AI 에이전트 데이터 전략, 벤더 종속 피하는 제로카피·멀티모델 방법

무슨 일이 일어나고 있나

세 건이 같은 주 전후로 겹쳤어요.

첫째, SAP Business Data Cloud Connect for BigQuery가 정식 출시(GA)됐어요. 핵심은 제로카피(zero-copy)예요. SAP 테이블·메타데이터·비즈니스 시맨틱을 BigQuery와 Knowledge Catalog(구 Dataplex)에서 복제 없이 직접 접근하고, 반대 방향도 됩니다. 발표문은 "query data in place"라 데이터 공유 수수료(data sharing fees)가 없고 예측 가능한 과금이라고 못박았어요. 여기에 더해 SAP 데이터를 Google Trends·Google Maps 지리공간 데이터와 결합한 뒤 그 결과를 다시 SAP로 되돌려 쓰는 양방향 연결도 열었고요. 오케스트레이션은 Gemini Enterprise Agent Platform과 SAP Joule로 돌아가요.

둘째, 나델라가 CNN '파리드 자카리아 GPS' 인터뷰에서 이달 초 경고를 되풀이하며 한 단계 더 나갔어요. "프롬프트든 데이터든 모델 제공사에 넘기는 걸 경계하라", "모델을 쓸 때마다 메타데이터를 전부 자사가 보유해서 자체 가중치(weights)나 오픈 모델 학습에 쓸 수 있어야 한다"고 했어요. 결정타는 이거예요. "이런 통제권이 없는 기업은 기업으로 남지 못한다. 사고를 아웃소싱한 셈이니까." 그는 Claude Code, ChatGPT Codex 같은 내장 코딩 도구(harness)에 통째로 기대지 말고, harness와 컨텍스트·메모리를 모델에서 분리해야 "어느 한 모델이 사라져도 내 운명을 내가 통제할 수 있다"고 했어요.

셋째, ChatGPT Ads가 AppsFlyer·Adjust 두 MMP와 연동됐어요. 2026년 2월 파일럿 이후 처음으로 앱 설치·인앱 이벤트 어트리뷰션이 붙었고, 7개국에서 앱 속성 데이터를 받아요. AppsFlyer 설정 문서는 7월 9일자로, 트레이드 프레스 보도(7월 24일)보다 최소 2주 앞서 기술 런칭이 이뤄졌음을 시사해요. 지금까지는 웹 전환만 측정됐거든요.

왜 중요한가

표면적으로 데이터 인프라, CEO 발언, 광고 측정으로 결이 달라 보여요. 관통하는 축은 통제권이에요.

SAP 사례의 진짜 값어치는 비용이 아니라 거버넌스예요. 메커니즘을 한 단계 파보면 이렇습니다. 기존엔 ERP·CRM 원본을 분석용 웨어하우스에 복제하느라 ETL 파이프라인을 상시 유지해야 했고, 그 과정에서 원본과 사본 사이 데이터 레그(신선도 차이)가 생겼어요. 발표문도 "전통적 복제 기법은 현대 워크플로가 요구하는 신선도를 못 맞춘다"고 인정했죠. 제로카피는 복제 단계 자체를 없애 원본-사본 정합성 문제를 소거해요. AI 에이전트를 "raw, isolated database fields"가 아니라 시맨틱까지 살아있는 운영 현실에 grounding해야 공급망 예측이나 재무 자동화 같은 작업을 맡길 수 있는데, 라이브·제로카피가 그 전제 조건을 만드는 거예요.

나델라 발언은 이걸 조직 정책으로 끌어올려요. 모델 성능 순위는 6개월마다 뒤집혀요. 그때 프롬프트·메타데이터·평가셋을 내가 쥐고 있어야 모델을 갈아탈 때 마이그레이션 비용이 안 들어요. AI gateway는 프롬프트를 모델에서 분리하는 인프라 계층인데, 나델라 논리의 핵심은 harness·컨텍스트·메모리를 모델과 분리해두면 오픈웨이트 모델을 파인튜닝해 자체 하드웨어에서 돌리는 선택지까지 열린다는 거예요.

ChatGPT Ads 측정 연동은 통제권이 광고 쪽에서 어떻게 작동하는지 보여줘요. 여기서 결정적인 디테일은 Adjust가 ChatGPT Ads를 self-attributing network(SAN)가 아니라 광고 네트워크로 분류했다는 점이에요. SAN이면 파트너(OpenAI)가 스스로 주장한 전환을 받아 사후 정산하는데, 네트워크 분류는 자동 콜백으로 Adjust가 직접 어트리뷰션해 데이터를 밖으로 밀어줘요. 측정 주도권이 벤더가 아니라 광고주 쪽에 있다는 뜻이에요. 게다가 앱·웹 전환이 같은 pixel ID를 공유하는 걸 보면 OpenAI가 앱·사이트 전환을 하나의 identity spine으로 묶고 있고요. 이제 ChatGPT Ads를 Google·Meta·TikTok과 같은 대시보드에서 나란히 평가할 수 있어요.

이해관계·역학

발표를 액면 그대로 받으면 안 돼요. 각자 유인이 있거든요.

