EDB의 엔지니어링 부문 VP인 제러미 켈웨이(Jeremy Kelway) 인터뷰 시리즈

제러미 켈웨이(Jeremy Kelway, Jezz)는 미국 태평양 북서부에 위치한 EDB의 엔지니어링 부문 VP입니다. 그는 Postgres 기반의 분석 및 AI 솔루션을 제공하는 팀을 이끌고 있습니다. 데이터베이스 어스 서비스(DBaaS) 관리, 운영 리더십, 혁신 기술 배포와 같은 경험을 바탕으로, Jezz는 새로운 기술의 발전에 강한 배경을 가지고 있습니다.

EDB는 비즈니스 우선순위를 맞추기 위해 PostgreSQL을 지원합니다. 이는 클라우드 네이티브 애플리케이션 개발, 레거시 데이터베이스로부터의 비용 효율적인 마이그레이션, 하이브리드 환경에서 유연한 배포를 가능하게 합니다.人才풀이 증가하고 성능이 강화됨에 따라, EDB는 보안, 신뢰성, 우수한 고객 경험을 제공하여 미션 크리티컬 애플리케이션을 지원합니다.

Postgres는 왜 생성적 AI 애플리케이션을 구축하기 위한 기본 데이터베이스로 점점 더 많이 사용되고 있는가? 또한, 이 발전하는 환경에서 Postgres를 적합하게 만드는 주요 특징은 무엇인가?

미국 기업의 약 75%가 AI를 채택하고 있기 때문에, 이러한 비즈니스는 데이터에 빠르고 쉽게 접근하여 AI를 완전히 수용할 수 있는 기초 기술이 필요합니다. 여기서 Postgres가 등장합니다.

Postgres는 아마도 기술적으로 지속성과 관련하여 다시 인기 있는 기술의 완벽한 예입니다. 강력한 아키텍처, 여러 데이터 유형을 네이티브로 지원하며, 설계에 의해 확장 가능하기 때문에, Postgres는 데이터의 가치를 생산 준비된 AI에서 주권적이고 보안된 환경에서 활용하려는 기업에 적합한 후보입니다.

EDB가 존재한 20년 동안, 또는 Postgres가 기술로서 존재한 30년 이상 동안, 산업은 발전과 변화를 거쳤으며, 사용자들은 여전히 가장 복잡한 데이터 문제를 해결하기 위해 “Postgres를 사용합니다”.

검색과 생성을 결합한 Retrieval-Augmented Generation(RAG)은 현재 어떻게 적용되고 있으며, “지능형 경제”의 미래를 형성하는 데 어떻게 기여할 것인가?

RAG 흐름은 유의미한 인기를 얻고 있으며, 이유가 있습니다! ‘지능형 경제’의 맥락에서 RAG 흐름은 정보에 접근하는 방식을 인간 경험을 촉진하는 방식으로 가능하게 합니다. 자동화와 필터링된 데이터 및 정보 출력을 통해 시간을 절약합니다. ‘검색’ 단계의 정확도와 더 넓게 훈련된 언어 모델에 특정 콘텐츠를 추가할 수 있는 기능은 정보에 근거한 의사 결정의 가속화와 강화를 위한 기회를 제공합니다. 이는熟練한 연구 보조자가 적절한 정보를 찾고 그것을 맥락에 맞게 제시하는 것과 유사합니다.

조직은 RAG를 프로덕션에서 구현할 때 어떤 가장 중요한 도전을 직면하고 있으며, 이러한 도전을 해결하기 위한 전략은 무엇인가?

기본적으로, 데이터 품질은 AI의 차별점입니다. RAG 애플리케이션의 생성된 응답의 정확도는 항상 훈련과 생성된 출력을 위한 데이터 품질에 따라 결정됩니다. 생성 모델에 적용되는 소피스틱레이션이 더 적은 경우, 입력이 결함이 있는 경우, 결과는 적절하지 않으며, 예상치 못한 결과가 발생할 수 있습니다(이것을 ‘환각’이라고 합니다). 생성 단계를 위한 컨텍스트 데이터 소스의 품질은 성공을 위한 핵심입니다.

