Azure SQL Database의 AI 기능 이해

  • 8분

오늘날 빠르게 변화하는 기술 환경에서 AI를 이해하는 것은 애플리케이션 기능을 확장하고 경쟁력을 유지하는 데 매우 중요합니다. Azure SQL Database는 AI를 애플리케이션에 통합하기 위한 강력한 플랫폼을 제공하여 이러한 변환에서 핵심적인 역할을 합니다. Azure SQL Database는 Microsoft Copilot, 자연어에서 SQL로의 변환, 고급 데이터 관리 도구와 같은 기능을 제공하여 개발자가 AI의 힘을 활용하고, 데이터베이스 관리를 간소화하고, 애플리케이션 성능을 향상할 수 있도록 지원합니다. 이러한 도구의 도움을 받으면 최신 사용자의 요구에 부합하는 지능적이고 반응성이 뛰어나고 효율적인 애플리케이션을 만들 수 있습니다.

Azure의 Copilot SQL Database 사용(미리 보기)

Azure의 Microsoft Copilot은 Azure SQL Database와 통합되어 SQL 관리 및 문제 해결이 향상됩니다. Azure Portal에서 자연어를 SQL로 변환하고 데이터베이스 관리를 위한 자가 진단을 제공하여 생산성을 높여줍니다.

Copilot은 데이터베이스 컨텍스트, 설명서, 동적 관리 뷰, 쿼리 저장소 및 기타 지식 원본을 활용하여 데이터베이스 관리를 간소화합니다. 예를 들어, 데이터베이스 관리자는 데이터베이스를 독립적으로 관리하고 문제를 해결할 수 있으며, 개발자는 자연어로 질문을 하여 T-SQL 쿼리를 생성할 수 있습니다.

또한 개발자는 데이터베이스를 관리하고 문제를 독립적으로 해결할 수 있으므로 데이터베이스 관리자의 지속적인 지원에 대한 필요성이 줄어듭니다.

Azure SQL Database용 Copilot의 스크린샷.

현재 미리 보기에는 두 가지 환경이 포함되어 있습니다.

  • Azure의 Microsoft Copilot - Azure의 Microsoft Copilot에 Azure SQL Database 기술을 추가하여 사용자가 데이터베이스를 관리하고 독립적으로 문제를 해결할 수 있는 자기 주도형 지원 기능을 제공합니다.
  • 자연어에서 SQL로 - Azure Portal 쿼리 편집기 내에서 자연어 쿼리를 SQL로 변환하여 데이터베이스 상호 작용을 보다 직관적으로 만들어줍니다. 이 통합을 통해 Azure의 Microsoft Copilot은 다음과 같은 질문에 답할 수 있습니다.
    • 두 개 이상의 매매 부동산 목록을 보유한 에이전트는 누구지?
    • 각 에이전트의 부동산 매매 순위를 알려 주고, 이름, 총 매매 건수 및 순위를 보여 줄래?
    • 2020년부터 2023년까지 각 연도별 매매된 부동산 수를 표시하는 피벗 요약 표를 보여 줄래?

LLM(대규모 언어 모델)을 사용하여 지능형 애플리케이션 빌드

LLM(대규모 언어 모델)을 사용하면 개발자가 친숙한 사용자 환경을 통해 AI 기반 애플리케이션을 만들 수 있습니다. 애플리케이션에서 LLM을 사용하면 모델이 애플리케이션 데이터베이스에서 적시에 적절한 데이터에 액세스할 수 있을 경우 더 큰 가치와 향상된 사용자 환경이 제공됩니다. 이 프로세스는 RAG(검색 증강 생성)로 알려져 있으며, Azure SQL Database는 이 새로운 패턴을 지원하는 많은 기능을 갖추고 있어 지능형 애플리케이션을 빌드하기에 매우 적합한 데이터베이스입니다.

Azure SQL Database는 Azure OpenAI를 사용하여 RAG에 대한 포함을 생성하고, 벡터를 저장하고 쿼리하고, Azure AI 검색을 사용하여 데이터에 대한 LLM을 학습시키는 등 지능형 애플리케이션을 빌드하기 위한 다양한 옵션을 제공합니다. 또한 Azure SQL Database의 Copilot 기술은 Azure SQL Database 기반 애플리케이션의 디자인, 운영, 최적화 및 상태를 간소화합니다.

Azure SQL Database 및 Azure OpenAI를 사용하여 RAG를 구현하는 데 있어 핵심 개념은 다음과 같습니다.

  • RAG(검색 증강 생성) - 외부 원본에서 추가 데이터를 검색하여 관련 응답을 생성하는 LLM의 기능을 향상합니다.
  • 프롬프트 및 프롬프트 엔지니어링 - LLM에 대한 지침으로 사용되는 특정 텍스트 또는 정보를 만듭니다.
  • 토큰- 토큰은 입력 텍스트를 더 관리하기 쉬운 부분으로 나누어 만든 작은 텍스트 조각입니다.
  • 벡터 포함 - 벡터 또는 포함은 기계 학습 모델이 텍스트, 이미지, 오디오와 같은 다양한 형식의 정보를 처리하는 데 사용하는 고차원 공간에 있는 데이터의 수학적 표현입니다.
  • 벡터 검색: 특정 쿼리 벡터와 의미 체계가 유사한 데이터 세트의 모든 벡터를 찾습니다.

Azure SQL Database는 columnstore 인덱스와 일괄 처리 모드 실행을 지원하여 벡터 포함의 효율적인 저장 및 쿼리가 가능합니다. 이러한 통합을 통해 데이터 동기화를 관리할 필요성이 최소화되고 AI 애플리케이션 개발의 출시 시간이 단축됩니다.

이미지 생성, OpenAI REST Endpoints 사용, 벡터 검색 활용을 포함하여 Azure OpenAI와 함께 Azure SQL Database를 사용하는 방법에 대한 자세한 내용은 Azure SQL Database를 사용한 지능형 애플리케이션을 참조하세요.