아마존 퀵, 정형 데이터와 비정형 문서를 통합 질의하는 대화형 AI 환경 지원

통합 데이터 분석 환경의 도입 배경

기업 조직에서는 데이터베이스나 스프레드시트에 저장된 정형 데이터와 문서나 보고서 형태의 비정형 데이터를 서로 다른 저장소에 분산해 관리하는 경우가 많다. 기존에는 두 영역의 데이터를 함께 분석하려면 여러 도구를 오가며 개별적으로 질의를 실행하고 결과를 수작업으로 대조해야 하는 번거로움이 있었다. 아마존 퀵은 이러한 분석 단절을 해소하기 위해 단일 대화형 AI 인터페이스에서 두 유형의 데이터를 함께 탐색하는 환경을 마련했다.

이번에 제시된 방식은 클라우드 객체 스토리지에 보관된 비정형 문서를 지식 베이스로 색인하고 정형 데이터를 시맨틱 정보로 보강해 단일 공간에 묶는 구조다. 사용자는 자연어로 질문을 던지는 것만으로 데이터베이스 질의와 문서 검색을 동시에 수행할 수 있다. 분석 결과에는 각 수치와 내용이 도출된 근거 문서와 데이터셋의 출처 표기가 함께 제공된다.

3계층 아키텍처와 시맨틱 데이터 가공

전체 솔루션은 데이터 계층, 작업 공간 계층, 에이전트 계층의 세 단계로 나뉜다. 데이터 계층에서는 문서와 보고서가 클라우드 지식 베이스를 통해 색인되고, 수치 지표와 판매 기록 같은 정형 데이터는 인메모리 연산 엔진에 적재된다. 작업 공간 계층은 이들 자원을 하나의 허브로 집약하며, 에이전트 계층은 질문 의도에 맞춰 지식 베이스 검색과 SQL 자동 변환 질의를 실행한다.

정형 데이터를 효과적으로 활용하기 위해서는 데이터 준비 단계에서 비즈니스 맥락을 부여하는 시맨틱 강화 과정이 필수적이다. 열의 데이터 유형을 날짜, 정수, 소수 등으로 명확하게 교정한 뒤 데이터셋 수준의 설명과 질의 지침을 작성한다. 지역별 비교 기준이나 계산 공식, 주요 활용 사례를 메타데이터로 명시하면 AI 에이전트가 자연어 질문을 훨씬 정확한 데이터베이스 질의 언어로 변환할 수 있다.

맞춤형 에이전트 구성과 분석 자동화

사용자는 전용 대화형 에이전트를 생성할 때 역할 정체성과 지침을 정의하고 응답 스타일을 임원용, 기술용, 창의용 중에서 선택할 수 있다. 에이전트에 통합 작업 공간을 연결하면 해당 공간에 포함된 자원과 대규모 언어 모델의 지식만을 참조해 답변을 생성한다. 추가 맥락이 필요한 경우 문서 파일을 에이전트에 직접 첨부할 수 있으며 최대 10만 자의 텍스트가 추출되어 분석에 활용된다.

구축된 에이전트는 복합적인 비즈니스 분석뿐만 아니라 업무용 산출물 생성까지 지원한다. 특정 연도의 지역별 매출 변화와 시장 분석 보고서의 전략적 우선순위를 비교하는 다중 질의를 처리할 수 있다. 또한 대화창에서 명령을 내려 발표용 슬라이드 파일, 정렬된 스프레드시트 표, 분기 검토 요약 문서 등을 생성해 내려받을 수 있는 기능도 제공된다.

적용 조건과 보안 및 기술적 한계

이 기능을 도입하려면 데이터셋 생성을 지원하는 엔터프라이즈 구독 계정이 필요하다. 연동할 클라우드 스토리지 버킷은 아마존 퀵과 동일한 리전에 위치해야 하며 관리자 콘솔에서 읽기 권한을 사전에 부여받아야 한다. 특히 문서 수준의 접근 제어 목록 적용 여부는 지식 베이스를 생성할 때만 설정할 수 있으며 생성 이후에는 변경할 수 없으므로 사전에 접근 정책을 확정해야 한다.

보안 체계는 클라우드 공유 책임 모델을 따르므로 저장소와 지식 베이스의 권한 설정은 운영자가 직접 관리해야 한다. 에이전트와 지식 베이스는 기본적으로 비공개 상태로 생성되며 필요한 사용자나 그룹에 한해 개별적으로 공유해야 한다. 내장된 콘텐츠 안전 검사와 최대 50개까지 등록 가능한 차단 단어 기능이 위험을 완화하지만, 이는 접근 권한 제어를 대체하는 수단이 아니라는 점을 감안해야 한다.