No Memory, No Harness: Why the Database Is the Last Line of Defense — Kay Malcolm, Oracle

한 줄 핵심

AI가 개인의 작업 속도는 높여도 컨텍스트와 메모리를 팀 단위로 공유하지 못하면 생산성은 오히려 떨어지며, 엔터프라이즈 에이전트의 핵심 방어선은 데이터베이스에 저장되는 공유 메모리다.

시간별 요약

1. 0:00
   팀과 AI가 도움이 되지 않았던 이유 Oracle의 여러 팀이 Codeex를 사용해 코드를 더 빠르게 만들었지만, 서로의 맥락이 전달되지 않아 미국·유럽 팀 간 작업이 오히려 끊겼다. 코드 생산 속도는 빨라졌지만 팀 전체 생산성은 오르지 않았고, 문제의 핵심은 공유되지 않은 컨텍스트였다.
2. 3:36
   Git은 코드만 기록하고 사람의 의도는 기록하지 않는다 GitHub와 git은 결과물인 코드는 남기지만 왜 그런 결정을 했는지, 다음에 무엇을 해야 하는지는 남기지 못한다. 그래서 에이전트가 참여하는 협업에서는 코드 저장만으로는 부족하고, 진행 상황과 의사결정 이유를 추적하는 협업 계층이 필요하다.
3. 5:24
   엔터프라이즈 에이전트의 실제 구성 엔터프라이즈 에이전트는 모델과 워크플로만이 아니라 도구, 컨텍스트, 메모리, 검색, 보안 가드레일까지 포함한 전체 시스템이다. 특히 하네스가 실행과 권한을 담당하고, 메모리가 필요한 정보를 적절히 불러오는 역할을 맡는다.
4. 7:14
   하네스는 몸, 메모리는 신경계 에이전트는 '작은 뇌'인 모델만으로 움직이지 않고, 하네스라는 몸을 통해 실제 행동을 수행한다. 메모리는 뇌와 몸을 연결하는 신경계처럼 컨텍스트를 전달하므로, Git 문제를 푸는 핵심도 결국 메모리 설계에 있다.
5. 8:09
   다섯 가지 메모리 유형 단기 메모리, 장기 메모리, 일화 기억, 절차 기억, 의미 기억의 다섯 가지가 자주 쓰이는 메모리 유형으로 정리된다. 기업용 에이전트는 이 메모리들을 구분해 다뤄야 하며, 모든 정보를 한 번에 다 불러오는 방식은 오히려 비효율적이다.
6. 10:54
   한 데이터베이스씩 늘어날수록 회의도 늘어난다 Southern Company 사례처럼 데이터 형식마다 다른 데이터베이스를 두면 관리 회의와 운영 복잡도가 급격히 늘어난다. relational, unstructured, graph, vector로 쪼개질수록 단일 진실 공급원이 사라지고, 에이전트는 어디를 참조해야 할지 더 자주 틀리게 된다.
7. 13:29
   메모리는 실제로 어디에 있어야 하는가 파일 시스템이나 Claude, ChatGPT의 memory.md 같은 곳에 메모리를 두면 단일 사용자에서는 편할 수 있지만, 팀이 커지면 곧바로 한계가 드러난다. 네 가지 다른 데이터베이스가 각자 따로 기억하는 구조에서는 에이전트가 일관된 판단을 내리기 어렵다.
8. 14:24
   네 명의 자원봉사자와 하나의 문장 relational, unstructured, graph, vector 데이터베이스를 각각 자원봉사자로 비유해 같은 문장을 어디에 저장할지 물었지만, 하나의 문장조차 분산 환경에서는 단일 진실을 정하기 어렵다는 점이 드러난다. 아주 단순한 예시만으로도 메모리 분산의 문제는 바로 체감된다.
9. 15:16
   모든 타입을 한곳에 저장하기 Oracle AI Database는 JSON, graph, vector, spatial, relational을 같은 테이블과 파티션 안에서 저장할 수 있어 데이터 타입 분열을 줄인다. 이 구조에서는 장기·절차·일화·의미 메모리를 한 시스템 안에서 연결해 관리할 수 있어 에이전트 메모리의 기반이 된다.
10. 17:01
    분산 팀을 위한 메모리 브로커 Py라는 memory broker가 코드뿐 아니라 컨텍스트까지 공유하게 해 주면서, 서로 다른 fork와 branch에 속한 작업도 같은 맥락으로 이어지게 만든다. 메모리는 이제 선택 사항이 아니라 엔터프라이즈 에이전트 하네스의 필수 요소이며, 하네스를 소유해야 메모리도 통제할 수 있다.
11. 18:46
    공유 메모리는 팀의 생산성을 키운다 Oracle agent memory SDK와 Oracle autonomous database를 쓰면 여러 사람이 같은 메모리와 사실을 공유하면서도 각자 다른 LLM이나 local model을 사용할 수 있다. 개인의 속도 향상에 그치지 않고 팀 전체를 빠르게 만드는 핵심은 공유 메모리이며, Oracle은 이를 위한 선택권과 저장 방식을 함께 제공한다.

실무 인사이트

• 에이전트 도입 성과를 보려면 모델 성능보다 먼저 컨텍스트 공유 구조와 메모리 저장 위치를 정해야 한다.
• 팀 단위 AI 워크플로에서는 git만으로는 부족하므로, 결정 이유·진행 상황·다음 행동을 남기는 협업 계층을 별도로 둬야 한다.
• 데이터 형식이 여러 개라면 메모리를 한 곳에 모아 단일 진실 공급원을 만들고, 검색·권한·보존 정책도 같은 계층에서 관리하는 편이 안정적이다.