DW의 나무를 자연어기반 BI Agent 숲으로 키우는 방법 들어가며 – 사례 소개 Pain Point에서 시작된 프로젝트 폴리인스퍼레이션 (Poly Inspiration, 이하 PI)은 Poly와 CANB라는 두 브랜드의 전국 규모 교육 기관을 운영하는 기업으로서, 매월 방대한 양의 경영 데이터를 분석하여 의사결정에 활용하고 있습니다. 처음 우리에게 들어온 요청은 “데이터 웨어하우스(DW)를 구축해달라”는 것이었습니다. 흩어져 있는 데이터를 모아 분석할…
1. Antigravity 2.0 기업용 버전 상세 분석 Antigravity 2.0은 단순한 통합 개발 환경(IDE)의 확장 기능을 넘어, 여러 AI 에이전트를 조율하고 관리하는 독립적인 데스크톱 애플리케이션으로 발전했습니다. 이는 AI를 단순한 ‘코딩 보조 도구(Tool)’가 아닌, 개발팀의 ‘팀원(Team Member)’으로 격상시키는 철학적 변화를 담고 있습니다. 기업용 버전은 별도의 소프트웨어 패키지라기보다는, Google Cloud의 ‘Gemini Enterprise Agent Platform’을 통해 제공되는 배포 경로…
안녕하세요, 메가존소프트입니다. 구글 클라우드의 국내 핵심 파트너인 메가존소프트가 또 한 번 글로벌 무대에서 압도적인 역량을 입증했습니다! 지난 2026년 5월 5일부터 7일까지 구글 싱가포르(Google Singapore)에서 개최된 ‘APAC Banyan Legion’ 행사에서 메가존소프트가 한국 지역을 대표하여 무려 3개의 챔피언 트로피를 들어 올리는 영예를 안았습니다. 이번 행사는 ‘구글 워크스페이스 및 제미나이 엔터프라이즈와 함께하는 AI 기반의 미래(The AI-Powered Future with…
단순한 도입을 넘어 실질적 성과로, 메가존소프트가 제시하는 AX의 미래 안녕하세요. Google Cloud Premier Partner 메가존소프트입니다. 지난 5월 8일 성황리에 막을 내린 아시아 최대 규모의 ‘2026 AI EXPO KOREA’ 현장에 메가존소프트가 다녀왔습니다. 단순히 기술을 관람하는 것에 그치지 않고, 기업들이 직면한 현실적인 고민과 그에 대한 해답을 확인할 수 있는 자리였습니다. 이번 행사는 AI가 단순한…
Overview안녕하세요. 메가존소프트입니다. Google Cloud의 연례 글로벌 컨퍼런스인 Google Cloud Next 2026에서 발표된 다양한 기술 및 AI 혁신 내용을 바탕으로, 꼭 알아야 할 핵심 세션만 압축하여 웨비나로 준비하였습니다. 이번 웨비나에서는 Google Workspace Intelligence, Agentic Defense, AI 기반 업무 혁신 및 최신 Google Cloud 기술 트렌드를 중심으로, 실무에 바로 적용할 수 있는 인사이트를 전달드릴 예정입니다. Google Cloud가…
외전: Ambient 네트워킹과 Cloud Service Mesh Cloud Service Mesh는 Envoy와 Istio API를 데이터 평면·제어 평면 표준으로 삼는 구글 쿠버네티스 엔진(GKE)의 service mesh 제품입니다. Google Cloud Next 2026 발표는 추론·학습·보안 축의 신기능에 무게가 실려 있었지만, 이들 워크로드가 실제로 사용자 트래픽과 만나는 지점은 결국 mesh 위에 놓입니다. 본 글은 본 시리즈 외전입니다. Cloud Service Mesh가 East-West 트래픽과…
8편: 보안과 격리, Agent Sandbox와 Hypercluster GKE Agent Sandbox와 GKE Hypercluster는 구글 쿠버네티스 엔진(GKE) 위에서 동작하는 두 보안 기능으로, Google Cloud Next 2026에서 한 묶음으로 강조되었습니다. 한쪽은 워크로드 단위로 신뢰되지 않은 코드를 가두고, 다른 한쪽은 클러스터 인프라 자체를 봉인해 가중치와 쿼리를 보호합니다. 본 글은 두 기능의 개념과 구성 요소, 동작 방식을 한 편에 정리해 보안…
7편: 강화학습 워크로드 운영 대규모 언어 모델(LLM) 강화학습은 지도학습과 다르게 샘플링, 보상 계산, 학습, 동기화가 한 루프에서 돌아갑니다. 루프가 길어지면 노드 한 곳의 장애가 전체 진행을 멈추고, 수천 노드 규모에서는 중단이 시간 단위로 잦아집니다. Google Cloud Next 2026에서 구글 쿠버네티스 엔진(GKE)은 이 워크로드를 받아내기 위한 분산 학습, 관측, 체크포인트 세 축을 정리했습니다. 본 글은 NVIDIA…
6편: AI 스토리지 다층 전략 AI/ML 워크로드는 한 가지 스토리지로 처리되지 않습니다. 데이터 준비 단계에서 거대한 원본 데이터셋을 모아두는 곳과 학습 도중 체크포인트를 빠르게 쓰는 곳, 추론 시점에 모델 가중치를 GPU로 끌어올리는 곳은 요구 조건이 다릅니다. 본 글은 구글 쿠버네티스 엔진(GKE)이 제공하는 스토리지 옵션을 워크로드 단계별로 어떻게 매핑하는지 정리합니다. 이 글은 학습 인프라 축에 속합니다…
5편: 가속기 네트워킹, NCCL과 gIB와 A4X 대규모 학습은 가속기 한 장이 아니라 수백·수천 장이 함께 한 모델을 학습합니다. 이때 GPU 사이의 통신이 학습 시간을 결정합니다. AllReduce 한 단계가 길어지면 매 스텝마다 그만큼이 누적되고, 결국 토큰당 학습 비용이 올라갑니다. AI Hypercomputer는 이 통신 경로를 하드웨어와 소프트웨어 양쪽에서 손봤습니다. 본 글은 GPU-to-GPU 트래픽을 떠받치는 Rail-aligned 토폴로지, NCCL과…