DBA들의 질문에서 시작된 세미나
느려진 쿼리 하나의 원인을 찾으려고 실행 계획을 한 줄씩 따라가 본 DBA라면, 한 번쯤 같은 생각을 합니다.
'이 분석을 AI가 대신해 줄 수는 없을까?'
지난 6월 25일, 엑셈 본사에서 열린 'AI 활용 MS SQL Server 튜닝' 기술 세미나는 바로 이 질문에서 출발했습니다. GitHub Copilot 채팅을 실전 AI 협업 파트너로 활용하는 방법을 중심으로, 기초 사용법부터 Foundry Local 활용, SQL 성능 최적화 실무 사례까지 세 개 세션으로 이어졌습니다. SQL Server를 운영하는 DBA·개발자들이 저마다 비슷한 고민을 안고 모인 자리였습니다.
참석자들의 고민은 결국 하나의 질문으로 이어졌습니다. ‘AI를 코드 생성 도구로만 쓸 것인가, 아니면 SQL 튜닝과 데이터베이스 운영까지 맡길 수 있을 것인가.’ 세미나 강연자인 엑셈 김성식 이사 역시 같은 고민을 거쳤습니다. 19년간 데이터베이스 운영·컨설팅 업무를 수행해 온 그는 “AI에 대한 의심과 두려움을 동시에 느꼈고, 그래서 AI가 내 일을 어떻게 바꿀지 직접 확인해 보고 싶었다”고 말합니다.
세미나 참석자 사전 설문에서도 AI는 아직 도입 초입에 있었습니다. AI 도구를 DB 업무에 활용해 본 경험을 묻는 문항에서, 71%가 '활용해 본 적 없음' 또는 '코드 생성 용도로만 사용 중'을 선택했습니다. 코드 생성에는 활용해 봤어도, 성능 분석·튜닝까지 맡기는 단계에는 아직 이르지 않았다는 의미입니다.
1. AI는 SQL 튜닝 업무를 어디까지 대신할 수 있을까?
SQL 튜닝은 오랫동안 DBA의 경험과 노하우에 의존해 온 영역이었습니다. 느린 쿼리가 발생하면 실행 계획을 분석하고, 인덱스 구성을 검토하고, 병목 구간을 찾아 개선안을 도출해야 했습니다. 숙련된 DBA일수록 이런 과정을 빠르게 수행할 수 있었지만, 많은 시간과 집중력이 필요한 작업이었죠.
최근에는 AI가 이 과정의 일부를 대신하기 시작했습니다. Microsoft 문서에 따르면 GitHub Copilot in SSMS(SQL Server Management Studio)는 SSMS 22 이상에서 사용할 수 있으며, 자연어 기반 채팅을 통해 데이터베이스 관련 질문을 하거나 T-SQL 작성·수정·최적화 도움을 받을 수 있습니다.
이번 세미나에서는 바로 이러한 변화를 다뤘습니다. 세션 중 진행된 데모에서는 SSMS에서 작성 중인 SQL에 대해 분석을 요청하면, GitHub Copilot 채팅을 통해 쿼리 구조와 실행 계획을 함께 검토한 뒤 개선 방향을 도출해내는 과정을 공유했습니다. 과거에는 DBA가 직접 해석해야 했던 작업을 AI가 먼저 수행하고, 엔지니어는 그 결과를 검증하는 방식으로 역할이 변화하고 있는 것입니다.
다만 한 가지는 분명히 해둘 필요가 있습니다. AI는 1차 진단을 빠르게 내놓는 데 강하지만, 그 답이 늘 정답은 아닙니다. Microsoft 역시 GitHub Copilot in SSMS의 응답에는 부정확하거나 품질이 낮은 내용이 포함될 수 있으며, 업무에 사용하기 전에 사람이 결과를 검토해야 한다고 설명합니다.
세미나 강연자인 김성식 이사도 “AI가 제시한 결과를 그대로 적용하기보다는 엔지니어의 경험과 분석으로 검증하는 과정이 반드시 필요하다”고 강조했습니다. AI는 분석 속도와 검토 범위를 크게 넓혀주는 강력한 협업 도구입니다. 다만 제안된 결과를 검증하고 최종 의사결정을 내리는 일은 여전히 엔지니어의 역할이라는 것입니다.
