AWS, 엔터프라이즈 분석 'Amazon Quick'에 자연어 SQL 등 신기능 5종 공개

AWS가 엔터프라이즈 데이터 분석 도구 Amazon Quick에 새 기능 5종을 추가했다. 수천만 행 규모의 데이터, 행·열 단위 보안, 다수 도메인을 가로지르는 데이터셋 환경에서 신뢰 가능하고 재현 가능한 AI 답변을 빠르게 제공하는 것을 목표로 한다.

첫 번째는 'Dataset Q&A'다. 채팅 에이전트나 혼합 자산이 담긴 Quick Space에 하나 이상의 데이터셋을 연결하고 자연어로 질문하면, 시스템이 SQL을 생성해 샘플링 없이 수백만 행의 전체 데이터셋에서 실행하고 수 초 안에 결과를 돌려준다. 모호한 용어를 해석해 필드·집계·필터를 결정한 뒤 데이터셋 메타데이터에 정의된 비즈니스 규칙을 적용하는 방식이다.

대시보드용으로 이미 설정된 행 단위·열 단위 접근 정책은 AI가 생성한 쿼리에도 사용자 ID 범위로 그대로 적용된다. 기존 보안 체계를 별도 설정 없이 대화형 답변에 확장한다는 설명이다.

두 번째 'Explanations'는 답변에 사용된 추론 체인을 노출한다. 호출된 도구, 생성된 SQL, 적용된 필터, 가정한 전제, 비기술 이해관계자를 위한 평문 요약이 함께 표시된다. AWS Technical Field Communities는 Dataset Q&A를 도입해 15,000명 이상 회원 대상 질의 정확도를 48% 이상 끌어올렸고, 해결 시간을 90분에서 5분 미만으로 단축했다고 AWS는 밝혔다.

세 번째 'Dataset Enrichment'는 비즈니스 어휘를 모델에 가르치는 기능이다. 데이터셋 단위로 평문 설명과 자유 형식 지침을 제공하고, 데이터 카탈로그·팀 위키 같은 메타데이터 파일을 업로드할 수 있다. 컬럼 단위로는 필드를 폴더로 묶고 설명·예외 사항을 주석으로 달 수 있다. AWS는 'revenue는 반품 후 순매출이며 전년 대비는 calendar_year가 아니라 fiscal_year를 사용한다' 같은 정의를 예시로 들었다.

네 번째는 자산 검색과 에이전트 오케스트레이션 개선이다. Quick의 시맨틱 레이어가 대시보드·데이터셋·토픽 등 구조화된 자산을 가로지르며 적합한 소스를 골라낸다. 사용자가 escalations를 묻고 대시보드가 tickets라는 용어를 쓰는 경우에도 의미적 유사성으로 자산을 라우팅한다. 'Southeast 지역 churn 추이와 원인'처럼 다단계 질문에서는 오케스트레이터가 전체 질문을 추론해 단계별로 전문 에이전트와 도구를 호출한다.

다섯 번째는 AI 기반 대시보드 생성이다. AWS는 잘 구성된 대시보드가 기능별·기간별 지표와 필터 컨트롤을 한 화면에 응축해 의사결정자 정렬과 속도를 만든다고 짚으며, 종전 며칠 걸리던 작업을 몇 분으로 줄이는 것을 목표로 제시했다.