성능 측면에서, RAG 애플리케이션이 무엇을 성취하려고 하는지에 대한 적극적인 자세를 취하고, 언제 그리고 어디서 데이터를 검색하는지 이해하면, 잠재적인 영향을 이해하는 데 도움이 됩니다. 예를 들어, RAG 흐름이 트랜잭션 데이터 소스(즉, 비즈니스에 중요한 항상 업데이트되는 DB)에서 데이터를 검색하는 경우, 이러한 핵심 데이터 소스의 성능을 모니터링하고, 이러한 소스에서 데이터를 가져오는 애플리케이션의 성능을 모니터링하면, RAG 흐름 단계의 영향에 대한 이해를 제공할 수 있습니다.

특수한 벡터 데이터베이스가 AI를 위해 등장하고 있는 상황에서, Postgres는 이러한 솔루션보다 어떤 장점을 제공하는가? 특히, AI 워크로드를 운영하려는 기업들을 위한 장점은 무엇인가?

미션 크리티컬한 벡터 데이터베이스는 요구되는 AI 워크로드를 지원하면서 데이터 보안, 가용성, 기존 데이터 소스와 구조화된 정보와의 통합을 보장할 수 있습니다. AI/RAG 솔루션을 구축하는 경우, 벡터 데이터베이스는 효율적이고 효과적인 데이터 소스로 사용됩니다. 이러한 데이터베이스는 이러한 중요한 데이터 파이프라인을 위한 저장, 관리, 검색을 제공합니다.

EDB Postgres는 어떻게 벡터 데이터를 AI에서 관리하는 복잡성을 처리하며, AI 워크로드를 Postgres 환경에 통합하는 주요 이점은 무엇인가?

Postgres에는 네이티브 벡터 기능이 없습니다. 그러나 pgvector 확장은 벡터 데이터를 Postgres의 다른 데이터와 함께 저장할 수 있게 해줍니다. 이는 기업이 벡터 기능을 기존 데이터베이스 구조와 함께 사용할 수 있게 하여, AI 애플리케이션의 관리와 배포를 단순화하고, 별도의 데이터 저장소와 복잡한 데이터 전송의 필요성을 줄입니다.

Postgres는 트랜잭션 및 분석 워크로드에서 중심 역할을 하면서, 어떻게 조직이 데이터 파이프라인을 최적화하고, 더 빠른 통찰력을 얻으면서 복잡성을 추가하지 않을 수 있게 해주는가?

이러한 데이터 파이프라인은 효과적으로 AI 애플리케이션을 구동합니다. 다양한 데이터 저장 형식, 위치, 데이터 유형으로 인해, 데이터 검색 단계는 특히 AI 애플리케이션이 Proof-of-Concept에서 프로덕션으로 이동할 때, 실제적인 도전이 됩니다.

EDB Postgres AI 파이프라인 확장은 Postgres가 AI 애플리케이션의 ‘데이터 관리’ 부분에서 핵심 역할을 하는 방법을 보여줍니다. Postgres 또는 오브젝트 스토리지에서 데이터를 가져오는 자동화된 파이프라인, 새로운 데이터가 수신될 때 벡터 임베딩을 생성하고, 소스 데이터가 변경될 때 임베딩을 업데이트하는 트리거를 제공함으로써, 데이터 처리를 단순화합니다. 이는 유지 보수가 번거롭지 않으면서도 항상 최신 데이터를 쿼리와 검색에 제공합니다.

Postgres의 가까운 미래에 기대할 수 있는 혁신이나 발전은 무엇이며, 특히 AI가 데이터 인프라에서 더 많은 것을 요구하면서?

벡터 데이터베이스는 아직 완성된 기술이 아닙니다. 벡터 데이터베이스 기술의 사용과 의존도가 증가함에 따라, 추가적인 개발과 개선이 예상됩니다. PostgreSQL 커뮤니티는 이 영역에서 혁신을 계속하고 있으며, 더 복잡한 검색 기준을 허용하는 인덱싱을 강화하는 방법을 모색하고 있으며, pgvector 자체의 발전을 추구하고 있습니다.

