NHN클라우드와 티맥스티베로가 국산 기술 기반의 ‘AI 인프라’ 구축을 위해 협력한다.

 

NHN클라우드의 GPU 기반 클라우드 인프라와 Tibero DBMS를 결합해, 장기 운영 환경에 적합한 AI 인프라 구조를 공동으로 마련하는 데 초점을 두고 있는 이번 협업은 AI 도입이 PoC를 넘어 실제 서비스 운영 단계로 확산되고 있으며, 데이터 주권·보안·규제 대응까지 고려한 국산 기술 기반 AI 인프라 협력 사례라는 점에서 의미가 있다는 평가다.

 

국내 산업 전반에서 생성형 AI 도입이 확산되면서, 기업·기관의 관심은 ‘어떤 모델을 쓸 것인가’에서 ‘어떻게 운영할 것인가’로 빠르게 옮겨가고 있다.

 

 

PoC(개념 검증) 단계에서는 외부 API나 단일 GPU 서버 구성만으로도 구현이 가능하지만, 운영 단계로 확장하는 과정에서 데이터 관리와 비용, 보안·규제 대응 등 인프라 과제가 본격적으로 드러난다.

 

특히 공공·금융처럼 규제 환경이 엄격하고 장기 운영이 전제되는 조직에서는 AI를 붙이는 방식보다, 데이터와 시스템을 안정적으로 연결하는 인프라 설계가 도입 성패를 좌우한다는 평가가 나온다.

 

운영 단계에서의 요구가 커지면서 AI 인프라 전략도 해외 스택 의존을 줄이고, 국내 기술을 기반으로 한 구성으로 무게중심이 옮겨가고 있다. 데이터 주권과 규제 준수 요구가 커지면서, 핵심 인프라를 국내에서 통제 가능한 형태로 확보하려는 수요가 늘고 있기 때문이다.

 

AI 성능이 데이터에서 비롯되는 만큼, 학습·추론 전 과정에서 발생하는 데이터를 어떻게 관리하느냐가 경쟁력으로 부상했고, DBMS의 역할도 함께 확대되고 있다.

 

이 같은 흐름에 대응하는 사례로 NHN클라우드(대표이사 김동훈)와 티맥스티베로(대표이사 박경희, 이하 ‘티베로’)의 조합이 거론된다.

 

NHN클라우드는 GPU 기반 AI·HPC 워크로드를 지원하는 클라우드 환경을 제공하며, AI 학습과 추론을 위한 연산 인프라를 담당한다. 티베로는 Tibero DB를 기반으로 학습 데이터와 추론 결과, 업무 데이터와 벡터 데이터를 통합 관리하는 데이터 계층을 맡는다는 구상이다.

 

양사는 GPU 인프라와 DBMS를 결합해 외산 상용 스택 의존을 줄이면서도, AI 서비스를 안정적으로 운영할 수 있는 인프라 구성을 제시하고 있다.

 

NHN클라우드 허희도 부사장은 “AI를 실제 서비스로 운영하려면 연산 자원만으로는 부족하고, 데이터가 안정적으로 흘러갈 수 있는 구조가 함께 설계돼야 한다”며 “티베로와의 협업은 AI 인프라를 단순히 ‘구축’하는 수준을 넘어, 국내 환경에 맞게 ‘운영할 수 있는 형태’로 완성한다는 점에서 의미가 있다”고 전했다. 이어 “양사 기술을 결합해 고객이 AI 도입 이후 단계에서 겪는 운영 부담을 실질적으로 줄이는 것이 목표”라고 덧붙였다.

 

AI 인프라 구축 과정에서 문제로 지적돼 온 복잡한 연계 구조 역시 개선 과제로 꼽힌다. 모델, 데이터, 애플리케이션을 각각 다른 방식으로 연결하는 접근은 PoC 단계에서는 가능하더라도 운영 단계로 확장할수록 구조 복잡성과 관리 부담이 커진다.

 

티베로는 MCP(Model Context Protocol) 연동을 통해 DBMS가 AI 모델에 필요한 컨텍스트를 표준화된 방식으로 제공하는 구조를 제시하며, AI 아키텍처를 ‘직접 구현’ 중심에서 ‘구성·조립’ 중심으로 단순화하는 방향을 강조하고 있다. 이는 AI 도입을 단기 실험에 머무르게 하지 않고 실제 서비스 환경으로 확장하는 데 필요한 조건으로 평가된다.

 

티베로는 Tibero DB를 AI 시대에 맞는 데이터 플랫폼으로 확장하는 작업도 병행하고 있다. 검색·추천 등 활용 시나리오를 고려한 데이터 아키텍처 확장을 통해, 기존 업무 시스템 데이터와 AI 서비스 데이터의 연계를 보다 유연하게 지원하겠다는 계획이다.

 

이를 통해 업무 시스템에서 생성되는 데이터와 AI 서비스에 활용되는 데이터가 분리되지 않고 하나의 흐름으로 연결될 수 있으며, 추가적인 외산 상용 솔루션 없이도 RDBMS 기반 환경에서 AI 서비스 확장이 가능하다는 설명이다.

 

티베로 박경희 대표는 “NHN클라우드와의 협업을 통해 고객이 기존 시스템을 유지한 상태에서 AI 적용 범위를 단계적으로 넓힐 수 있도록 하는 데 초점을 맞추고 있다”며 “운영 단계까지 고려한 현실적인 구축 선택지를 함께 제시하겠다”고 말했다.

 

업계에서는 NHN클라우드의 GPU 인프라 위에 Tibero DB를 중심으로 정형·비정형·벡터 데이터를 통합 관리하고 오픈소스 AI 프레임워크를 연계하는 구조가 국산 기술 기반 AI 인프라의 현실적인 대안이 될 수 있다는 분석도 나온다.

 

외산 기술 종속을 줄이면서도 성능, 확장성, 운영 안정성을 함께 고려할 수 있다는 점에서, AI 인프라 방향이 ‘해외 스택 중심’에서 ‘운영 가능한 구조 중심’으로 이동하고 있음을 보여주는 사례라는 평가다.

 

헬로티 이동재 기자 |