LLM WikiAccess-protected knowledge portal
← 스터디 홈
51편 · 약 16분

Oracle AI Database 26ai: AI 벡터 검색·MCP 서버·Iceberg를 하나의 SQL로 묶은 AI 네이티브 데이터베이스

왜 지금 봐야 하나

2025년 10월 Oracle은 "Oracle AI Database 26ai"를 공개했다. 이름부터 낯설다. 지금까지 익숙했던 Oracle Database 23ai가 이 제품이다. 이름을 바꾼 이유는 제품 철학이 바뀌었다는 선언이다. 23ai라는 버전 번호 대신 출시 연도(2026)와 AI 중심임을 이름에 박아 넣었다.

이 제품이 왜 지금 다뤄야 하는가. 세 가지 이유가 있다.

첫째, 2026년 7월 Amazon RDS가 Oracle AI Database 26ai를 지원하기 시작했다. 이것은 클라우드 관리형 환경에서 26ai로의 이행이 실질적으로 시작됐다는 신호다. 온프레미스 GA는 2026년 1월이었지만, AWS RDS 지원이 생기면 "검토하겠다"던 팀들이 실제 계획을 시작한다.

둘째, AI 벡터 검색, MCP 서버, Apache Iceberg 통합이 추가 비용 없이 포함됐다. 별도 벡터 데이터베이스 없이 Oracle SQL로 임베딩 유사도 검색을 실행하고, LLM 에이전트가 MCP 프로토콜로 데이터베이스에 직접 접근할 수 있다.

셋째, 19c에서 직접 업그레이드가 가능하다. 23ai를 거칠 필요가 없다. 이미 23ai 위에 있다면 릴리스 업데이트(RU) 적용만으로 전환된다.

이 글은 26ai의 핵심 기술 변화와 DBA가 도입 전에 확인해야 할 운영 기준점을 다룬다.

이름 변경: 23ai에서 26ai로

Oracle이 버전 번호 대신 연도를 쓰기 시작한 것은 의미가 있다.

Oracle Database의 버전 체계는 오랫동안 숫자였다. 8i, 9i, 10g, 11g, 12c, 19c, 21c, 23ai. 그런데 26ai는 "버전 26"이 아니다. 내부 버전 번호는 여전히 23 계열이다(23.26.x). 제품명의 26은 2026년을 뜻한다.

이 결정은 경쟁 환경과 무관하지 않다. 2025~2026년 사이 주요 데이터베이스들이 AI 기능을 핵심으로 내세우기 시작했다. PostgreSQL 19의 SQL/PGQ 그래프 쿼리, MySQL 9.7의 Hypergraph 옵티마이저, 각종 벡터 DB의 확장 — 이 흐름에서 Oracle은 제품명 자체로 포지셔닝을 선언했다. "우리는 AI 네이티브 데이터베이스다."

버전 체계 정리:

제품명내부 버전출시 시점
Oracle Database 23ai23.5 ~ 23.82023~2025
Oracle AI Database 26ai23.26.0 (23.26.1부터 GA)2025.10 (OCI), 2026.01 (온프레미스)
Oracle AI Database 26ai 23.26.223.26.22026.04

23ai를 쓰고 있다면 릴리스 업데이트(RU) 23.26.0 이상을 적용하면 바로 26ai다. 업그레이드나 애플리케이션 재인증이 필요 없다.

핵심 기술 1: AI 벡터 검색 (AI Vector Search)

Oracle이 26ai에서 가장 강조하는 기능이다. 요점은 하나다. 벡터 검색을 외부 시스템에 위임하지 않고 데이터베이스 내부에서 처리한다.

기존 아키텍처에서는 Pinecone, Qdrant, pgvector 같은 별도 벡터 데이터베이스에 임베딩을 저장하고, 애플리케이션 레이어에서 결과를 조인했다. Oracle 26ai는 VECTOR 데이터 타입과 VECTOR_DISTANCE SQL 함수를 제공해 이 레이어를 없앤다.

