EDB, 포스트그레스 AI에 자율 운영 DB와 실시간 분석 기능 추가

EDB가 포스트그레스를 'AI가 직접 붙는 데이터 레이어'로 밀고 있음

• EDB가 오픈소스 기반 AI 데이터 플랫폼 EDB 포스트그레스 AI에 에이전틱 데이터베이스와 통합 분석 기능을 추가함

  • 방향은 꽤 명확함. AI, 분석, 거버넌스를 데이터 레이어에서 한 번에 처리하겠다는 것임
  • 관계형 데이터, 분석 데이터, 벡터 데이터, 에이전트 워크로드를 단일 포스트그레스 기반 플랫폼에서 다루겠다는 전략임

• EDB가 보는 전제는 '에이전트는 데이터가 있는 곳에서 돌아야 한다'임

  • 에이전트는 실시간 데이터를 보고 계속 의사결정을 내려야 하므로, 데이터를 별도 플랫폼으로 복사하는 방식은 속도와 정확도에서 손해가 날 수 있음
  • 규제 데이터나 민감 데이터를 외부 환경으로 옮기지 않아야 하는 기업에게는 데이터 주권도 중요한 이유가 됨

• 그래서 EDB는 인텔리전스를 데이터가 있는 곳으로 가져오는 쪽을 택함

  • 데이터를 이동하거나 복제하지 않고 AI, 분석, 자동화를 붙이는 방식임
  • 거버넌스도 실제 데이터가 저장된 위치에서 바로 적용하는 구조를 강조함

자율 운영 DB는 튜닝과 장애 대응을 자동화하려는 시도

• 에이전틱 데이터베이스 기능은 기존 포스트그레스를 수동 관리 중심 DB에서 자율 운영 DB로 바꾸겠다는 얘기임

  • 시스템이 200개 이상의 운영·성능 지표를 계속 모니터링함
  • 성능 개선이 필요한 지점을 분석하고, 기업 정책이 허용하는 범위에서 자동 적용할 수 있음

• 자동화 대상은 DBA가 매번 붙잡고 있던 반복 작업에 가까움

  • 데이터베이스 튜닝, 확장, 문제 해결을 자동화하고 장애로 이어질 수 있는 문제를 사전에 찾는 식임
  • EDB는 기존에 숙련된 DBA가 60~90분 분석하던 문제를 수 분 내 찾아 해결 방안을 제시할 수 있다고 주장함

• 자동화가 곧 통제 포기는 아니라는 점도 강조함
  • 기업은 작업별로 자동 실행, 사람 승인 후 실행, 정기 점검 시간에만 실행 같은 정책을 고를 수 있음
  • 모든 작업 내역은 감사 로그에 남도록 설계됨

분석과 AI 워크로드를 한 플랫폼에 묶는 흐름

• EDB PG AI는 여러 데이터 타입을 단일 SQL 인터페이스에서 관리하도록 설계됨

  • 관계형 데이터, JSON 데이터, 시계열 데이터, 공간정보 데이터, 벡터 데이터를 함께 다룸
  • 접근 제어와 정책 집행도 데이터 레이어에서 수행됨

• 제로 ETL 아키텍처를 통해 운영 데이터와 분석 데이터의 경계를 줄이려 함

  • 데이터를 이동하거나 복제하지 않고 실시간 분석과 대규모 데이터 웨어하우징에 활용하는 방식임
  • 데이터 복사본이 늘어날수록 최신성, 권한, 감사 추적이 꼬이는 기업 환경에서는 꽤 중요한 포인트임

• 새로 정식 출시된 EDB PG AI 포 클릭하우스는 분석 성능 쪽을 맡음

  • 이벤트와 로그 데이터에 대해 1초 미만 실시간 분석을 지원함
  • 페타바이트 규모 데이터 웨어하우스로 장기 이력 분석과 복잡한 보고서를 처리함
  • 대규모 분석 작업은 GPU 가속 스파크로 오프로딩해 실시간·과거·AI 분석을 한 플랫폼에서 묶겠다는 그림임

AI 에이전트 거버넌스를 DB 레벨에서 잡겠다는 점이 핵심

• 기업 입장에서 이제 질문은 'AI가 뭘 할 수 있나'보다 'AI가 규정을 지키며 하게 만들 수 있나'에 가까워짐

  • EDB는 별도 제어 시스템을 덧붙이기보다 데이터 레이어 자체에서 AI 거버넌스를 구현하려 함
  • 프리뷰 기능은 포스트그레스의 역할 기반 접근 제어와 행 수준 보안을 활용해 에이전트의 데이터 접근을 통제함

• 에이전트의 신원, 역할, 목적, 권한, 기업 정책을 DB 수준에서 직접 적용하는 구조임

  • 모든 활동은 세션 단위 감사 기능으로 추적됨
  • 데이터가 저장된 위치에서 정책이 적용되므로 별도 보안 엔진이나 런타임 환경을 추가하지 않아도 된다는 주장임

• EDB는 2026년 하반기까지 이 기능을 기업 전반의 AI 에이전트 거버넌스 체계로 확대할 계획임

  • 에이전트가 실제 데이터를 만지는 시대에는 DB가 단순 저장소가 아니라 정책 집행 지점이 될 수 있다는 흐름임

---

기술 맥락

• EDB의 선택은 AI를 애플리케이션 바깥의 별도 분석 시스템에 두는 대신, 데이터베이스 레이어 가까이 붙이는 거예요. 에이전트가 실시간 데이터로 판단하려면 복사본보다 원본 데이터와 정책이 있는 위치에서 움직이는 편이 낫거든요.

• 제로 ETL을 강조하는 이유도 운영 부담 때문이에요. 데이터를 계속 복제하면 지연, 권한 불일치, 감사 추적 문제가 생기고, 민감 데이터가 여러 곳에 퍼져 거버넌스가 어려워져요.

• 에이전틱 데이터베이스는 DBA를 대체한다기보다 반복 진단과 튜닝 후보 제안을 자동화하는 쪽에 가까워요. 그래서 자동 실행 여부, 승인 절차, 점검 시간 제한, 감사 로그가 같이 언급되는 게 중요해요.

• 한국 기업에서도 포스트그레스 기반 시스템이 늘고 있어서 이 흐름은 꽤 실무적이에요. 특히 금융, 유통, 공공처럼 데이터 이동이 부담스러운 조직은 AI 에이전트를 붙일 때 데이터 레이어의 접근 제어와 감사 기능을 먼저 보게 될 가능성이 커요.