나델라의 경고부터 뜯어볼게요. Azure로 OpenAI를 팔아온 마이크로소프트 CEO가, 그것도 Anthropic·OpenAI 양쪽 최대 투자자가 단일 벤더 종속을 경고하는 건 이해충돌처럼 보여요. TechCrunch도 "self-serving fear tactic"이라고 대놓고 적었어요. 숨은 유인을 한 겹 더 벗기면 이렇습니다. 코딩 에이전트는 지금 모델 제공사에 "gobs of money"를 벌어주는 최고 인기 용처인데, 나델라는 바로 그 harness를 통째로 쓰지 말라고 해요. 왜냐면 기업이 harness를 모델에서 분리하는 순간 필요한 게 AI gateway와 멀티모델 관리 인프라이고, 그건 마이크로소프트 클라우드가 지금 파는 상품이거든요. 즉 모델 API 매출은 OpenAI·Anthropic에 두더라도, 그 위의 오케스트레이션 계층 트래픽은 자기 클라우드로 끌어오는 프레이밍이에요. 그런데 요지 자체는 맞아요. 벤더 유인과 실무 정합성이 우연히 겹친 드문 케이스죠.

SAP-Google도 마찬가지예요. 제로카피가 TCO를 낮춘다고 발표했지만, 함정이 있어요. 복사가 없다는 건 쿼리할 때마다 SAP 쪽 컴퓨트와 네트워크가 물린다는 뜻이에요. 대량 조인이나 반복 분석이 많은 워크로드에선 오히려 복제본보다 비싸질 수 있어요. 발표문이 강조한 "데이터 공유 수수료 없음"은 매력적이지만, 그건 쿼리 실행 컴퓨트 과금과는 별개 항목이에요. 두 벤더의 진짜 유인은 서로의 생태계에 고객을 상호 락인하는 거예요. SAP 고객을 BigQuery·Gemini 쪽으로, Google 고객을 SAP BDC 쪽으로 끌어들이는 양방향 연결이 곧 양방향 종속이기도 하니까요.

OpenAI가 MMP 연동을 붙인 건 ChatGPT Ads를 "실험 채널"에서 예산 배분표 정식 채널로 올리려는 신호예요. 광고주가 클릭이 설치로 이어졌는지 증명할 route가 없으면 광고비가 안 들어오거든요. 측정 구멍을 메우는 건 곧 지갑을 여는 조건이에요.

실무에 주는 함의

내일 점검할 걸 정리했어요.

첫째, AI 도입 계약서에서 프롬프트·메타데이터·평가셋의 소유권 조항을 확인하세요. 나델라 논리대로 진짜 락인은 모델 API가 아니라 벤더 클라우드에 쌓인 로그·임베딩·워크플로예요. AI gateway 하나 붙였다고 종속을 피했다고 착각하지 마세요. 로그와 임베딩이 물리적으로 어디에 쌓이고, 계약 종료 시 반출 가능한지가 진짜 질문이에요.

둘째, SAP나 ERP 데이터를 라이브로 붙일 때 어떤 쿼리를 제로카피로 열지 선별하세요. 반복·대량 조인은 복제본이 싸고, 신선도가 생명인 실시간 분석만 라이브로 붙이는 게 실무의 관건이에요. 무조건 제로카피가 답이 아니에요. 쿼리별로 '라이브 vs 복제' 분류표를 만들어두면 첫 청구서 쇼크를 줄일 수 있어요.

셋째, ChatGPT Ads를 지금 대규모로 태우지 말고 Google·Meta·TikTok과 같은 대시보드에 올려 벤치마크만 확보하세요. 초기엔 인벤토리가 작아 CAC·리텐션이 통계적으로 유의미하게 쌓이는 데 시간이 걸려요. 설치 수보다 설치 이후 인앱 행동 지표(리텐션·인앱 구매)를 채널 평가 기준으로 잡아야 대화형 광고 특유의 클릭 후 의도 품질 착시를 피해요.

넷째, 멀티모델을 쓴다면 harness와 컨텍스트·메모리를 모델에서 분리하는 구조부터 그리세요. Claude Code나 ChatGPT Codex 같은 내장 도구에 워크플로 전체를 묶어버리면 모델이 사라지거나 가격 정책이 바뀔 때 통째로 갈아엎어야 해요. 컨텍스트·메모리를 외부에 두면 모델은 갈아 끼우는 부품이 됩니다.

리스크·반대 관점

반대 시나리오도 봐야 해요.

통제권 확보는 공짜가 아니에요. AI gateway 운영, 프롬프트·메타데이터 저장·관리, 멀티모델 평가셋 유지에는 자체 데이터·엔지니어링 역량이 필요해요. 나델라가 권하는 "자체 가중치·오픈 모델 학습"은 자체 하드웨어에서 파인튜닝을 돌릴 여력이 있는 대기업 얘기지, 대부분 조직엔 과잉이에요. 멀티모델 추상화 계층을 억지로 깔면 관리 부담만 늘고 어느 모델도 제대로 못 쓰는 최악이 될 수 있어요. '락인 회피' 자체가 새로운 오버엔지니어링 락인이 되는 역설이죠.