-- 벡터 칼럼 정의
CREATE TABLE documents (
    id     NUMBER PRIMARY KEY,
    title  VARCHAR2(500),
    body   CLOB,
    emb    VECTOR(1536, FLOAT32)   -- 1536차원 float32 벡터
);

-- 가장 유사한 문서 10개 조회 (HNSW 인덱스 사용)
SELECT id, title,
       VECTOR_DISTANCE(emb, :query_emb, COSINE) AS similarity
FROM   documents
ORDER  BY similarity
FETCH FIRST 10 ROWS ONLY;

지원하는 벡터 인덱스

인덱스구조특징
HNSW인메모리 그래프가장 빠른 ANN 검색, Oracle 기본 선택
IVF역파일 인덱스대규모 데이터셋, 메모리 절약

26ai는 희소 벡터(sparse vectors)와 이진 벡터(binary vectors)도 지원한다. 이진 벡터는 저장 공간이 1/32이고 해밍 거리 연산이 빠르다.

통합 하이브리드 벡터 검색 (Unified Hybrid Vector Search)

이것이 독립형 벡터 데이터베이스와의 결정적 차이다. Oracle 26ai는 벡터 유사도 검색을 관계형, JSON, 공간(spatial), 그래프 검색과 단일 SQL 쿼리로 결합한다.

Oracle 26ai: 통합 하이브리드 벡터 검색 아키텍처 단일 SQL 쿼리 SELECT * FROM docs WHERE 벡터 + 관계형 + JSON... Oracle 쿼리 엔진 Cost-Based 옵티마이저 동적 실행 계획 벡터 검색 HNSW / IVF 인덱스 VECTOR_DISTANCE(COSINE) 관계형 검색 B-tree / Bitmap 인덱스 WHERE + ORDER BY JSON 검색 JSON Relational Duality $.path 필터 공간 검색 SDO_GEOM / R-tree ST_Distance, Within 그래프 검색 SQL/PGQ MATCH 경로 + 패턴 매칭 단일 결과 집합 5개 검색 방식 결과 = 하나의 SQL 응답 / 애플리케이션 레이어 조인 불필요 기존 아키텍처 (별도 벡터 DB) Oracle (관계형) + Qdrant (벡터) 앱 레이어에서 결과 조인 필요 운영 시스템 2개 / 일관성 보장 어려움 Oracle 26ai 아키텍처 (통합) 단일 SQL로 벡터 + 관계형 + JSON + 공간 + 그래프 동시 검색 트랜잭션 일관성 보장 / 운영 시스템 1개 / 추가 비용 없음 HNSW/IVF 인덱스 갱신이 테이블 DML과 동일 트랜잭션 내에서 처리
Oracle AI Database 26ai: 통합 하이브리드 벡터 검색 아키텍처

이 접근의 실질적 이점은 세 가지다.

  1. 운영 복잡도 감소: 벡터 DB를 따로 운영하지 않아도 된다. HA, 백업, 모니터링 대상이 하나로 줄어든다.
  2. 일관성 보장: 관계형 데이터가 변경될 때 벡터 인덱스도 같은 트랜잭션 안에서 갱신된다.
  3. SQL 익숙함 활용: 새로운 쿼리 언어 없이 기존 SQL 스킬로 벡터 검색을 작성한다.

핵심 기술 2: JSON Relational Duality Views

관계형 구조로 저장된 데이터를 JSON 문서 뷰로 읽고 쓸 수 있다. 이중성(duality)이라는 이름처럼, 하나의 데이터를 두 가지 방식으로 접근한다.

