오라클이 아마존웹서비스(AWS)와 협력하여 오라클 AI 데이터베이스@AWS(Oracle AI Database@AWS) 서비스를 국내 고객에게 공식 제공한다고 밝혔다. 이번 서비스는 AWS의 서울 리전에서 출시되었으며, 국내 기업은 AWS 내 오라클 클라우드 인프라스트럭처(OCI) 전용 인프라에서 오라클 엑사데이터 데이터베이스 서비스와 오라클 자율운영 AI 데이터베이스 등을 운영할 수 있다. 이번 서비스 출시로 기업은 기존 온프레미스 환경에서 운영하던 오라클 워크로드를 큰 변경 없이 AWS로 옮길 수 있게 되었다. 오라클은 “온프레미스와 동일한 기능과 성능을 제공하여 클라우드 전환 과정에서의 복잡성을 줄였다”고 설명한다. 또한 오라클과 AWS 사이의 데이터를 통합하는 제로 ETL 기능을 통해 아마존 베드록과 같은 생성형 AI 서비스와 고급 분석 도구를 쉽게 활용할 수 있는 환경을 마련했다. 전국 1380여 개 매장을 운영하는 뷰티 및 웰니스 리테일 기업인 CJ올리브영은 이 서비스를 활용해 핵심 워크로드를 AWS 내 오라클 데이터베이스 서비스로 이전하고 있다. CJ올리브영 박원호 팀장은 “오라클 AI 데이터베이스@AWS는 핵심 워크로드를 클라우드로 옮기는 손쉬운 경로를 제공한다”면서, “아마존 베드록 등 AWS의 인공지능 서비스와 통합해 비즈니스 성과를 높일 수 있을 것으로 기대한다”고 말했다.     한국오라클 김성하 사장은 이번 출시가 국내 기업의 미션 크리티컬 워크로드 현대화와 AI 혁신 수요에 대응하기 위한 것이라고 설명했다. AWS코리아 함기호 대표 또한 국내 기업이 애플리케이션 재설계 없이 오라클 워크로드를 클라우드로 이전하고 보안성과 확장성을 누릴 수 있게 되었다고 덧붙였다. 고객은 AWS 마켓플레이스에서 서비스를 직접 구매하거나 유클릭, 에티버스와 같은 공인 채널 파트너를 통해 이용할 수 있다. 유클릭 김철 대표와 에티버스 정인성 대표는 이번 서비스가 고객의 AI 기반 혁신을 가속화하고 운영을 간소화하는 중요한 기점이 될 것이라고 강조했다. 이번 서울 리전 출시는 기존 도쿄, 시드니, 런던 등 11개 리전에 이은 확장이다. 오라클과 AWS는 앞으로 싱가포르, 오사카, 파리 등 10개 리전으로 서비스 범위를 더욱 넓힐 계획이다.

오라클이 기업의 업무 방식을 재정의하는 퓨전 에이전틱 애플리케이션(Fusion Agentic Applications)을 발표했다. 이 애플리케이션은 성과 지향적이며 추론에 기반해 선제적으로 작동하는 AI 에이전트 팀이 서로 협업하는 새로운 엔터프라이즈 소프트웨어 제품군이다. 오라클 퓨전 클라우드 애플리케이션에 내장된 이 서비스는 기업 내부의 데이터와 워크플로, 승인 체계 등에 안전하게 접근해 비즈니스 프로세스 안에서 직접 의사결정을 내리고 실행한다. 기존의 AI 어시스턴트와 달리 트랜잭션 시스템에서 기본으로 제공되어 기업 규모의 실시간 작업이 가능하다는 점을 특징으로 내세운다. 오라클은 퓨전 에이전틱 애플리케이션이 단순한 기록 시스템을 넘어 설정된 비즈니스 목표를 달성하기 위해 직접 판단하고 행동하는 단계로 발전했다고 설명했다. 오라클의 스티브 미란다 부사장은 “기존의 업무 방식은 프로세스 관리에 너무 많은 시간이 소모되어 오늘날의 비즈니스 속도에 부합하지 않는다”면서,  “이번 애플리케이션은 기업이 더 빠르게 성과를 창출하고 전략적 활동에 집중하도록 도울 것”이라고 밝혔다.     이 애플리케이션은 구체적인 역할과 전문성을 가진 AI 에이전트 그룹으로 구성된다. 에이전트들은 목표 달성을 위해 어떤 업무를 언제 수행해야 하는지 스스로 판단하며 기존 보안 프레임워크 내에서 자율적으로 움직인다. 