기사를 읽어드립니다.

엔비디아가 기업 내부 데이터의 의미와 관계를 자동으로 분석해 AI 에이전트가 활용할 수 있도록 하는 오픈소스 기술을 공개했다. AI가 기업의 매출이나 고객 정보를 조회할 때 단순히 데이터를 검색하는 데 그치지 않고, 각 데이터의 정확한 의미와 계산 기준까지 이해하도록 돕는 기술이다. 최근 기업용 AI 에이전트의 신뢰성을 높이는 기술로 '온톨로지(Ontology)'가 주목받는 가운데, 엔비디아도 관련 생태계 구축에 나선 것이다.

엔비디아는 지난 21일 공식 블로그를 통해 기업용 AI 개발 도구인 '에이전트 지식 기반(Agent Knowledge Foundation)'을 소개하면서 '오토 온톨로지(Auto Ontology)'를 주요 구성 요소로 공개했다. 깃허브에는 소스코드를 아파치 2.0 라이선스로 배포해 기업과 개발자가 활용할 수 있도록 했다.

온톨로지는 데이터가 무엇을 의미하고 서로 어떤 관계를 맺고 있는지 컴퓨터가 이해할 수 있도록 정리한 지식 구조다. 기업의 데이터베이스에 고객과 주문, 매출 정보가 흩어져 있을 때 각 데이터의 의미와 연결 관계, 매출 계산 기준 등을 정의하는 방식이다. 같은 '매출'이라도 할인이나 환불을 포함하는지에 따라 값이 달라질 수 있는데, 온톨로지는 AI가 기업에서 정한 기준에 따라 데이터를 해석하도록 돕는다.

기존 AI 에이전트는 데이터베이스의 항목 이름을 참고해 필요한 정보를 찾거나, 자연어 질문을 데이터베이스 조회 언어인 SQL로 변환해 답변을 생성했다. 그러나 기업마다 데이터 구조와 용어가 다르고 같은 지표에도 서로 다른 계산 기준을 적용하기 때문에 잘못된 데이터를 조회하거나 부정확한 답변을 내놓는 문제가 있었다.

엔비디아는 "AI 에이전트는 문서를 검색하고 데이터베이스를 조회할 수 있지만, 중요한 것은 신뢰성이다. 아무리 빨리 매출 수치를 제시하더라도 틀린 숫자라면 아무런 가치가 없다"라고 강조했다.

오토 온톨로지는 데이터베이스의 구조와 메타데이터를 분석해 기업 데이터의 의미와 관계를 정리하는 온톨로지 계층을 자동으로 생성한다. 기업이 사용하는 용어와 실제 데이터베이스 항목, 계산식 사이의 관계를 연결해 AI가 어떤 데이터를 사용하고 어떻게 계산해야 하는지 확인하도록 돕는다. 기존에 구축한 온톨로지나 데이터 정의 체계도 연결해 활용할 수 있다.

이를 통해 AI 에이전트는 이용자가 자연어로 질문하면 관련 데이터와 계산 기준을 확인한 뒤 SQL을 생성하고 실행할 수 있다. 특히 데이터만으로 답할 수 없는 질문은 무리하게 처리하지 않고 추가 정보를 요청하도록 지원한다. 조회에 사용한 SQL과 처리 과정도 제공해 답변의 근거를 확인할 수 있으며, 기업 담당자가 자동 생성한 데이터 정의를 검토하고 승인할 수도 있다.

엔비디아 '오토 온톨로지'의 자연어 데이터 조회 화면. 이용자가 매출과 고객 수가 많은 제품을 질문하자 AI가 데이터베이스 조회 언어인 SQL을 생성하고, 제품별 매출 순위를 그래프로 보여준다. (사진=엔비디아)

기존 검색증강생성(RAG)이 주로 관련 문서를 찾아 AI의 답변에 활용한다면, 오토 온톨로지는 구조화된 기업 데이터의 의미와 계산 규칙을 AI에 제공하는 데 초점을 맞췄다. 두 기술은 상호 보완적이며, 오토 온톨로지는 모델 컨텍스트 프로토콜(MCP)과 API를 통해 기존 AI 에이전트와 연결할 수도 있다.

엔비디아는 오토 온톨로지가 포함된 에이전트 지식 기반을 통해 기존 데이터를 이전하거나 업무 시스템을 다시 구축하지 않고도 AI가 기업 정보를 활용할 수 있다고 설명했다. 이번 공개는 엔비디아가 AI 반도체와 모델을 넘어 기업 데이터 활용을 위한 소프트웨어까지 AI 에이전트 생태계를 넓히고 있음을 보여준다.

관련 기술을 도입하려는 기업도 등장했다. 델은 지난달 기업용 AI 데이터 플랫폼에 엔비디아의 오토 온톨로지를 활용할 수 있는 통합 시맨틱 계층을 도입하겠다고 발표했다. 관련 기능은 2027년 상반기 출시할 예정이다.

다른 데이터 플랫폼 업체들도 온톨로지 기술을 강화하고 있다. 스노우플레이크는 지난 3일 기업의 주요 용어와 지표, 데이터 간 관계를 관리하는 '비즈니스 온톨로지(Business Ontology)'를 발표하고 공개 프리뷰를 예고했다. AI 에이전트가 기업에서 승인한 정의를 바탕으로 데이터를 분석하도록 해 부정확한 답변을 줄이겠다는 취지다.

이처럼 기업용 AI 경쟁의 초점이 모델 자체의 성능뿐 아니라 실제 기업 데이터를 얼마나 정확하게 이해하고 활용하느냐로 넓어지고 있다. AI가 문서를 검색하고 요약하는 수준을 넘어 기업의 매출을 분석하거나 업무를 직접 수행하려면 데이터의 의미와 계산 기준을 일관되게 해석해야 하기 때문이다.

실제 업무에서 정확도가 얼마나 개선되는지는 추가 검증이 필요하다. 엔비디아는 자체 테스트에서 온톨로지 생성 시간을 90% 단축했다고 밝혔지만, AI 에이전트의 답변 정확도가 얼마나 높아졌는지에 대한 구체적인 수치는 제시하지 않았다. 자동 생성한 데이터 정의도 기업 담당자의 검토와 승인이 필요하다.

임대준 기자 ydj@aitimes.com