AI Data Platform

정형, 반정형 및 비정형 데이터 전반에 걸쳐 완전한 데이터 레이크하우스를 구축합니다. 원시 데이터는 브론즈 계층으로 객체 스토리지에 저장되며, 불필요한 복제 없이 데이터가 있는 위치에서 수집되거나 직접 저장됩니다. 관리형 Apache Spark를 사용한 자동 확장 컴퓨팅은 이를 실버 계층의 정제된 액세스 제어 데이터 세트로 다듬습니다. Oracle Autonomous AI Database는 분석, 머신러닝, AI 에이전트에 최적화된 엄선된 AI 지원 골드 계층을 제공합니다. 하나의 레이크하우스. 하나의 환경. 즉, 데이터 엔지니어부터 비즈니스 사용자까지 모든 사용자가 동일한 신뢰할 수 있는 데이터를 사용합니다.

• 모든 소스, 모든 싱크, 모든 언어, 어디서나
  관계형 데이터베이스, SaaS 애플리케이션, 스트리밍 피드, 타사 데이터 제공업체를 포함하여 100개 이상의 소스 및 싱크를 카탈로그화하고 연결할 수 있습니다. 예를 들어 데이터 엔지니어는 ERP 레코드, 고객 이벤트 및 클릭스트림 데이터를 Apache Spark 변환으로 결합하여 신뢰할 수 있는 골드 탭을 구축할 수 있습니다.
• 시각적 데이터 파이프라인 생성
  단일 워크플로에서 브론즈부터 골드까지 수집, 변환, 보강을 오케스트레이션하는 노코드 및 프로코드 ETL/ELT 파이프라인을 설계합니다.
• 개방형 파일 형식과의 상호 운용성
  트랜잭션 일관성, 시점 이동 쿼리, 스키마 진화를 지원하며 Apache Iceberg 및 Delta Lake를 비롯한 개방형 형식의 데이터를 Oracle Cloud Infrastructure(OCI) Object Storage에 직접 저장하고 쿼리할 수 있습니다. Apache Spark, Apache Flink 및 Iceberg 또는 Delta Lake와 호환되는 모든 엔진과 상호 운용할 수 있습니다. 도구가 바뀌어도 독점 기술에 종속되거나 다시 작성할 필요가 없습니다.
• 데이터 준비 및 쿼리를 위한 동급 최고의 엔진
  데이터 엔지니어는 Apache Spark에서 대규모 데이터 변환을 실행할 수 있습니다. 데이터 과학자는 ML 모델을 구축할 수 있습니다. 비즈니스 사용자는 동일한 데이터에 대해 SQL 및 Oracle AI Database를 사용하여 애드혹 탐색을 수행할 수 있습니다. 각 사용자는 데이터를 복사하거나 재모델링하지 않고도 자신의 워크로드에 적합한 엔진을 선택할 수 있습니다.
• 데이터 및 데이터베이스 전반의 통합 분석
  하나의 역할 기반 액세스 제어 모델에서 객체 스토리지와 연결된 데이터베이스 전반의 구조화된 테이블, 반정형 JSON, 지리 공간 데이터, AI 벡터 임베딩을 쿼리합니다. 예를 들어, 비즈니스 사용자는 단일 SQL 쿼리에서 레이크하우스 활동 스트림을 Oracle AI Database의 신뢰할 수 있는 고객 기록과 조인하여 새로운 매출 예측을 검증할 수 있습니다.
• AI 지원 골드 계층
  머신러닝 파이프라인, 검색 증강 생성(RAG) 지식 기반, AI 에이전트는 큐레이션되고 비즈니스 검증을 거친 데이터를 활용합니다. AI 엔지니어는 원시 데이터나 중간 사본이 아니라 운영 보고의 기반이 되는 동일한 신뢰할 수 있는 사실을 토대로 모델을 구축합니다.
• 자율운영 골드 계층 운영
  자동 인덱싱, 쿼리 최적화, 워크로드 관리를 통해 자가 튜닝, 자가 확장, 자가 복구 데이터 웨어하우스의 이점을 누리세요. 수동 튜닝 없이 피크 시간대에도 수십억 개의 행 전반에서 일관된 1초 미만의 성능을 제공합니다. 스토리지와 독립적으로 컴퓨팅을 확장하여 수백 명의 동시 사용자에게 서비스를 제공할 수 있습니다.
• 최고 수준의 자사 통합
  ERP, HCM, 공급망, CX를 비롯한 Oracle Fusion Applications 데이터를 레이크하우스로 직접 가져옵니다. Apache Spark 기반 노트북에서 운영 시스템의 기록 데이터를 기반으로 AI 에이전트 그라운딩, 과거 보고 및 예측 애널리틱스에 사용할 Fusion 데이터를 준비할 수 있습니다.
• 데이터 공유
  데이터를 복사하거나 이동하지 않고 내부 팀, 파트너 및 Oracle 애플리케이션과 실시간 레이크하우스 데이터를 공유해 보세요. 데이터 공유를 통해 모든 데이터 소비자가 가장 최신의 신뢰할 수 있는 버전을 사용할 수 있습니다.