사람은 결과가 크게 달라질 수 있는 예외 사항이나 중요한 의사결정 단계에만 관여하게 된다. 이를 통해 기업은 업무 진행 과정에서 사용자가 상황을 반복해서 설명할 필요 없이 지속적인 맥락을 유지하며 업무를 추진할 수 있다. 현재 오라클은 재무, 인사(HR), 공급망, 고객 경험 분야에서 활용 가능한 22개의 신규 에이전틱 애플리케이션을 제공하고 있다. 워크포스 오퍼레이션즈(Workforce Operations) 에이전틱 애플리케이션은 인사 관리자가 데이터 수집 시간을 줄이고 급여 관련 문제를 예방하도록 돕는다. 공급망 분야에서는 디자인 투 소스 워크스페이스(Design-to-Source Workspace) 에이전틱 애플리케이션을 통해 제품 비용과 규제 준수 위험을 낮출 수 있다. 영업 팀을 위한 크로스셀 프로그램 워크스페이스(Cross-Sell Program Workspace) 에이전틱 애플리케이션은 성장 기회를 선제적으로 파악해 고객 유치 비용을 절감하며, 재무 팀용 콜렉터스 워크스페이스(Collectors Workspace) 에이전틱 애플리케이션은 대금 회수를 가속화해 현금 흐름을 개선한다. 이러한 서비스는 오라클 클라우드 인프라스트럭처(OCI)에서 거대 언어 모델(LLM)을 기반으로 구동된다. 오라클은 기업이 직접 AI 자동화 시스템을 구축할 수 있도록 오라클 AI 에이전트 스튜디오(Oracle AI Agent Studio)도 함께 지원한다. 기업은 에이전틱 애플리케이션 빌더(Agentic Applications Builder)를 활용해 복잡한 개발 과정 없이도 오라클이나 파트너사의 에이전트를 연결해 사용할 수 있다. 오라클은 가시성과 투자 대비 효과 측정, 안전 제어 기능을 통해 에이전트가 대규모 환경에서도 안전하게 가치를 창출할 수 있다고 덧붙였다.

엔비디아는 GTC 2026에서 케이던스, 다쏘시스템, PTC, 지멘스, 시높시스 등 글로벌 산업용 소프트웨어 선도 기업과의 협력 내용을 소개했다. 이번 협력은 엔비디아 쿠다-X, 엔비디아 옴니버스, GPU 가속 산업용 소프트웨어를 제공해 설계와 엔지니어링, 제조 과정을 혁신하는 데 목적을 둔다. 이를 통해 삼성, SK하이닉스, HD현대, TSMC 등 주요 기업들은 AI 기반 에이전틱 설루션을 활용해 업무 효율을 높일 수 있게 된다. 엔비디아의 설루션은 아마존웹서비스, 구글 클라우드, 마이크로소프트 애저, 오라클 클라우드 인프라스트럭처 등 주요 클라우드 서비스와 델, HPE, 슈퍼마이크로 등 제조사의 가속 시스템에서 구동된다. 엔비디아 젠슨 황 CEO는 “피지컬 AI와 자율형 AI 에이전트가 산업 전반을 근본적으로 재창조하는 새로운 혁명이 시작됐다”고 평가하면서, “엔비디아는 글로벌 생태계를 하나로 묶어 모든 산업이 이러한 비전을 실현할 수 있도록 전례 없는 규모와 속도를 지원하는 풀스택 가속 컴퓨팅을 제공하고 있다”고 덧붙였다.     주요 산업 소프트웨어 기업들은 AI 에이전트를 자사 플랫폼에 도입해 복잡한 워크플로를 간소화한다. 케이던스의 칩스택 AI 슈퍼에이전트는 반도체 설계와 검증 작업을 수행하며, 다쏘시스템은 3D익스피리언스 플랫폼에서 역할 기반 AI 에이전트인 버추얼 동반자를 구축해 워크플로를 관리한다. 지멘스의 퓨즈 EDA AI 에이전트와 시높시스의 에이전트엔지니어 역시 반도체와 시스템 설계의 자율성을 높이는 데 기여한다. 자동차와 항공우주 분야에서도 가속 컴퓨팅의 성과가 나타나고 있다. 혼다는 엔비디아 그레이스 블랙웰 플랫폼을 활용해 공기역학 시뮬레이션을 기존 CPU 대비 34배 빠르게 수행하며 개발 주기를 단축했다. JLR과 메르세데스 벤츠는 지멘스의 심센터 스타-CCM+ 소프트웨어를 활용해 엔지니어링 워크플로를 혁신하고 있다. 