에이전틱 AI 시대가 되면서 검색의 역할이 달라지고 있습니다. 에이전트는 사용자 요청에 답하기 위한 수단으로만 검색을 하지 않습니다. 다음 작업을 계획하고 수행하는 근거로 검색 결과를 활용하기도 합니다. 이런 특성으로 검색 결과가 부정확하거나 오래된 데이터를 담고 있다면 에이전트의 판단과 실행도 함께 잘못될 수 있습니다.
구글 클라우드의 Spanner는 위와 같은 에이전트의 특수성을 수용하기 위해 전체 텍스트 검색과 벡터 검색, 그래프 기능을 운영 데이터와 같은 기반에서 제공합니다. 기존 엔터프라이즈 검색의 정확한 조건 처리와 AI 검색의 의미 이해를 하나의 하이브리드 검색 구조로 연결하는 방식입니다. 이번 포스팅에서는 기존 검색 아키텍처가 왜 복잡해지는지 살펴보고 Spanner가 검색과 운영 데이터를 어떻게 결합하는지 알아보겠습니다. 이어서 Attio 사례를 통해 최신성과 확장성, 운영 비용 측면에서 기대할 수 있는 효과도 확인해 보겠습니다.
전통적인 검색 아키텍처가 복잡해지는 이유
기존 엔터프라이즈 검색은 키워드 검색과 의미 검색, 관계 탐색을 강화하기 위해 여러 시스템을 조합해 왔습니다. 일반적인 구조에서는 운영 데이터베이스의 데이터를 ETL이나 스트리밍 파이프라인을 통해 검색 엔진으로 보냅니다. 의미 기반 검색이 필요하면 벡터 데이터베이스를 추가하고 고객과 상품, 계약처럼 데이터 사이의 관계를 탐색해야 하면 그래프 데이터베이스를 별도로 구성하기도 합니다.
문제는 기능을 추가할수록 같은 데이터를 여러 시스템에 복사해야 한다는 점입니다. 원본 스키마가 바뀌면 파이프라인과 검색 인덱스도 함께 수정해야 합니다. 데이터가 늘어나 복사와 색인 작업이 밀리면 사용자는 변경 사항이 반영되지 않은 검색 결과를 볼 수 있습니다.
권한과 테넌트 분리도 각 시스템에 다시 구현해야 합니다. 운영 데이터베이스에서 사용자별 접근을 통제하더라도 검색 엔진과 벡터 데이터베이스에 복사한 데이터에 같은 정책을 적용해야 합니다. 장애 복구와 백업, 용량 계획, 비용 관리 역시 시스템별로 나누어 수행합니다. 검색 기능을 강화하기 위해 시스템을 더할수록 데이터 지연과 운영 복잡성이 함께 커지는 구조입니다.
에이전트를 다양한 워크플로우에 투입하는 환경에서는 데이터 지연이 더 큰 문제로 이어질 수 있습니다. 에이전트가 데이터를 수정한 직후 다시 검색했는데 변경 전 상태가 반환되면 다음 판단과 행동까지 잘못될 수 있기 때문입니다. 그렇다면 운영 데이터를 다른 시스템으로 계속 복사하지 않고도 키워드와 의미, 관계를 함께 검색할 수 있을까요?
Spanner는 검색과 운영 데이터를 어떻게 하나로 묶는가?
Spanner는 관계형 트랜잭션 처리와 전체 텍스트 검색, 벡터 검색, 그래프를 같은 데이터 플랫폼에서 제공합니다. 검색을 위해 운영 데이터를 별도 시스템으로 내보내는 대신 원본 테이블 위에 필요한 인덱스와 그래프 모델을 정의합니다.
개발자가 DDL로 텍스트 인덱스와 벡터 인덱스를 만들면 Spanner가 기존 데이터의 백필과 이후 갱신을 관리합니다. 데이터가 변경되면 검색 인덱스도 함께 갱신되므로 쓰기 직후 검색에서도 최신 상태를 확인할 수 있습니다.
전체 텍스트 검색은 퍼지 검색과 언어 감지, 동의어, 맞춤 사전을 활용할 수 있습니다. 향상된 검색(Enhanced Search)은 검색어를 관련 표현으로 넓혀 사용자가 정확한 단어를 입력하지 않아도 필요한 결과를 찾도록 돕습니다. 벡터 검색은 문서와 질의의 의미를 임베딩으로 비교하고 그래프는 고객과 회사, 상품과 계약처럼 데이터 사이의 관계를 탐색합니다.
이 기능을 SQL 안에서 조합할 수 있다는 점이 Spanner 검색의 특징입니다. 정확한 단어와 조건, 의미적 유사성, 데이터 사이의 관계를 하나의 질의 흐름에서 다룰 수 있습니다. 그렇다면 전체 텍스트 검색과 벡터 검색은 각각 어떤 한계를 보완할까요?
텍스트 검색과 벡터 검색을 함께 사용해야 하는 이유
키워드 검색은 정확한 제품명과 모델, 규격, 사람 이름을 찾는 데 강합니다. 하지만 사용자가 입력한 단어가 상품 설명에 없으면 관련 결과를 놓칠 수 있습니다. 반면 벡터 검색은 문장의 의미와 의도를 바탕으로 비슷한 결과를 찾는 데 유리하지만 연령과 가격, 재고처럼 정확히 지켜야 할 조건을 놓칠 수 있습니다.
