AI는 텍스트, 이미지, 음성 등 비정형 데이터 영역에서 비약적인 발전을 이루며 다양한 비즈니스 혁신을 견인해왔다. 반면, 고객 정보, 거래 내역, 제품 카탈로그 등과 같은 구조화된 엔터프라이즈 데이터는 여전히 20년 전 머신러닝 기법에 의존하고 있으며, 예측 모델 구축에 수개월이 소요되는 등 비효율이 존재한다. 기업의 의사결정에 핵심적인 이 데이터에 AI를 적용할 수 있다면, 수익과 운영 효율을 향상시킬 수 있다는 필요성이 점점 더 부각되고 있다.

예측형 AI 기업 쿠모(Kumo)가 구조화된 기업 데이터를 위한 관계형 기반 파운데이션 모델 ‘쿠모RFM(KumoRFM)’을 출시했다고 밝혔다.

관계형 파운데이션 모델의 즉시 예측

쿠모RFM은 기업 데이터에서 상품 추천, 고객 이탈 예측, 사기 탐지 등 다양한 비즈니스 예측을 즉시 수행할 수 있는 파운데이션 모델이다. 기존 머신러닝처럼 업무별로 별도의 모델을 구축·학습할 필요 없이, 단일 모델로 다양한 예측 작업을 수행할 수 있다. 

또한, 별도 학습 없이 정확한 예측을 수행하는 ‘제로샷(zero-shot)’ 기능을 갖추고 있어, 예측 결과 도출까지 걸리는 시간을 기존 대비 20배 단축하고, 기존 방식보다 30~50% 정확도가 높다.

기존의 언어 모델이 텍스트 내 의미를 분석해 다음 단어를 예측하는 방식이라면, 쿠모RFM은 데이터 웨어하우스 내의 특성, 행동, 관계성을 이해하고 이를 기반으로 미래 시점이나 다양한 조건에서의 결과를 예측한다. 이를 활용해 사기 거래를 탐지하고, 고객에게 맞춤형 상품을 추천하거나, 마케팅 메시지를 개인화하고, 사용자에게 어떤 콘텐츠를 보여줄지 선택하는 등 다양한 방식으로 비즈니스에 직접적인 영향을 줄 수 있다.

API 연결 기반의 사용 편의성과 기술 기반

쿠모RFM은 API를 통해 데이터 웨어하우스와 연결하면 곧바로 예측을 시작할 수 있으며, 데이터 사이언스 팀, 개발자, 엔지니어 모두가 사용할 수 있다. 기존처럼 과업별로 모델을 개발하고 학습시키는 작업 없이 실시간으로 다양한 용도의 예측 결과를 얻을 수 있으며, 이로써 애플리케이션 개발과 배포 속도를 획기적으로 향상시킬 수 있다. 쿠모RFM은 기업 데이터 유사 구조로 생성된 합성 데이터만으로 학습되어, 모델 크기가 작고 추론 비용이 경제적이라는 점도 특징이다.

쿠모RFM은 사전 학습된 관계형 그래프 트랜스포머(Relational Graph Transformer) 모델로, 구조화된 여러 테이블을 통합적으로 학습할 수 있다. 이 기술은 그래프 신경망(GNN)과 그래프 트랜스포머 분야에서 수년간의 연구를 기반으로 개발되었으며, 쿠모의 기존 플랫폼에도 적용되고 있다. 현재 이 플랫폼은 도어대시, 데이터브릭스, 스노우플레이크, 레딧 등 20개 이상의 엔터프라이즈 고객이 활용 중이다.

쿠모 유레 레스코벡(Jure Leskovec) 공동창업자이자 최고과학책임자(CSO)는 “기업들은 여전히 데이터 웨어하우스 내 데이터를 다루기 위해 20년 전 기법을 사용하고 있다.”라며 “GPT가 텍스트에 가져온 혁신을 엔터프라이즈 데이터에도 실현할 수 있게 됐다.”라고 말했다.