그래파이가 미국 보스턴에서 열린 VLDB 2026에 다녀왔습니다. 전시 기간동안 그래파이 링크드인에서 중간 중간 현장 소식을 전해드린 바 있어요. 방문해주신 분들과의 대화에서 아카식DB의 처리 규모부터 구현 방식, 인턴십 기회까지 다양한 질문이 오갔습니다. 준비한 기술을 소개하는 자리였지만, 방문객들의 이야기를 들으며 배운 것도 많았습니다. AI 에이전트 시대를 준비하는 우리의 방향을 확인했고, 실제 고객의 문제를 얼마나 이해하고 있는지, 개발한 기술을 충분한 근거와 함께 설명하고 있는지도 돌아봤습니다.
VLDB(International Conference on Very Large Data Bases)는 데이터베이스와 데이터 관리 분야의 연구자, 기업 개발자, 실무자가 모이는 탑 티어 국제학술대회입니다. 52회를 맞은 이번 행사는 8월 31일부터 9월 4일까지 보스턴에서 열렸는데요.
김민수 대표님과 한동형 CTO, 전경호(리드 엔지니어), 허경(엔지니어), 김용재(엔지니어)님이 참가하여 그래파이를 열심히 알리고 와 주셨습니다. 부스 전시와 함께, 김민수 대표님이 교신저자로 참여한 KAIST 연구팀의 논문 4편도 리서치 트랙과 데모 트랙에서 발표하는 성과가 있었습니다.
AI 에이전트를 데이터베이스의 사용자로 생각하기
이번 학회에서 특히 관심 있게 지켜본 것은 AI 에이전트와 데이터베이스의 관계였습니다. 초기 단계의 연구와 새로운 문제의식을 다루는 워크숍에서도 이 주제를 놓고 활발한 토론이 이어졌습니다.
그중 눈에 들어온 것은 AI 에이전트를 데이터베이스 관리 시스템(DBMS)의 주요 사용자로 놓고 출발하는 연구들이었습니다. 사람이 직접 질의를 작성하는 상황을 넘어, 에이전트가 업무를 수행하며 필요한 데이터를 찾고 검색을 반복하는 환경을 고려하는 것이지요. 누가, 어떤 방식으로 사용하는지가 시스템 설계의 중요한 질문으로 다가왔습니다.
공식 프로그램에서도 이런 흐름을 확인할 수 있었습니다. 데이터브릭스의 레이놀드 신(Reynold Xin)은 기조연설에서 에이전틱 시대를 데이터베이스 엔지니어링의 새로운 전환기로 다뤘습니다. 소개문에서는 AI 에이전트가 기존 시스템에도 높은 동시성과 반복적인 실험 같은 사용 패턴을 가져온다는 점을 짚었습니다.
관련 논의는 여러 세션으로 이어졌습니다. 에이전트 시대의 데이터 시스템을 다시 생각하는 패널이 열렸고, ADS와 DASHSys 워크숍에서는 각각 에이전틱 데이터 시스템과 사람의 개입을 포함한 설계를 다뤘습니다. Agents+Graphs는 그래프 데이터와의 연결에 초점을 맞췄고요. 하나의 관심사가 서로 다른 연구 과제로 구체화되는 모습을 볼 수 있었습니다.
그래파이 역시 에이전틱 AI를 ‘잘 활용할 수 있는’ 인프라를 준비하고 있는 만큼 반가운 흐름이었습니다. 같은 방향을 바라보는 사람이 많아질수록, 우리가 해결하려는 문제를 더 구체적으로 설명해야겠다는 생각도 들었습니다.
부스에서는 각자의 문제가 질문이 됐다
부스를 찾은 사람들은 저마다 다른 질문을 던졌습니다. 같은 제품을 소개해도 상대의 관심사와 하는 일에 따라 대화의 초점이 달라졌습니다.
미국 대학에 재학 중인 학생 연구자들은 인턴십을 비롯한 채용 기회를 많이 물었습니다. 연구와 제품을 소개하다가 자연스럽게 함께 일할 가능성으로 이야기가 이어졌는데요. 학회가 성과를 나누는 곳이면서, 다음에 어떤 일을 할지 탐색하는 자리이기도 하다는 것을 느꼈습니다.
실제 업무에서 그래프 데이터를 다루는 엔지니어들은 아카식DB(AkasicDB)가 얼마나 큰 규모까지 처리할 수 있는지 궁금해했습니다. 그래프·벡터·관계형 데이터베이스를 하나로 통합한 AI 네이티브 데이터베이스 엔진이라는 설명을 듣고, 실제 기업의 업무 환경에서 얼마나 원활히 사용할 수 있을지 확인하려 했습니다.
현재 준비 중인 테크 리포트에서도 구체적인 수치와 함께 이 내용을 잘 담아내려고 고민하고 있습니다. 현장의 대화를 통해 어떤 자료를 갖춰야 할지 다시 확인한 셈이지요.