Oracle AI Data Platform은 데이터 과학자와 ML 엔지니어에게 완전 관리형 환경을 제공하여 레이크하우스 데이터에서 머신 러닝 모델을 직접 구축, 학습, 추적 및 운영화할 수 있도록 지원합니다. 전체 MLOps 수명 주기(분산 Spark 학습, 실험 추적, 모델 레지스트리, 카탈로그 게시 배포)가 관리할 인프라 없이 고객이 관리하고 통제하는 작업 공간에서 실행됩니다.

• ML 파이프라인 및 워크플로: AI Data Platform의 워크플로 인프라를 사용하여 데이터 준비, 특성 엔지니어링, 학습, 평가 등 재사용 가능한 구성 요소로 엔드투엔드 ML 파이프라인을 오케스트레이션합니다. 한 번 빌드해 두고, 사용자가 정의 및 제어하는 역할 기반 액세스 제어 정책에 따라 일정에 맞춰 또는 트리거 시 실행할 수 있습니다.
• 실험 및 모델 레지스트리: 자동 측정 지표 로깅, 하이퍼파라미터 캡처 및 아티팩트 버전 관리를 통해 모든 모델 학습 실행을 추적할 수 있습니다. 실험을 비교하고, 프로덕션 모델을 등록하고, 라이프사이클 워크플로를 관리합니다.
• 모델 게시 및 카탈로그 등록: 학습된 모델을 AI 데이터 카탈로그에 게시하여 에이전트, 애플리케이션, 워크플로 전반에서 검색, 버전 지정, 액세스가 가능합니다. 등록 시 계보 추적 및 액세스 제어 정책이 적용됩니다.
• GPU 기반 Apache Spark: 분산 Spark 클러스터 전반에서 기능 엔지니어링 및 모델 학습을 확장하고, NVIDIA의 시장 선도적인 GPU 기반 ETL 및 ML로 워크로드를 가속화합니다.
• 데이터 사이언스 에이전트: 데이터 세트를 자율적으로 탐색하고, 가설을 생성하며, 코드를 작성 및 실행하고, 모델 학습을 반복하여 원시 데이터에서 운영 모델에 이르는 시간을 획기적으로 단축하는 AI 에이전트입니다.

일반 LLM 기능이 아닌 기업의 자체 데이터에 기반한 AI 에이전트 및 애플리케이션을 구축할 수 있습니다. 에이전트와 앱은 정책에 따라 액세스 제어가 가능하며 비즈니스 의미와 도메인 지식이 풍부합니다. AI 에이전트는 AI 데이터 카탈로그, 비즈니스 온톨로지 및 엔터프라이즈 시스템에 연결되어 있으므로 기업이 실제로 실행하는 컨텍스트 내에서 추론할 수 있습니다. 노코드 시각적 빌더에서부터 완전한 프로 코드 개발에 이르기까지 모든 기반 모델을 사용하여 다중 에이전트 시스템을 구성하고, 관찰 기능이 내장된 관리형 AI 컴퓨트에 배포할 수 있습니다.

