Salesforce Data 360: AI 에이전트를 위한 시맨틱 데이터 모델 구축 가이드

섹션별 상세

01

기존 3NF나 차원 모델링은 에이전트가 자율적으로 추론할 때 시맨틱 격차, 경직된 스키마, 비정형 데이터 처리 미흡이라는 세 가지 문제를 발생시킨다.

02

Data 360은 데이터를 저장소와 분리하고 시맨틱 계층을 구축하여, 에이전트가 물리적 저장 위치를 몰라도 governed business meaning을 기반으로 작업하도록 설계됐다.

03

비정형 데이터(PDF, 이메일 등)는 UDLO(Unstructured Data Lake Objects)로 수집되어 벡터 임베딩과 메타데이터로 변환된 뒤 DMO(Data Model Objects)와 결합된다.

04

Tableau Next는 이 시맨틱 계층을 활용하여 인간 분석가와 에이전트가 동일한 계산 로직(Calculated Insights)을 참조하게 함으로써 일관된 인사이트를 도출한다.

05

OSI(Open Semantic Interchange) 이니셔티브를 통해 벤더 중립적인 YAML 기반 표준을 채택하여 다양한 플랫폼 간의 상호 운용성을 확보한다.

시맨틱 계층(Semantic Layer): — 데이터의 물리적 구조와 비즈니스 의미를 분리하여, 사용자가 기술적 세부사항을 몰라도 비즈니스 용어로 데이터를 이해하고 활용할 수 있게 돕는 추상화 계층.
아파치 아이스버그(Apache Iceberg): — 대규모 데이터셋을 위한 오픈 테이블 형식으로, 데이터 저장소와 컴퓨팅 엔진을 분리하여 스키마 진화와 효율적인 쿼리 처리를 지원하는 기술.
제로 카피 연합(Zero Copy Federation): — 데이터를 물리적으로 이동하거나 복제하지 않고 원본 소스에서 직접 쿼리하여 통합하는 데이터 접근 방식.
검색 증강 생성(RAG): — LLM이 학습하지 않은 외부 데이터를 검색하여 컨텍스트로 제공함으로써 모델의 답변 정확도와 최신성을 높이는 기법.