PostgreSQL 사용자들이 이제 SQL 쿼리 내에서 자연어 조건을 직접 활용해 데이터를 검색하고 분류할 수 있게 되었습니다. 'pg-jev'라는 새로운 확장이 등장했는데, 이는 "고객이 화가 났는가" 또는 "어느 팀이 이 문의를 처리해야 하는가"와 같은 자연어 문장을 SQL 조건으로 사용하여 데이터베이스 행을 필터링하거나 점수순으로 정렬하는 기능을 제공합니다.
pg-jev는 자연어를 SQL로 변환하는 방식이 아니라, TypeSafe의 Jev 모델이 각 데이터 행의 내용을 직접 판단하고 그 결과를 SQL 쿼리에서 활용하는 독특한 접근 방식을 취합니다. 이 확장은 별도의 임베딩이나 벡터 컬럼, 검색 인덱스 없이 기존 PostgreSQL 테이블과 뷰에 바로 적용 가능하며, `jev()`는 조건 충족 여부를, `jev_prob()`는 확률을, `jev_choice()`는 선택지를, `jev_score()`는 단계별 기준에 따른 점수를 반환합니다. 예를 들어, 불만이 강한 고객 문의를 찾거나, 문의 담당 부서를 자동으로 배정하고, 상품의 고급스러움에 따라 정렬하는 등의 작업에 활용될 수 있습니다. 기존 SQL의 조건, 조인, 집계 기능과 결합하여 날짜나 숫자 같은 정형 데이터는 SQL로 처리하고, 의미 판단만 Jev 모델에 맡기는 방식으로 효율성을 높일 수 있습니다.
성능 측면에서 pg-jev는 기본적으로 20개 행을 묶어 병렬 요청하며, 세션 내에서 판단 결과를 캐시하여 반복 조회 시 비용을 절감합니다. 자체 측정 결과, 2,000개 행의 첫 조회는 약 3.5초와 0.012달러가 소요되었고, 캐시를 사용한 두 번째 조회는 약 50밀리초(ms)로 크게 단축되었습니다. `jev_stats()` 함수를 통해 요청 수, 토큰 사용량, 추정 비용 등을 확인할 수 있으며, 쿼리별 전송 행 수와 문자 수를 제한하여 비용을 관리할 수 있습니다. 단, 판단할 행의 데이터는 외부 API로 전송되므로, 필요한 컬럼만 담은 뷰를 활용하여 전송 범위를 줄이는 것이 중요합니다. 이 확장은 PostgreSQL 14~17, `plpython3u` 확장, 슈퍼유저 권한 및 TypeSafe API 키가 필요하며, TypeSafe와는 별개로 개발된 비공식 프로젝트입니다.
이러한 확장의 등장은 데이터베이스 활용 방식에 새로운 가능성을 제시합니다. 기존에는 복잡한 텍스트 분석이나 자연어 처리를 위해 별도의 시스템을 구축하거나 복잡한 SQL 로직을 작성해야 했지만, pg-jev를 통해 개발자들은 데이터베이스 내부에서 직접 자연어 기반의 의미론적 검색 및 분류를 수행할 수 있게 됩니다. 이는 특히 고객 서비스, 콘텐츠 관리, 전자상거래 등 비정형 텍스트 데이터의 중요성이 커지는 분야에서 데이터 처리의 효율성과 정확성을 크게 향상시킬 수 있습니다. 개발자들은 더 직관적인 방식으로 데이터를 다루고, 애플리케이션 개발 시간을 단축하며, 더욱 지능적인 데이터 기반 서비스를 구축할 수 있을 것으로 기대됩니다.