Full-stack 통합을 통한 Agent Scale의 비용 효율적 아키텍처 구현

Context

기존 AI 도구는 단순 쿼리 응답에 그쳐 자율적 동작을 수행하는 Agent Scale 환경에서 데이터 플랫폼의 병목 현상 발생. 특히 기업 데이터의 90%를 차지하는 Unstructured Data의 활용 불능 상태와 수동 Ontology 구축에 따른 과도한 리소스 소모가 한계점으로 작용.

Technical Solution

• Cloud Infrastructure, Frontier AI Model, Data Platform을 단일 스택으로 통합하여 Fragmented System에서 발생하는 보안 및 거버넌스 복잡도 제거
• Gemini 2.5의 Reasoning Capability 향상을 기점으로 모든 Agent 포트폴리오를 Re-engineering 하여 모델의 Prescriptive 제어 방식을 완화
• Knowledge Catalog 도입을 통한 수동 데이터 준비 과정 제거 및 비정형 데이터의 즉각적인 Agent 활용 구조 설계
• Model Context Protocol(MCP) 적용을 통해 모델 외부의 추론 환경을 개선하고 데이터 접근성 최적화
• Cross-cloud Lakehouse 설계를 통해 AWS 및 Azure에 분산된 데이터의 Low-latency Query 가능 구조 확보
• Differentiated but Open 전략을 통한 파트너사 솔루션 수용 및 플랫폼 범용성 확장