💡 결국 AI를 제대로 활용하기 위해서는 AI의 답을 검증할 수 있는 사람이 되어야 합니다.
관련 내용은 이번 세미나 강연자인 김성식 이사와 이병찬 컨설턴트의 신간 『GitHub Copilot 채팅과 함께하는 SQL 튜닝 가이드』에서도 자세히 다뤄집니다.
출간 소식 아티클 확인하기👇
2. 개별 SQL 튜닝을 넘어 DB 운영 전반으로
AI는 이제 느린 SQL을 분석하고 개선 방향을 제안하는 수준까지 발전했습니다. 하지만 실제 운영 환경에서 더 어려운 일은 그보다 앞 단계에 있습니다. 무엇이 느려졌는지 찾고, 왜 문제가 발생했는지 파악하는 일입니다.
문제는 장애의 원인이 항상 데이터베이스에 있는 것은 아니라는 점입니다. 특히 최근 데이터베이스는 애플리케이션, 서버, 네트워크 등 다양한 시스템과 긴밀하게 연결되어 운영되기 때문에, 하나의 성능 저하가 발생하더라도 원인을 데이터베이스만으로 단정하기 어려운 경우가 많습니다. 마이크로서비스와 하이브리드 클라우드 환경이 확산되면서 이러한 복잡성은 더욱 커졌습니다. 사람이 모든 로그와 성능 지표를 일일이 확인해 원인을 찾아내는 데는 한계가 분명해지고 있습니다.
이 때문에 AI의 활용 범위도 점차 운영 전반으로 확대되고 있습니다. 단순히 데이터를 수집하고 보여주는 수준을 넘어 이상 징후를 탐지하고 원인을 분석하는 방향으로 운영 플랫폼의 역할도 바뀌고 있습니다.
실제로 이번 세미나 참석자 설문에서도 AI 도입에 가장 관심 있는 영역 중 하나로 '장애·이상 징후 자동 탐지 및 원인 분석(RCA)'이 꼽혔습니다. 참석자들의 관심이 개별 SQL 튜닝을 넘어 DB 운영 자동화 영역으로 확장되고 있다는 의미입니다.
이러한 흐름은 엑셈의 옵저버빌리티 플랫폼 exemONE에서도 확인할 수 있습니다. exemONE은 시계열 데이터 패턴을 기반으로 이상 징후를 탐지하고, AI 기반 RCA(Root Cause Analysis)를 통해 근본 원인과 영향 범위, 권장 조치를 제시합니다. DB뿐 아니라 애플리케이션, 서버, 네트워크를 함께 분석해 운영자가 문제의 원인을 보다 빠르게 파악할 수 있도록 돕습니다.
AI 기반 SQL 튜닝이 '이 SQL을 어떻게 개선할 것인가'에 대한 답을 제시한다면, AI 기반 옵저버빌리티는 '무엇이 문제이며 왜 문제가 발생했는가'라는 근본 원인을 찾아가는 과정에 가깝습니다. AI가 개인의 업무를 돕는 도구에서 조직의 IT 운영을 지원하는 도구로 확장되고 있는 것입니다.
3. 조직 단위 AI 활용을 위한 조건: 폐쇄망 환경
AI가 개인의 업무를 돕는 수준을 넘어 조직의 운영을 지원하기 위해서는, 기업 환경에 맞는 AI 활용 환경도 함께 마련되어야 합니다. 특히 금융, 공공, 제조와 같이 민감한 데이터를 다루는 환경에서는 보안과 개인정보 보호를 이유로 외부 생성형 AI 서비스를 자유롭게 사용하기 어려운 경우가 많습니다.
이번 세미나에서 다룬 GitHub Copilot 채팅 역시 기본적으로 클라우드 기반 서비스입니다. 따라서 금융·공공과 같이 보안이 중요한 환경에서는 활용에 제약이 있을 수 있습니다. 이러한 흐름은 규제 변화에서도 확인됩니다. 금융위원회는 '금융분야 망분리 개선 로드맵'을 통해 금융권의 생성형 AI 활용을 단계적으로 허용하는 방향을 제시했습니다. 클라우드 기반 생성형 AI는 추가적인 보안 요건을 충족해야 하지만, 내부망에서 운영하는 AI는 기존 보안 체계 안에서 보다 폭넓게 활용할 수 있습니다. 폐쇄망 환경에서도 AI를 안전하게 활용할 수 있는 기술에 관심이 높아지고 있는 이유입니다.