-- 이중성 뷰 정의: EMPLOYEES와 DEPARTMENTS 조인을 JSON 뷰로 노출
CREATE JSON RELATIONAL DUALITY VIEW emp_dept_view AS
  SELECT JSON {'empno': e.empno,
               'ename': e.ename,
               'dept': (SELECT JSON {'deptno': d.deptno, 'dname': d.dname}
                        FROM   departments d
                        WHERE  d.deptno = e.deptno)}
  FROM employees e;

이 뷰를 REST API나 MongoDB 호환 드라이버로 JSON 문서처럼 읽고 쓸 수 있다. 애플리케이션은 JSON으로 작업하고, 데이터베이스는 정규화된 관계형 구조를 유지한다. NoSQL 인터페이스와 관계형 데이터 일관성을 동시에 얻는다.

핵심 기술 3: SELECT AI와 Select AI Agent

SELECT AI는 자연어를 SQL로 변환해 실행하는 기능이다.

-- LLM이 자연어를 SQL로 변환해 직접 실행
SELECT AI "매출이 100만 달러 이상인 제품 중 지난 달 가장 많이 팔린 상위 5개";

이것만으로도 BI 도구와의 연계나 비기술직 사용자를 위한 데이터 접근을 단순화한다. 하지만 26ai가 더 나아간 것이 Select AI Agent다.

Select AI Agent는 자율적으로 작동하는 에이전트를 데이터베이스 안에서 실행한다. 에이전트는 인데이터베이스 도구(테이블 조회, DML 실행), 외부 REST API 호출, 그리고 MCP 서버를 통해 외부 LLM 에이전트 프레임워크와 연결될 수 있다.

-- Select AI Agent 정의
BEGIN
  DBMS_CLOUD_AI.CREATE_PROFILE(
    profile_name    => 'my_agent',
    attributes      => '{"provider": "anthropic",
                          "credential_name": "ANTHROPIC_CRED",
                          "object_list": [{"owner": "SALES", "name": "ORDERS"},
                                          {"owner": "SALES", "name": "CUSTOMERS"}],
                          "max_tokens": 4096}'
  );
END;

MCP 지원의 실용적 의미는 이렇다. Claude Code나 Cursor 같은 AI 코딩 도구에서 MCP 서버를 통해 Oracle DB에 직접 쿼리를 보낼 수 있다. 데이터베이스 스키마를 LLM에게 맥락으로 제공하고, LLM이 SQL을 생성·실행·결과를 검증하는 루프를 Oracle이 내부에서 처리한다.

핵심 기술 4: Apache Iceberg Lakehouse 통합

26ai는 Oracle Autonomous AI Lakehouse를 통해 외부 Iceberg 테이블에 벡터 인덱스를 생성할 수 있다.

-- Databricks/Snowflake가 관리하는 Iceberg 테이블 위에 벡터 인덱스 생성
CREATE VECTOR INDEX iceberg_emb_idx ON iceberg_ext_table(emb_col)
  ORGANIZATION EXTERNAL
  PARAMETERS (FORMAT ICEBERG LOCATION 's3://bucket/path');

이 인덱스는 Iceberg 테이블 데이터가 변경될 때 자동으로 갱신된다. Databricks나 Snowflake가 Iceberg를 통해 쓴 데이터를 Oracle SQL로 벡터 검색하는 것이 가능하다.

Oracle과 타 플랫폼의 데이터를 한 쿼리에서 결합할 수 있다는 의미다.

-- Oracle 내부 데이터와 외부 Iceberg 데이터를 단일 쿼리로 결합
SELECT o.customer_name, i.product_category,
       VECTOR_DISTANCE(o.pref_emb, :query_emb, COSINE) AS relevance
FROM   oracle_orders o
JOIN   iceberg_products i ON o.product_id = i.product_id
ORDER  BY relevance
FETCH FIRST 20 ROWS ONLY;

보안: SQL Firewall과 양자 내성 암호화

SQL Firewall

데이터베이스 레벨의 SQL 방화벽이 내장됐다. 정상 운영 패턴에서 허용 목록(allowlist)을 학습하고, 허용 목록에 없는 SQL을 실행 전에 차단할 수 있다.

