인하고, 영상을 통해 새로운 기능을 더 자세히 살펴보세요. 팀, 클라우드, 리전 간 데이터 공유를 더욱 간소화하기 위해 개방형 테이블 포맷 공유는 Snowflake의 제로 ETL 공유 모델을 Apache Iceberg와 Delta Lake 등 다양한 형식으로 확장합니다. 개발자는 개방형 포맷 전반에서 협업하면서도 액세스와 비용에 대한 통제권을 유지할 수 있습니다.

설계 단계부터 AI에 최적화된 엔터프라이즈 데이터

Snowflake는 엔터프라이즈 데이터를 설계 단계부터 AI에 최적화할 수 있도록, 쉽고 연결되며 신뢰할 수 있는 데이터 파운데이션을 구축하는 기준을 한 단계 끌어올리고 있습니다. 개발자는 거버넌스, 상호운용성, 고성능이 처음부터 내장된 하나의 중앙 통합 플랫폼에서 지능형 애플리케이션과 프로덕션 수준의 AI 에이전트를 구축할 수 있습니다. 

Snowflake 플랫폼을 통해 데이터를 AI에 최적화하는 방법을 확인하고, AI 데이터 클라우드의 새로운 기능이 어떻게 엔터프라이즈 인텔리전스와 에이전틱 AI를 대규모로 구현하며 개발자 워크플로우를 현대화하는지 살펴보세요. 

미래 전망 진술

본 페이지는 당사의 향후 제품 제공 관련 내용을 포함한 미래 전망 진술을 제공하지만, 제품 제공에 대한 보장을 의미하는 것은 아닙니다. 실제 결과와 제공 내용은 달라질 수 있으며, 알려지거나 알려지지 않은 위험과 불확실성의 영향을 받을 수 있습니다. 보다 자세한 내용은 최신 10-Q를 참조하세요.