[크리스의 SW아키텍처] 스노우플레이크와 SAP가 동시에 '온톨로지'를 꺼내 든 이유… AI 에이전트 패권은 '통합 통제 아키텍처'로 이동했다.
- 11월 3일 스노우플레이크 '비즈니스 온톨로지'·'코텍스 AI 게이트웨이' 전격 발표- SAP 지식 그래프, 세일즈포스 가디언, 서비스나우 컨트롤 타워까지… 빅테크가 사활 건 '통제 계층(Control Layer… — AI 시대 SW 아키텍처
지난 11월 3일, 글로벌 데이터 클라우드 강자 스노우플레이크(Snowflake)는 연례 기술 행사인 '익스페디션 2026(Snowflake Expedition 2026)'을 통해 기업용 AI 시장의 판도를 읽을 수 있는 중대한 아키텍처 발표를 단행했다. 발표의 핵심 축은 두 가지다. 기업 내 데이터의 공식적인 업무 정의를 지배하는 '비즈니스 온톨로지(Business Ontology)'와 모든 AI 에이전트의 모델 호출·도구 접근·행동 궤적을 단일 관문에서 통제하는 '코텍스 AI 게이트웨이(Cortex AI Gateway)'다.
표면적으로는 데이터 플랫폼 기업이 새로운 AI 기능을 추가한 것처럼 보이지만, 소프트웨어 아키텍처의 시선에서 이 발표가 던지는 메시지는 결코 가볍지 않다. 지난 2년간 엔터프라이즈 AI 시장을 지배했던 화두가 "어떻게 하면 거대언어모델(LLM)의 환각을 줄이고 답변의 정확성(Accuracy)을 높일 것인가"라는 모델 및 검색(RAG) 튜닝의 문제였다면, 이제 경쟁의 본질이 "기업의 업무 의미(Business Semantics), 데이터 계보(Data Lineage), 그리고 에이전트의 실행 권한(Execution Permissions)을 어떻게 하나의 거버넌스 아키텍처로 묶어낼 것인가"라는 구조적 통제권 전쟁으로 완전히 이동했음을 선언한 사건이기 때문이다.
더욱 주목해야 할 점은 이러한 움직임이 스노우플레이크만의 독자 노선이 아니라는 사실이다. 전통의 ERP 제왕인 SAP를 비롯해 세일즈포스(Salesforce), 서비스나우(ServiceNow), 워크데이(Workday), 팔란티어(Palantir) 등 글로벌 엔터프라이즈 SaaS 강자들이 약속이나 한 듯 일제히 '시맨틱 온톨로지'와 '에이전트 가드레일 게이트웨이'를 결합한 통합 통제 아키텍처를 쏟아내고 있다. 왜 글로벌 소프트웨어 거인들이 동시에 이 지점으로 집결하고 있는지, 스노우플레이크의 신규 아키텍처 해부와 주요 엔터프라이즈 기업들의 대응 전략 비교를 통해 차세대 기업용 AI 아키텍처의 실체를 짚어본다.
1. 스노우플레이크 11월 3일 발표 해부: '비즈니스 온톨로지'와 '코텍스 AI 게이트웨이'의 이중 나선 구조
기업들이 파일럿 단계의 AI 에이전트를 실제 운영 환경(Production)에 투입할 때 가장 먼저 부딪히는 벽은 두 가지다. 하나는 "부서마다 다른 언어로 인해 에이전트가 내놓는 숫자를 믿을 수 없다"는 의미론적 혼란이고, 다른 하나는 "자율적으로 도구를 호출하는 에이전트가 어디서 무슨 사고를 칠지 통제할 수 없다"는 실행 보안의 공백이다.
예를 들어 영업본부와 재무본부의 AI 에이전트에게 동시에 "지난 분기 우리 회사의 매출(Revenue)이 얼마인가?"라고 물었을 때, 영업 에이전트는 주문 총액을 기준으로 답하고 재무 에이전트는 환불액과 환율 조정을 차감한 순매출을 답한다면 경영진은 AI의 의사결정을 신뢰할 수 없다. 두 에이전트 모두 SQL 쿼리를 문법적으로 정확히 작성했더라도, 기업이 합의한 '공식적인 업무 의미'가 결여되어 있기 때문이다.
