생성형 AI와 새로운 데이터 유형이 애플리케이션 아키텍처에 미치는 영향

Lori Mac Vittie수석 엔지니어 겸 최고 에반젤리스트 | F5

2022년 당시 저는 새로운 프로토콜과 데이터를 둘러싼 논의가 시장에서 활발해지는 가운데, 앱 아키텍처에 미묘한 변화가 일어나고 있음을 감지했습니다. 이는 그리 놀라운 일이 아니었습니다. 제가 당시 언급했듯이 앱 아키텍처는 역사적으로 5년마다 부상해 앱 전송 및 보안 시장을 형성하기 시작하고, 그로부터 약 5년 후에는 주류로 자리 잡기 때문입니다.

2023년 당시 저는 이러한 변화가 2025년쯤이면 뚜렷하게 나타날 것이라고 생각했습니다. 하지만 생성형 AI의 등장과 그것이 이러한 아키텍처의 진화에 미칠 폭발적인 영향까지는 예견하지 못했습니다.

요컨대, 그 변화는 예상보다 빠르게 일어나고 있으며, 그야말로 모든 것에 엄청난 영향을 미칠 것입니다.

하지만 아키텍처의 진화에만 온통 매몰되지 않으려면, 그 변화를 이끄는 원동력이 무엇인지 제대로 이해해야 합니다. 바로 데이터입니다.

다양한 종류의 데이터

일반적으로 누군가 “데이터”라고 말하면 듣는 사람은 거대한 RDBMS 어딘가에 저장된 고객 및 제품 데이터의 행을 곧바로 떠올립니다. 물론 모든 사람이 그런 것은 아니지만, 많은 사람이 그렇게 생각합니다. 이는 지배적인 데이터 저장 설계가 구조화된 표 형식의 데이터를 선호하기 때문입니다. 스프레드시트를 열어 보면 무슨 뜻인지 알 수 있습니다. 스프레드시트는 행과 열을 기반으로 하며, RDBMS도 사실 크게 다르지 않습니다.

NoSQL과 키-값 데이터 저장소, 객체 저장소 및 이와 유사한 데이터 구조가 존재하므로 애플리케이션 아키텍처가 표 형식 데이터를 중심으로 구성되는 것은 아니라고 주장할 수도 있습니다. 하지만 솔직히 말해, 실제로는 그렇습니다. 이러한 다른 유형의 데이터 저장소도 나름의 타당한 이유로 사용되지만, 그 이유 대부분은 애플리케이션의 부수적인 요구 사항과 관련된 것이어서 수십 년간 애플리케이션 구축을 이끌어 온 전반적인 아키텍처 원칙을 크게 바꾸지는 못했습니다.

하지만 애플리케이션의 분산화가 확대되고 하이브리드 모델이 확산되면서 많은 요구 사항이 생겨납니다. 예를 들어 관측 가능성과 보안을 확보하려면 텔레메트리 데이터를 생성해야 합니다. 또한 분산 환경에서는 분산된 데이터 저장소 간의 관계를 파악할 방법이 필요하며, 이는 지식 그래프의 활용으로 이어집니다. 생성형 AI 역시 모델을 보강하고 학습시킬 방법을 요구하며, 이는 벡터 데이터베이스에 저장되는 임베딩의 활용으로 이어집니다.

이 네 가지 데이터는 서로 매우 다른 유형이며, 각각 새로운 저장 및 액세스 방식을 필요로 합니다. 특히 생성형 AI를 쉽게 활용할 수 있도록 설계된 최신 애플리케이션에서 이 네 가지 모두가 빠르게 ‘표준 구성 요소’로 자리 잡고 있습니다.