Postgres, 특히 EDB의 제공은 어떻게 멀티 클라우드와 하이브리드 클라우드 배포의 필요성을 지원하며, 이는 AI 주도 기업에게 왜 중요한가?

최근 EDB 연구에 따르면, 56%의 기업이 미션 크리티컬한 워크로드를 하이브리드 모델에서 배포하고 있으므로, 민첩성과 데이터 주권을 지원하는 솔루션이 필요합니다. Postgres는 EDB의 강화로, 멀티 클라우드와 하이브리드 클라우드 환경에서 필수적인 유연성을 제공합니다. 이는 AI 주도 기업이 데이터를 민첩성과 통제력을 가지고 관리할 수 있게 해줍니다.

EDB Postgres AI는 하이브리드 환경에서 클라우드 민첩성과 관찰 가능성을 제공하며, 주권적 통제를 제공합니다. 이 접근 방식은 기업이 AI 모델의 관리를 통제하면서, 트랜잭션, 분석, AI 워크로드를 하이브리드 또는 멀티 클라우드 환경에서 스트림라인할 수 있게 합니다. 데이터 이식성, 세분화된 TCO 제어, 다양한 인프라스트럭처에서 클라우드와 같은 경험을 제공함으로써, EDB는 AI 주도 기업이 복잡한 데이터 요구에 대해 더 빠르고 더 민첩하게 대응할 수 있게 지원합니다.

AI가 기업 시스템에 더 깊이 통합됨에 따라, Postgres는 데이터 거버넌스, 개인 정보 보호, 보안을 어떻게 지원하며, 특히 AI 모델을 위한 민감한 데이터를 처리하는 맥락에서?

AI가 운영의 기둥이자 경쟁의 차별점이 된다는 점에서, 기업은 데이터 무결성을 보호하고 엄격한 규준을 준수할 압력을 받습니다. 이는 데이터 주권을 중심으로 두어, 엄격한 거버넌스, 보안, 가시성이 우선순위가 아니면 필수적인 요소가 됩니다. 비즈니스는 데이터가 어디에 있는지, 어디로 가는지에 대해 알고 있어야 합니다.

Postgres는 AI 준비 데이터 환경의 백본으로 탁월합니다. 이는 하이브리드 및 멀티 클라우드 설정에서 민감한 데이터를 관리하기 위한 고급 기능을 제공합니다. 오픈 소스 기반으로 인해 기업은 끊임없는 혁신을 누릴 수 있게 되며, EDB의 강화는 기업급 보안, 세분화된 접근 제어, 심층적인 관찰 가능성을 보장합니다. EDB의 주권 AI 기능은 이姿勢를 기반으로 하여, 데이터에 AI 기능을 제공함으로써, 데이터가 어디로 이동하는지에 대한 통제를 가능하게 합니다.

EDB Postgres는 미션 크리티컬한 애플리케이션을 위한 고가용성과 성능을 유지하면서, 어떻게 AI 워크로드를 확장할 수 있는가?

EDB Postgres AI는 데이터 인프라를 전략적 기술 자산으로 높여줌으로써, 분석 및 AI 시스템을 고객의 핵심 운영 및 트랜잭션 데이터에 더 가깝게 가져옵니다. 모든 것을 Postgres를 통해 관리합니다. 이는 AI 주도 애플리케이션을 위한 데이터 플랫폼의 기초를 제공하며, 인프라스트럭처의 복잡성을 줄이고, 비용 효율성을 최적화하며, 데이터 주권, 성능, 보안에 대한 기업의 요구를 충족합니다.

현대적인 운영자, 개발자, 데이터 엔지니어, AI 애플리케이션 빌더를 위한 우아한 데이터 플랫폼입니다. 미션 크리티컬한 워크로드를 위한 검증된 솔루션을 제공하며, 기업의 핵심 운영 데이터베이스 시스템을 사용하면서 분석 및 AI 기능에 접근할 수 있게 합니다.

훌륭한 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 EDB를 방문하시기 바랍니다.