예를 들어 사용자가 ‘8세 이상이 사용할 수 있는 우주 테마 레고’를 찾는다고 가정해 보겠습니다. 키워드 검색은 ‘8+’와 ‘우주’라는 표현을 정확히 찾지만 스타워즈나 우주선처럼 연관된 표현을 충분히 반영하지 못할 수 있습니다. 벡터 검색은 관련 완구를 넓게 찾지만 4~7세 제품까지 포함할 수 있습니다.
하이브리드 검색은 두 검색 결과를 결합하고 순위를 다시 계산합니다. Reciprocal Rank Fusion과 같은 방식을 활용하면 정확한 조건과 의미적 관련성을 함께 반영할 수 있습니다. 여기에 관계형 필터와 그래프를 더하면 재고와 접근 권한, 고객 관계까지 고려한 검색을 구성할 수 있습니다.
이와 같이 하이브리드 검색은 검색 정확도를 높이는 데 효과적입니다. 다만 실제 운영 환경에서는 어떤 검색 방식을 조합하느냐만큼 그 기능을 어떤 데이터 기반에서 관리하느냐도 중요합니다. 검색 엔진과 벡터 데이터베이스, 그래프 데이터베이스를 따로 운영하면 결과를 합치는 과정이 복잡해지고 데이터 최신성과 권한 관리에도 차이가 생길 수 있습니다. Spanner는 검색 기능과 운영 데이터를 같은 기반에서 관리해 검색 품질의 개선이 운영 구조의 단순화까지 이어지도록 합니다.
하이브리드 검색 적용 효과
Spanner의 하이브리드 검색을 적용하면 무엇이 달라질까요? 가장 먼저 눈에 들어오는 것은 데이터 이동 방식입니다. 검색 인덱스가 운영 데이터와 함께 관리되므로 별도 ETL 파이프라인을 통해 데이터를 복사하거나 같은 데이터를 여러 시스템에 중복 저장하는 작업을 줄일 수 있습니다.
검색 결과의 최신성도 높아집니다. 사용자나 에이전트가 데이터를 변경하면 검색 인덱스에도 해당 상태가 반영되므로 읽기와 쓰기가 연속해서 일어나는 업무에서 이전 데이터를 참조할 가능성을 낮출 수 있습니다.
운영 체계도 한결 단순해집니다. 데이터베이스와 검색 엔진, 벡터 데이터베이스, 그래프 데이터베이스를 각각 확장하고 백업하거나 장애에 대응하는 부담이 줄어듭니다. 검색과 운영 데이터에 같은 권한과 가용성 체계를 적용할 수 있다는 점도 장점입니다.
개발 방식에도 변화가 생깁니다. 여러 검색 시스템에서 가져온 결과를 애플리케이션 코드로 조합하는 대신 SQL 안에서 키워드 검색과 벡터 검색, 필터, 순위 조정을 함께 표현할 수 있습니다. 개발자는 시스템 사이의 연동 코드보다 검색 조건과 결과 품질을 설계하는 데 더 집중할 수 있습니다.
이러한 변화가 실제 서비스의 최신성과 확장성, 비용에 어떤 효과를 만드는지는 Attio 사례를 통해 알아보겠습니다. AI 네이티브 CRM 기업 Attio는 정형 CRM 데이터와 이메일, 통화 기록, 제품 사용 데이터를 Spanner 기반의 Universal Context로 통합했습니다. 초기에는 외부 검색 서비스를 사용했지만 대형 고객의 데이터가 늘면서 색인 지연이 발생했습니다. Attio는 전체 텍스트 검색과 벡터 검색을Spanner 안으로 옮겨 운영 데이터와 검색 결과의 일관성을 확보했습니다.
비용 측면에서도 변화가 있었습니다. Attio는 2026 회계연도 기준 외부 검색 서비스 비용을 큰 폭으로 줄였다고 합니다. 특정 기업의 결과를 모든 환경에 그대로 적용할 수는 없지만 검색과 운영 데이터를 통합하는 방식이 비용과 최신성, 확장성에 함께 영향을 줄 수 있음을 보여 줍니다.
AX 전략을 위한 검색 시스템 고도화를 검토하고 있다면?
AX 전략에서 데이터는 AI가 판단하고 행동하기 위한 근거입니다. 검색은 지금 필요한 정보를 찾아 에이전트의 맥락으로 전달하는 수단입니다. 아무리 좋은 모델을 사용하더라도 검색 결과가 부정확하거나 최신 상태를 반영하지 못하면 에이전트가 내리는 판단과 실행의 신뢰성을 확보하기 어렵습니다.
앞서 살펴본 바와 같이 Spanner의 하이브리드 검색은 기존 엔터프라이즈 검색이 요구하는 정확한 조건과 권한 처리, AI 검색이 요구하는 의미 이해를 하나의 운영 데이터 기반에서 연결하는 방안을 제시합니다. 운영 데이터와 검색을 하나의 일관된 기반으로 연결해 에이전틱 AI 시대에 맞는 검색 아키텍처를 준비하고자 한다면 메가존소프트 문의 포털을 통해 상담을 남겨 주세요.
