데이터 아키텍처 패턴: AI 시대를 위한 의사결정

AI 애플리케이션·에이전트·RAG·시맨틱 검색은 BI보다 명확한 데이터 해석을 요구해, 의미·계약·거버넌스가 데이터 아키텍처의 중심으로 이동함 Lambda·Kappa·Medallion·Data Mesh·Data Lakehouse·Semantic Architecture는 동급의 대안이 아니라 처리·변환·소유권·저장·의미를 각각 결정하는 조합 가능한 패턴임 Lambda는 정확성과 낮은 지연 시간을 위해 이중 파이프라인을 운영하고, Kappa는 이벤트 로그와 단일 스트림을 사용하며, Medallion은 데이터를 Bronze·Silver·Gold 단계로 정제함 Data Mesh는 도메인에 소유권을 분산하고, Data Lakehouse는 SQL과 ML을 하나의 기반에 통합하며, Semantic Architecture는 정규 모델·온톨로지·지식 그래프로 공통 의미를 관리함 같은 스키마가 같은 의미를 보장하지 않으므로 비즈니스·시맨틱·기술 계약과 품질·SLA·버전 정책이 필요하며, 성패는 계약을 지속적으로 관리할 주체와 규칙에 달려 있음 AI 소비가 바꾸는 데이터 아키텍처 2026년 데이터 아키텍처를 재편하는 주된 압력은 분석과 통합을 넘어 AI 애플리케이션, AI 에이전트, RAG, 시맨틱 검색, 자율적 의사결정에서 발생함 기존 패턴은 분석과 통합에 최적화됐지만, 현대 아키텍처는 BI 대시보드나 야간 배치와 전혀 다르게 데이터를 소비하는 AI 시스템도 지원해야 함 AI 에이전트가 고객 레코드를 조회할 때는 인간 분석가와 같거나 더 높은 의미적 명확성이 필요함 사람이 중간에서 오해를 발견하고 바로잡을 수 없기 때문임 계약의 정확성이 AI의 데이터 해석과 추론 정확도를 좌우함 정규 모델(canonical model), 시맨틱 계약, 데이터 제품은 단순한 통합 수단을 넘어 AI가 데이터를 올바르게 이해하는 기반이 됨 아키텍처 스타일과 패턴의 관계 아키텍처 스타일은 구성 요소가 상호작용하는 근본 방식을 정하며, 여섯 패턴은 각각 독립된 하나의 스타일이 아님 주요 스타일은 다음과 같음 이벤트 기반 파이프라인 지향 서비스 지향 데이터 제품 지향 계층형 분산·탈중앙형 공유 플랫폼 하나의 패턴에 여러 스타일을 동시에 적용할 수 있으므로 여섯 패턴을 같은 수준의 대안으로 비교하기 어려움 Medallion은 계층형·파이프라인 지향 스타일을 이용하는 사례임 데이터를 Bronze·Silver·Gold 단계로 구성함 스키마와 데이터 계약으로 각...