항공우주 분야의 어센던스는 엔비디아 GPU로 구동되는 케이던스 피델리티를 사용해 복잡한 공기역학 시뮬레이션을 단 하루 만에 수행하는 성과를 거뒀다. 에너지와 반도체 제조 분야의 효율 역시 향상됐다. 솔라 터빈은 10억 셀 규모의 연소기 시뮬레이션을 14시간 만에 수행해 청정 에너지 설루션 혁신을 가속화한다. 삼성과 SK하이닉스는 엔비디아 가속 기술이 적용된 델과 HPE의 시스템을 도입해 DRAM과 플래시 메모리 생산을 위한 물리적 검증 과정을 간소화하고 있다. TSMC와 미디어텍 역시 엔비디아 가속 도구를 활용해 첨단 제조와 칩 설계 속도를 높이는 중이다. 산업용 디지털 트윈 기술은 스마트 공장과 물류 혁신을 뒷받침한다. 지멘스의 디지털 트윈 컴포저는 폭스콘, HD현대, 펩시코 등이 대규모 산업용 메타버스 환경을 구축할 수 있도록 지원한다. PTC는 엔비디아 아이작 심을 활용해 로봇 시스템을 가상 환경에서 설계하고 검증할 수 있는 워크플로를 발표했다. 키온은 자율주행 창고 설루션을 고도화하고 있으며 물류 서비스 기업인 GXO는 엔비디아 젯슨 기반의 자율주행 지게차를 훈련하고 테스트하며 운영 효율을 높이고 있다.

오라클이 프로그래밍 언어이자 개발 플랫폼인 자바(Java)의 최신 버전인 자바 26(JDK 26)을 출시했다. 이번 버전은 개발자 생산성을 높이고 언어를 간소화하며, 애플리케이션에 AI 및 암호화 기능을 쉽게 통합할 수 있도록 지원하는 10개의 주요 기술 개선 제안(JEP)을 포함한다. 자바 26은 AI 추론이 통합된 애플리케이션 개발을 돕기 위해 패턴 매칭과 스위치 구문의 데이터 유형 제한을 완화했다. 또한 가비지 컬렉터(G1 GC)의 동기화 과정을 줄여 메모리 효율을 높였으며, 하드웨어 추가 없이도 더 빠른 구동과 많은 사용자 지원이 가능하도록 성능을 업데이트했다. ‘프로젝트 레이든’의 성과인 객체 캐싱 기능은 자바 가상 머신의 시작 및 워밍업 시간을 단축해 사용자 경험을 개선한다. 보안과 네트워크 성능도 강화되었다. 파이널 필드의 의도치 않은 수정을 방지하는 무결성 원칙을 강화해 시스템 안정성을 높였으며, HTTP/3 프로토콜을 공식 지원해 마이크로서비스 간의 데이터 검색 속도를 높이고 지연 시간을 줄였다. 특히 벡터 API의 개선을 통해 데이터 분석과 AI 추론 워크로드에서 스칼라 연산보다 뛰어난 성능을 낼 수 있도록 지원한다.     오라클은 자바 26의 출시와 함께 ‘자바 인증 포트폴리오(JVP)’를 새롭게 선보였다. JVP는 오라클이 엄선하고 검증한 도구, 프레임워크, 라이브러리 모음으로, 소프트웨어 공급망의 위험을 줄이고 엔터프라이즈급 지원을 제공한다. 여기에는 자바 기반 UI 프레임워크인 자바FX와 마이크로서비스용 프레임워크인 헬리돈에 대한 상용 지원이 포함된다. 헬리돈은 가상 스레드를 활용해 확장성이 뛰어난 마이크로서비스를 구축할 수 있는 오픈 소스 프레임워크다. 오라클은 헬리돈의 릴리스 주기를 자바 로드맵과 일치시켜 최신 기술을 즉각 지원할 방침이며, 이를 오픈JDK 프로젝트로 제안할 계획이다. 또한 비주얼 스튜디오 코드용 자바 플랫폼 확장 기능도 JVP를 통해 지원하여 개발 환경의 편의성을 높였다. 오라클의 조지 사브 자바 플랫폼 부문 수석 부사장은 “자바 26은 기업이 AI와 암호화 기술을 활용해 비즈니스 성장을 가속화할 수 있도록 지원하려는 오라클의 의지를 담고 있다”면서, “새로운 JVP를 통해 개발자들은 검증된 도구를 활용하여 프로젝트를 더욱 효율화할 수 있을 것”이라고 전했다.

