몽고DB, 韓 제조·공공시장 넓힌다…AI 데이터 플랫폼 승부수

몽고DB는 기업 AI 도입 단계가 PoC에서 실제 서비스로 이동하는 흐름에 맞춰 국내 시장 공략 방향을 제시했다. 몽고DB는 국내 제조업·공공시장 중심 AI 데이터 플랫폼 사업 확대를 추진한다고 밝혔다.

이에 따라 몽고DB는 레거시 시스템 현대화 수요 공략 전략을 내세우고, 실시간 운영 데이터·검색·임베딩 등 AI 애플리케이션 필요 기능을 단일 플랫폼으로 제공하는 전략을 제시했다. 이를 통해 단일 플랫폼 제공을 통한 고객 기반 확대를 목표로 한다고 설명했다.

몽고DB는 1일 서울 삼성동 그랜드 인터컨티넨탈 서울 파르나스에서 '몽고DB 닷로컬 서울 2026(MongoDB.local Seoul 2026)' 미디어 브리핑을 개최했다. 이 자리에서는 국내 사업 전략·지능형 데이터 플랫폼이 공개됐다.

이날 발표는 장정욱 몽고DB코리아 지사장, 크리스토퍼 셤 몽고DB 제품 관리 총괄 디렉터, 프랭크 리우 몽고DB 보이지AI(Voyage AI) 리서치 매니저가 맡았다.

장 지사장은 한국 사업의 핵심 두 축으로 현대화와 AI 혁신 기반 사업 확산을 제시했다.

장 지사장은 국내 기업의 AI 활용이 실험·PoC 단계에서 실제 서비스 적용 단계로 이동하고 있다고 판단했다. 또 AI가 실험 단계가 아닌 프로덕션 단계로 이동하고 있다고 밝혔다.

산업별 AI 활용도 구체화하고 있다고 설명했다. 서비스·검색, 금융 이상탐지, 제조 설비·센서 데이터 분석 등에서 AI 활용이 나타나고 있다고 전했다.

AI가 프로덕션 단계에 진입함에 따라 운영 환경 내 안정적 서비스 확장을 위한 데이터 구조의 중요성이 커지고 있다고 밝혔다. 또 실시간 발생 데이터의 AI 애플리케이션 활용을 위해 기존 데이터 아키텍처의 변화가 필요하다고 설명했다.

다만 국내 기업의 데이터 환경 과제로는 여러 시스템에 분산된 사일로 구조의 존재, 경직된 기존 데이터베이스의 잔존, AI 구축 필요 요소의 개별 도입에 따른 시스템 복잡성 확대를 제시했다.

AI 운영에서는 데이터 레이어가 성능과 비용에 직결된다. AI 서비스 규모 확대와 함께 모델 전달 데이터·컨텍스트의 효율적 구성 중요성도 커지고 있다. 데이터·컨텍스트 구성 효율이 토큰 사용량·비용을 결정하는 만큼, 토큰 이코노믹스의 중요성 확대가 판단된다.

이 같은 수요에 맞춰 몽고DB는 국내 사업의 두 축으로 레거시 현대화·AI 혁신을 설정했다. 몽고DB 전략은 기존 데이터 환경의 유연한 전환과 AI 서비스 구축의 연결에 초점을 두고 있다.

몽고DB는 제조업을 주요 공략 시장으로 설정했다. 설비·공정·물류에서 발생하는 IoT·센서 데이터의 AI 연계 수요가 증가하면서 몽고DB는 관련 기업과의 협의를 확대하고 있다. 장 지사장은 제조 산업 데이터의 특성·복잡성·혁신 가능성이 크다고 보고 있으며, AI를 고민하는 제조 고객들의 문의와 전략적 협의가 빠르게 진행 중이라고 설명했다.

제조 현장의 AI 도입 단계는 아직 초기로 제시됐다. AI를 본격적으로 적용하기에 앞서 레거시 시스템 현대화와 보안 체계 구축, 데이터 거버넌스 체계 구축 작업이 필요하다고 설명됐다. 장 지사장은 제조기업의 AI 기반 확보를 위해 기존 레거시 환경의 변화와 현대화가 필요하다고 밝혔고, 보안·거버넌스 체계가 마련되면 클라우드 전환 때와 유사한 가속화 시기가 도래할 수 있다고 말했다.