• 노코드 시각적 흐름 빌더: 드래그 앤 드롭 캔버스를 사용하여 에이전트를 시각적으로 설계하고 작성합니다. 코드 한 줄 작성하지 않고도 SQL 도구, RAG 지식 베이스, LLM 프롬프트 노드를 연결하고 여러 도구로 팬아웃할 수 있습니다. 플로를 재구축하지 않고 드롭다운에서 기반 모델을 전환할 수 있습니다.
• 프로코드 개발: AI Data Platform SDK를 사용하여 Python에서 에이전트를 작성하고 LangChain, OCI Generative AI 및 모든 오픈 소스 라이브러리에 대한 완전한 액세스를 제공합니다. 모든 시각적 플로 기능은 코드에서 완전히 액세스할 수 있으며, 에이전트 SDK와 함께 scikit-learn, LangChain 또는 모든 프레임워크를 가져올 수 있습니다.
• 멀티 에이전트 시스템: A2A 프로토콜을 사용하여 복잡한 다단계 엔터프라이즈 워크플로를 자율적으로 처리할 수 있도록 오케스트레이터 에이전트, 전문 하위 에이전트, 도구 사용 에이전트 등 협업 AI 에이전트 시스템을 설계하고 오케스트레이션합니다.
• 모든 기반 모델: Llama, Cohere, Mistral, Grok 등 OCI의 모든 모델을 사용하거나 직접 미세 조정한 모델을 가져올 수 있습니다. 애플리케이션 논리를 재구축하지 않고Oracle Cloud Infrastructure (OCI) Compute 드롭다운 메뉴에서 모델을 교체합니다.
• AIOps 및 관찰 가능성: 개발부터 프로덕션까지 에이전트 수명 주기 전반에 걸친 완전한 관찰 가능성. 플랫폼 플레이그라운드에서 대화식으로 에이전트를 테스트하고, 도구 호출, LLM 추론 및 배포 전 출력을 검사합니다. 세션에서는 개발, 테스트, 프로덕션 전반에서 상태, 기간, 입력/출력, 단계별 이벤트 세부정보가 포함된 감사 추적이 저장됩니다. 지연시간, 토큰 사용량, 오류율 및 맞춤형 비즈니스 KPI를 실시간으로 모니터링할 수 있습니다.

데이터 엔지니어, 데이터 과학자, AI 개발자가 엔터프라이즈급 역할 기반 접근 제어(RBAC), CI/CD, 버전 관리, 감사 기능이 내장된 엔드투엔드 데이터 및 AI 프로젝트에서 협업할 수 있는 단일 통합 개발 환경입니다. 공유 도구, 노트북, 파이프라인을 통해 모든 페르소나를 연결하고, 플랫폼의 기본 서비스와 카탈로그에 대한 통합 액세스를 기반으로 지원합니다.

• Workspaces: 팀이 노트북, 파이프라인, 에이전트 및 실험에서 협업하는 프로젝트 범위 환경입니다. 모든 아티팩트는 작업영역 경계 내에서 버전 지정, 공유 및 액세스 제어되며 프로젝트당 전체 역할 기반 액세스 제어가 가능합니다.
• 노트북, 워크플로, 에이전트: 모든 개발 아티팩트는 Jupyter 호환 노트북, 파이프라인 워크플로 DAG, AI 에이전트, ML 실험 등 한 곳에서 관리됩니다. 컨텍스트 전환 없이 팀 전체에서 공유, 버전 관리, 협업을 수행해 보세요.
• SQL 도구 및 컴퓨트 관리: 기본 제공되는 컴퓨트 수명 주기 제어 기능을 통해 카탈로그 테이블에 대해 애드혹 SQL 쿼리를 직접 실행할 수 있습니다. 별도의 콘솔 없이 IDE 내에서 새로운 AI 컴퓨트 리소스를 연결, 분리 또는 스핀업할 수 있습니다.
• CI/CD 및 Git 통합: 노트북, 파이프라인, 에이전트 정의, 모델 구성의 버전 관리를 위한 네이티브 Git 통합입니다. GitHub, GitLab 또는 Bitbucket에 연결하여 데이터-AI 프로젝트 아티팩트의 지속적 통합 및 자동화된 배포를 수행할 수 있습니다.
• RBAC, 감사 및 네트워크 격리: 작업 영역, 아티팩트 및 컴퓨팅 전반에 걸친 세분화된 역할 기반 액세스 제어입니다. 모든 사용자 작업에 대한 포괄적인 감사 로그 프라이빗 엔드포인트를 통한 네트워크 격리는 민감한 워크로드가 퍼블릭 인터넷에 노출되지 않도록 지원합니다.

