sql planet

[시리즈] Cortex AI Functions

포스 삼촌 — Sat, 4 Jul 2026 17:23:40 +0900

나연은 센터의 발전에 맞춰, 점점 더 확장을 고민하여, AI를 활용하고 싶어요.

아하.. Snowflake에는 우릴 도와주는 여러 AI 함수들이 있어.

이걸 잘 알고 활용하면, 나연이와 센터의 여러 샘들이 보다 효율적인 결과를 얻을 수 있을거야.

모든 길은 저(COMPLETE)로 통합니다.
- AI_COMPLETE, AI_COUNT_TOKENS
비정형 오디오 파일 전용 함수도 있다. 그런데 한글은?
- 한글 오디오 파싱의 왕좌 AI_TRANSCRIBE vs AI_COMPLETE
비정형 문서 파싱 시합입니다. 두근두근
- AI_PARSE_DOCUMENT vs AI_COMPLETE
완전관리형 함수 vs 프롬프트 엔지니어링의 승자는 누구?
- AI_SENTIMENT vs AI_COMPLETE
텍스트 분류·필터링 삼총사
- AI_CLASSIFY, AI_FILTER, AI_EXTRACT
임베딩 & 유사도 콤비
- AI_EMBED, AI_SIMILARITY
글로벌 VOC 파이프라인
- AI_TRANSLATE, AI_REDACT, AI_AGG

깃허브에서 파일 이동?!

포스 삼촌 — Thu, 2 Jul 2026 22:56:09 +0900

[문제] 깃허브에 올린 자격증 이미지.파일. 폴더 이동 마우스로 안 됨. 개킹받음.

[해결] 연필(수정?!) 버튼 누르고 파일 이름 앞에 폴더명/ 경로를 적어주면 끝.

[끝] 끗! 윈도우 탐색기가 아니었음 ㅋㅋㅋㅋㅋ
늦게 시작해 해보려니 낯섦 ㅋㅋㅋㅋ

profile 폴더로 옮기는 것도 ... 탐색기가 아니라 git이다잉!!

메달리온

포스 삼촌 — Wed, 24 Jun 2026 00:21:19 +0900

우리가 너무 잘 알고 있는 동메달 은메달 금메달 그렇게 말하는 구조를 매달리온 체계라고 해 보통 이렇게 구성하는게 없게 표준이라고 하고 어 나도 이렇게 구성해서 관리해 보니까 좋은 거 같더라 그러니까 나연이도 이런 식으로 구성해 보면 어떨까. 먼저 동메달 영역에는 출석부나 선생님들 시간표나 회원님들 피드백이나 통화나 댓글이나 그런 각각의 프로그램 같은 데에서 얻을 수 있는 여러 정보들을 그대로 가지고 와서 담는 거야 이 담는 과정을 이틀이라고 해. 그다음에 그렇게 동메달 영역에 담겨 있는 데이터를 좀 더 우리가 알기 좋고 관리하기 좋고 그리고 ai가 알아듣기 좋게 일차적인 정리를 해 데이터에 붙어 있는 흙먼지를 떼어내고 다듬어서 깨끗하게 씻어서 준비하는 거야 유리할 때처럼 흑백 요리사 맞죠 나연이와 나연이네 회사를 위한 흑백 요리사처럼 구성하며 아래 그림 같은 거야. 그 다음에 금메달 레이어에 그렇게 손질된 재료를 마지막으로 바로 요리할 수 있게 완전 썰어서 다듬어서 혹은 재워서 올려놓는 거야 생각해 봐 너 똑같은 소고기인데 돈까스 먹을 때랑 등심 구워 먹을 때랑 스테이크 먹을 때랑 안심 짜빠구리 먹을 때랑 다 썰어 놓는 방식도 다르다 같은 부위라도 그렇게 내가 먹고 싶어 하는 요리의 스타일에 맞춰서 딱 레디트 쿡 상태로 만들어 놓아서 담아 놓는 영역을 금메달 영역이라고 해 그럼 그 재료들을 가지고 실제로 너네 선생님들이 요리를 하거나 필요한 데이터를 뽑아 보거나 나비를 시켜 가지고 그 데이터들을 가지고 뭔가 현황판 같은 거 만든다라고 하면 그건 금메달 영역에 있는 것만 쓰는 거야