헥사곤은 오라클 레드불 레이싱과 레드불 포드 파워트레인스의 독점 메트롤로지 파트너로서 신형 파워트레인 개발의 핵심 역할을 담당한다고 전했다. 이번 협력은 2026년 포뮬러 원(F1)의 규정 변화에 대응하기 위한 것으로, 헥사곤은 자사의 초고정밀 측정 기술이 레드불의 독자 엔진 개발 공정 전반에 도입됐다고 소개했다. 레드불 포드 파워트레인스는 2026 시즌부터 적용되는 1.6리터 V6 터보 하이브리드 파워트레인 제조를 위해 헥사곤의 좌표측정기(CMM)와 3D 레이저 스캐너를 활용했다. 2026년 신규 규정은 전기 에너지 의존도를 높이고 공기역학 구조를 단순화하는 등 차량의 전면 재설계를 요구한다. 레드불은 이에 대응하고자 영국 밀턴 키인스 레드불 테크놀로지 캠퍼스에서 자체 파워트레인을 독자 개발해 왔으며 포드가 기술 파트너로 합류하며 개발에 박차를 가했다.     엔진 생산 초기 단계부터 투입된 헥사곤의 라이츠 PMM-C 프리시전 CMM(Leitz PMM-C Precision CMM)과 라이카 앱솔루트 스캐너 AS1(Leica Absolute Scanner AS1)은 수천 개의 엔진 부품을 서브마이크론 수준의 정밀도로 검사했다. 라이츠 PMM-C CMM은 파워 유닛 제조에 필요한 정밀도와 반복 재현성을 충족하는 장비로 제조 및 조립 전 공정에서 활용된다. 이동식 AS1 스캐너는 앱솔루트 암과 결합해 크랭크케이스 표면과 에너지 회수 시스템(ERS) 설치 부위의 품질 관리를 담당한다. 데이터 관리 측면에서도 헥사곤의 설루션이 통합적으로 작용한다. 수집된 측정 데이터는 퀸도스(QUINDOS) 소프트웨어에서 관리하며 통계적 추세 분석을 위해 Q-DAS로 이관된다. 이러한 체계는 CNC 머신 모니터링과 수정 피드백을 실시간으로 가능하게 하여 부품의 불량률을 낮추고 생산성을 높인다. 벤 호지킨슨 레드불 포드 파워트레인스 기술 이사는 “헥사곤의 메트롤로지 전문성 덕분에 최상위 모터스포츠에 필요한 정밀 공차와 품질 수준을 달성할 수 있었다”면서, “단 1밀리초의 성능 향상을 위해 한계에 도전하는 여정에서 헥사곤이 큰 힘이 될 것”이라고 밝혔다. 헥사곤은 지난 20년간 오라클 레드불 레이싱과 파트너십을 이어오며 섀시 셋업과 공기역학 개선을 지원해 왔다. 실제로 헥사곤 기술 도입 후 결함이 50% 감소하는 성과를 거두기도 했다. 임마누엘 비클룬드 헥사곤 이동식 측정 사업부 대표는 “막대한 압박 속에서 개발한 파워트레인이 트랙에서 진가를 증명할 준비를 마쳤다”면서, “더 정밀하고 빠른 차량을 만들기 위해 모든 순간을 함께 지원하겠다”고 강조했다.

오라클은 건설 현장의 안전 관리를 혁신하는 AI 기반 예측 지능형 설루션인 ‘오라클 컨스트럭션 및 엔지니어링 어드바이저 포 세이프티(Oracle Construction and Engineering Advisor for Safety)’를 공식 출시했다고 발표했다. 건설사는 이 설루션을 통해 프로젝트의 안전 사고를 더 정확히 예측하고 사전에 방지함으로써, 더욱 안전하고 비용 효율적인 현장을 운영할 수 있다. 기존에 정확한 예측 모델을 만들기 위해서는 고객이 모델 학습과 튜닝을 위해 방대한 데이터를 직접 제공해야 했다. 반면, ‘어드바이저 포 세이프티’는 오라클이 구축한 산업 특화 안전 모델을 활용한다. 이 모델은 다양한 프로젝트 유형과 지역을 아우르는 1만 프로젝트-년(project-years) 이상의 데이터를 학습했다. 이를 통해 기업은 현재 운영 중인 안전 프로그램의 성숙도와 관계없이 예측 기반 안전 관리의 혜택을 얻을 수 있다.     이와 함께 오라클은 ‘아코넥스(Aconex)’와 ‘프리마베라 유니파이어 액셀러레이터(Primavera Unifier Accelerator)’에 새로운 관찰(observation) 기능을 도입했다. 