한편 몽고DB는 공공시장 진출 속도를 확대하고 있다. 몽고DB는 국내 파트너와 조달청 나라장터 등록에 필요한 절차를 완료했으며, 현재 여러 공공기관과 사업을 논의 중이라고 전했다. 장 지사장도 여러 공공기관과 협의를 진행 중이라고 설명했다.

장 지사장은 공공사업이 검토되기 전에는 상당한 준비 기간이 필요하다고 밝혔고, 이에 따라 관련 과정을 지속적으로 진행해 왔다고 설명했다. 그는 몽고DB의 공공사업이 이제 시작 단계라고 덧붙였다.

해당 내용은 공공·금융 분야를 대상으로 한 구축 방식을 제시하는 흐름으로, 클라우드·온프레미스를 포괄하는 점에 초점이 맞춰졌다. 특히 망분리·데이터 주권 요구에 대응하고, 규제·워크로드 특성·운영 환경별 데이터 배치 방식 선택을 지원하는 구성이 제시됐다.

이와 함께 선택한 배치 방식과 무관하게 동일 기술 활용을 지원하는 점도 강조됐다. 장 지사장은 이를 내부 표현으로 '런 애니웨어(Run Anywhere)'라고 설명했으며, 국내는 온프레미스 환경 사용 사례 다수라는 점도 언급했다.

장 지사장은 이어 다양한 환경에서 동일 기술·플랫폼 활용 가능성이 큰 차별화 요소라고 밝혔다. 이는 공공·금융 분야의 규제와 운영 제약에 맞춰 여러 환경을 함께 아우르면서도 기술 일관성을 유지하는 방향으로 제시됐다.

회사는 데이터베이스를 넘어 '지능형 데이터 플랫폼'을 지향하며 통합·실시간성을 강조하고 있다. 크리스토퍼 셤 디렉터는 AI 애플리케이션용 데이터 기능 통합한 지능형 데이터 플랫폼 전략을 소개했다.

몽고DB는 하나의 플랫폼 내에서 트랜잭션, 풀텍스트 검색, 벡터 검색, 임베딩, 리랭킹 기능을 제공한다. 이는 데이터베이스·검색 시스템 등 개별 솔루션을 별도 구축한 뒤 연동하는 방식과 대비되며, 통합을 통해 시스템 복잡성을 낮추는 효과를 겨냥한 것이다.

셤 디렉터는 데이터베이스를 전체 스택의 일부로 규정하며, 몽고DB 기반 확장 범위가 AI 데이터 레이어 전반이라고 설명했다. 그는 실시간 데이터·검색·분석·임베딩·리랭킹·벡터 검색 통합을 통해 이를 하나의 지능형 데이터 플랫폼 형태로 구현하고 있다고 밝혔다.

이 같은 방향의 연장선에서 신규 공개된 것은 몽고DB 아틀라스 매니지드 MCP 서버(MongoDB Atlas Managed MCP Server)다. 이 서버의 용도는 AI 에이전트와 데이터 연결이며, 제공 방식은 관리형이다. 이에 따라 개발자가 직접 MCP 서버를 호스팅할 필요 없이 AI 도구와 몽고DB 아틀라스를 연결할 수 있다.

이어 셤 디렉터는 몽고DB의 차별점으로 통합된 데이터 환경·검증된 아키텍처·실시간 데이터 처리를 제시했다. 또한 트랜잭션·검색·임베딩 등 AI 서비스에 필요한 기능을 단일 데이터 환경에서 처리할 수 있다는 점을 강조했다.

그는 트랜잭션·풀텍스트 검색·벡터 검색·임베딩을 하나의 데이터 플랫폼에서 처리할 수 있다고 밝혔다. 또 각 기능은 개별적으로 덧붙인 방식이 아니라며, 기능 간 통합 구조가 핵심이라고 설명했다.

