데이터에서부터 쌓아 올리다: 에이전틱 시대를 위한 신뢰할 수 있는 기반 | EDB Postgres® AI Q2-2026 릴리스
데이터에서부터 쌓아 올리다: 에이전틱 시대를 위한 신뢰할 수 있는 기반 | EDB Postgres® AI Q2-2026 릴리스
Lizzy Nguyen · 2026년 6월 23일
이 글은 Lizzy Nguyen, Maeve Sullivan, Jack Christie가 함께 작성했습니다.
에이전틱 시대는 데이터 계층에 더 많은 것을 요구합니다
오늘날 모든 기업이 똑같은 질문을 던지고 있습니다. AI 에이전트를 어떻게 실험 단계에서 프로덕션으로, 안전하게 그리고 대규모로 옮길 것인가?
이 에이전트들은 사람을 대신해 거의 실시간 속도로 추론하고, 판단하고, 행동합니다. 그만큼 그 아래 모든 것의 기준이 높아집니다. 믿을 수 있는 데이터, 흔들리지 않는 성능, 그리고 그 속도를 따라잡을 만큼 빠른 거버넌스가 필요해지죠.
고객들과 이 이야기를 나누면 늘 같은 긴장이 떠오릅니다. 하나는 인프라가 충분히 민첩하지 못하다는 점입니다. 다른 하나는 자기 데이터에 대한 통제권을 잃을지 모른다는 두려움이고요. 이 두 가지 탓에, 내부적으로 도입 압박을 받으면서도 프로덕션에서 AI 에이전트를 믿고 맡기지 못합니다. 그래서 우리는 일찌감치 방향을 정했습니다. AI 계층을 위에 덧붙이는(bolt-on) 대신, 데이터에서부터 쌓아 올리기로요. 이번 분기, 우리는 플랫폼 전체에 지능을 내장했습니다. 기업이 자기가 소유한 데이터를, 자기가 통제하는 환경에서, AI가 실제로 요구하는 속도로 다룰 수 있도록 말이죠.
오늘 우리는 새롭거나 강화된 열 가지 역량을 선보입니다. 주권(sovereignty)이나 통제권을 포기하지 않고도, 신뢰할 수 있는 AI를 배포하고 확장할 탄탄한 기반을 기업에 제공합니다. 이 글에서 다룰 주요 내용은 다음과 같습니다.
- 에이전틱 데이터베이스(Agentic Database): 스스로 튜닝하고, 확장하고, 문제를 해결하는 자가 최적화 Postgres로, 에이전트가 대규모로 동작하는 데 필요한 성능과 가용성을 제공합니다.
- 융합 분석(Converged Analytics), 새 EDB PG AI for ClickHouse 포함: 실시간·과거·운영 데이터를 ETL 없이 하나의 기반 위로 모읍니다.
- Agent Factory: Postgres 안에서 빠르고 정확한 벡터 검색을 제공한다는 점이 독립 벤치마크로 검증되어, 에이전트를 돌리기 위한 탄탄한 기반이 됩니다.
- AI 및 데이터 거버넌스(프리뷰): 데이터 계층에서 강제되는 에이전트 거버넌스.
자세히 살펴보겠습니다.
에이전틱 데이터베이스: 스스로 최적화하는 기반
데이터에서부터 쌓아 올리는 일은 데이터베이스 그 자체에서 시작됩니다. EDB PG AI의 새 에이전틱 데이터베이스 역량은 Postgres를 수동으로 운영하는 시스템에서 스스로 최적화하는 시스템으로 바꿔놓습니다. 에이전트가 요구하는 속도와 규모를 계속 유지하기 위해서죠. 20년이 넘는 EDB의 Postgres 전문성 위에 세워진 EDB PG AI는 이제 200개가 넘는 운영·성능 지표를 끊임없이 모니터링합니다. 그리고 최적의 최적화 방법을 판단해, 기업 정책이 허용하는 범위 안에서 그 변경을 직접 적용합니다. 문제가 사고로 번지기 전에 튜닝하고, 확장하고, 해결합니다. 마치 시니어 DBA처럼요. 다만 한밤중에 호출당할 일이 없는 DBA죠.