어드바이저 포 세이프티와 연동되도록 설계된 이 기능은 프로젝트 엔지니어부터 최고 경영진에 이르는 현장 팀이 모바일 기기나 웹 브라우저를 통해 심각도, 빈도 점수 등 구조화된 안전 데이터를 쉽고 일관되게 수집할 수 있도록 돕는다. 예측 모델 출력에 최적화된 안전 워크플로와 관찰 데이터 수집을 표준화함으로써, 모델의 정확도를 높이고 리스크를 줄이는 행동 변화를 유도할 수 있다. 기존의 안전 도구는 사고가 발생한 후 대응하는 사후 조치와 후행 지표에 의존하는 경우가 많았다. 어드바이저 포 세이프티는 ▲안전 사고의 80%를 차지할 가능성이 있는 상위 20%의 프로젝트를 식별하는 ‘주간 리스크 예측’ ▲고위험 프로젝트에 우선순위가 정해진 조치 사항을 제공하여 교정 조치를 제안하는 ‘실행 가능한 리스크 완화’ ▲신뢰할 수 있는 리스크 예측을 위해 데이터 품질을 유지하면서 선제적인 사고 보고를 유도하는 ‘관찰 기반 안전’ ▲경영진의 통찰력 확보, 전략적 의사결정 및 모범 사례 공유를 위해 안전 데이터를 통합 분석하는 ‘프로젝트 간 분석’ 등의 기능을 통해 선제적 접근 방식을 취한다. 어드바이저 포 세이프티는 오라클 아코넥스, 오라클 프리마베라 유니파이어 액셀러레이터, 오라클 퓨전 클라우드 ERP뿐만 아니라 타사 시스템의 안전 관찰 기록, 사고 보고서, 급여 데이터, 프로젝트 일정 등 다양한 데이터 스트림을 통합한다. 오라클은 고객이 이 설루션을 지속적으로 사용함에 따라 고유 데이터를 미세 조정하여 특정 안전 과제를 해결하거나, 중점 영역에 집중함으로써 예측력을 더욱 정교화할 수 있다고 설명했다. 오라클의 마크 웹스터(Mark Webster) 인프라 산업 부문 수석 부사장 겸 총괄 책임자는 “어드바이저 포 세이프티는 사고를 예측하고 예방할 수 있는 도구를 제공함으로써 건설 안전 관리의 중요한 진전을 이루었으며, 업계 전반의 효율성과 비용 효과를 개선했다”고 밝혔다. 또한 “AI와 머신러닝을 활용해 기업은 사후 대응에서 예측형 안전 관리로 즉시 전환할 수 있으며, 이는 안전 결과 개선은 물론 부상과 관련된 인적·경제적 비용 절감으로 이어진다”고 덧붙였다. 오라클의 조시 캐너(Josh Kanner) 컨스트럭션 및 엔지니어링 분석 및 AI 부문 선임 이사는 “안전 사고를 예측하고 실행 가능한 통찰력을 제공함으로써 이제 고객은 반응이 아닌 예방에 집중할 수 있다”면서, “어드바이저 포 세이프티를 도입한 고객들은 첫해에 사고율을 최대 50% 이상, 산재 보상 비용을 최대 75%까지 절감하는 성과를 거두었다”고 설명했다.

한국오라클이 2월 3일 연례 콘퍼런스인 ‘오라클 AI 서밋(Oracle AI Summit) 2026’을 열고, 데이터와 AI의 결합을 통한 기업의 생존 및 성장 전략을 제시했다. 오라클은 AI 벡터 검색 기능이 통합된 데이터베이스 새 버전을 선보이면서, 복잡한 데이터를 의미론적으로 분석하고 검색 증강 생성(RAG) 기술을 효율적으로 구현하는 방안을 설명했다. 또한 스스로 계획하고 행동하는 에이전틱 AI(agentic AI)와 데이터베이스 관리를 돕는 AI 어시스턴트의 도입을 강조했다. 오라클은 자사의 융합형 아키텍처를 앞세워 기업의 현대적인 AI 기반 비즈니스 환경을 지원할 예정이다. ■ 정수진 편집장     AI의 핵심은 데이터, 데이터와 AI의 통합은 필연 오라클은 기업이 AI를 활용해 성과를 얻기 위해 가장 핵심이면서 중요한 요소로 ‘데이터’를 내세운다. AI가 기업 데이터 관리의 패러다임을 재편하는 필수 요소가 되면서, 오라클은 ‘AI와 데이터가 초기 설계 단계부터 함께 구축’되어야 한다고 강조했다. 오라클은 기업이 특정 부서의 업무를 향상시키는 데에는 AI를 잘 활용하고 있지만, 이를 전사 업무 프로세스의 향상으로 확장하는 데에는 어려움을 겪고 있는 것으로 보고 있다. 