그는 여기에 실시간성을 주요 경쟁력으로 제시했다. 검색·AI 애플리케이션이 활용하는 데이터는 별도 복제본이나 주기적으로 이전한 데이터가 아니라 현재 운영 중인 데이터여야 한다고 밝혔다.

셤 디렉터는 며칠 또는 몇 주 지난 데이터를 기반으로 한 결과만으로는 불충분하다고 설명했다. 또 의사결정에 반영하려면 최신 데이터를 대상으로 한 정확한 AI 검색이 필요하다고 밝혔다.

몽고DB는 2007년 문서형 데이터 모델로 시작했다. 이후 클라우드 데이터베이스 서비스 아틀라스·풀텍스트 검색·벡터 검색 등으로 기능을 확대했고, 최근에는 임베딩·리랭킹·MCP를 추가했다. 이를 바탕으로 몽고DB는 AI 애플리케이션용 데이터 플랫폼으로 영역을 확장하고 있다.

프랭크 리우 리서치 매니저는 AI 검색 기술 변화와 보이지AI 역할을 소개했다. 리우 매니저는 검색 기술 흐름이 키워드 중심 검색에서 임베딩·벡터 검색 기반 AI 검색으로, 다시 검색증강생성(RAG)을 거쳐 에이전틱 AI로 이어지고 있다고 설명했다.

그는 에이전틱 AI로 활용 범위가 확대되고 있다고 밝혔다. 이 과정에서 AI 에이전트의 정확한 결과 조건은 모델 성능뿐 아니라 필요 정보의 정확한 탐색·컨텍스트 제공에 달려 있다고 설명했다.

보이지AI 역할에 대해서는 임베딩 모델·리랭커 활용한 검색 성능 향상이라고 제시됐다. 리우 매니저는 검색 정확도가 AI 애플리케이션·에이전트의 판단과 운영 비용에 영향을 준다고 밝혔다.

또 리우 매니저는 맥락 데이터가 오래됐거나 불완전하거나 접근 불가이면 뛰어난 모델도 부정확한 결과를 산출한다고 설명했다. 이 같은 흐름 속에서 보이지AI는 임베딩 모델과 리랭커로 검색 정확도를 높이는 위치에 있다고 제시됐다.

몽고DB 플랫폼에 보이지AI 텍스트·멀티모달 임베딩 모델, 리랭커 통합이 진행되고 있다. 이에 따라 기업별 업무 특성에 따른 복수 임베딩·검색 방식 시험이 가능하다. 리랭커의 특정 영역·질문 유형별 조정도 가능하다.

리우 매니저는 고객 대상 다양한 임베딩 테스트·검색 방식 검증 도구를 제공한다고 설명했다. 또 리랭커의 금융 영역 집중과 특정 질문 답변 탐색 방향 조정이 가능하다고 밝혔다.

보이지AI는 관련 모델군을 앞세워 검색 성능·비용 효율 향상을 주력으로 하고 있다. 관련 모델은 '보이지-4', '보이지-멀티모달-3.5', '리랭크-2.5'다.

리우 매니저는 허깅페이스 검색 임베딩 벤치마크 결과를 근거로 보이지AI 기술 경쟁력을 강조했다. 아울러 보이지-4 계열 모델이 타사 임베딩 모델 대비 높은 검색 성능을 보인다고 설명했다.

몽고DB가 국내 시장 공략을 추진하는 가운데 공략 축 2가지를 레거시 시스템 현대화와 AI 혁신으로 삼고 주요 대상으로 제조시장과 공공시장을 겨냥하고 있다. AI 도입 단계 변화가 실험→실제 서비스로 옮겨가면서 몽고DB는 통합 데이터 플랫폼 전략을 보유한 상태이며, 관전 포인트는 국내 고객 확대 여부와 신규 수요 확보 여부이고, 통합 데이터 플랫폼 전략과 국내 고객 확대·신규 수요 확보의 연계성이 주목된다.

출처: 테크월드뉴스 · 김승기 기자
원문: https://www.epnc.co.kr/news/articleView.html?idxno=406364

참고자료

• https://www.epnc.co.kr/news/articleView.html?idxno=406364