전체 메달리온 아키텍처를 아우르는 단일 통합 카탈로그에서 브론즈 수집, 실버 큐레이션, 골드 AI 지원 데이터 제품을 포함한 모든 데이터 및 AI 자산에 대한 액세스를 탐색, 이해, 관리할 수 있습니다. Oracle AI Data Platform의 AI 데이터 카탈로그는 외부 카탈로그를 통해 Autonomous AI Database, OCI Object Storage 및 타사 소스에 연결되어, 시맨틱 컨텍스트와 온톨로지를 통해 풍부한 비즈니스 의미를 가시화합니다. 모든 팀이 어떤 데이터가 존재하는지뿐만 아니라 그 데이터가 비즈니스에 어떤 의미를 갖는지도 파악할 수 있습니다. 모든 AI 에이전트가 이러한 이해를 자동으로 이어받습니다.

• 통합 데이터 및 AI 자산 카탈로그: 정형 테이블, 비정형 파일, 지식 기반, ML 모델, 기능 저장소, 에이전트 정의 등 모든 데이터 및 AI 자산에 대한 단일 카탈로그입니다. 카탈로그의 액세스는 데이터와 AI 전반에 걸쳐 일관된 정책으로 관리됩니다. 전체 메달리온 아키텍처를 포괄하여 모든 계층에서 데이터 제품과 AI 애플리케이션의 빠른 수집, 큐레이션, 제공을 지원합니다.
• 외부 카탈로그 및 자산 검색: 데이터를 불필요하게 이동하거나 복제하지 않고 외부 데이터 소스(Autonomous AI Database, OCI Object Storage 및 타사 시스템)에 연결합니다. 연결 지점에서 AI 기반 메타데이터 보강 및 계보 추적을 통해 정형 및 비정형 자산을 자동으로 검색하고 카탈로그화합니다.
• 비즈니스 온톨로지 및 시맨틱 계층: 도메인 온톨로지와 비즈니스 개념 간의 시맨틱 관계를 정의합니다. 비즈니스 용어집, 시맨틱 온톨로지, 도메인 분류 체계, AI 생성 동의어를 통해 사용자는 테이블 이름이 아닌 의미를 기준으로 데이터를 찾을 수 있습니다. AI 에이전트는 이러한 의미론적 이해를 자동으로 상속합니다.
• 제로 카피: 데이터가 있는 위치에서 데이터를 쿼리할 수 있습니다. 데이터를 이동하거나 복사하지 않고 액세스 및 쿼리할 수 있습니다. 기존 Oracle Database, Autonomous AI Database, Exadata에 직접 연결하고 SQL을 사용하여 데이터 이동 없이 쿼리할 수 있습니다. 데이터는 신뢰할 수 있는 원본 소스에 그대로 유지되는 동시에, 카탈로그가 액세스를 페더레이션하고 역할 기반 액세스 제어를 적용하며 데이터를 제공하여 중복을 줄이고 비용을 절감합니다.
• 제로 ETL: 모든 소스 데이터베이스에서 AI 기반의 실시간 로그 기반 복제를 통해 레이크하우스로 직접 고처리량 스트리밍 수집을 지원하는 Oracle GoldenGate로 ETL 파이프라인을 제거할 수 있습니다. 데이터는 수집되는 즉시 카탈로그화되어 AI에 바로 활용할 수 있습니다.
• Volumes: Volumes은 비정형 데이터를 카탈로그에 있는 데이터 자산과 함께 저장합니다. 지식 베이스에 연결하여 에이전트와 애플리케이션이 문서, PDF, 이미지와 같은 비정형 콘텐츠를 안전하게 검색할 수 있도록 지원합니다.
• 데이터 계보: 원시 데이터 수집부터 변환, ML 기능 엔지니어링, 모델 학습, AI 애플리케이션 제공에 이르는 엔드투엔드 데이터 계보를 시각화합니다. 전체 데이터 및 AI 파이프라인 전반에서 업스트림 변경이 미치는 영향을 즉시 파악할 수 있습니다.