스노우플레이크는 이번 발표에서 카탈로그 계층인 '호라이즌 컨텍스트(Horizon Context)' 내부를 추론(Inferring) - 인증(Certifying) - 컴파일 및 실행(Compiling)이라는 3단계 아키텍처로 정교하게 분리하며 이 문제를 정면 돌파했다.
코텍스 센스(Cortex Sense, 추론 계층 - 공개 프리뷰 예정): 데이터 스키마, SQL 쿼리 이력, BI 대시보드, dbt 모델의 계보(Lineage)를 자동으로 스캔해 기업 내부의 암묵적 맥락을 추론한다. 부서 간에 상충하는 지표 정의를 찾아내어 충돌을 경고하고, 온톨로지 초안을 자동으로 작성해 제안한다.
비즈니스 온톨로지(Business Ontology, 의미 거버넌스 계층 - 11월 3일 비공개 프리뷰 돌입): 용어(Term), 지표(Metric), 엔티티(Entity), 액션(Action), 정책(Policy), 차원(Dimension)을 노드와 관계로 정의한 '통제된 비즈니스 개념 그래프'다. 핵심은 모든 개념에 현업 책임자인 도메인 스튜어드(Domain Steward)의 소유권과 승인 상태, 그리고 공식의 출처 계보(Formula Provenance)가 부여된다는 점이다. 만약 코텍스 센스가 추론한 맥락과 비즈니스 온톨로지의 승인된 정의가 충돌하면, 아키텍처는 무조건 승인된 정의를 우선 적용한다. 중요한 설계 원칙은 '온톨로지는 공식의 의미를 지배할 뿐 직접 실행하지 않는다'는 구조적 분리다.
시맨틱 뷰(Semantic Views, 결정론적 실행 계층 - 일반 제공 GA): 온톨로지에서 승인된 비즈니스 정의를 실제 SQL 연산 모델로 컴파일해 실행하는 계층이다. 반가산성(Semi-additive) 지표 규칙까지 내장되어 있어, 스노우플레이크의 코딩 에이전트인 코코(CoCo, 구 Cortex Code)와 업무용 에이전트 코워크(CoWork), 외부 BI 도구, 나아가 MCP(Model Context Protocol)로 연결된 외부 에이전트까지 누가 질문하든 단 하나의 결정론적(Deterministic) 결괏값을 산출하도록 강제한다.
'비즈니스 온톨로지'가 에이전트에게 "올바른 답(Right Answer)"을 내도록 의미와 계보를 묶어준다면, 동시에 발표된 '코텍스 AI 게이트웨이(Cortex AI Gateway)'는 에이전트가 "올바른 방식(Right Way)"으로 행동하도록 실행 권한을 틀어쥐는 중앙 컨트롤 플레인(Control Plane)이다.
스노우플레이크는 11월 3일부로 코텍스 AI 게이트웨이의 핵심 기능인 통합 모델 추론 엔드포인트, 오픈텔레메트리(OpenTelemetry) 기반의 에이전트 추적 관찰성( AGENT_TRACE_TABLE ), 그리고 팀·사용자별 예산 쿼터 및 비용 통제( AI_GATEWAY_USAGE_HISTORY ) 기능을 정식 출시(GA)했다. 여기에 더해 나토마(Natoma) 인수를 통해 확보한 기술력을 바탕으로 한층 강력한 보안 통제 기능들을 프리뷰 형태로 결합했다.
