본문으로 건너뛰기
피드

인포매티카, 스노우플레이크용 AI 거버넌스 기능 강화

ai-ml 약 5분
vote
0
댓글
북마크

인포매티카가 스노우플레이크 코텍스 AI와 연동되는 데이터 관리·거버넌스 기능을 공개했다. 에이전트가 쓰는 데이터 계층에 메타데이터 검색, 주소 검증, 행 수준 접근 정책, 아이스버그 테이블 스캐닝을 붙여 엔터프라이즈 AI 운영을 더 통제 가능하게 만드는 쪽이다.

  • 1

    스노우플레이크 코텍스 AI에서 인포매티카의 헤드리스 데이터 관리 기능을 호출할 수 있게 됨

  • 2

    행 수준 접근 정책을 중앙에서 정의하면 스노우플레이크 테이블로 자동 전파됨

  • 3

    스노우플레이크 관리형 아이스버그 테이블의 메타데이터, 계보, 민감 데이터 식별을 지원함

  • 인포매티카가 스노우플레이크 기반 엔터프라이즈 AI 운영을 겨냥해 데이터 관리·거버넌스 기능을 강화함

    • 발표는 미국에서 열린 '인포매티카 월드 2026'에서 나왔고, 스노우플레이크와의 협력 확대가 핵심임
    • 인포매티카는 지난해 세일즈포스에 인수된 상태라, 세일즈포스 생태계 안에서 데이터 거버넌스 포지션을 더 키우는 흐름으로도 볼 수 있음
  • 제일 눈에 띄는 건 스노우플레이크 코텍스 AI와 연결되는 '헤드리스 데이터 관리' 통합임

    • 코텍스 AI에서 에이전트를 만드는 사용자가 에이전틱 워크플로 안에서 인포매티카의 지능형 데이터 관리 클라우드 기능을 호출할 수 있음
    • 포함되는 기능은 클라우드 데이터 거버넌스·카탈로그 기반 메타데이터 검색, 주소 검증 같은 것들임
    • 즉, AI 에이전트가 아무 데이터나 긁어 쓰는 게 아니라 거버넌스가 걸린 데이터 계층을 붙여서 움직이게 하겠다는 얘기임

중요

> 기업용 AI에서 진짜 까다로운 건 모델보다 데이터 통제임. 에이전트가 쓸 데이터의 출처, 권한, 민감도, 계보가 안 잡히면 운영 단계에서 바로 막힘.

  • 접근 통제 쪽에서는 스노우플레이크 테이블에 대한 행 수준 접근 정책 관리가 정식 제공됨

    • 인포매티카 클라우드 데이터 접근 관리 프레임워크에서 중앙 정책을 정의하면 스노우플레이크 테이블로 자동 전파됨
    • 스노우플레이크 안에서 같은 정책을 다시 만들 필요가 없다는 게 포인트임
    • 금융, 제조, 공공처럼 사용자별 데이터 접근 범위를 빡세게 나눠야 하는 조직에는 꽤 실무적인 기능임
  • 오픈 데이터 포맷 지원도 같이 넓어짐

    • 인포매티카는 4월 릴리스의 일부로 스노우플레이크 관리형 아이스버그 테이블용 거버넌스·카탈로그 스캐너를 정식 제공함
    • 이 스캐너는 기술 메타데이터를 자동 추출하고, 엔드투엔드 데이터 계보를 매핑할 수 있음
    • AI 기반 프로파일링으로 민감 데이터를 식별한 뒤, 오픈 포맷 자산을 비즈니스 용어집과 거버넌스 정책에 연결함
  • 출시 상태는 기능별로 나뉨

    • 헤드리스 지능형 데이터 관리 클라우드 기능은 현재 프라이빗 프리뷰임
    • 정식 출시는 올여름 예정이고, 나머지 기능은 전 세계에서 정식 제공됨
    • 인포매티카 쪽 메시지는 명확함. 코텍스 AI에서 만든 에이전트와 분석 워크로드가 '고품질 데이터와 신뢰할 수 있는 맥락' 위에서 돌아가게 하겠다는 것임

기술 맥락

  • 이번 선택의 핵심은 AI 에이전트와 데이터 거버넌스를 같은 흐름 안에 넣는 거예요. 에이전트가 쿼리나 검증 작업을 대신해도, 그 에이전트가 접근할 수 있는 데이터 범위가 통제되지 않으면 기업 환경에서는 바로 리스크가 되거든요.