대규모 Enterprise AI는 모든 데이터 자산, 모델 및 에이전트에 일관되게 적용되는 엔터프라이즈급 보안, 액세스 관리 및 감사 기능을 필요로 합니다. Oracle AI Data Platform은 2계층 보안 모델을 적용합니다. ID, 인증을 위한 Oracle Cloud Infrastructure(OCI) Identity and Access Management(IAM)와 모든 카탈로그 자산, 워크스페이스, AI 리소스에 대한 세분화된 액세스 제어를 제공하는 AI Data Platform을 결합하고, 전체 추적성을 위한 포괄적인 감사 로그를 제공합니다. 보안을 철저히 고려하지 않고도 전체 데이터와 AI 자산을 관리할 수 있습니다.

• 2계층 보안 모델: 보안은 2가지 계층으로 작동합니다. OCI IAM은 ID, 인증, 클라우드 수준 액세스를 처리하고, AI Data Platform은 플랫폼 내 각 데이터, AI 자산을 검색하고, 읽고, 수정하고, 사용할 수 있는 사용자를 제어합니다. 두 정책 모두 고객이 정의하고 관리합니다. Oracle은 이를 적용하는 프레임워크를 유지 관리합니다. 제어권을 포기하지 않고도 심층 방어 아키텍처의 이점을 누릴 수 있습니다.
• AI Data Platform 워크벤치: 워크스페이스, 카탈로그 자산, 컴퓨팅 리소스, 에이전트, 관리 기능 전반에 세분화된 역할 기반 액세스 제어를 제공합니다. 역할은 사용자가 카탈로그에서 볼 수 있는 역할과 플랫폼에서 수행할 수 있는 작업 간에 격차 없이 데이터와 AI 간에 일관되게 적용됩니다.
• 감사 로깅 및 추적 가능성: 모든 사용자 작업, 데이터 액세스, 에이전트 상호 작용 및 관리 변경에 대한 포괄적인 감사 로그는 플랫폼 전반의 추적 기능을 제공하여 규제 준수, 조사 및 액세스 기록 보고를 지원합니다.
• 네트워크 격리 및 프라이빗 엔드포인트: 프라이빗 엔드포인트를 통해 프라이빗 VCN 서브넷 내에 작업 영역, 컴퓨트 및 데이터 연결을 배포합니다. 민감한 워크로드는 공용 인터넷을 통과하지 않습니다. 네트워크 격리는 인프라 계층에서 적용됩니다.
• OCI Identity and Access Management 및 보안 통합: OCI IAM은 플랫폼 전반에서 ID 페더레이션 및 인증을 처리합니다. 비밀 관리를 위한 OCI Vault, TLS를 위한 OCI Certificates, 보안 상태 권장사항을 위한 OCI Security Advisor와의 긴밀한 통합은 데이터, AI, 인프라 전반에서 통합 보안 제어 플레인을 제공합니다.