그 중심에는 새 **자동화 엔진(automation engine)**이 있습니다. 추천을 당신의 방식대로 실행으로 옮겨주는 엔진이죠. 지금은 추천된 인덱스를 자동으로 적용하고, 사용량이 임계치를 넘으면 CPU와 메모리를 확장하며, 자동 마이너·패치 업데이트로 클러스터를 최신 상태로 유지할 수 있습니다. 추천 스코어카드는 인덱스, 통계, 설정, 보안 차원에서 클러스터 건강 상태를 평가하고 정확한 해결책을 제시합니다. 클러스터에 실시간으로 연결된 상시 AI 어시스턴트는 지금 이 순간 데이터베이스가 하고 있는 일에 근거해 답합니다. 실제 쿼리, 실제 실행 시간, 실제 테이블 구조를 바탕으로요.
그림 1. EDB PG AI는 인덱스 자동 추가, CPU·메모리 확장, 챗봇을 통한 워크로드별 가이드 등 에이전틱 데이터베이스 역량을 제공합니다. 에이전틱 동작은 설정으로 켜고 끄거나 맞춤 구성할 수 있으며, 변경 불가능한 감사 추적으로 기록됩니다.
무엇보다 중요한 건, 자동화가 통제권을 희생하면서 이뤄지지 않는다는 점입니다. 어떤 동작을 자동으로 처리할지, 사람의 승인을 받을지, 예정된 유지보수 윈도까지 기다릴지는 당신의 팀이 정합니다. 모든 동작은(실행됐든, 대기 중이든, 거부됐든) 전체 감사 추적에 기록됩니다. 그리고 동일한 자문 계층이 MCP로 노출됩니다. 덕분에 당신이 직접 만든 AI 에이전트도 같은 전문성과 같은 가드레일을 통해 일할 수 있습니다.
결과는 측정 가능합니다. 데이터베이스 튜닝이 최대 10배 빨라졌습니다. 전문 DBA가 60~90분간 수작업으로 파고들던 일이, 이제는 단 몇 분이면 끝납니다. 플랫폼이 문제를 짚어내고, 정확한 해결책을 몇 초 만에 추천하고, 정책이 허용하는 곳에서는 직접 적용하기 때문이죠. 이 최적화는 최종 사용자 기준 애플리케이션 성능도 최대 8배 끌어올립니다. 그만큼 팀은 불 끄기에서 벗어나 가치 높은 일에 전문성을 쏟을 수 있습니다.
융합 분석: 실시간부터 페타바이트 규모까지, 당신의 통제 아래 (이제 GA: EDB PG AI for ClickHouse)
스스로 굴러가는 데이터베이스는 이야기의 절반일 뿐입니다. 당신의 데이터는 어떤 규모에서든 즉시 질문에 답할 수 있어야 합니다. 그래서 EDB PG AI는 이제 운영 데이터와 분석 데이터 사이의 간극을 없앱니다. 제로 ETL(zero-ETL) 아키텍처를 통해, 살아 있는 Postgres 데이터를 개방형 Apache Iceberg 카탈로그에 게시합니다. 모든 엔진과 모든 에이전트가 내보내기나 재적재 없이 그대로 읽어 가는, 단일하고 늘 최신인 신뢰 소스(source of truth)죠.
이 통합 카탈로그가 있기에 EDB PG AI는 모든 분석 질문을 하나의 플랫폼에서 답할 수 있습니다.
