Snowflake Startup Spotlight: Ekai

Snowflake Startup Spotlight에서는 스타트업 창업자들을 만나 그들이 해결하려는 문제, 개발 중인 앱, 그리고 스타트업 여정에서 얻은 교훈에 대해 이야기합니다. 이번 기사에서는 Ekai의 공동 창립자인 CEO Mo Aidrus와 최고 AI 책임자 Hussnain Ahmed를 만나봅니다. 두 사람은 데이터 엔지니어링, 에이전틱 AI와 컨텍스트, MLOps, 엔터프라이즈 클라우드 인프라 솔루션 엔지니어링 분야에서 20년 이상 쌓아온 경험을 바탕으로, 기업의 에이전틱 데이터 요구를 위한 더욱 효율적인 인프라를 구축하고 있습니다.

창업자로서 어떤 점에서 영감을 얻으시나요?

Ekai는 데이터와 AI를 활용하여 기업 환경을 더 효율적으로 만드는 데 전념하고 있습니다. 

현재 생성형 AI 도입 후 세 번째 해에 접어들었는데, 하나의 패턴이 뚜렷하게 나타나고 있습니다. 기업들은 ChatGPT, Claude AI, Grok 등과 같은 애플리케이션을 사용하거나 OpenAI, Anthropic, Google의 LLM API를 활용하여 맞춤형 애플리케이션을 구축하고 있습니다. 이러한 도구들은 일반적인 작업에서는 괜찮은 초기 결과를 내지만, 실제 비즈니스를 이해해야 하는 작업에 적용하려 하면 금세 한계에 직면합니다.

문제는 모델이 아니라, 컨텍스트입니다. 더 정확히 말하자면, 기업이 실제로 어떻게 운영되는지에 대한 구조화되고 쿼리 가능하며 기계가 읽을 수 있는 컨텍스트가 완전히 결여되어 있다는 것입니다. 엔터프라이즈 컨텍스트가 없으면 에이전틱 데이터 시스템은 제대로 된 가치를 제공할 수 없습니다.

Ekai는 이 문제를 어떻게 해결하려고 하나요?

사용 가능한 도구가 많음에도 불구하고, 물리적 데이터를 이해하고 맥락을 부여하여 비즈니스에 활용 가능한 인사이트로 전환하는 과정은 여전히 지나치게 느리고 수작업 위주로 이뤄져 있습니다. 그래서 대부분의 조직은 자사 데이터 플랫폼이 제공하는 기능을 제대로 활용하지 못하고, 고가의 데이터 카탈로그 역시 충분히 쓰이지 못하는 경우가 많습니다.

Ekai의 플랫폼은 비즈니스 분석가와 분석 엔지니어가 광범위한 IT 개입 없이 다양한 데이터 모델을 구축할 수 있는 ‘비즈니스 데이터 랩’을 제공함으로써 이러한 문제를 해결하고자 합니다. Ekai는 물리적 데이터에 연결해 패턴을 학습하고, 논리적 데이터 모델을 생성하며, 물리적 데이터를 비즈니스 개념과 결합하는 코드를 자동으로 생성합니다. 목표는 비즈니스 사용자가 IT에 프로덕션 배포를 요청하기 전에 모델을 프로토타입하고 테스트할 수 있도록 하는 것입니다. 

Ekai의 AI 채팅 에이전트는 물리적 데이터에 대한 이해를 바탕으로 지능적인 질문을 던져, 비즈니스 사용자가 시맨틱 모델을 정의할 수 있도록 돕습니다. 목표는 비즈니스 사용자가 IT에 프로덕션 배포를 요청하기 전에 모델을 프로토타입하고 테스트할 수 있도록 하는 것입니다. 

이 과정은 비즈니스 요구 사항을 구체화하는 데 도움이 되며, 데이터 아키텍트가 비즈니스 요구 사항 문서(BRD)를 작성하기 위해 워크숍을 진행하는 방식과 유사합니다. Ekai의 대화형 접근 방식은 비즈니스 사용자가 데이터 모델링에 쉽게 접근할 수 있게 해주며, 무엇보다도 조직 내에 암묵적으로 존재하는 지식을 문서화합니다. 

데이터 모델과 인사이트를 민주화하는 Ekai의 접근 방식은 시장의 다른 솔루션과 어떻게 다른가요?

우리는 데이터 혁신을 가속화하고 가치 실현 시간을 단축하는 데 집중하고 있습니다. Ekai의 독점 기술은 다음을 수행할 수 있습니다.

• 엔터티 관계를 자동으로 추론하고 카탈로그화하며, 확장 가능한 방식으로 구축합니다. 