-- SQL Firewall 허용 목록 학습 시작
EXEC DBMS_SQL_FIREWALL.START_CAPTURE('SCOTT');

-- (정상 운영 기간 동안 SQL 패턴 학습)

-- 학습 완료 후 적용
EXEC DBMS_SQL_FIREWALL.STOP_CAPTURE('SCOTT');
EXEC DBMS_SQL_FIREWALL.CREATE_ALLOW_LIST('SCOTT');
EXEC DBMS_SQL_FIREWALL.ENABLE('SCOTT');

SQL 인젝션 공격이나 비정상적인 대량 조회 시도를 데이터베이스 레벨에서 막는다.

양자 내성 암호화 (ML-KEM)

26ai 2026년 1월 릴리스 업데이트(23.26.1)에서 NIST FIPS 203 승인 알고리즘인 ML-KEM(Module-Lattice-Based Key Encapsulation Mechanism)을 지원한다. TLS 1.3 연결에서 하이브리드 키 교환(ML-KEM + X25519)을 사용할 수 있다.

향후 양자 컴퓨터 위협에 대비한 선제적 조치로, 현재 TLS 연결을 양자 내성 알고리즘으로 전환하려는 컴플라이언스 요건이 있다면 이 기능이 적합하다.

운영 변화: True Cache와 글로벌 분산 데이터베이스

True Cache

Active Data Guard를 기반으로 한 인메모리 읽기 캐시다. 기존 읽기 전용 복제본과 달리 캐시가 오래될 경우 자동으로 기본 DB에서 갱신된다. 읽기 부하를 분산하면서도 항상 최신 상태를 유지한다.

글로벌 분산 데이터베이스 (RAFT 기반)

멀티 리전 분산 데이터베이스 구성에 RAFT 기반 복제를 지원한다. 기존 Oracle Data Guard의 Primary/Standby 모델과 달리 복수의 노드가 합의를 통해 동기화된다. 글로벌 애플리케이션에서 지역 간 일관성과 가용성을 동시에 확보하는 패턴을 Oracle SQL 인터페이스로 구현할 수 있다.

마이그레이션 경로: 19c에서 26ai까지

현재 버전마이그레이션 경로
Oracle 19c직접 업그레이드 가능 (23ai 경유 불필요)
Oracle 21c직접 업그레이드 가능
Oracle 23ai릴리스 업데이트(RU) 23.26.0 이상 적용

19c에서 26ai로 직접 올 수 있다는 것은 실용적으로 중요하다. "23ai를 먼저 검증해야 하나"라는 망설임이 사라진다. 물론 업그레이드 전에는 애플리케이션 호환성 테스트가 필요하다.

데이터 타입 변화 주의사항: 26ai에서 VARCHAR2 칼럼의 문자셋 기본값이 바뀌거나 특정 PL/SQL 패키지 동작이 변경될 수 있다. Oracle의 Pre-Upgrade Information Tool을 먼저 실행한다.

DBA 도입 전 체크리스트

  • 현재 버전(19c/21c/23ai)을 확인하고 업그레이드 경로를 결정한다.
  • Pre-Upgrade Information Tool(preupgrade.jar)을 실행해 호환성 문제를 사전에 파악한다.
  • AI Vector Search 활성화가 필요한 유스케이스를 정의한다. 독립 벡터 DB와의 비용·운영 복잡도를 비교한다.
  • VECTOR 인덱스(HNSW)는 인메모리다. 벡터 데이터셋 크기에 맞는 vector_memory_size SGA 파라미터를 설정한다.
  • Select AI Agent와 MCP를 활성화하려면 외부 LLM 프로바이더 자격증명(DBMS_CLOUD_AI)을 설정한다. 네트워크 정책(ACL)을 확인한다.
  • Iceberg Lakehouse 통합 시 외부 테이블이 참조하는 오브젝트 스토리지(S3/OCI Object Storage)의 인증 정보를 Oracle Credential로 등록한다.
  • SQL Firewall 활성화는 초기에 관찰(OBSERVE) 모드로 시작해 허용 목록 학습 후 차단(BLOCK) 모드로 전환한다.
  • AWS RDS에서 26ai를 쓰려면 RDS for Oracle 인스턴스를 신규 생성하거나 스냅샷 복원으로 이행한다. 인플레이스 엔진 업그레이드는 RDS 정책을 확인한다.
  • 양자 내성 암호화(ML-KEM)가 컴플라이언스 요건인 경우, TLS 연결 파라미터(SQLNET.ENCRYPTION_CLIENT)를 업데이트한다.

