EDB 에이전틱 레이크하우스 공개, 원본 데이터 위에 AI를 올린다

데이터 사일로 시대, EDB는 왜 ‘에이전틱 레이크하우스’를 꺼냈을까?

EDB코리아가 6월 5일 기자간담회에서 트랜잭션, 분석, 벡터, AI 추론을 단일 포스트그레스 플랫폼으로 묶는 ‘에이전틱 레이크하우스(Agentic Lakehouse)’ 비전을 공개했다. 핵심은 데이터를 별도 분석 플랫폼으로 옮기는 대신, 원본 데이터(SoR) 위에서 AI를 직접 구동해 파이프라인을 줄이는 구조다. EDB는 이를 통해 동일 워크로드 대비 약 58% 낮은 비용과 52% 더 일관된 성능을 제시했고, 데이터브릭스, 스노우플레이크와 정면 경쟁 구도를 형성한다.

edb-agentic-lakehouse-postgres-ai-infographic

왜 지금 ‘데이터 위에 AI’ 구조가 부상하나?

에이전틱 AI가 본격적으로 기업 시스템에 진입하면서, 데이터 사일로와 복잡한 파이프라인이 가장 큰 병목으로 부상하고 있다. EDB가 지적한 문제의 핵심은 단순하다. 자율 AI 에이전트가 의사결정을 내리려면 ‘최신 원본 데이터’가 필요한데, 현재 대부분의 분석 플랫폼은 데이터를 자사 스택으로 이동시킨 뒤 복사본 위에서 추론을 수행한다. 그 결과 지연이 발생하고, AI는 이미 한 발 늦은 데이터를 보고 판단한다.

EDB코리아 김희배 지사장은 “고객 응대나 거래 판단에서 AI 에이전트는 전날 생성된 복사본이 아니라 실시간 데이터가 필요하다”며 “데이터를 옮기지 않고 SoR 위에서 분석과 AI를 실행하는 것이 차이점”이라고 강조했다. 이른바 HTAP(Hybrid Transactional/Analytical Processing) 구조를 한층 더 밀어붙여, 벡터 검색과 머신러닝까지 동일 엔진 안에서 처리하겠다는 구상이다.

EDB argues the agentic AI era requires running inference directly on operational data, not on stale downstream copies.

데이터브릭스, 스노우플레이크와 무엇이 다른가?

표면적으로는 단일 플랫폼에서 AI와 데이터를 운영한다는 점에서 데이터브릭스, 스노우플레이크와 유사해 보인다. 두 기업도 2026년 들어 모자익 AI 에이전트 브릭스, 코어텍스 에이전트(Cortex Agents) 등 풀스택 에이전틱 도구를 빠르게 확장하고 있다. 그러나 EDB는 ‘데이터 이동 자체를 없애는’ 아키텍처를 차별점으로 내세운다. 경쟁사가 자사 플랫폼으로 데이터를 끌어와 분석하는 모델이라면, EDB는 기업이 이미 운영 중인 포스트그레스 위에 AI 워크로드를 얹는다.

또 하나의 차별점은 과금 구조다. 클라우드 분석 플랫폼 다수가 소비량(consumption) 기반인 반면, EDB 웨어하우스 어낼리틱스는 용량(capacity) 기반이다. 자율 에이전트가 동시에 수천 건의 쿼리를 발생시키는 환경에서 비용을 예측 가능하게 유지하기 위한 설계다. 오픈소스 포스트그레스 기반이라 온프레미스, 국내 데이터센터, 하이브리드 어디든 배포할 수 있고, 데이터 통제권은 조직이 온전히 소유한다는 점도 강조됐다.

Unlike Databricks or Snowflake, EDB keeps data in place and ties pricing to capacity rather than consumption, aiming for predictable agentic-era costs.

숫자가 말하는 도입 효과는?

EDB가 공개한 고객 사례는 음원 유통 서비스 기업 샵캐스트(Shopcast)다. 기존 하둡 맵리듀스 기반 정산 플랫폼에서 12~18시간 걸리던 배치 작업이 EDB 웨어하우스PG 환경에서 55분으로 단축됐고, 정산 집계는 실시간으로 전환됐다. AI 이상 탐지 자동화로 오정산 사전 차단율은 99.2%, 수동 검수 작업은 80% 감소했다. 저작권 분쟁 추적도 기존 21일에서 3일로 줄어들었다.

