인공지능(AI) 에이전트 시대를 위한 데이터 시스템의 대변혁: 우리가 AI 군주를 지원하는 법

인공지능 기술, 특히 대규모 언어 모델(LLM) 기반의 AI 에이전트가 일과 생활 곳곳을 장악하며, 데이터 시스템의 주 사용자로 급부상하고 있습니다. 최근 논문 ‘Supporting Our AI Overlords: Redesigning Data Systems to Be Agent-First’에서는 앞으로 우리가 어떻게 데이터 시스템을 ‘에이전트 우선’으로 재설계해야 하는지, 그리고 그 과정에서 마주할 도전과 기회를 흥미롭게 다루고 있습니다.

이 글에서는 AI 에이전트가 왜 기존 시스템을 흔들며, 데이터와 어떻게 상호작용하는지, 앞으로 어떤 변화가 필요한지 쉽고 재미있게 풀어봅니다.

AI 에이전트란? 기존 AI와 무엇이 다를까

AI 에이전트는 인간의 역할을 흉내내며 직접 데이터를 활용해 문제를 해결하도록 설계된 인공지능입니다. 이들은 목표를 설정하고, 계획을 세우고, 필요할 땐 스스로 학습하며 점점 더 똑똑해집니다. 기존의 AI가 주어진 데이터 내에서 정해진 방식을 반복해왔다면, AI 에이전트는 마치 자기 생각이 있는 듯, 목적에 따라 외부 데이터베이스나 다른 에이전트까지 불러 협업합니다.

간단히 말해, AI 에이전트는 “일을 주고, 결과를 받는” 도구가 아니라 프로젝트 전체를 주도하는 똑똑한 동료 같은 존재입니다. 실제로 요즘 AI 에이전트는 여행 계획부터 복잡한 기업 데이터 분석까지, 인간처럼 “생각하고 행동”합니다.

데이터 시스템의 새로운 주인: AI 에이전트

이제 데이터 시스템의 가장 큰 고객은 인간이 아니라 AI 에이전트입니다. 대규모 언어 모델(LLM)이 탑재된 에이전트들은 우리의 데이터에 끊임없이 질문을 던지고, 해답을 찾으며, 방대한 탐색과 테스트 과정을 반복합니다. 논문에서는 이 과정을 ‘에이전트적 추측(Agentic Speculation)’이라 부르는데, 마치 AI가 머릿속으로 “여기선 이렇게 해볼까?” 하면서 시시각각 자신만의 솔루션을 만듭니다.

문제는, 이런 과정이 워낙 빠르고 깊이 있기 때문에 기존 데이터 시스템이 감당하기 어려워진다는 점입니다. 방대한 쿼리, 다양한 데이터 소스, 끝없는 반복 실험이 이어지면서 시스템의 효율성과 안정성에 큰 변화가 필요해진 것이죠.

에이전트적 추측: AI의 데이터 탐험 방식

‘에이전트적 추측’이란 에이전트가 목표를 달성하기 위해 데이터를 탐색하며 여러 가지 솔루션을 실험하는 전형적인 과정을 뜻합니다.

예를 들어, 에이전트에게 “다가오는 여름에 그리스에서 서핑하기 좋은 시기를 추천해줘”라고 부탁하면, 에이전트는 기상 데이터와 서핑 관련 정보를 수집하고, 조건을 분석해 최적의 일정을 추천합니다. 이 과정에서 에이전트는 자신만의 방법으로 데이터베이스를 뒤지고, 필요한 정보를 또 다른 에이전트에게서 얻기도 합니다.

이제 이런 ‘추측과 실험’이 데이터 시스템의 주된 트래픽이 됩니다. 결과적으로 데이터 시스템은 훨씬 복잡하며, 실시간 대응과 다양한 데이터 연계가 필수가 되었습니다.

에이전트 우선 데이터 시스템의 핵심 과제 4가지

AI 에이전트가 데이터 시스템을 지배하게 되면 다음 네 가지 과제가 매우 중요해집니다.

1. 규모(Scale): 에이전트가 만들어 내는 쿼리와 작업량은 인간 사용자의 수십~수백 배를 넘기 쉽습니다. 기존 시스템보다 훨씬 더 많은 요청을 빠르게 처리할 수 있어야 하죠.

2. 이질성(Heterogeneity): 에이전트는 다양한 데이터 형식과 API, 외부 툴에 접근합니다. 따라서 시스템은 유연하게 여러 종류의 데이터를 처리하며, 확장성이 뛰어나야 합니다.

3. 중복성(Redundancy): 반복적으로 같은 질문이나 요청을 할 수 있기 때문에, 중복 처리와 캐싱 전략이 핵심입니다.

4. 조정 가능성(Steerability): 에이전트가 목표나 전략을 바꿀 때, 시스템은 즉각적으로 대응하고 설정을 변경할 수 있어야 합니다.

이 네 가지 특성 덕분에, 우리는 기존 방식과는 다른, ‘에이전트 우선’ 데이터 시스템의 혁신적인 설계와 기술이 필요함을 알 수 있습니다.

데이터 시스템의 미래: 새로운 인터페이스와 에이전트 메모리

변화의 흐름에 맞는 미래형 데이터 시스템은 크게 세 가지 방향으로 진화합니다.

1. 새로운 쿼리 인터페이스: 에이전트가 자연어로 복잡한 질문을 쏟아내는 만큼, 시스템 역시 ‘언어 기반’ 쿼리를 효율적으로 이해하고 실행할 수 있어야 합니다.

2. 고도화된 쿼리 처리 기술: 방대한 작업량과 반복을 감당하려면, 실시간 캐싱, 최적화된 검색, 대용량 분산 처리 등 새로운 기술이 필수입니다.

3. 에이전트 메모리 저장소: 에이전트는 ‘과거의 경험’을 기억해 미래의 결정에 활용합니다. 이런 메모리 저장소가 데이터 시스템에 내장되면, 에이전트의 학습과 실수 방지가 더욱 빨라질 수 있습니다.

우리가 준비해야 할 실천 전략

이제 질문은 하나입니다. 앞으로 우리의 데이터 시스템은 어떻게 바뀌어야 할까요?

• 첫째, 데이터 시스템을 설계할 때부터 ‘AI 에이전트가 주요 사용자’가 된다는 사실을 염두에 두세요.

• 둘째, 기존 인간 중심의 인터페이스와 데이터를 에이전트가 빠르게 이해하고 활용할 수 있는 구조로 업그레이드해야 합니다.

• 셋째, 쿼리 처리와 데이터 저장소의 성능, 확장성을 끌어올려 에이전트의 빠른 실험과 학습을 지원하세요.

요약하면, ‘에이전트 우선’ 데이터 시스템은 AI가 데이터를 마음껏 탐험하고 실험하며 학습할 수 있는 환경을 만드는 일입니다. 이것이 바로 AI와 함께 성장하는 데이터의 미래이죠.

AI 에이전트와 데이터 시스템의 관계는 점차 “동료”에서 “군주”로 진화 중입니다. 이 새로운 시대에는 빠르고 유연한 데이터 시스템이 AI 혁신의 핵심 동력이 될 것입니다. 지금부터 준비하는 것이 치열한 기술 경쟁에서 살아남는 지름길입니다.

참고

[1] Supporting Our AI Overlords: Redesigning Data Systems to Be Agent-First - arXiv

[2] What Is Agentic AI? - IBM

[3] What Are AI Agents? - IBM

[4] Large language model - Wikipedia - Wikipedia