- 내 시스템 오브 레코드에서 무엇이 사실인가? (트랜잭션 Postgres)
- 이전에 무슨 일이 있었나? (EDB PG AI for WarehousePG, 페타바이트 규모의 과거 데이터 분석)
- 지금 무슨 일이 벌어지고 있나? (EDB PG AI for ClickHouse)
마지막 질문에 답하는 것이 바로 EDB PG AI for ClickHouse이며, 이번 릴리스의 일부로 정식 출시(GA)됩니다. 살아 있는 이벤트·로그 데이터에 대해 1초 미만의 분석을 제공합니다. 사기 점수 산정, 실시간 대시보드, 옵저버빌리티, 에이전트 컨텍스트 같은 것들이죠. 그리고 이미 Postgres에 연결된 채 도착하고, 설계부터 주권적이며, 필요한 어디에든 배포할 수 있는 유일한 엔터프라이즈 ClickHouse 경로입니다.
그림 2. EDB PG AI는 실시간 쿼리(EDB PG AI for ClickHouse), 페타바이트 규모 웨어하우징(EDB PG AI for WarehousePG), 레이크하우스 워크로드(EDB PG AI Analytics Accelerator)를 Postgres 중심의 개방형 기반 위에서 파이프라인이나 독점 종속 없이 통합합니다. 당신의 모든 분석 자산이 연결되고, 최신 상태로 유지되며, 완전히 통제됩니다.
지연이 허용되지 않는 워크로드를 위해
EDB PG AI for ClickHouse는 Postgres·WarehousePG와 똑같은 개방형 Iceberg 카탈로그에서 데이터를 읽습니다. 별도의 커스텀 커넥터나 ETL, 데이터 사본도 필요 없습니다. 즉, 트랜잭션이 Postgres에 들어오는 순간 EDB PG AI가 그것을 밀리초 단위로 쿼리할 수 있다는 뜻입니다. 어떤 지연도 용납되지 않는 유스케이스를 운영하는 기업에 특히 중요하죠. 예를 들면 이런 것들입니다.
- AI 에이전트를 위한 실시간 이벤트 컨텍스트: 실시간 이벤트 데이터를 MCP를 통해 에이전트 컨텍스트 계층에 공급해, 전체 분석 자산에 걸쳐 1초 미만의 결정을 가능하게 합니다.
- 실시간 사기·리스크 모니터링: 트랜잭션 이벤트를 수집해 밀리초 안에 리스크 점수를 돌려줍니다. 사기 탐지 에이전트가 같은 루프 안에서 실시간 신호와 과거 패턴을 함께 조회해, 거래가 승인되기 전에 사기를 잡아낼 수 있습니다.
- 운영 옵저버빌리티: OpenTelemetry 네이티브 시계열·로그 분석 백본으로 실시간 대시보드를 채우고, SRE 팀이 장애를 앞서 대응하게 합니다.
- 애드테크·디지털 분석: 웹 규모의 어트리뷰션, A/B 테스트, 전환 추적.
이런 워크로드는 이미 ClickHouse가 지배적인 오픈소스 선택지인 영역입니다. 이제 여기에 EDB PG AI의 엔터프라이즈급 안정성이 더해졌습니다.
운영 데이터, 실시간 분석, 페타바이트 규모 웨어하우징을 주권적 기반 위에 하나로 묶음으로써, EDB PG AI는 클라우드 데이터 플랫폼 대비 예측 가능한 코어당 가격으로 최대 58% 낮은 총소유비용(TCO)을 제공합니다. 고동시성 워크로드에서는 확장 효율이 최대 52% 더 높고요. 마이그레이션 경로도 몇 달이 아니라 몇 시간 단위로 측정됩니다.
새 데모에서 그 작동 방식을 확인해 보세요.
에이전트를 돌리기에 가장 좋은 기반
이 통합 데이터 계층은 에이전트가 가장 의존하는 것을 제공합니다. 이미 접근 권한이 있는 데이터에 대한 빠르고, 정확하고, 최신인 검색이죠. EDB PG AI는 또한 구조화된 데이터, 늘 최신인 지식 베이스, 벡터 검색을 Postgres 안에 한데 모읍니다. 위에 덧붙일 별도 시스템이 필요 없습니다.