RBAC @Snowflake

포스 삼촌 — Wed, 24 Jun 2026 00:21:08 +0900

삼촌은 이렇게 알게 씨를 만들었으면 좋겠어 이건 우리 선생님들의 데이터 관련 직무랑도 연관되어 있고 어떻게 데이터를 저장하고 관리할지 전체 매달리온 체계하고도 연관되어 있어. 음 매달리온 직무 아래날 그리고 rbac는 사실 거의 유사하게 나는 하는게 좋은 거 같아 선생님들이 어떤 역할을 할지 결정하는 펑셔널 롤과 어디 어디에 접근할 수 있는지를 구분하는 액세스 롤 그리고 실제 데이터베이스 그렇게 구분되어 있지 아래 그림과 같이 구성하는게 좋대

AI&DATA 관련 직무

포스 삼촌 — Wed, 24 Jun 2026 00:20:53 +0900

삼촌이 생각하는 관련 직무는
아키텍트.엔지니어
사이언티스트
어낼리스트
시티즌이라 생각해

각 직무에 대한 내 생각 혹은 보편적 설명 다음 줄 그리고 이거는 rbac랑 연결돼

tip) f-string 말고 파라미터 바인딩

포스 삼촌 — Sat, 18 Apr 2026 15:20:23 +0900

Query 명령을 날릴 때는 파라미터 바인딩

요가센터 1호점과 2호점 확장을 위해 늘 운영을 고려해야 하는 원장 - 캡틴 나연~!

캡틴 나연과 함께 바이브 코딩을 하면서 파이썬 코드를 조금씩 보기 시작하는 강사 샘들~!

우리 강사 샘들이 AI의 도움을 받아 짜내려가는 코드들에 아래와 같은 추천 사항이오.

파라미터 바인딩(Parameter Binding) 이 정식 용어입니다.

우리 나연쓰떼~ 표준으로 공지하기 좋은 표현이에요.

나비까 만들어준 쿼리를 파이썬 코드에서 실행할 때

teacher_info = session.sql(f"""
	SELECT HNAME, ENAME, MAIN_CLASS_NM, EMAIL
      FROM DB_NYU_GOLD.SCH_GLD_DATA.TD_TEACHER_INFO
     WHERE MEMBER_ID = '{id_num}' AND MAIN_CLASS_CD = '{main_cls_cd}'
""").collect()

위와 같이 변수를 {id_num} 으로 명령문에 전달하는 f-string 방식은

값이 SQL 문자열에 직접 들어가서, 악의적 입력이 SQL 구문을 변조할 수 있어요.

보안업계 용어로 SQL Injection이라 해요.

그래서 아래와 같이 사용하는 파라미터 바인딩(? + params)은

값과 SQL 구문이 분리되어 전달되므로 DB가 값을 "데이터"로만 처리합니다. 추천!^^

습관적으로 파라미터 바인딩을 쓰는 게 좋은 코딩 관행이에요.

teacher_info = session.sql(f"""
	SELECT HNAME, ENAME, MAIN_CLASS_NM, EMAIL
      FROM DB_NYU_GOLD.SCH_GLD_DATA.TD_TEACHER_INFO
     WHERE MEMBER_ID = ? AND MAIN_CLASS_CD = ?
""", params=[id_num, main_cls_cd]).collect()

코딩 어시스턴트 AI가 처음에 f-string으로 코드를 만들어줘도,

사용하는 우리 샘들은 이걸 수정해달라 할 수 있는 지식 정도만 갖추면 됩니다~ :)

AI 요즘 생각 KB + MC

포스 삼촌 — Tue, 14 Apr 2026 12:38:05 +0900

어떤 방향으로 발전해 가는게 좋을지 고민하고 있구나.