이러한 요구에 대응하는 방안으로 이번 세미나에서는 Microsoft Foundry Local도 별도 세션을 통해 소개했습니다. Foundry Local은 AI 모델을 개인 PC와 같은 로컬 환경에서 실행할 수 있도록 지원해, 데이터를 외부로 전송하지 않고도 생성형 AI를 활용할 수 있는 로컬 AI 실행 환경입니다.
Foundry Local이 개인 또는 개발자 단위에서 AI를 로컬로 실행할 수 있는 환경이라면, 이를 조직 차원의 온프레미스·폐쇄망 AI 활용으로 확장한 사례가 엑셈의 엔터프라이즈 LLM 플랫폼 eXemble입니다. eXemble은 온프레미스·폐쇄망 환경에서 LLM을 운영하고, 사내 매뉴얼과 기술 문서, 운영 지식을 통합해 자연어 기반으로 활용할 수 있도록 지원합니다. 또한 실시간 성능 데이터와 운영 정보를 자연어로 조회하고 분석해 필요한 인사이트를 제공합니다.
GitHub Copilot 채팅으로 SQL을 자연어로 다루듯, eXemble은 사내 지식과 IT 운영 데이터를 자연어 기반으로 활용할 수 있도록 지원합니다. 다만 Copilot이 코드·쿼리 중심의 AI 협업 도구라면, eXemble은 사내 지식 문서와 운영 데이터를 함께 컨텍스트로 삼는다는 점이 다릅니다. 개인의 생산성을 높이는 AI를 넘어, 조직의 지식과 운영 데이터를 연결하는 AI로 활용 범위가 확장되는 것입니다.
결국 조직 차원의 AI 활용에서 중요한 것은 단순히 더 뛰어난 AI 모델이 아니라, 기업 환경에 맞는 실행 환경과 신뢰할 수 있는 운영 체계를 함께 갖추는 것입니다.
4. 이제는 조직 단위의 AI 활용을 준비할 때
이번 세미나는 단순히 GitHub Copilot 채팅 활용법이나 SQL 튜닝 기법을 소개하는 자리가 아니었습니다. AI가 SQL 튜닝을 시작으로 DB 운영 전반, 그리고 조직 차원의 AI 활용 환경까지 어떻게 확장될 수 있는지를 함께 살펴보는 자리였습니다.
AI가 모든 운영 업무를 대신하는 시대가 온 것은 아닙니다. 하지만 세미나에서 확인했듯 AI는 숙련된 엔지니어를 대체하는 존재가 아니라, 분석의 속도와 범위를 넓혀 주는 협업 도구에 가깝습니다. 앞으로 중요한 것은 AI를 업무 특성과 기업 환경에 맞게 활용해, 개인의 생산성을 높이는 도구를 넘어 조직의 운영 전반으로 확장하는 것입니다.
이번 세미나가 제시한 방향 역시 여기에 있었습니다. SQL 튜닝을 시작으로 DB 운영 전반을 지원하고, 나아가 조직 환경에 맞는 AI 활용 기반을 갖추는 것. 이것이 앞으로 AI 기반 DB 운영 자동화가 나아갈 방향입니다.
엑셈은 앞으로도 분기마다 Oracle, PostgreSQL, MS SQL Server 등 다양한 DBMS를 주제로 실무 중심의 기술 세미나를 이어갈 예정입니다.
개인의 SQL 튜닝부터 조직 단위의 AI 활용까지 궁금하다면?
엑셈의 AI 기반 IT 운영 플랫폼을 확인해 보세요.
출처
SQL Server Management Studio (SSMS) 22.4.1 and GitHub Copilot in SSMS (Generally Available) - Microsoft Fabric Blog (2026.03) 금융권 생성형 AI 활용↑…당국, 망분리 개선 로드맵 발표 - 아시아경제 (2024.08)
함께 보면 좋은 아티클