• 기존 SQL 코드에 반영된 비즈니스 정의와 프로세스를 카탈로그화합니다.

• 비즈니스 사용자를 위한 정확한 데이터 제품 프로토타입을 구축합니다.

• 자연어 기반으로 정확하고 신뢰할 수 있는 데이터 검색을 가능하게 합니다.

• 물리적, 논리적 및 시맨틱 데이터에 대한 문서를 지속적으로 생성하고 업데이트합니다.

• 다운스트림 AI 애플리케이션을 위한 사양(Specification)을 생성합니다.

• 기업의 다크 데이터를 에이전틱 AI가 활용할 수 있는 형태로 준비합니다. 

Ekai는 고객의 데이터 웨어하우스에 연결해 엔터프라이즈 마인드맵과 온톨로지/엔터티 관계 다이어그램(ERD)을 자동으로 생성하여 데이터 관계를 파악합니다. 또한, 시맨틱 모델링을 통해 비즈니스 컨텍스트를 캡처하고, 다운스트림 AI 애플리케이션이 필요로 하는 모든 아티팩트를 생성합니다. 여기에는 데이터 카탈로그, 비즈니스 용어집, 지표 정의, 계보(Lineage) 맵, 검증 규칙 등이 포함됩니다. 이 모든 컨텍스트 계층이 자동으로 생성되고 지속적으로 유지됩니다. 

Ekai를 활용하면 데이터 제품을 만드는 데 3~6개월 걸리던 작업을 이제 AI로 단 3~4시간 만에 완료할 수 있습니다. 비즈니스 사용자는 더 이상 답답함을 느끼지 않으며, 적절한 엔터프라이즈 컨텍스트를 통해 시맨틱 모델을 손쉽게 생성할 수 있습니다.

Snowflake Native App Framework는 Ekai의 성장과 제품 개발 전략에 어떤 영향을 미쳤나요? 

Snowflake Native App Framework는 두 가지 핵심적인 도입 장벽을 해결하는 데 도움이 되기 때문에 우리에게 매우 중요한 요소입니다. 

첫째, 애플리케이션이 고객의 Snowflake 계정 안에서 전적으로 실행되기 때문에 모든 데이터와 메타데이터가 고객의 보안 경계 내에 머물며, 데이터 추출에 대한 우려를 제거하고 규제 산업에서 특히 중요한 규정 준수 승인 과정이 한층 더 빨라집니다. 

둘째, Ekai를 또 다른 외부 AI 도구가 아닌, Snowflake의 네이티브 확장으로 포지셔닝할 수 있게 합니다. 이는 고객이 기존 데이터 웨어하우스 인프라 내에서 거의 장애 없이 자동화된 데이터 모델링을 직접 배포할 수 있음을 의미합니다. 이로써 우리의 시장 진출 전략은 복잡한 통합 기반 판매에서 간소화된 활성화 경험 중심으로 전환되며, 이를 통해 더 빠른 도입과 제품 주도 성장을 촉진합니다.

Ekai는 Snowflake와 협력하게 되어 매우 기쁘며, 이를 통해 조달 과정의 부담을 줄이고 청구 및 미터링 기능을 바로 활용할 수 있게 됩니다. Crossbeam 플랫폼을 통한 공동 영업이 이미 시작되었습니다. 

앞으로 Ekai에서 어떤 미래를 그리고 계신가요?

AI가 분석을 주도하기 시작하면서, 이러한 수준의 자동화는 더 이상 단순한 경쟁 우위가 아니라 필수가 될 것입니다. AI 시스템은 충분히 맥락화되고 비즈니스에 바로 활용할 수 있는 데이터로 공급될 때에만 진정한 가치를 제공할 수 있습니다. 우리가 제공하는 것은 정확하고 일관되며 완전한 결과물을 보장하는 컨텍스트입니다. Ekai를 통해 기업은 정확하고 신뢰할 수 있는 에이전틱 코드 생성과 자연어 기반 쿼리를 활용하고, 자동화된 코드 카탈로그화 및 문서화의 이점도 누릴 수 있습니다.

Ekai의 솔루션에 대해 자세히 알아보려면 www.ekai.ai를 확인하세요. Ekai는 현재 Snowflake의 비공개 목록에서 이용할 수 있습니다. 시작하려면 https://ekai.ai/#contact로 문의해 주세요.

Snowflake를 기반으로 스타트업을 구축하고 있다면, Snowflake가 귀사의 목표를 어떻게 지원할 수 있는지 Powered by Snowflake Startup Program 에서 확인해 보세요. 2026 Snowflake Startup Challenge에도 꼭 참여해 보시기 바랍니다.