AI Data Platform으로 구축된 에이전트와 타사 에이전트, MCP 서버 및 툴을 포함하여 엔터프라이즈 규모로 AI 에이전트를 검색하고 관리할 수 있는 중앙 집중식 레지스트리. AI 레지스트리는 각 에이전트의 ID, 기능, 권한, 버전 및 상호 작용 로그를 추적하여 플랫폼 관리자가 엔터프라이즈 전반에서 운영되는 증가하는 AI 에이전트 집합에 대한 가시성과 제어력을 확보할 수 있도록 지원합니다.

• 중앙 집중식 에이전트 레지스트리: AI Data Platform 또는 타사 툴로 구축된 모든 AI 에이전트를 나열, 버전 관리 및 관리할 수 있도록 지원하는 통합 레지스트리입니다. 각 에이전트의 ID, 선언된 기능, 권한 범위, 버전 기록 및 상호작용 로그를 추적합니다. 엔터프라이즈 규모의 관리, 액세스 제어 및 재사용을 위한 풍부한 메타데이터를 통해 기능, 도메인 또는 팀별로 에이전트를 검색할 수 있습니다.
• 에이전트 간(A2A) 프로토콜: 개방형 A2A 프로토콜을 사용하여 AI Data Platform 에이전트와 서드파티 에이전트 간의 구조화된 표준 커뮤니케이션을 지원합니다. 모든 상호 작용에서 명확한 ID, 기능 선언 및 권한 경계를 적용하여 전문 에이전트가 오케스트레이터 에이전트와 협업하는 복잡한 워크플로를 구성할 수 있습니다.
• Model Context Protocol(MCP) 서버 및 도구: MCP 서버 및 도구를 등록하고 공개합니다. 에이전트는 하드코딩된 바인딩 없이 데이터베이스 쿼리, REST API, 커스터마이징 비즈니스 기능을 포함한 런타임 시 동적으로 도구를 검색하고 호출합니다. 도구 권한은 에이전트 액세스가 제어되는 방식과 일관되게 정의한 레지스트리 정책을 통해 관리됩니다.

비기술 사용자도 셀프 서비스 분석, 선별된 AI 에이전트, AI 기반 인사이트를 통해 엔터프라이즈 데이터의 강력한 기능을 최대한 활용할 수 있습니다. AI 기능은 의사 결정이 이루어지는 비즈니스 워크플로에 직접 내장되어 있습니다. 기술 역량이 필요하지 않습니다. 엔터프라이즈 AI의 민주화를 실현합니다.

• 비즈니스 워크플로의 애널리틱스: Oracle Analytics Cloud는 Oracle Fusion ERP, HCM, SCM, CX와 같이 팀이 매일 사용하는 애플리케이션에 직접 내장된 세계적 수준의 애널리틱스를 제공합니다. 자연어로 질문하고, AI 생성 내러티브를 표시하며, 워크플로 내에서 중앙 관리형 대시보드를 공유할 수 있습니다.
• 통합 대화형 인터페이스: 기업의 AI 에이전트와 관련된 검색, 쿼리, 협업을 수행할 수 있는 단일 통합 화면을 제공합니다. Agent Hub는 비즈니스 사용자의 요청을 해석하고, 적합한 에이전트를 찾아 호출하며, 모든 결과를 자연어를 통해 컨텍스트에 맞게 제공합니다. 기술 역량이 필요하지 않습니다.
• 엄선된 AI 에이전트 라이브러리: 데이터 팀이 구축한 내부 에이전트와 검증된 타사 에이전트로 구성된 승인된 에이전트 라이브러리를 살펴보세요. 일반적인 비즈니스 작업을 위한 설명, 예시 프롬프트, 사용 지침이 제공됩니다.
• 관리형 액세스 및 보안: 사용자는 기본 데이터와 동일한 RBAC 정책을 통해 모든 에이전트 상호 작용 및 분석 쿼리를 관리할 수 있습니다. 사용자는 액세스 권한이 부여된 에이전트와 데이터만 볼 수 있습니다. 추가 구성 없이 제공되는 엔터프라이즈 보안입니다.