가장 눈에 띄는 기술적 진보는 'MCP 도구 거버넌스(Preview)'와 '에이전트 오남용 탐지(Agent Abuse Detection, 비공개 프리뷰)'다. 에이전트 코드 내부에 하드코딩된 자격 증명을 없애고, 100개 이상의 외부 MCP 서버에 대한 접근을 스노우플레이크의 기존 역할 기반 접근제어(RBAC) 정책 아래로 편입시켰다. 특히 에이전트 오남용 탐지 엔진은 개별 프롬프트 단건만 검사하는 기존 가드레일의 한계를 넘어, 에이전트의 전체 실행 궤적(Complete Agent Trajectories)과 실제 비즈니스 데이터 접근 이력을 교차 분석 한다. 오픈AI의 프라이버시 보존 안전 신호 처리(PSP) 설계 파트너십까지 결합해, 에이전트가 무한 루프에 빠지거나 위임받은 권한을 넘어서는 월권(Overreach) 및 내부자 악용 시도를 실시간으로 포착해 차단한다. 또한 코텍스 샌드박스(Cortex Sandboxes)와 제한된 세션 범위(Restricted Session Scope, GA)를 통해 에이전트가 실행하는 코드의 피해 반경(Blast Radius)을 컨테이너 수준에서 격리했다.
2. SAP와 엔터프라이즈 SaaS 거인들의 반격: 누가 기업의 '비즈니스 맥락과 통제권'을 쥐는가
스노우플레이크가 데이터가 모이는 '데이터 클라우드(Bottom-Up)'에서 출발해 온톨로지와 게이트웨이로 영토를 넓히고 있다면, 전통의 ERP 강자인 SAP와 글로벌 엔터프라이즈 SaaS 기업들은 실제 업무 트랜잭션이 일어나는 '애플리케이션 프로세스(Top-Down)'에서 출발해 자신들만의 통합 통제 아키텍처를 구축하고 있다.
이들이 내놓은 AI 대책의 핵심 역시 놀라울 정도로 동일한 방향을 가리키고 있다. 비즈니스 의미(Ontology/Knowledge Graph) + 데이터 계보(Lineage) + 실행 거버넌스(Control Tower/Guardian)의 결합이다.
① SAP: 'SAP 지식 그래프'와 '비즈니스 데이터 클라우드'로 ERP 프로세스 주권 사수 전 세계 대기업의 재무, 인사, 공급망(SCM) 원장을 쥐고 있는 SAP는 생성형 AI 시대에 가장 강력한 구조적 해자(Moat)를 가진 기업 중 하나다. 하지만 동시에 수만 개의 복잡한 ABAP 테이블과 커스텀 필드는 외부 LLM이 절대 이해할 수 없는 거대한 장벽이기도 했다. SAP의 해법은 비즈니스 기술 플랫폼(BTP)과 'SAP 비즈니스 데이터 클라우드(Business Data Cloud)' 위에 구축된 'SAP 지식 그래프(SAP Knowledge Graph)'다. SAP는 수십 년간 축적된 ERP 내부의 엔티티 관계, 전표 처리 규칙, 비즈니스 프로세스 문맥을 지식 그래프로 자산화해 AI 코파일럿인 '줄(Joule)'과 에이전트 빌더인 '줄 스튜디오(Joule Studio, 2026년 1분기 정식 출시)'의 두뇌에 이식했다. 예를 들어 SAP의 송장 분쟁 해결(Dispute Management) 에이전트나 자금 관리(Cash Management) 에이전트가 중복 결제나 대사(Reconciliation) 오류를 처리할 때, 에이전트는 임의로 데이터베이스를 뒤지지 않는다. SAP 지식 그래프가 정의한 공식 회계 의미와 데이터 계보를 따라 원인을 추적하고, S/4HANA의 엄격한 권한 객체(Authorization Object) 통제 아래에서만 수정 전표를 기안하거나 승인 워크플로를 호출한다. 외부 데이터 플랫폼이 사후에 데이터를 긁어가 의미를 추론하는 것과 달리, SAP는 트랜잭션이 탄생하는 원천 프로세스의 의미와 권한을 처음부터 하나로 묶어 통제권을 방어하고 있다.