우리 나연이가 요가 센터에서 웰니스 스타트업으로 나아가기 위해 많은 생각을 하고 있는 걸.^^

요즘 삼촌이 주로 만들고 있는 앱은 크게 두가지로 구분하려 해.

첫째는 AI 타입.

우리가 흔히 알고 있는 챗봇형 에이전트야. 대화를 통해서 네가 질의하는 것에 답변해주며 도움을 주는 AI 비서야.

나연이는 지금 '나비'가 그런 역할을 해주고 있지.

그리고 두 번째는 BI 타입. BI는 비즈니스 인텔리전스라고 해서 제법 오래된 개념이야.

비즈니스에 도움이 되는 Insight(통찰)을 얻기 위해 데이터를 알아보기 쉽게 보드판에 보이는 현황판으로 만드는 거야.

다양한 차트 같은 걸로 데이터를 쉽게 표현하는 거지.

예를 들면 나연이네 센터에 이번 달에 가장 인기 많은 수업, 회원들의 불편한 점 이런걸 차트로 표시해서 알기 쉽게 하는거지.

비유하자면 보험회사의 이달의 우수 영업사원 같은 것도 마찬가지고.

이렇게 차트를 이용해서 시각화하면 그냥 엑셀에 데이터로만 있을 때 미처 깨닫지 못했던 걸 느낄 수 있어.

삼촌이 요즘 만들다 보니까 대부분 새로 AI 데이터 관련된 것들은이 두 가지 타입으로 나뉘더라고^^

그 다음에 이렇게 AI 관련 결과물을 만들어 가면서 느끼는 것은

전통적으로 해오던 워터-폴 방식의 개발은 잘 안 맞는 옷 같아요. 애자일 방식의 개발이 AI 에이전트 개발에 더 적절해 보입니다. 일단 만들고, 다양한 프롬프트를 넣어보면서 더 적절한 답변을 위해, 프롬프트를 계속 조정하고, 필요한 가드레일을 추가하는게 원하는 에이전트를 만드는데 더 도움이 되더라구요.
한편 BI 대시보드를 구성하는 다양한 위젯(=비즈니스 로직과 데이터와 차트의 디자인으로 구성된 하나의 단위)을 만드는 건 이제는 코드 어시스턴트와 함께 정말 빠르고 신속하게 만들 수 잇어요. 오히려 중요한 건 조직에서 유지하기 위한 비용!
그래서 결국 중요한 건 '데이터'라고 느껴요. 아직도 조직에서 필요한 데이터는 잘 준비하지 못한 상태에서, 그저 우리 회사도 뭔가 AI를 써야 하지 않느냐, 너네(IT)는 대체 뭐하고 있느냐...라는 헛소리만 지껄이는 현실입니다. 그러면 말해주고 싶어요.

중요한 건 조직의 준비된 데.이.터입니다.

조직 주변에서 AI의 활용에 대해서 원하는 분들이 있다면, 조직의 데이터를 잘 수집/정제하는 작업을 시작하자-라고 해줘야 해~^^

삼촌이 조직에서 IT를 잘모르는 현업과 회의를 하면서 정리되는 결과물 (저희팀이 해야 할 일..ㅎㅎ)은 아래 3가지 정도란다.

새로운 데이터를 입력 받을 전통적인 OLTP 시스템 구축
AI/분석계에 모자란 데이터를 채우기 위한 새로운 데이터 파이프라인 구현
모여진 데이터의 정제 (이건 현업의 도움이 절실히 필요한 부분)
정제된 데이터의 활용 : 정적/동적 BI형 대시보드(비용 최적화를 고민중) + AI형 대화형 챗봇 개발

AI형은 여러가지 방법으로 시도 중이야.