플랫폼 성능 지표도 명확하다. EDB는 동일 워크로드에서 클라우드 데이터 웨어하우스 대비 약 58% 낮은 총소유비용(TCO), 약 52% 더 일관된 성능을 제시했다. 시장 환경 역시 이 흐름을 뒷받침한다. 포스트그레SQL은 2026년 6월 기준 관계형 DB 시장 점유율 18.57%로 2위에 올랐고, 오라클은 9.55%로 밀려났다. EDB 자체 추산으로는 2026년 말까지 전체 기업의 약 30%가 ‘소버린 성숙도’에 도달할 전망이다. 한편 가트너는 같은 시기 에이전틱 AI가 단순 챗봇 대비 5~30배의 토큰을 소비한다고 분석했고, 일부 기업은 연간 AI 예산을 3개월 만에 소진하는 사례까지 보고됐다.

Shopcast cut settlement time from 18 hours to 55 minutes, while EDB claims 58% TCO savings and 52% more consistent performance versus cloud warehouses.

한국 시장에서 통할 카드인가?

EDB의 승부수는 한국 금융·공공 부문의 ‘소버린(주권형) 요구’와 정면으로 만난다. 정부는 2026년 R&D 예산 35.3조원 가운데 10.1조원을 AI에 배정했고, 제조·금융·공공행정을 핵심 도입 영역으로 지정했다. 데이터 주권과 비용 통제가 동시에 요구되는 영역인 만큼, 데이터를 자사 클라우드로 이동시키지 않고 기업 인프라 위에서 운영하는 EDB 모델은 일부 공공·금융 기관의 검토 대상에 충분히 오를 수 있다.

다만 경쟁 강도도 만만치 않다. 네이버클라우드는 한국은행을 비롯한 공공 시장에서 입지를 굳혔고, 엔비디아와 글로벌 AI 팩토리 동맹까지 선언했다. SKT 컨소시엄 주도 ‘소버린 AI 파운데이션 모델’ 프로젝트도 진행 중이다. EDB가 강조하는 ‘탈오라클·오픈소스·온프레미스 가능’이라는 조합이 실제 어디까지 침투할지는, 교보문고, 현대자동차, 신한EZ손해보험, IBK기업은행 등 기존 마이그레이션 사례 이후의 확장 속도가 가늠자가 될 전망이다.

EDB’s sovereign, on-premises-friendly model lines up well with Korea’s 10.1 trillion won AI budget, but Naver Cloud and SKT-led consortiums already dominate the public sector.

자주 묻는 질문

Q. 에이전틱 레이크하우스가 기존 레이크하우스와 다른 점은 무엇인가요?

기존 레이크하우스는 데이터 저장과 분석을 통합하는 데 초점이 있었다면, 에이전틱 레이크하우스는 자율형 AI 에이전트가 동시에 수많은 쿼리를 발생시키는 환경에서 실시간 원본 데이터에 접근하도록 설계된 구조다. EDB는 트랜잭션, 벡터, 분석을 단일 포스트그레스 엔진에서 처리해 데이터 이동을 최소화한다.

Q. EDB가 강조하는 ‘소버린 AI’는 정확히 무엇을 의미하나요?

데이터의 위치, 통제권, 운영 권한을 조직이 온전히 소유하는 구조를 뜻한다. 오픈소스 포스트그레스 기반이라 온프레미스, 국내 데이터센터, 하이브리드 환경 어디든 배포할 수 있고, 외부 LLM에 데이터를 노출하지 않은 채 AI 추론을 수행할 수 있다는 점이 핵심이다.

Q. 데이터브릭스나 스노우플레이크와 비교했을 때 비용 측면의 차이는?

데이터브릭스, 스노우플레이크는 다수가 사용량 기반(consumption-based) 과금이라 에이전트가 동시에 발생시키는 대량 쿼리에 따라 비용이 급증할 수 있다. EDB는 용량 기반(capacity-based) 과금을 제시하며 동일 워크로드 기준 약 58% 낮은 TCO를 주장한다.

Q. 한국 기업이 EDB로 전환할 때 어떤 점을 고려해야 하나요?

오라클 호환성과 마이그레이션 단계 설계가 가장 큰 변수다. EDB는 단계적 전환을 통해 마이그레이션 리스크를 줄이고 총소유비용을 절감할 수 있다고 설명하지만, 운영 인력의 포스트그레스 전문성과 기존 워크로드의 의존성도 함께 검토해야 한다.