제로카피의 컴퓨트 과금 함정은 도입 후 청구서가 나와야 체감돼요. "복제 안 하니 싸다"는 발표 문구만 믿고 라이브 쿼리를 남발하면, 예측 가능한 과금이라던 게 되레 예측 못 한 컴퓨트 비용으로 돌아와요.

측정 쪽 함정도 있어요. MMP 연동으로 숫자가 잡힌다고 그 숫자가 곧 성과는 아니에요. 라이브쇼핑 플랫폼 Whatnot은 2025년 라이브 GMV 80억 달러, 주당 55만 시간 라이브스트림 규모에서 Snowflake Cortex Agents로 출시 90일 만에 직원 1,000명 중 80%가 자연어 분석을 쓰게 됐다는 사례로 화제였어요. 이벤트 로깅은 Snowflake Trail로 10배 빨라졌고요. 하지만 전문가 지적은 날카로워요. 테이블 정의와 지표 로직, 즉 semantic layer가 정리 안 돼 있으면 자연어로 물어도 그럴듯하게 틀린 답이 나오고, 검증할 SQL 실력이 없는 실무자는 그대로 믿어버려요. 이건 별개 논의처럼 보이는 human-in-the-loop 검수의 실패 원인과 같은 뿌리예요. LLM은 정확도가 아니라 그럴듯함(plausibility)에 최적화됐거든요. 승인 버튼만 누르라는 KPI 구조에선 검수자가 그럴듯한 결과 앞에서 의심을 멈춰요. 측정 채널을 늘리기 전에 지표 표준부터 세우지 않으면 '민주화'가 오답의 대량 생산이 돼요. 통제권을 쥔다는 건 데이터를 소유하는 게 아니라 그 데이터가 맞는지 판단할 프레임까지 갖는다는 뜻이에요.

자주 묻는 질문

AI 에이전트 도입할 때 벤더 종속을 어떻게 피하나요

프롬프트·메타데이터·평가셋을 벤더가 아니라 자사가 보유하는 게 출발점이에요. 나델라는 모델을 쓸 때마다 메타데이터를 전부 자사가 보유하고, harness와 컨텍스트·메모리를 모델에서 분리해 여러 모델을 갈아 쓰라고 권했어요. 진짜 락인은 모델 API가 아니라 벤더 클라우드에 쌓인 로그·임베딩·워크플로예요. 계약 종료 시 이것들을 반출할 수 있는지부터 확인하세요.

제로카피 아키텍처가 뭐고 데이터 복제보다 항상 싼가요

데이터를 복사하지 않고 원본을 그 자리에서 쿼리하는 방식이에요. SAP-BigQuery 연동은 데이터 공유 수수료가 없다고 발표했지만, 항상 싼 건 아니에요. 쿼리할 때마다 원본 쪽 컴퓨트가 물려서 대량 조인·반복 분석이 많으면 오히려 복제본보다 비쌀 수 있어요. 데이터 공유 수수료 없음과 쿼리 실행 컴퓨트 과금은 별개 항목이에요. 신선도가 중요한 쿼리만 선별해 라이브로 붙이는 게 맞아요.

ChatGPT Ads 성과를 어떻게 측정하나요

AppsFlyer·Adjust 두 MMP와 연동돼 앱 설치·인앱 이벤트 어트리뷰션이 가능해졌어요(7개국 지원). Adjust는 이걸 self-attributing network가 아니라 광고 네트워크로 분류해 직접 어트리뷰션하니 측정 주도권이 광고주 쪽에 있어요. 다만 초기엔 인벤토리가 작아 CAC·리텐션이 유의미하게 쌓이는 데 시간이 걸리니, 기존 채널과 같은 대시보드에 올려 벤치마크부터 확보하고 설치 이후 인앱 행동을 평가 기준으로 잡으세요.

anthropic claude 란 무엇인가요

Anthropic은 Claude 계열 LLM을 만드는 AI 연구소로, 마이크로소프트와 OpenAI가 함께 투자한 두 대형 랩 중 하나예요. Claude Code 같은 코딩 에이전트(harness)를 제공하는데, 나델라는 이런 내장 도구에 워크플로를 통째로 묶으면 모델이 사라지거나 가격이 바뀔 때 위험하니 harness를 모델에서 분리하라고 지적했어요.

AI 시대 마케팅 데이터 전략의 핵심은 뭔가요

데이터를 많이 모으는 게 아니라 통제권과 정합성을 쥐는 거예요. SAP-BigQuery 제로카피처럼 원본과 사본이 어긋나지 않게 하고, 자연어 분석을 도입하기 전에 semantic layer와 지표 표준을 먼저 세워야 그럴듯하게 틀린 답을 막을 수 있어요. Whatnot이 90일 만에 직원 80% 사용을 달성했어도, 지표 로직이 정리 안 되면 민주화가 오답 양산이 되는 것과 같은 이치예요. 측정도 벤더가 주장하는 전환이 아니라 내 MMP·내 지표로 검증하는 구조가 우선이에요.