핵심 단어는 ‘최신’입니다. 지식 베이스는 자동화된 파이프라인으로 동기화됩니다. 소스 데이터가 바뀌면 임베딩이 자동으로 다시 생성되고 다시 인덱싱됩니다. 그래서 에이전트는 오래된 스냅샷이 아니라 지금 사실인 것에서 검색해 옵니다. 게다가 검색이 Postgres 안에서 실행되기 때문에, EDB PG AI는 데이터 스택에 새 시스템을 더하지 않고도 올바른 결과를 빠르게 돌려줍니다.
McKnight Consulting Group의 새 독립 벤치마크는 EDB PG AI를 Databricks, MongoDB를 비롯한 주요 플랫폼과 나란히 놓고 테스트했습니다. 실제 AI 에이전트 워크로드의 요구에 걸쳐서요. 그 결과 EDB PG AI는 Databricks 대비 최대 99.4% 낮은 쿼리 지연 시간과 MongoDB 대비 93% 낮은 지연 시간을 기록했습니다. 동시에 테스트한 모든 플랫폼 중 가장 높은 정확도를 달성했고요. Databricks보다 17%, MongoDB보다 26% 높은 수치였습니다. 자율 에이전트가 요구하는 1초 미만의 속도와 정확도를, 아키텍처적 타협 없이 이뤄낸 셈입니다. 이 결과에 대한 심층 분석은 여기에서 확인하세요.
일본의 대표 통신사 중 하나인 NTT 동일본(NTT East)은 AI 기반 네트워크 운영을 추진하는 데 EDB PG AI를 활용하고 있습니다. 이들은 네트워크 문제를 자율적으로 감지·분석·대응하는 AI 에이전트를 구축하고 있습니다. 민감한 운영 데이터가 통신사의 통제 아래 머무는 프라이빗 환경 안에서 모든 것이 이뤄지고요.
데이터 계층의 거버넌스 (이제 프리뷰)
이 에이전트들이 더 많은 기업 업무를 맡게 되면서, 가장 어려운 질문이 떠오릅니다. 단지 ‘에이전트가 무엇을 할 수 있는가’가 아닙니다. ‘어떻게 규칙 안에 머물게 할 것인가’입니다. 대부분의 접근법은 에이전트가 이미 행동을 한 뒤에야 무슨 일이 있었는지 알려줍니다. EDB PG AI는 다른 길을 택합니다. 당신이 이미 데이터베이스에 쓰고 있는 그 신뢰할 수 있는 거버넌스를 에이전트에게로 확장합니다. 모든 쿼리가 반드시 지나가야 하고 정책을 우회할 수 없는 데이터 계층에서 강제되도록요. 위에 덧붙인 별도의 거버넌스 도구가 아닙니다. Postgres 네이티브 역할(role)과 행 수준 보안(row-level security)을 사용해, 에이전트가 실행하기 전에 그 선언된 목적을 데이터베이스가 먼저 검증합니다.
그림 3. EDB PG AI에서는 에이전트 거버넌스가 데이터베이스 안에서 이뤄집니다. 모든 에이전트는 연결 시점에 목적을 선언합니다. 어떤 데이터에 접근할 수 있는지, 어떤 동작을 할 수 있는지, 어떤 조건에서인지를요.
오늘부터 프리뷰로 제공되는 EDB PG AI는 전사적 에이전트 거버넌스의 기반을 제공합니다. 여기에는 새 감사 로그 뷰어가 포함됩니다. 모든 에이전트의 신원, 목적, 그리고 그 동작이 데이터베이스에 의해 허용됐는지 차단됐는지를 추적하죠. 덕분에 컴플라이언스·리스크·재무 팀은 AI 프로젝트를 승인하는 데 필요한 확신을 얻습니다. 그리고 당신은 에이전트를 출시하는 데 필요한 승인을 받게 되고요. 데모에서 작동 방식을 확인해 보세요.
