【드래곤 스포츠】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 뉴스 : 안구정화

로그인

글쓰기

[IT뉴스]토큰 비용에 막힌 AI 확산…몽고DB “해법은 데이터 계층”

온카뱅크관리자

2026-07-10 10:17:29

<div id="layerTranslateNotice" style="display:none;"></div> [인터뷰] 톨스튼 발터 몽고DB 디렉터 “프로덕션 AI, 데이터 현대화가 관건” 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="Ws0ifspXhJ">
 <figure class="figure_frm origin_fig" contents-hash="6a7d975aabab7ce90805162efb038b943fc05d15c42bc223beba96daff025c48" dmcf-pid="YuJTDuiPhd" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/10/552796-pzfp7fF/20260710100848843eqag.jpg" data-org-width="640" dmcf-mid="yS7gPhztyi" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/10/552796-pzfp7fF/20260710100848843eqag.jpg" width="658">
 </figure>
 [디지털데일리 이안나기자] 한국 기업 AI 도입이 개념검증(PoC)을 넘어 실제 업무 적용 단계로 접어들었지만 현장에서는 데이터 품질과 레거시 시스템이 병목이라는 지적이 끊이지 않는다.
 몽고DB가 시장조사기관 IDC에 의뢰해 지난 4월 발간한 보고서 ‘레거시 현대화: AI 시대의 승리 전략’은 이 간극을 수치로 보여준다. 국내 기업 96%가 현대화 실패나 프로젝트 지연을 경험한 반면 기술 부채를 해소한 선도 기업은 일반 기업(24%)보다 약 3배 높은 디지털 수익(70%)을 창출하고 있었다.
 지난 2일 톨스튼 발터(Thorsten Walther) 몽고DB CXO 어드바이저 매니징 디렉터는 &lt;디지털데일리&gt;와 화상으로 만나 보고서 함의와 한국 기업 AI 전환의 현주소를 짚었다. 이번 조사는 지난해 말 한국·호주·중국·인도 등 아시아태평양 8개국 1400개 기업을 대상으로 진행됐다.
 ◆ 준비도는 높지만 96%는 실패 경험…“관건은 실행력”
 발터 디렉터는 AI 프로젝트가 운영 단계로 넘어가지 못하는 이유에 대해 “많은 조직이 파일럿까지는 성공적으로 만들어낸다”며 “그러나 실제 운영환경에 투입된 AI(프로덕션 AI)는 운영 데이터와 확장성, 유연성에 훨씬 큰 부담을 지우는데 바로 그 지점에서 레거시 아키텍처가 제약이 된다”고 말했다. 실제 국내 기업들은 소프트웨어 개발 최대 과제로 데이터 관리와 낮은 데이터 품질(37%), AI 워크로드를 감당하지 못하는 노후 데이터베이스 기술(33%)을 꼽았다.
 그가 문제 뿌리를 모델이 아닌 데이터에서 찾는 이유는 분명하다. 발터 디렉터는 “모델 레이어는 이미 상품화돼 누구나 같은 모델에 접근할 수 있다”며 “차별화는 결국 조직만이 가진 고유의 데이터에서 나온다”고 강조했다. 모두가 같은 모델을 쓰는 이상, 성패는 그 모델에 어떤 데이터를 물리느냐에서 갈린다는 얘기다.
 그렇다면 한국은 어디쯤 와 있을까. 진단은 양면적이다. 기존 아키텍처 제약 탓에 새 애플리케이션을 개발하지 못한다고 답한 국내 기업은 20%로 아태 평균(43%) 절반 이하지만 96%는 현대화 실패와 지연을 겪었다. 발터 디렉터는 “한국은 기술적으로 매우 잘 준비된 위치에 있다”면서도 “아키텍처 준비도가 성공을 보장하지는 않는다. 한국이 채워야 할 것은 실행력”이라고 짚었다.