결론

Oracle AI Database 26ai는 이름 변경에 그치지 않는다. 별도 벡터 DB 없이 임베딩 유사도 검색을 SQL로 처리하고, LLM 에이전트가 MCP로 데이터베이스에 직접 연결하며, Iceberg 테이블 위에 Oracle 벡터 인덱스를 올리는 것 — 이 세 가지가 DBA의 시스템 설계 선택을 실질적으로 바꾼다.

운영자 입장의 판단 기준은 명확하다. "이미 Oracle을 쓰고 있는가?" 그렇다면 AI 기능을 추가하기 위해 새 시스템을 도입하는 대신, 26ai 기능을 활용하는 것이 운영 복잡도를 낮추는 경로다. "Oracle을 새로 도입해야 하는가?" 그것은 비용·라이선스·생태계를 고려한 별도 판단이 필요하다.

19c에서 직접 업그레이드 가능하고 AWS RDS 지원이 생긴 지금, 이미 Oracle 스택 위에 있는 팀이라면 2026년 하반기 마이그레이션 계획을 세울 근거가 충분하다.

References

  • Oracle, "Introducing Oracle AI Database 26ai". https://blogs.oracle.com/database/oracle-announces-oracle-ai-database-26ai
  • Oracle Docs, "Oracle AI Database New Features, Release 26ai". https://docs.oracle.com/en/database/oracle/oracle-database/26/nfcoa/
  • Oracle, "Oracle AI Database 26ai: A Comprehensive Foundation of Enterprise AI for Data". https://blogs.oracle.com/database/oracle-ai-database-26ai-a-comprehensive-foundation-of-enterprise-ai-for-data
  • Oracle, "GA of Oracle AI Database 26ai for Linux x86-64 on-premises platforms". https://blogs.oracle.com/database/ga-of-oracle-ai-database-26ai-for-linux-x86-64-on-premises-platforms
  • AWS, "Amazon RDS for Oracle now supports Oracle Database 26ai". https://aws.amazon.com/about-aws/whats-new/2026/07/amazon-rds-oracle-database-26ai/
  • VentureBeat, "Oracle converges the AI data stack to give enterprise agents a single version of truth". https://venturebeat.com/data/oracle-converges-the-ai-data-stack-to-give-enterprise-agents-a-single
  • Mike Dietrich DBA, "Oracle AI Database 26ai replaces Oracle Database 23ai". https://mikedietrichde.com/2025/10/14/oracle-ai-database-26ai-replaces-oracle-database-23ai/
  • SQLFlash, "Oracle Database 26ai: Ultimate Guide for DBAs". https://sqlflash.ai/article/20260116_oracle-database-26ai-ultimate-guide-for-dbas/
  • IT Convergence, "Oracle Database 26ai - Key Features and Reasons to Upgrade". https://www.itconvergence.com/blog/why-oracle-database-26ai-is-more-than-just-another-database-upgrade-for-ebs-customers/
  • FatDBA, "Oracle AI Database 26ai: unified hybrid Vector Search is the real deal". https://fatdba.com/2026/04/11/oracle-ai-database-26ai-unified-hybrid-vector-search-is-the-real-deal/