- 기업 AI 비용↓·신뢰도↑, ‘AI 에이전트’ 실용화 기대
 |
| 이번 연구를 수행한 이건호(왼쪽부터) KAIST 박사과정, 김민수 교수.[KAIST 제공] |
[헤럴드경제=구본혁 기자] 국내 연구진이 AI가 만든 검색 명령을 처음부터 다시 작성하지 않고 ‘틀린 부분’만 찾아 고치는 기술을 개발했다. 기업이 AI를 업무에 활용할 때 발생하는 비용과 시간을 크게 줄여 ‘AI 업무비서’ 상용화를 앞당길 기술로 주목된다.
KAIST는 전산학부 김민수 교수 연구팀이 자연어 질문을 데이터베이스 검색 명령어인 SQL(Structured Query Language)로 변환하는 과정에서 발생한 오류를 찾아 단계적으로 수정하는 ‘세이프큐엘(SafeQL)’을 개발했다고 4일 밝혔다.
최근 기업에서는 일상 언어로 질문하면 AI가 이를 SQL로 바꿔 매출·고객·재고 등의 데이터를 찾아주는 ‘Text-to-SQL’ 기술 활용이 늘고 있다. 문제는 AI도 실수한다는 점이다. 데이터베이스에 실제로 존재하지 않는 테이블이나 항목을 사용하거나 자료를 잘못 연결하면 SQL이 실행되지 않는다.
기존에는 이런 오류가 발생하면 오류 내용을 챗GPT와 같은 생성형 AI의 기반인 대형언어모델(LLM)에 다시 보내 SQL 전체를 새로 만들도록 했다. 이 과정에서 이미 맞았던 부분이 바뀌거나 새로운 오류가 생길 수 있고 LLM을 반복적으로 사용하면서 비용과 처리시간도 늘어난다.
SafeQL은 접근법 자체를 바꿨다. AI에게 SQL 전체를 다시 만들도록 하는 대신 데이터베이스가 알려주는 오류 정보와 실제 저장된 데이터를 활용해 잘못된 위치를 찾아 해당 부분만 고친다.
 |
| 이번 연구결과 모식도(AI 생성 이미지).[KAIST 제공] |
존재하지 않는 테이블이나 항목을 사용했는지 확인하고 누락된 데이터 연결, 잘못 사용한 함수와 검색값 등을 단계적으로 찾아 수정한다. 틀린 부분만 고쳐 해결하기 어려운 경우에만 LLM을 다시 사용해 불필요한 AI 사용도 최소화했다.
연구팀은 데이터베이스에서 실제로 실행할 수 있는 여러 수정안 가운데 원래 AI가 만든 명령과 가장 가까운 답부터 찾아가는 ‘안전 질의 공간(Safe Query Space)’ 방식도 설계했다. 모든 수정안을 무작정 확인하는 대신 제대로 작동할 가능성이 높은 후보부터 골라 확인하고, 가능성이 낮은 후보는 미리 제외해 처리시간을 줄이는 방식이다.
AI 데이터베이스 검색 성능 평가에 활용되는 BIRD와 Spider 벤치마크로 검증한 결과, BIRD에서 SafeQL은 AI가 처음 생성한 SQL의 실행 오류를 최대 87.4% 해결했다. 원하는 답을 정확하게 찾아내는 실행 정확도도 기존 최고 기술보다 최대 5.8%포인트 높였다.
특히 SQL 전체를 AI에 다시 만들도록 하는 기존 방식과 비교해 AI 토큰 사용량은 최대 15.1배 줄였고 오류 수정시간은 최대 29.6배 단축했다.
김민수 KAIST 교수는“SafeQL은 AI가 검색 과정에서 실수하더라도 처음부터 다시 하는 대신 틀린 부분만 바로잡아 오류와 비용, 시간을 함께 줄이는 기술로 신뢰할 수 있는 AI 업무 자동화를 앞당길 것으로 기대한다”고 말했다.