연구자와 데이터베이스 제품을 개발하는 기업의 엔지니어들은 구현 아이디어와 향후 방향에 관심을 보였습니다. 비슷한 솔루션을 만드는 회사에서 온 사람들과도 자유롭게 의견을 나눴습니다. 어떤 문제를 풀고 있고, 접근 방식은 어떻게 다른지 이야기하다 보니 같은 분야의 개발자로서 대화할 수 있었습니다. 이런 교류는 학회에 직접 참가해서 얻을수밖에 없는 경험 중 하나였습니다.
실제 업무에 적용한 연구가 오래 기억에 남았다
다른 팀의 발표에서 인상적이었던 것은 실제 조직에 기술을 적용한 경험이었습니다. 시카고대와 MIT 등 연구그룹이 소개한 사례 가운데에는 대학 구매팀이나 지방정부 교통국 같은 곳에서 약 1년간 활용한 내용이 있었습니다.
기억에 남은 이유는 사용자의 모습과 업무가 구체적으로 드러났기 때문입니다. 누가 쓰는 시스템인지, 어디에 적용했는지, 어떤 효과를 얻었는지를 함께 들을 수 있었습니다. 연구가 현실의 문제와 어떻게 만나는지 보여 줘서 더 설득력 있게 다가왔고요.
이런 사례를 접하며 우리 고객에 대해서도 생각하게 됐습니다. 기술적으로 어려운 과제에 집중하는 동안, 정작 사용자가 가장 불편해 하는 지점을 충분히 살피고 있는지 돌아볼 필요가 있었습니다. 우리가 중요하게 여기는 것과 고객이 먼저 해결하고 싶은 일이 얼마나 겹치는지 더 잘 알아야겠다고 느꼈습니다.
기술의 방향을 확인하고, 고객의 문제를 다시 돌아보다
이번 VLDB는 에이전틱 AI를 대비하는 방향에 대한 확신을 더해 줬습니다. 그래파이가 이번에 짧게 소개한 ‘엔터프라이즈 에이전트 메모리(Governed Enterprise Memory)’또한 이러한 고민에서 출발했습니다.
엔터프라이즈 에이전트 메모리는 AI 에이전트가 기업 환경에서 장기간 안전하게 업무를 수행하는 데 필요한 기술입니다. 업무 과정에서 축적된 맥락을 기억하면서, 그 활용 범위를 조직의 권한과 정책에 따라 통제할 수 있도록 설계하고 있습니다. 이번 학회에서는 본격적인 제품 출시에 앞서 이러한 문제의식과 개발 방향을 소개했습니다.
관련 논의를 접하며 이 과제를 계속 풀어 갈 이유를 확인했습니다. 제품을 개발하는 입장에서 더 깊이 이해해야 할 부분도 남았는데요. 고객이 어떤 맥락을 기억해야 하는지, 데이터를 활용하는 과정에서 어디에 어려움을 겪는지에 관해서는 구체적인 경험을 더 듣고 배워야 합니다.
부스에서 받은 처리 규모에 관한 질문도, 다른 연구팀의 장기 적용 사례도 이 점을 생각하게 했습니다. 다음에는 기술의 구조와 함께, 사용자의 어떤 문제를 해결했는지 더 분명하게 이야기하고 싶습니다.
잘 푼 문제를 잘 설명하는 일도 중요하다
마지막으로, 어려운 문제를 잘 푸는 것만큼, 무엇을 왜 풀었고 어떻게 해결했는지 부스를 방문한 분들께 전달하는 일도 중요했습니다.
부스에서도 상대에 따라 필요한 설명이 달랐습니다. 구현 방법을 논의하고 싶은 연구자에게는 설계의 선택과 이유가, 도입 가능성을 살피는 엔지니어에게는 데이터 규모와 검증 결과가 중요했습니다. 준비한 내용을 전달하는 데서 한 걸음 더 나아가, 상대가 무엇을 알고 싶어 하는지 먼저 들어야 했지요.
개인적으로 가장 기억에 남은 장면은 오랫동안 이 분야를 이끌어 온 학자들의 토론이었습니다. 데이터베이스를 공부한 대학원생이라면 한 번쯤 읽었을 1980~1990년대 논문의 저자들이 새로운 문제를 두고 열띤 의견을 나누고 있었습니다. 이름으로 먼저 만났던 연구자들이 지금도 학문의 최전선에서 대화하는 모습이 오래 남았습니다.
그래파이도 이번 VLDB에서 돌아와 더 공부하고 정리할 질문들을 가져왔습니다. 준비 중인 기술을 발전시키고, 고객의 어려움을 가까이에서 이해하고, 그 결과를 다른 개발자들과 명확하게 나누는 것. 이러한 레슨런을 바탕으로 기업이 실제 업무에서 믿고 활용할 수 있는 AI 데이터 인프라를 만들어 가겠습니다.