Knowledge Base = 지식 베이스라고 하는 RAG 활용한 질의형 : 조직의 다양한 비정형 데이터를 RAG로 만들고 활용하는 거지. 무슨 말이냐면, 전에 나연이가 2호점 센터를 오픈하려 할 때, 회원들 VoC를 데이터화해서 어떤 곳에서 고객의 Pain Point가 있는지 파악했자나. 그 VOC를 데이터화 하는게 RAG야. 여기서 골치인 건 RAG를 만들기 전까지 비정형 데이터를 청킹하고 정리하는 과정이 어려운 것이지. 음성 파일을 데이터로 만들기 위해서 제법 노력을 했었지? 그런게 중요해. RAG 자체는 이미 너무 손쉬워진 기술이라... AI가 이해하기 좋도록 정리하는 것 - 그것이 중요한 것이야.
Metadata Catalog = Semantic model 활용한 질의형 : 정형 데이터를 잘(!) 정제해 놓고 text2sql(나연이가 자연어로 물어보면, 그걸 데이터를 찾을 수 있는 SQL명령으로 바꿔주는 기술이야)로 질의하게 되는데, 데이터 정제 품질에 따라 답변은 정말 천지차이란다. 조직에서는 잘 정제된 신뢰할 수 있는 데이터의 존재 유무에 따라 이 기술 활용 여부가 결정돼. 나연이의 질문에 전혀 관계 없는 대답을 하거나 틀린 데이터를 알려주는 AI 비서는 가치가 없겠지.ㅎㅎㅎㅎ
그외 특이 도구 활용형 : 사진/이미지 인식(업종 특성상)이라던가, 나연이네 처럼 선생님들의 강습 영상 같은걸 인식하고 답변해주는 그런 활용을 고민하는 것도 있지.

그래서 삼촌이 생각하는, 나연이의 조직의 AI활용은 이렇게 나아 갔으면 해.

바로 KB와 MC를 무기로 사용하면서, 그걸 이용하는 두뇌는 바로 Ontology로 갖추고 있는 것이지.

비정형 데이터를 다루는 KB와 정형 데이터를 만지는 MC를 자유자재로 다루면서, 나연이네 조직의 가장 중요한 우선 순위와 주의해야 할 제약 조건들을 컨트롤하는 두뇌는 Ontology로 만드는 것이지~:D

삼촌과 함께 나연이네 조직을 쭉쭉 발전시켜 볼까~^0^

Persona-Driven AI

포스 삼촌 — Mon, 13 Apr 2026 07:49:48 +0900

고대 그리스 연극에서 배우가 쓰던 가면에서 유래된 용어로,
사회에서 요구하는 역할과 질서에 따라 타인에게 보여지는 외적 인격(사회적 가면)을 뜻합니다.
심리학적 자아를 넘어 마케팅/UX 디자인에서는 가상의 사용자 모델로,
게임에서는 캐릭터가 소환하는 이면의 힘으로 활용됩니다.

페르소나(Persona)의 주요 분야별 의미.

심리학: 칼 융(Carl Jung)이 정의한 개념으로, 개인이 사회 생활을 하며 외부 세계에 보여주는 모습입니다.
UX/마케팅: 실제 데이터를 기반으로 가상의 핵심 사용자 프로필을 만들어, 고객 요구사항과 목표를 파악하고 맞춤형 경험을 제공하는 데 사용됩니다.
게임 (페르소나 시리즈): 청소년들이 자신의 내면적인 힘인 '페르소나'를 각성해 어두운 면인 '섀도우'와 싸우며 성장하는 이야기를 다룹니다.

나에게는 세번째 여신전생 시리즈의 외전 게임으로 기억하는 단어였는데...

이제는 UX에서 유래한 사용자 = 고객을 이해하는 핵심 프로필의 의미가 더 다가오고 있다.

요즈음에 느끼는 여러가지들

1. '데이터를 잘 분석한다'는 기술의 영역이지만,

'사용자의 페르소나를 이해한다'는 공감과 전략의 영역이라고 생각한다.

1. 페르소나는 데이터에 '목적'을 부여하는 힘이다.

데이터 자체는 차가운 숫자일 뿐이지만, 페르소나라는 가면을 거치는 순간 그 숫자는 '의미'를 갖게 된다.

1. 사용자의 성향을 알면, AI는 보다 더 알맞는 가설을 세울 수 있을 것이다.