 이 실행은 정부가 대신해줄 수 없는 영역이라는 점도 분명히 했다. 한국 정부가 그래픽처리장치(GPU) 등 AI 인프라에 대규모 투자를 집중하는 데 대해 발터 디렉터는 “정부가 인프라에 투자하는 것은 매우 좋은 일”이라면서도 “데이터는 기업 고유의 해자인 만큼 인프라와 데이터 준비 둘 다 필요하다. 인프라가 갖춰져도 그 인텔리전스를 활용할 데이터 플랫폼을 준비하지 않으면 뒤처진다”고 말했다.
 ◆치솟는 토큰 비용…해법은 모델 아닌 데이터 계층에
 기업이 준비해야 할 데이터는 성격부터 달라지고 있다. 발터 디렉터는 “AI는 데이터를 읽기만 하는 게 아니라 쓰고, 만들고, 완전히 새로운 데이터 스키마를 창조한다”며 “지난 50년간 어떤 데이터를 관리하고 저장할지는 인간이 정의해왔지만 AI가 이를 바꿨고, 전통적인 관계형 데이터베이스(RDB)로는 대응하기 어렵다”고 말했다. 그가 한국 기업의 취약 지점으로 꼽은 것도 바로 이 대목이다.
 데이터 계층 문제는 곧바로 비용으로 이어진다. 최근 기업들의 화두인 토큰 비용에 대해 발터 디렉터는 “AI 애플리케이션 비용이 폭증하는 것은 거대한 컨텍스트를 통째로 모델에 던지기 때문”이라며 “맥락을 좁혀 꼭 필요한 정보만 전달하면 비용과 환각을 동시에 줄일 수 있다”고 설명했다.
 토큰 비용은 모델에 넣고 빼는 데이터량에 비례하는 만큼 벡터 검색으로 정확한 데이터만 골라 모델에 넘기는 데이터 플랫폼이 곧 비용 절감 장치라는 얘기다. 몽고DB가 지난해 인수한 임베딩 전문기업 ‘보이지AI’가 이 역량 핵심 축이다.
 데이터베이스 선택 논쟁에도 같은 잣대를 댔다. 개발자들 사이에서 포스트그레SQL이 표준처럼 자리 잡는 분위기에 대해 그는 “어떤 기술이든 쓰임새는 있다”면서도 유연한 데이터 스키마와 내장 벡터 검색 등 프로덕션 환경에서 AI를 작동시키는 역량이 관건이라고 선을 그었다.
 실제 AI 앱 개발 플랫폼 이머전트 랩스(Emergent Labs)는 데이터베이스 비교 테스트 끝에 AI 에이전트 오류가 가장 적었던 몽고DB 아틀라스를 기본 DB로 채택했고 이 플랫폼에서만 약 200만개 앱이 만들어졌다.
 ◆ “한 번에 다 바꾸지 마라”…LG유플러스는 4개월 만에 성과
 복잡한 레거시를 안고 있는 기업은 어디서부터 손대야 할까. 발터 디렉터는 “현대화는 단순히 클라우드로 옮기는 게 아니라 AI 혁신을 가로막는 레거시 제약을 제거하는 작업”이라며 “모든 것을 한 번에 교체할 필요는 없다. AI 비즈니스 가치가 가장 큰 애플리케이션과 유스케이스부터 시작하라”고 조언했다. 실제 국내 선도 기업 43%는 레거시 제약을 해소하기 위한 복수의 프로그램을 동시 운영하고 있다.
 이런 접근이 성과로 이어진 국내 사례로는 LG유플러스를 들었다. LG유플러스는 몽고DB 아틀라스 기반으로 ‘AI 에이전트 어시스트’ 툴을 4개월 만에 구축했고 리소스 효율은 30% 개선됐다. 호주 핀테크 플랫폼 기업 랜디그룹도 관계형·비관계형 DB가 뒤섞인 복잡한 인프라를 몽고DB 기반 통합 운영 데이터 계층으로 재편하며 ‘AI 네이티브 기업’ 전환을 추진 중이다. 발터 디렉터는 이 데이터 계층을 “AI를 위한 컨텍스트 레이어”라고 표현했다.
 국내 최고정보책임자(CIO)들을 향한 마지막 조언 역시 데이터였다. 발터 디렉터는 “은행들은 방대한 데이터를 갖고도 일부만 활용해왔고, 과거에는 그래도 괜찮았지만 이제 데이터는 기업 자본이자 경쟁우위”라며 “데이터에 집중해 제대로 정비하고 AI 에이전트와 구성원들이 쓸 수 있도록 준비해야 한다”고 말했다.
 </section> 
 </div> 
 Copyright © 디지털데일리. All rights reserved. 무단 전재 및 재배포 금지.

댓글 총 0개

이번주 포인트랭킹

매주 일요일 밤 0시에 랭킹을 초기화합니다.

14,000상품권
23,000상품권
32,000상품권

업체홍보/구인 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기