오라클의 티르탄카르 라히리(Tirthankar Lahiri) 미션 크리티컬 데이터 및 AI 엔진 부문 수석 부사장은 그 핵심 원인에 대해 조직 내 데이터가 분산(silo)되어 있기 때문이라고 짚으면서, “융합형 데이터 플랫폼을 통해 데이터 접근성을 통합해야 실질적인 AI 비즈니스 성과를 낼 수 있다”고 전했다. AI를 활용해 기업 비즈니스와 관련된 질문에 대해 답을 얻으려면, 질문과 관련해서 적절한 기업 내부의 데이터를 AI에 제공해야 한다. AI는 제공받은 비즈니스 데이터와 자체 지식, 그리고 공개된 외부 데이터를 결합하여 보다 정확한 결과를 생성할 수 있다. 오라클이 데이터의 중요성을 강조하는 이유가 여기에 있다. 한편으로, 복잡성을 줄이고 AI 기능의 신뢰도를 높이는 것도 중요하다. 분산된 기술이나 개별 제품을 단순히 이어 붙이는 방식은 복잡성과 비용을 키울 수밖에 없다. 오라클은 데이터가 위치한 곳에 AI를 직접 내재화하여 통합 설계하면, 시스템 운영이 단순해지고 기업이 신뢰할 수 있는 빠르고 일관된 AI 혁신이 가능해진다고 보고 있다.   AI를 위한 통합 아키텍처로 차세대 혁신 지원 AI를 위한 오라클의 데이터 전략은 ‘데이터 혁신을 위한 AI(AI for Data)’로 요약할 수 있다. 이 전략은 단순히 AI 기술을 덧붙이는 것이 아니라, AI를 데이터 플랫폼의 가장 핵심적인 부분에 내재화해서, 기업이 AI 리더로 도약하고 새로운 환경에서 번영할 수 있도록 돕는 데 초점을 맞춘다. 오라클 데이터 전략의 주된 방향은 ▲AI, 데이터, 애플리케이션 개발, 그리고 개방형 표준의 통합 구축 ▲개방형 표준에 기반한 융합형 아키텍처로 모든 데이터 유형과 워크로드를 일관된 플랫폼에서 결합하고 탐색할 수 있도록 지원 ▲데이터 사일로 현상을 해결하기 위해, 데이터, AI 모델, 실행 과정을 하나로 아우르는 단일 프레임워크 제공 ▲자체 LLM뿐 아니라 xAI, 구글, 메타, 코히어, 오픈AI 등의 AI 모델을 오라클 인프라 내에 자동으로 임베디드하고 유연하게 수용 ▲기업의 내부 프라이빗 데이터가 보호받을 수 있도록 거버넌스, 프라이버시, 보안을 최우선으로 고려하는 것이다. 오라클은 이런 전략이 집약된 차세대 AI 네이티브 데이터베이스인 ‘오라클 AI 데이터베이스 26ai’를 통해, 기업들이 경쟁사보다 한발 앞서 비즈니스 인사이트를 얻고 생산성 혁신을 달성할 수 있도록 돕는다는 계획이다.   AI 네이티브를 강조한 오라클 데이터베이스 26ai 오라클 AI 데이터베이스 26ai의 핵심 기능은 다음과 같다. 통합 AI 벡터 검색 : 문서, 이미지, 동영상, 관계형 데이터 등 다양한 형태의 데이터를 의미와 맥락을 나타내는 ‘AI 벡터(vector)’로 변환해서 처리한다. 이를 통해 일치하는 값을 찾는 것을 넘어, 의미적 유사성을 기반으로 밀리초(ms) 단위의 고속 검색을 제공한다. 단일 SQL문을 통한 RAG 파이프라인 통합 : AI 벡터 검색으로 찾은 기업 내부 데이터를 LLM과 결합하여 정확하고 맥락에 맞는 답변을 도출하는 RAG(검색 증강 생성) 기능을 지원한다. 또한, 복잡한 RAG 전체 파이프라인을 단일 SQL 구문이나 데이터베이스 API를 통해 간편하게 실행할 수 있다. 데이터베이스 내 에이전틱 AI(agentic AI) 직접 통합 : AI 에이전트를 데이터베이스 내부에 직접 통합 및 설계해서 기업이 쉽고 안전하게 구축, 배포, 관리할 수 있도록 지원한다. 기업의 내부 프라이빗 데이터는 물론 웹 검색 등 외부 공개 데이터까지 결합해서 수준 높은 답변을 제공할 수 있다. AI를 위한 데이터 주석 기능 : AI가 데이터의 의미를 잘못 유추하지 않도록, 사용자가 테이블이나 컬럼의 의미와 용도를 LLM에게 명시적으로 설명해 줄 수 있는 주석(annotations) 기능을 제공한다. 이는 LLM이 더 우수한 결과물을 생성하도록 돕는다. 