② 세일즈포스(Salesforce): "거버넌스가 곧 AI 전략이다" — Data 360과 세일즈포스 가디언 자율형 에이전트 플랫폼 '에이전트포스(Agentforce)'와 아틀라스 추론 엔진(Atlas Reasoning Engine)을 앞세운 세일즈포스는 2026년 들어 "통제 없는 에이전트는 전략이 아니라 위험한 실험일 뿐"이라며 통합 거버넌스 계층을 전면에 내세웠다. 세일즈포스 아키텍처는 데이터 360(Data 360, 구 Data Cloud) , 인포매티카(Informatica) 연계 메타데이터, 세일즈포스 가디언(Salesforce Guardian) , 그리고 뮬소프트(MuleSoft) API 거버넌스 를 단일 프레임워크로 통합했다. 데이터 360은 상·하류 데이터 흐름을 시각화하는 데이터 계보(Lineage)와 동적 마스킹을 제공하고, 에이전트가 런타임에 데이터를 조회할 때 객체(Object)·행(Row)·필드(Field) 단위의 접근 권한을 실시간으로 강제한다. 그 위에서 세일즈포스 가디언이 고객 동의 정책과 규제 준수 여부를 감시하고 의심스러운 에이전트 활동을 차단하는 안전망(Safety Net) 역할을 수행하며, 외부 시스템 호출은 뮬소프트 API 게이트웨이가 통제하는 3중 방어선을 구축했다.
③ 서비스나우(ServiceNow)와 워크데이(Workday): 'AI 컨트롤 타워'와 '에이전트 인사 기록 시스템(ASOR)' IT 서비스 관리(ITSM)와 전사 워크플로의 강자인 서비스나우는 'AI 에이전트 오케스트레이터'와 'AI 컨트롤 타워(AI Control Tower)'를 통해 기업 내 이기종 에이전트들의 '지휘자' 자리를 노리고 있다. 특히 서비스나우의 'AI 서비스 그래프 커넥터(AI Service Graph Connector)'는 자사 에이전트뿐만 아니라 세일즈포스 등 타사 플랫폼에 흩어져 있는 외부 에이전트, 모델, 프롬프트, 도구 목록까지 중앙 CMDB(구성관리 데이터베이스)로 불러들여 사용량과 부서 간 협업 권한(예: IT 에이전트의 재무 데이터 접근 차단)을 통합 통제한다. 인사·재무 SaaS 강자인 워크데이는 한 걸음 더 나아가 '에이전트 시스템 오브 레코드(ASOR: Agent System of Record)'라는 독창적인 아키텍처 개념을 도입했다. 인간 직원을 채용할 때 인사 시스템에 등록하고 직무와 권한을 부여하듯, 기업이 도입하는 모든 AI 에이전트를 ASOR에 정식 등록(Onboarding)시켜 역할(Role)과 접근 가능한 데이터 범위, 감사 추적 계보를 인사 관리 수준으로 엄격히 통제하는 방식이다.
④ 팔란티어(Palantir): 엔터프라이즈 온톨로지와 실행 통제의 원조 사실 지금 스노우플레이크와 SAP가 앞다투어 도입하고 있는 '비즈니스 온톨로지 기반 에이전트 통제'의 원조는 팔란티어의 AIP(Artificial Intelligence Platform)다. 팔란티어는 일찍이 원천 데이터(Data), 비즈니스 로직 모델(Logic), 그리고 실제 시스템을 변경하는 실행(Action)을 '온톨로지(Ontology)'라는 디지털 트윈 계층으로 묶어냈다. 에이전트는 원천 DB를 직접 건드리지 못하고 오직 온톨로지에 정의된 객체와 승인된 '액션(Action) API'만을 호출할 수 있어, 의미·계보·권한이 구조적으로 일치하는 아키텍처의 교본을 보여주었다.