1. 나의 상황과 철학(페르소나)을 공유하는 Persona-Driven AI가 데이터를 근거로 의사결정을 서포트한다면,

단순 통계 이상의 전략적 판단이 될 수 있을 것이다.

나를 이해하는 AI라...

좋기도 하지만, 무섭기도 하다.

제**이가 그려준 나연이를 이해하는 전략적 의사결정 파트너로서의 AI

Streamlit in Snowflake 실행 권한

포스 삼촌 — Fri, 10 Apr 2026 12:25:29 +0900

SiS (Stremalit in Snowflake)는 런타임에 따라 두가지의 실행 권한을 가질 수 있습니다.

런타임 모드

실행 권한	런타임 모드	공개
Owner's Rights(기본)	Warehouse/Container	GA
Restricted Caller'sRights	Container만	Preview

즉, Container 런타임에서는 두가지를 동시에 사용할 수도 있습니다:

conn_owner = st.connection("snowflake") # 소유자 권한
conn_caller = st.connection("snowflake-callers-rights") # 호출자 권한

다만 Warehouse 런타임에서는 Owner's Rights만 지원됩니다.

여기서 중요한 대목!
런타임 모드에 따라서, 세션을 처리하는 코드가 달라져야 합니다.

	Warehouse 런타임	Container 런타임
get_active_session()	O	X (사용 불가)
st.connection("snowflake")	O	O

Container 런타임에서는 아래와 같이 사용합니다.

conn = st.connection("snowflake")
session = conn.session()

출처 : Cortex Code. Snowflake Docs

04: 데이터는 있는데, 왜 내 의사결정은 외로운가

포스 삼촌 — Tue, 7 Apr 2026 22:35:07 +0900

✨ AI 시대 - Gen AI 비서의 실전적 고민

업무와 일상 속에서 AI에 둘러 싸여 있는 요즘입니다.
어떤 때는 내 맘을 들여다 본 것처럼 대답하기도 하고, 다른 때는 도통 말을 이해 못하는 듯 엉뚱한 이야기만 하곤 하네요.

여기서 문제가 종종 생겼습니다.

1. [문제] 데이터의 섬(Silo)에 갇힌 의사결정자 ️
* 현상: 기업 내부 혹은 개인 사업가에겐 엑셀, PDF, DB, 메모, 심지어 사장님의 머릿속 아이디어까지 데이터가 넘쳐난다.
* 진단: 하지만 이 데이터들이 서로 연결되지 않아, 중요한 결정을 내릴 때마다 담당자는 각기 다른 툴을 뒤지느라(또는 다른 사람에게 물어보느라) 진을 다 뺀다.
* 페인 포인트: "데이터를 1도 모르는 나같은 초보(혹은 바쁜 사장님)도 내 사업 현황을 한눈에 파악하고 전략을 짤 수 있는 방법은 없을까?"

2. [가설] 내 상황(Context)을 아는 AI는 파트너가 될 수 있다!?
* 가설 1: AI가 기업의 비정형 데이터(리뷰, 문서, 이미지)와 정형 데이터(매출, 유동인구)를 동시에 이해한다면, 단순 답변을 넘어 '대안'을 제시할 것이다.
* 가설 2: AI에게 명확한 페르소나(나의 상황에 맞는 필요한 역할과 브랜드 가치)를 부여하면, 내 사업 또는 기업의 철학에 맞는 '맞춤형 전략'을 도출할 수 있다.
* 가설 3: 복잡한 SQL이나 쿼리 없이 대화형(Chat) 인터페이스만으로 이 모든 데이터에 접근 가능하다면, 현장의 의사결정 속도는 혁신적으로 빨라질 것이다.

3. [예고편] "그래서, Snowflake로 구현해봤습니다" ❄️
* 핵심은 "데이터가 있는 곳(Snowflake)에서 AI가 직접 움직이게 하는 것"이다.
* 단순한 챗봇이 아니라, 기업의 상황을 100% 이해하는 '전략적 우군'을 만드는 과정... 곧 공개합니다!

#snowflake #hackerthon