  • 인포매티카가 헤드리스 방식으로 붙는 이유는 사용자가 코텍스 AI 안에서 작업하더라도 별도 커넥터를 계속 만들지 않게 하려는 거예요. 데이터 관리 기능을 UI 제품처럼 따로 여는 게 아니라, 에이전틱 워크플로 안에서 필요한 기능으로 호출하게 만드는 쪽에 가까워요.

  • 행 수준 접근 정책 자동 전파도 실무적으로 큽니다. 중앙에서 정의한 정책이 스노우플레이크 테이블로 내려가면, 데이터 플랫폼 팀이 같은 정책을 여러 시스템에 중복 구현하면서 생기는 누락과 불일치를 줄일 수 있어요.

  • 아이스버그 테이블 스캐닝은 오픈 포맷 자산까지 거버넌스 범위에 넣겠다는 의미예요. 기업 데이터가 웨어하우스 안에만 있는 게 아니기 때문에, 메타데이터·계보·민감 데이터 식별을 같이 잡아야 AI가 참고하는 데이터의 신뢰도를 설명할 수 있어요.

기업용 AI 에이전트 경쟁이 모델 성능만으로 끝나지 않는다는 얘기다. 실제 운영에서는 누가 어떤 데이터에 접근했는지, 민감 데이터가 어디에 있는지, 에이전트가 믿을 만한 맥락을 보고 있는지가 더 골치 아픈 문제라서 이런 거버넌스 통합이 점점 중요해질 수밖에 없다.

댓글

댓글

댓글을 불러오는 중...

ai-ml

유튜브, AI 생성 영상에 자동 라벨 붙인다

유튜브가 사실적으로 보이거나 의미 있게 AI로 변경·생성된 콘텐츠에 더 눈에 띄는 라벨을 적용하고, 제작자가 AI 사용 여부를 밝히지 않아도 내부 신호로 감지되면 자동 라벨을 붙이겠다고 밝혔다. 다만 라벨만으로 추천 노출이나 수익화 자격이 바뀌지는 않으며, 제작자는 YouTube Studio에서 잘못된 판정을 수정할 수 있다.

ai-ml

테크 CEO들의 'AI 만능론', 숫자는 아직 그렇게 말하지 않는다

테크 업계에서 AI를 이유로 한 대규모 감원과 조직 재편이 이어지는 가운데, Box 창업자 애런 레비는 CEO들이 실제 업무의 마지막 1마일을 모른 채 AI 에이전트의 능력을 과대평가하고 있다고 지적했다. 2026년 첫 5개월 동안 이미 11만5430명이 해고됐고, 여러 연구는 AI 도입이 체감 생산성만큼 실제 생산성을 끌어올렸다는 근거가 아직 약하다고 말한다.

ai-ml

오픈AI와 앤트로픽, 코딩 에이전트로 드디어 돈 되는 시장을 찾은 듯

사이먼 윌리슨은 오픈AI와 앤트로픽이 코딩 에이전트와 기업용 과금으로 진짜 제품-시장 적합성을 찾았다고 봐. 개인 구독자에게는 월 100달러 플랜이 싸게 느껴지지만, 기업 고객은 이제 사용량 기준 토큰 가격을 그대로 내기 시작했고 이게 대형 고객 예산을 빠르게 흔들고 있다는 얘기야.

ai-ml

컴팔과 GMI 클라우드, 대규모 추론용 AI 인프라 구축 협력

컴팔이 실리콘밸리 기반 AI 인프라 기업 GMI 클라우드와 협력해 대규모 추론과 에이전틱 AI 워크로드에 맞춘 GPU 서버 인프라를 구축한다고 발표했어. COMPUTEX 2026에서는 NVIDIA HGX B300을 지원하는 Compal SGX30-2 같은 고성능 AI 서버 플랫폼도 선보일 예정이야.

ai-ml

AI 쓰면 편해진다더니, 직장인들은 ‘AI 과부하’에 지쳐가는 중

국내 직장인들이 AI 전환 압박, AI 답변 검증 부담, 대체 불안 때문에 피로감을 호소하고 있어. 중앙일보 설문에서는 5284명 중 31.6%가 ‘AI 답변 검증에 시간이 더 걸릴 때’를 가장 지치는 순간으로 꼽았고, 기업들은 무작정 AI 사용량을 밀어붙이는 방식에서 업무 방식 재설계로 넘어가야 한다는 지적이 나와.