기업 및 플랫폼
핵심 통제 아키텍처 구성
업무 의미(Semantics) 정의 방식
데이터 계보(Lineage) 및 맥락 관리
실행 권한(Permissions) 및 런타임 통제
스노우플레이크 (Snowflake)
Horizon Context 및 Cortex AI Gateway
Business Ontology 및 Semantic Views
Cortex Sense 자동 추론 및 수식 출처 계보
RBAC 연동 MCP 도구 통제 및 궤적 기반 오남용 탐지
SAP
SAP BTP, Business Data Cloud, Joule Studio
SAP Knowledge Graph (ERP 프로세스 그래프)
S/4HANA 및 비SAP 통합 시맨틱 계보
ERP 권한 객체(Auth Object) 및 표준 BAPI 트랜잭션 통제
세일즈포스 (Salesforce)
Agentforce, Data 360, Guardian, MuleSoft
Data 360 메타데이터 및 토픽 분류 체계
상·하류 영향도 기반 엔드투엔드 데이터 계보
객체·행·필드 레벨 런타임 권한 및 MuleSoft API 게이트웨이
ServiceNow · Workday
AI Control Tower 및 Agent System of Record
CMDB 서비스 그래프 및 직무·역할 모델
이기종 에이전트 자산·프롬프트·호출 이력 추적
부서 간 멀티 에이전트 협업 규칙 및 에이전트 신원(ASOR) 통제
팔란티어 (Palantir)
Palantir AIP 및 Ontology SDK
엔터프라이즈 디지털 트윈 Ontology (객체·관계)
원천 테이블부터 의사결정까지 완전한 계보 추적
온톨로지 내 봉인된 Action(실행) 권한 및 AIP Evals 검증
3. 아키텍트의 냉정한 비평: "개별 기능의 출시(GA)가 곧 아키텍처의 완성은 아니다"
글로벌 벤더들의 화려한 청사진 이면에서 기업의 수석 아키텍트와 CIO들이 반드시 직시해야 할 두 가지 냉정한 현실이 있다.
첫째, '일반 제공(GA)' 기능과 '프리뷰(Preview)' 기능의 성숙도 차이 이다. 이번 스노우플레이크의 11월 3일 발표를 면밀히 뜯어보면, 아키텍처를 구성하는 핵심 부품들의 출시 단계가 제각각이다. 시맨틱 뷰(Semantic Views)와 코코 오토메이션(CoCo Automations, 11월 2일 GA), 그리고 코텍스 AI 게이트웨이의 기본 추론·관찰성·비용 관리 기능은 일반 제공(GA) 단계에 올라섰다. 그러나 정작 이 아키텍처의 핵심 두뇌에 해당하는 비즈니스 온톨로지(Business Ontology)와 에이전트 오남용 탐지(Agent Abuse Detection) , 동적 모델 라우팅 , 코텍스 샌드박스 는 이제 막 비공개 프리뷰(Private Preview)에 진입했거나 향후 공개 프리뷰를 앞둔 상태이며, MCP 도구 거버넌스 역시 아직 프리뷰(Preview) 단계다. 소프트웨어 공학에서 "개별 컴포넌트 일부가 GA라고 해서 전체 아키텍처가 운영 검증(Production-Ready)을 마친 것은 아니다"라는 원칙은 철칙이다. 더욱이 코텍스 AI 게이트웨이의 통제 정책은 게이트웨이를 경유하도록 라우팅된 트래픽에만 적용될 뿐, 스노우플레이크 내부나 외부에서 게이트웨이를 우회해 실행되는 모든 AI 요청을 자동으로 덮어주지는 않는다. 아키텍트가 실제 실행 경로(Execution Path)를 구조적으로 강제하지 않으면 벤더가 약속한 통합 거버넌스는 반쪽짜리에 그칠 수밖에 없다.
둘째, '거버넌스의 경계'와 '실행 엔진의 경계'가 분리되는 이기종(Multi-Engine) 환경의 딜레마다. 스노우플레이크의 비즈니스 온톨로지는 18개의 메타데이터 커넥터를 통해 데이터브릭스(Databricks), 구글 빅쿼리(BigQuery), 포스트그레SQL(PostgreSQL) 등 외부 엔진의 메타데이터를 읽어 들여 전사적인 개념을 정의할 수 있다고 강조한다. 하지만 앞서 살펴보았듯 온톨로지는 '정의'만 보관할 뿐, 승인된 지표를 실제로 계산하고 실행하는 곳은 스노우플레이크 내부의 '시맨틱 뷰' 엔진이다. 현실의 대기업 IT 환경을 생각해 보자. 원장 트랜잭션은 SAP S/4HANA 에서 일어나고, 고객 접점 에이전트는 세일즈포스 Agentforce 에서 돌아가며, 데이터 분석과 머신러닝은 스노우플레이크와 데이터브릭스 에 나뉘어 있다. 만약 각 벤더가 자사 플랫폼 내부의 온톨로지(SAP 지식 그래프 vs 스노우플레이크 비즈니스 온톨로지 vs 세일즈포스 Data 360)만을 고집한다면, 기업은 과거의 '데이터 사일로(Data Silo)'보다 훨씬 더 위험한 '온톨로지 사일로(Ontology Silo)'와 '거버넌스 파편화'에 직면하게 된다. 스노우플레이크에서 승인된 매출 공식이 SAP의 줄(Joule) 에이전트나 데이터브릭스 엔진으로 넘어갈 때도 동일한 데이터 계보와 실행 권한 정책을 유지하며 작동할 것인가? 이 '크로스 엔진(Cross-Engine) 시맨틱 실행 및 권한 연동' 문제는 아직 어느 벤더도 완벽히 해결하지 못한 아키텍트의 몫으로 남아 있다.
