MetaDRAG™
데이터베이스의 구조를 읽어 AI 가 쓸 수 있는 형태로 정리하고, 그 위에서 사람의 질문에 답하게 만드는 메타데이터 플랫폼입니다.
왜 메타데이터부터인가
기업 데이터베이스에 AI 를 붙일 때 가장 먼저 부딪히는 것은 모델의 성능이 아니라 데이터가 무엇인지 아무도 정확히 모른다는 사실입니다. 테이블 이름은 줄임말이고, 같은 뜻의 컬럼이 시스템마다 다른 이름으로 있으며, 코드값의 의미는 오래 다닌 사람의 머릿속에 있습니다.
이 상태에서 자연어 질의를 붙이면 AI 는 모르는 것을 모른다고 하지 않고 그럴듯한 SQL 을 지어냅니다. 틀린 숫자가 맞는 모양으로 나오는 것이 데이터 프로젝트에서 가장 비싼 실패입니다.
MetaDRAG™ 는 그 앞단을 맡습니다. 스키마를 수집해 사람이 읽을 수 있는 의미를 붙이고, 이름·도메인·코드 표준을 한 곳에서 관리한 다음, 정리된 메타데이터를 AI 질의의 근거로 넘깁니다.
무엇을 하는가
스키마 수집과 동기화
운영 중인 데이터베이스에서 테이블·컬럼·제약을 읽어 옵니다. 바뀌면 차이를 보여주고, 사람이 확인한 뒤 반영합니다.
화면에서 하는 설계
ERD 문서를 따로 그리고 실제 DB 와 어긋나게 두지 않습니다. 설계와 현물이 같은 자리에 있습니다.
이름 · 도메인 표준
같은 뜻에 같은 이름을 씁니다. 표준을 한 곳에 두면 새 시스템이 늘어도 갈라지지 않습니다.
의미 기반 검색
「매출이 들어 있는 컬럼」 처럼 뜻으로 찾습니다. 이름을 정확히 알아야 찾을 수 있으면 검색이 아닙니다.
AI 질의의 근거 공급
정리된 메타데이터를 컨텍스트로 넘겨 질의를 만듭니다. 추측이 아니라 실제 구조 위에서 답합니다.
영향도 추적
컬럼 하나를 바꾸면 어디가 깨지는지 먼저 봅니다. 바꾸고 나서 아는 것과는 값이 다릅니다.
이런 곳에 맞습니다
- 오래 운영한 시스템이 여러 개이고, 같은 데이터가 여기저기 다른 이름으로 있는 곳
- 데이터 요청을 받을 때마다 담당자가 SQL 을 새로 짜고 있는 곳
- AI 도입을 검토했으나 「우리 데이터로는 안 될 것 같다」 에서 멈춘 곳
- 차세대 · 마이그레이션을 앞두고 현행 구조를 정확히 파악해야 하는 곳
도입을 검토하고 계신가요?
데이터 현황을 함께 살펴보고 PoC 범위를 제안해 드립니다. 먼저 무엇을 풀어야 하는지부터 이야기해 주세요.