그림: AI를 활용하는 현대적 애플리케이션의 기본적인 개요

1. 텔레메트리는 상당한 변화를 주도하고 있습니다 운영 분야에서는 열 기반 형식이 더 나은 방식이라는 점을 이해하게 되면서 이러한 변화가 일어나고 있습니다. 실시간 스트리밍 데이터를 전송하고 처리하는 데 더 적합하기 때문이며, 텔레메트리 데이터는 본질적으로 바로 이러한 데이터입니다.
2. 지식 그래프와 그래프 기술은 분산된 데이터를 통합하고 여러 데이터 소스에 걸친 복잡한 관계를 파악하기 위한 핵심 기술로 부상하고 있습니다. 이러한 기술은 GraphQL과 같은 프로토콜을 제공하며, 분산된 엔터프라이즈 전반에서 API를 활용해 데이터를 찾고 관리하는 방식을 획기적으로 변화시키고 있습니다.
3. 생성형 AI를 위한 검색 증강 생성(RAG) 기법의 도입이 확대되면서 벡터 데이터베이스는 아키텍처의 더 깊은 계층에 위치한 데이터 저장소가 아니라 애플리케이션 자체의 일부로 자리 잡고 있습니다.
4. 마지막으로 생성형 AI 데이터도 빼놓을 수 없습니다. LLM은 요청할 때마다 새로운 데이터를 생성합니다. 이로 인해 보안 담당자는 동적으로 생성되는 비정형 데이터에서 잠재적인 위협과 문제를 식별할 방법을 찾아야 하는 중대한 과제에 직면합니다.

이러한 변화를 주도하는 것은 다양한 형식, 프로토콜, 용도 및 애플리케이션을 아우르는 데이터입니다. 그 결과, 많은 사람이 이전에는 생각해 보지 못한 방식으로 API를 활용하는 헤드리스 접근 방식이 등장했습니다. 즉, 기존 프레젠테이션 계층을 고려하지 않고 비즈니스 역량과 기능을 API로 제공함으로써, 더욱 다양한 사용자 기기를 지원하는 폭넓은 인터페이스를 개발할 수 있습니다. API는 데이터와 기능에 접근할 수 있게 해 주며, 바로 이러한 이유로 API는 디지털 트랜스포메이션에 매우 중요합니다.

마이크로서비스를 활용하는 많은 최신 앱에서 이러한 접근 방식을 볼 수 있습니다. 이것이 UI 프레임워크가 널리 사용되는 이유이며, 인터넷에서 논쟁을 불러일으키는 이유이기도 합니다. 이러한 프레임워크는 API를 활용해 기능과 데이터에 접근하는 개별 앱을 구축하는 데 사용됩니다. 이 앱들은 워크플로를 구동하고 시장에 가치를 제공하기 위해 사용하는 백엔드 ‘애플리케이션’과는 별개의 개체입니다.

이러한 모든 요인이 헤드리스 아키텍처로의 전환을 이끌고 있습니다. 이러한 변화는 이미 진행 중이었지만, 생성형 AI의 등장으로 데이터의 중요성이 더욱 부각되면서 전환이 가속화되었습니다.

이는 결국 비즈니스와 사용자의 요구를 충족하기 위해 해결해야 할 새로운 위협과 과제가 등장함에 따라 앱 제공과 보안에 지대한 영향을 미칠 것입니다.

작성자 소개

Lori Mac Vittie수석 엔지니어 겸 최고 에반젤리스트 | F5

Lori MacVittie는 F5 CTO 오피스의 수석 엔지니어이자 최고 에반젤리스트로, 애플리케이션 딜리버리, 자동화 전략 및 인프라 분야에서 깊이 있는 전문성을 보유하고 있습니다. AI 에이전트를 위한 가드레일을 정의하고, 취약한 멀티클라우드 아키텍처를 분석하며, 확장 가능한 시스템의 한계를 탐구하는 등 복잡한 문제를 명확하게 풀어내는 것으로 잘 알려져 있습니다. 애플리케이션 개발, IT 아키텍처, 네트워크 및 시스템 운영 전반에 걸쳐 30년 이상의 업계 경험을 쌓았습니다. F5에 합류하기 전에는 수상 경력이 있는 기술 편집자로 활동했습니다. MacVittie는 컴퓨터 과학 석사 학위를 보유하고 있으며, 보안, 클라우드 및 엔터프라이즈 아키텍처 분야를 아우르는 다수의 저서를 집필한 작가입니다. 또한 보드게임과 비디오 게임을 열정적으로 즐기며, 치즈에 대해서는 거리낌 없이 확고한 견해를 갖고 있습니다.

Lori Mac Vittie의 다른 블로그 게시물