4. 결론: AI 아키텍처의 새로운 삼위일체 — '업무 의미 · 데이터 계보 · 실행 권한'을 하나로 묶어라
스노우플레이크의 11월 3일 발표와 SAP 등 글로벌 엔터프라이즈 거인들의 행보가 우리 기업들에 던지는 아키텍처적 결론은 명확하다. 이제 기업용 AI 에이전트 구축 사업에서 "어떤 LLM 모델을 쓸 것인가"나 "벡터DB 검색 정확도를 몇 퍼센트 올릴 것인가"는 부차적인 문제다.
에이전트가 단순한 질문 답변기를 넘어 기업의 데이터를 읽고 비즈니스 의사결정을 내리며 외부 도구를 실행하는 주체가 된 이상, 엔터프라이즈 AI 아키텍처는 반드시 다음 세 가지 기둥(Tri-Pillar)을 단일 거버넌스 체계로 결합 해야 한다.
업무 의미의 표준화 (Business Semantics / Ontology): 기업 내 핵심 용어와 지표 계산식이 코드나 프롬프트에 파편화되지 않고, 도메인 책임자(Steward)의 승인을 받은 단일 비즈니스 온톨로지와 시맨틱 계층에서 결정론적으로 제공되어야 한다.
엔드투엔드 데이터 계보 (End-to-End Data & Reasoning Lineage): 원천 테이블에서 시맨틱 뷰, 에이전트의 추론 컨텍스트, 그리고 최종 답변 및 액션에 이르기까지 어떤 데이터가 어떤 공식과 경로를 거쳐 변형되었는지 추적 가능한 계보가 확보되어야 한다.
인라인 실행 권한 통제 (Runtime Execution Governance): 에이전트가 호출하는 모든 모델과 MCP 도구가 게이트웨이의 일관된 RBAC 권한 정책과 궤적 기반 이상 탐지(Trajectory Abuse Detection) 아래 묶여, 비인가 행동이 실행되기 전에 구조적으로 차단되어야 한다.
결국 AI 전환(AX)의 최종 승부처는 화려한 프런트엔드 에이전트 화면이 아니라, 그 밑바닥에서 '의미(Ontology) - 계보(Lineage) - 권한(Gateway)'을 하나의 톱니바퀴로 맞물리게 설계하는 엔터프라이즈 아키텍처 엔지니어링 이다. 글로벌 SaaS와 데이터 플랫폼들이 저마다 자사 중심의 통제 아키텍처를 내밀고 있는 지금, 특정 벤더의 마케팅 용어에 휩쓸리지 않고 우리 기업 전체의 이기종 시스템을 아우르는 주권적 'AI 거버넌스 아키텍처'의 청사진을 먼저 그리는 기업만이 에이전트 시대의 진짜 주인이 될 것이다.
관련 태그: #AI 시대 SW 아키텍처 #AI Architecture #AI Software Architecture #AI SW 아키텍처 #AI-native architecture #아키텍처설계 #파운데이션 모델 #AI 아키텍처 #AI-Native 소프트웨어 아키텍처 #AI 네이티브 #agentic software architecture
본 콘텐츠는 글로벌 IT 아키텍처 컨설팅 회사 CHRISCOMPANY의 기술 인사이트를 바탕으로 제공됩니다. 발행: 크리스미디어 (CHRISMEDIA)