올해 말에는 거버넌스 프레임워크를 확장할 예정입니다. 에이전트의 행동이 선언한 목적에서 벗어날 때 플랫폼이 이를 표시하도록요. 거버넌스가 발전해도 우리의 원칙은 변하지 않습니다. 자율 에이전트를 엔터프라이즈 정책에 묶어두되, 그것을 소스에서 강제한다는 것이죠. 거버넌스 전략을 더 알고 싶다면, 제품 관리 부문 VP가 진행한 이 팟캐스트를 확인해 보세요.
고객이 요청한 결과를 위해 만든 주요 역량들
이 네 가지 진전이 이번 릴리스의 머리글이지만, 모두 하나의 플랫폼에 속해 있습니다. 새롭거나 강화된 열 가지 역량 전체는 다음과 같습니다. 각각 고객이 우리에게 요청한 결과를 중심으로 만들어졌습니다.
- 에이전틱 데이터베이스(Agentic Database): 당신의 가드레일 안에서 스스로 튜닝·확장·문제 해결하는 자가 최적화 Postgres.
- 융합 분석(Converged Analytics): 모든 분석 질문에 대한 하나의 답. 실시간·과거·운영 분석을 하나의 개방형 기반 위에서, 이제 EDB PG AI for ClickHouse와 함께.
- Agent Factory: 검증된 Postgres 애플리케이션 기반 위에서 에이전트를 위한 최고의 데이터베이스를 제공합니다. 주권적 AI를 대규모로 구축·테스트·출시하세요.
- AI 및 데이터 거버넌스(AI and Data Governance) (프리뷰): 데이터 계층에서 강제되는 에이전트·데이터 거버넌스.
- 분산 고가용성(Distributed High Availability): Postgres를 절대 멈추지 않도록 설계된 데이터 플랫폼으로 만듭니다. 단 1초의 중단도 허용할 수 없는 비즈니스를 위한 상시 가동.
- 에이전틱 마이그레이션(Agentic Migration): 레거시와 클라우드 종속 데이터베이스에서 더 빠르게 벗어나는 길. Oracle 등으로부터의 AI 기반 마이그레이션을 수년이 아니라 며칠 만에.
- 웨어하우스 분석(Warehouse Analytics): 당신이 통제하는 오픈소스 위에서 페타바이트 규모 분석. 클라우드 웨어하우스 청구서도, 벤더 종속도 없습니다.
- Hybrid Manager: 전체 Postgres 자산을 배포·관리·관찰하는 단일 콘솔.
- Sovereign Data and AI Factory: Dell, HP, IBM, Supermicro, 그리고 선택적 NVIDIA GPU와 함께 제공되는 턴키 방식의 AI 준비형 엔지니어드 시스템.
- 오픈소스(OSS) 라이브러리: 안전한 환경에서 바로 띄울 수 있는 오픈소스 도구들. 개방성을 유지하면서 자신 있게 운영하세요.
정리하며
이번 분기, 우리는 점점 더 에이전틱해지는 기업의 필요를 최우선에 두었습니다. 운영 데이터가 인사이트를 만들고, 그 인사이트가 에이전트에 정보를 주고, 에이전트가 그 아래 살아 있는 데이터 위에서 행동합니다. 그러면서도 주권과 무결성은 해치지 않습니다. 그런 하나의 플랫폼을 제공했습니다.
시작할 준비가 되셨나요? 지금 문의해 주세요.
EDB Postgres AI Q2-2026 릴리스, 더 알아보기
도입이나 PoC, 데모가 궁금하시다면 EDB Korea로 문의해 주세요.
- 이메일: salesinquiry@enterprisedb.com
- 전화: 02-501-5113
- 문의하기 →
원문: Built From the Data Up: A Trusted Foundation for the Agentic Era | EDB Postgres® AI Q2-2026 Release (EDB Blog)
