핵심 내용
GeekNews 최신 글에서 확인한 오픈소스 pg-jev는 PostgreSQL 확장 안에서 자연어 조건으로 행을 필터링·분류·점수화하는 도구다. 원본 저장소의 함수는 jev(), jev_prob(), jev_choice(), jev_score()이며, 예를 들어 고객 문의가 화가 난 표현인지 확률로 판단하거나 담당 팀을 정한 뒤 SQL에서 정렬·집계할 수 있다. 임베딩 컬럼과 별도 벡터 인덱스 없이 TypeSafe의 Jev 판단 API를 호출하는 구조다.
개발자는 기본 20행씩 요청을 묶고 세션 캐시를 활용한다고 설명한다. 자체 2,000행 시험에서는 첫 실행 약 3.5초·API 비용 약 0.012달러, 캐시가 남은 재실행 약 50ms였다고 보고했지만 특정 네트워크·데이터 조건의 프로젝트 측정치다. PostgreSQL 14~17, plpython3u와 슈퍼유저 권한이 필요하며, Supabase·Neon·RDS처럼 관련 권한이 제한된 관리형 DB에서는 그대로 설치하기 어렵다.
배경
비즈니스 데이터는 이미 관계형 데이터베이스에 들어 있지만 자유서술형 문의의 감정·의도·위험도를 조건으로 검색하려면 별도 AI 파이프라인을 구성하는 일이 많다. pg-jev는 판단 모델을 SQL 함수로 연결해 후처리 작업을 단순화하려는 시도다.
산업·시장에 미치는 영향
AI 활용이 장문 생성뿐 아니라 기존 정보시스템의 작은 분류·판단 연산으로 확장되고 있음을 보여준다. 다만 쿼리마다 외부 API로 행 데이터가 전달될 수 있으므로 일반적인 인덱스 기반 SQL과 비용·성능·개인정보 경계가 다르다.
실무에서 바로 활용할 수 있는 시사점
로컬 PostgreSQL에서 소량의 비식별 샘플을 먼저 테스트하고 비용·오탐률·데이터 외부전송 범위를 검증하는 것이 좋다. 수십만 행의 대량 필터에는 먼저 일반 WHERE 조건으로 대상 행을 줄여야 하며, 분류 결과는 캐시·재평가 정책을 함께 설계해야 한다. 중요한 업무에서는 결정 모델의 출력만으로 계정을 정지하거나 결제를 거절하지 않도록 해야 한다.