AWS, 정형 데이터 예측용 파운데이션 모델 NEXUS를 세이지메이커에 추가

AWS가 정형(표) 데이터 예측에 특화된 파운데이션 모델 '펀더멘털(Fundamental) NEXUS'를 아마존 세이지메이커 AI에서 지원한다고 발표했다. 이를 통해 기업은 구조화된 데이터로부터 정확하고 결정론적인(deterministic) 예측을 몇 달이 아닌 며칠 만에 만들어낼 수 있다고 회사는 설명했다.

NEXUS는 펀더멘털이 표 형태 데이터 예측을 위해 개발한 파운데이션 모델이다. 텍스트를 다루도록 설계된 대규모 언어모델(LLM)이나 광범위한 피처 엔지니어링과 모델 훈련이 필요한 기존 머신러닝과 달리, NEXUS는 수십억 건의 실제 예측 과제로 사전학습돼 있어 데이터에서 신호를 찾는 법을 이미 알고 있다는 것이 회사 측 설명이다.

AWS는 NEXUS를 '라지 태뷸러 모델(Large Tabular Model)'로 부르며 세 가지 핵심 특징을 들었다. 먼저 결정론적 구조로, 동일한 질의에 서로 다른 답을 내놓을 수 있는 확률적 LLM과 달리 개별 예측마다 일관되고 재현 가능한 결과를 낸다.

또한 수십억 개의 표로 학습돼 숫자·범주·날짜·비정형 텍스트를 수작업 피처 엔지니어링 없이 처리하며(네이티브 표 이해), 다음 단어나 픽셀을 예측하는 순차적 모델과 달리 기업 데이터 표 안의 다차원 관계를 분석하는 비순차적 추론을 수행한다. 예컨대 고객 이탈을 예측할 때 거래 빈도, 고객지원 문의, 경제 지표 등 여러 요인이 이탈 가능성에 어떻게 영향을 주는지 파악한다.

AWS는 기존 방식의 한계도 지적했다. 전통적 머신러닝은 데이터 과학자 팀이 단일 활용 사례용 모델 하나를 구축·훈련·배포하는 데 3~6개월이 걸리며, LLM은 비결정론적이어서 같은 데이터셋에도 다른 답을 내놓고 토큰화 과정에서 수치적 맥락을 잃는다는 것이다.

NEXUS의 장점으로는 열 순서가 바뀌어도 의미가 달라지지 않음을 인식하는 순열 불변성(permutation invariance), 10억 행 규모 처리 능력, 서로 다른 표의 관련 데이터를 자동으로 연결하는 교차 스키마 추론, 누락된 항목이 있어도 예측을 수행하는 자율 데이터 정제 등이 제시됐다.

세이지메이커 AI에서 NEXUS는 전용·단일 테넌트·네트워크 격리 GPU 인스턴스에서 구동된다. 사용자는 AWS 마켓플레이스에서 NEXUS 모델 패키지를 구독한 뒤 8개의 엔비디아 H200 GPU를 갖춘 ml.p5en.48xlarge 인스턴스에 관리형 추론 엔드포인트로 배포한다. 이어 펀더멘털 파이썬 SDK를 설치하면 NEXUSClassifier·NEXUSRegressor 등 사이킷런 호환 API로 학습(fit)과 예측(predict)을 수행할 수 있다.

세이지메이커 점프스타트에서는 'Fundamental NEXUS'를 검색해 100억 개 이상의 표 데이터 행으로 사전학습된 기본 모델과 금융·헬스케어·제조 등 산업별 변형 모델 중에서 고를 수 있다. 데이터는 처리 과정 내내 사용자의 AWS 환경에 머무르며, 엔드포인트는 네트워크 격리·단일 테넌트로 운영돼 민감한 데이터를 다루는 기업 워크로드에 적합하다고 AWS는 강조했다.

AWS는 NEXUS가 사기 탐지, 신용 위험 모델링, 임상시험 환자 매칭, 설비 고장 예측, 수요 예측, 고객 이탈 예측 등 금융·헬스케어·제조·유통 전반의 활용 사례에 쓰일 수 있으며 GDPR·HIPAA·SOC 2 요건을 기본 충족한다고 밝혔다. 펀더멘털은 기업 도입을 가속하기 위해 AWS와 전략적 파트너십을 맺었다.