모든 데이터 유형의 통합 검색 : AI 벡터 검색 기능은 전통적인 관계형 데이터뿐만 아니라 텍스트, 공간, JSON, XML 데이터 등 모든 종류의 데이터 검색과 매끄럽게 결합되어 통합적인 데이터 탐색 환경을 제공한다.   데이터 중심 AI로 엔터프라이즈 혁신 돕는다 오라클은 개방형 생태계를 기반으로 하는 ‘기업용 맞춤형 AI’를 제공하면서, 기업 내부 데이터의 거버넌스, 프라이버시, 보안을 요구하는 엔터프라이즈 환경에 최적화된 AI 접근 방식을 내세운다. 한국오라클의 김성하 사장은 “오라클은 ‘데이터베이스 기업’이라는 기존의 인식에서 벗어나 ‘데이터 중심의 AI 플랫폼 기업’으로서 입지를 굳히고, 엔터프라이즈 클라우드 시장 점유율을 높이고자 한다”면서, 국내 시장 전략을 소개했다. 한국오라클은 OCI(오라클 클라우드 인프라스트럭처)의 성능과 안정성, 비용 효율에 대한 고객의 신뢰를 바탕으로, 기업의 핵심적인 기간계 업무를 클라우드로 전환하는 데 집중하고 있다. 오라클에 따르면, POC를 넘어 실질적인 클라우드 소비가 전년 대비 2025년 두 배 이상 증가했으며, 비 오라클 데이터베이스 워크로드의 클라우드 전환도 확대하고 있다. 오라클은 국내 2곳의 퍼블릭 클라우드 리전(데이터센터)을 안정적으로 운영하면서 지속적인 성장 발판을 마련했다고 보고 있다. 또한 고객이 자체 데이터센터 내에서 오라클 클라우드를 사용할 수 있도록 지원하는 전용 리전(Dedicated Region Cloud@ Customer)를 국내 세 곳의 고객사에 구축·운영하는 등 고객 맞춤형 인프라 전략을 전개 중이다. 김성하 사장은 “올 상반기 국내 AWS 데이터센터에 오라클의 고성능 데이터베이스 머신인 엑사데이터(Exadata)를 배치할 예정이다. 이는 핵심 데이터베이스를 안전하게 운용하고자 하는 금융권 및 대형 엔터프라이즈 고객의 멀티 클라우드 도입 수요를 흡수하기 위한 전략”이라고 소개했다. 이와 함께, 오라클은 국내 AI 시장을 선도할 유망 스타트업이 OCI를 기반으로 성장할 수 있도록 협력 및 지원을 이어갈 예정이다. 이런 노력을 통해 국내 AI 혁신 고객 사례를 늘려가겠다는 것이 오라클의 계획이다.       ■ 기사 내용은 PDF로도 제공됩니다.

디지털 지식전문가 조형식의 지식마당   최근 인공지능이 우리 삶의 모든 면을 급격하게 변화시키고 있다. 혹자는 이것을 인공지능 전환(AI transformation 또는 AX)이라고 말한다. 그러나 실상은 그 이상이다. 디지털 전환(digital transformation : DX)이 본격적으로 시작한 것도 몇 년 되지 않았는데 다시 인공지능 전환이라니, 대부분 정보기술 분야의 이해당사자들은 당혹스럽다. 디지털 전환의 시대에 정보기술 분야에 일하는 사람들은 약간 안도했을 수도 있다. 이것은 정보화에서 디지털 기술의 심화가 디지털 전환으로 받아들였기 때문이다. 그러나 인공지능 전환은 조금 결이 다르다는 것을 느낄 것이다. 초기에는 빅데이터 분석(big data analytics)과 머신러닝은 연결고리가 있었다. 또한 CAD/CAM/CAE 분야와 시뮬레이션(simulation) 그리고 디지털 트윈(digital twin)도 연결고리가 있다. 이 모든 패러다임의 데이터 기반(datadriven)과 폐쇄형 시스템(closed system)이라는 패러다임을 공유한다. 다시 말해서 데이터 수집(data collection)이 중요하고 데이터 정의(data definition)가 핵심이다.  그러나 인간의 사고를 흉내내는 언어 중심의 인공지능에서 의사결정 구조에서 맥락(context)이 없는 데이터는 경직되고 의사결정에서 쓸모 없는 경우가 많다. 기업의 경쟁력은 더 이상 단순히 데이터를 ‘많이 보유’하는 데서 나오지 않는다. 핵심은 데이터를 어떻게 구조화하고, 어떻게 의미를 부여하며, 어떻게 의사결정으로 연결하느냐에 있다. 전통적 데이터 웨어하우스는 스타 스키마(star schema)와 스노우플레이크 모델을 중심으로 발전해 왔다. 