최근 AI 에이전트(AI agent)의 활용이 늘면서, 기업 데이터 조회 시 정확하고 일관된 결과 도출의 중요성이 커지고 있습니다. 이러한 요구에 맞춰, AI 에이전트가 회사의 지표 정의에 따라 데이터를 조회하게 해주는 쿼리 엔진 'Sutura'가 공개되었습니다. Sutura는 AI 에이전트가 ‘지난 분기 지역별 월간 매출’처럼 특정 지표, 분류 기준, 기간, 집계 단위를 지정해 요청하면, 회사가 미리 정해 둔 동일한 기준으로 데이터를 계산하여 제공합니다. 이는 임의의 SQL(Structured Query Language)이나 필터 표현식을 허용하지 않아 데이터의 신뢰성을 확보하는 데 기여합니다.
Rust 기반으로 개발된 Sutura는 앱과 AI 에이전트를 HTTP 또는 MCP 프로토콜로 연결하며, 지표 정의를 바탕으로 SQL을 생성하고 실행합니다. 지표 계산 방식과 조인(join) 관계를 담은 카탈로그(catalog)를 통해 실제 데이터는 기존 데이터베이스나 데이터 웨어하우스(data warehouse)에서 읽어옵니다. DataHub, OpenMetadata, Markdown 등을 카탈로그로 연결할 수 있으며, Cube에 정의된 지표를 활용하면 BI(Business Intelligence) 도구와 AI 에이전트가 같은 정의를 공유할 수 있습니다. PostgreSQL, BigQuery, ClickHouse, Oracle, DuckDB 등 다양한 데이터베이스를 지원하며, 여러 소스에 걸친 질의는 각 소스에서 실행된 후 DataFusion에서 결과를 결합합니다. 또한, 지표 정의의 버전과 해시(hash)를 결과에 포함하여 어떤 정의로 계산되었는지 추적할 수 있게 합니다.
Sutura의 등장은 AI 시대의 데이터 아키텍처(data architecture)에서 '의미와 계약'의 중요성을 부각합니다. AI 에이전트가 단순히 데이터를 가져오는 것을 넘어, 기업이 정의한 비즈니스 로직과 지표를 정확히 이해하고 반영하도록 돕는다는 점에서 큰 의미가 있습니다. 이는 데이터 거버넌스(data governance)를 강화하고, AI 기반 의사결정의 정확도를 높이는 데 필수적인 요소입니다. 기업은 Sutura를 통해 AI 에이전트가 생성하는 데이터 분석 결과의 일관성과 신뢰성을 확보하고, 데이터 기반의 효율적인 비즈니스 운영을 더욱 강화할 수 있을 것으로 기대됩니다.