EDB가 AI 데이터 플랫폼 EDB Postgres AI가 독립 연구기관 맥나이트 컨설팅 그룹의 AI 에이전트 데이터베이스 성능 테스트에서 주요 경쟁 플랫폼 대비 높은 성능을 기록했다고 밝혔다. EDB Postgres AI는 최악의 쿼리 응답 시간 기준 Databricks 대비 최대 138배 빠른 성능을 보였으며, 5,000만 개 벡터 환경에서도 100ms 이내 응답을 유지했다.
EDB said its EDB Postgres AI platform outperformed major competing data platforms in an independent benchmark for AI agent workloads, delivering up to 138 times faster tail latency than Databricks.
소버린 AI 및 데이터 기업 EDB가 AI 데이터 플랫폼 EDB Postgres AI가 독립 연구기관 맥나이트 컨설팅 그룹이 수행한 AI 에이전트 데이터베이스 성능 테스트에서 주요 경쟁 플랫폼 대비 우수한 성능을 기록했다고 밝혔다.
이번 벤치마크는 EDB Postgres AI를 비롯해 Databricks, MongoDB, Crunchy Bridge, AWS 등 주요 데이터 플랫폼을 대상으로 진행됐다. 평가는 단순 데이터베이스 성능 비교를 넘어 기업이 AI 에이전트를 실제 운영 환경에 적용하기 위해 필요한 속도, 정확성, 데이터 최신성, 안정성을 검증하는 데 초점을 맞췄다.
최근 기업은 생성형 AI를 넘어 스스로 데이터를 검색하고 판단하며 업무를 수행하는 AI 에이전트 도입을 본격화하고 있다. 그러나 파일럿 단계를 지나 실제 운영 환경으로 확장하는 과정에서는 데이터 관리 문제가 주요 과제로 떠오르고 있다.
AI 에이전트가 엔터프라이즈 환경에서 안정적으로 작동하려면 우수한 AI 모델만으로는 충분하지 않다. 이전 대화와 업무 맥락을 유지하는 에이전트 메모리, 기업 고유 데이터에서 정확한 정보를 검색하는 지식 소스, 데이터 기반 의사결정을 안전하고 일관되게 실행하는 툴 프로바이더 역량이 필요하다. 이를 뒷받침하는 데이터 플랫폼 성능이 AI 에이전트 운영 품질을 좌우한다는 설명이다.
맥나이트 컨설팅 그룹의 테스트 결과 EDB Postgres AI는 AI 에이전트 운영 환경을 평가하는 주요 지표에서 높은 성능을 기록했다. 최악의 응답 시간인 Tail Latency 기준으로는 Databricks 대비 최대 138배 빠른 쿼리 성능을 제공했다. 평균 응답 속도보다 실제 운영 환경에서 발생하는 최악의 응답 시간이 사용자 경험과 시스템 신뢰성에 큰 영향을 미친다는 점에서 의미가 있다.
대규모 벡터 검색 환경에서도 성능을 유지했다. EDB Postgres AI는 5,000만 개 벡터 규모 환경에서 100ms 이내 응답 성능을 기록했다. AI 에이전트가 대규모 데이터에서 의미 기반 검색을 수행할 때 요구되는 실시간 처리 수준에 대응할 수 있음을 보여준다.
하이브리드 검색 성능도 주요 평가 항목이었다. 실제 기업 환경에서는 단순 벡터 검색보다 의미 기반 검색과 구조화 데이터 필터링을 결합한 하이브리드 검색이 중요하다. 벤치마크 결과 EDB Postgres AI는 까다로운 검색 조건에서도 경쟁 플랫폼 대비 2배 이상의 관련 정보 검색 결과를 제공했다.
이는 AI 에이전트가 의사결정 과정에서 더 많은 근거 데이터를 확보할 수 있음을 의미한다. 예를 들어 의료 분야에서 AI 에이전트가 희귀 질환이나 약물 상호작용 사례를 검색할 경우, 동일한 답변이라도 충분한 데이터 근거를 확보했는지에 따라 결과의 신뢰성이 달라질 수 있다.
데이터 최신성에서도 차이를 보였다. EDB Postgres AI는 신규 데이터 저장 이후 16ms 이내 검색 가능한 상태를 제공했다. 반면 Databricks 환경에서는 동일한 데이터가 검색 가능해지기까지 최대 5초가 소요됐다. AI 에이전트가 최신 데이터를 기반으로 판단해야 하는 업무 환경에서는 데이터 저장과 검색 가능 시점 사이의 지연이 중요한 요소다.
동시 처리 성능에서도 격차가 확인됐다. 다수의 AI 에이전트가 동시에 데이터를 조회하는 부하 환경에서 EDB Postgres AI는 초당 360회의 데이터 읽기 처리 사이클을 수행했다. Databricks는 같은 테스트에서 초당 1.5회를 기록했다. EDB는 이를 통해 실시간 AI 서비스 운영에 필요한 처리 성능을 입증했다고 설명했다.
검색 정확도와 비용 효율도 평가됐다. 벤치마크는 AI 에이전트가 의사결정을 위해 확보하는 정보의 완전성을 측정하는 Recall@10 지표를 포함했다. EDB Postgres AI는 테스트한 모든 데이터 규모에서 경쟁 플랫폼 대비 높은 검색 정확도를 제공하면서도 AI 모델에 전달하는 토큰 수를 줄였다. 이는 AI 서비스 운영 시 추론 비용 절감과 응답 품질 향상으로 이어질 수 있다.
EDB는 금융, 의료, 통신, 공공 분야처럼 AI 결과에 대한 검증과 감사가 필요한 산업에서 데이터 플랫폼 성능이 더 중요하다고 강조했다. 규제 산업에서는 AI 답변의 근거 데이터와 처리 과정, 최신성, 검색 정확도를 함께 확보해야 하기 때문이다.
일본 지역 통신사 NTT East는 EDB Postgres AI 기반 운영 에이전트를 활용해 네트워크 장애를 분석하고 엔지니어 현장 출동 여부를 판단하고 있다. EDB에 따르면 NTT East는 AI 에이전트가 확보하는 장애 패턴 데이터의 정확도를 높여 불필요한 현장 출동을 20% 줄였으며, 연간 약 3,000건의 엔지니어 출동을 절감했다.
교보문고와 MNTN도 EDB Postgres AI를 활용해 AI 기반 데이터 플랫폼 환경을 구축하고 있다. EDB는 다수 기업이 이미 Postgres 기반 데이터 환경을 운영하고 있다는 점을 강점으로 제시했다.
기업은 EDB Postgres AI를 도입할 때 기존 Postgres 환경에서 확보한 운영 경험과 보안 정책, 컴플라이언스 체계를 유지하면서 분석과 AI 기능을 확장할 수 있다. 별도 데이터 파이프라인이나 추가 플랫폼 없이 기존 데이터 기반을 활용할 수 있다는 점도 장점으로 꼽힌다.
데이브 스톤 EDB 제품 마케팅 총괄은 “AI 에이전트 시대의 가장 중요한 과제는 AI 모델 자체가 아니라 이를 안정적으로 운영할 수 있는 데이터 기반이다”라고 말했다. 이어 “이번 독립 벤치마크 결과는 EDB PG AI가 빠르고 정확하며 신뢰할 수 있는 AI 에이전트를 위한 엔터프라이즈급 데이터 플랫폼이라는 점을 보여준다. 기업은 새로운 AI 데이터베이스를 추가하는 것이 아니라 기존 Postgres 기반을 활용해 AI 혁신을 가속화할 수 있다”라고 밝혔다.