이 구조는 대규모 분석을 가능하게 했지만, 급변하는 비즈니스 환경—규제 변화, 가격 정책 수정, 구독 모델 전환, AI 기반 실험—을 따라가기에는 점점 한계를 드러내고 있다.   그림 1. 온톨로지와 그래픽 데이터베이스   이제 기업은 고정된 테이블 중심 사고에서 벗어나, 시맨틱 그래프 기반 온톨로지(ontology)로 전환하고 있다. 이 전환을 가속하는 기술이 바로 LLM(Large Language Model : 대형 언어 모델)이다. 기존의 산업용 정보기술(industrial IT)은 마치 ‘콘크리트 신발’을 신고 달리는 것과 같다. 구조는 단단하지만, 방향 전환은 느리다. 온톨로지는 데이터를 ‘테이블’이 아니라 의미 있는 객체(object)로 본다. ‘고객’, ‘주문’, ‘제품’은 더 이상 테이블이 아니라 그래프의 노드다. 관계는 조인이 아니라 방향성 링크(directed edge)다. 이 접근은 그래프 데이터베이스 및 시맨틱 기술 발전과 맞물려, 현대 데이터 아키텍처의 핵심으로 자리잡고 있다. 이전에는 인공지능 프로젝트가 없거나 온톨로지, 디지털 스레드와 디지털 트윈, 그래프 데이터베이스(graph database)를 결합하려는 시도가 없던 것은 아니다. 다만 개발자, 담당자, 도메인 전문가는 너무 힘든 작업과 시간과 비용의 소모전이기 때문에 성공할 수 없는 방법론이었다. 단지 거대 방위산업 회사만이 가능했다. 그러나 LLM이 보편화되면서 이 모든 것이 가능해졌다. 이 패러다임은 온톨로지 기반 디지털 트윈(ontology based digital twin) 정보화이다. 복잡하게 들리지만, 현재 팔란티어라는 회사가 사용하고 있는 방법이다.   그림 2. 게임 체인저 LLM, 구축 비용의 혁신   새로운 온톨로지 디지털 트윈 정보기술의 패러다임의 비즈니스 혁신 효과는 다음과 같다.   의사결정 민첩성 규제 변경, 가격 정책 전환, 제품 피봇 시 노드와 링크만 추가하면 확장 가능   분석 부채 감소 기존 핸드크래프트 파이프라인 붕괴 문제 해소 데이터 팀은 유지보수가 아닌 가치 창출에 집중   데이터 민주화 현업 담당자가 직접 질문 : “지난달 프리미엄 사용자의 평균 구매 빈도는?” 엔지니어 도움 없이도 탐색 가능   비용 효율 스타트업 : 엔터프라이즈급 모델링 확보 대기업 : 스키마 드리프트 관리 자동화   그림 3. 온톨로지 패러다임 비교   전략적 시사점은 LLM 기반 온톨로지 자동화는 단순 기술 도입이 아니다. 이는 기업 운영 체계의 구조적 재설계다. 핵심은 데이터 → 의미 → 의사결정 연결 구조 구축, 인간과 AI의 역할 명확화, 온톨로지를 운영 자산으로 관리, 질의 기반 학습 구조 설계, 장기적 데이터 지능 축적 전략 수립이다.   그림 4. 디지털 트윈 정보 모델   결론적으로, 데이터 민주화에서 의사결정 민주화로 움직이면서 LLM 기반 온톨로지 자동화는 단순히 모델링 비용을 줄이는 도구가 아니다. 이는 의미 중심 데이터 구조, 자가 최적화 파이프라인, 복리적 지식 축적, 조직 전체의 분석 역량 확장을 가능하게 한다. 결국 이는 데이터 민주화 → 분석 민주화 → 의사결정 민주화로 이어지는 전환이다. 여기서 말하는 민주화는 책임지는 사람이 결정하고, 의사결정 과정을 투명하게 공유하는 과정을 의미한다. 설명되지 않는 인공지능 도움에 의한 의사 결정은 리스크가 크다. 앞으로의 경쟁력은 데이터를 얼마나 많이 보유했는가가 아니라, 데이터를 얼마나 의미 있게 연결했는가에 달려 있다. 그리고 그 연결을 자동화하는 시대가 이미 시작되었다.   ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘ PLM 지식’, ‘서비스공학’, ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.