이러한 문제를 근본적으로 해결하기 위해서는 개별 툴 도입 수준을 넘어, 사내 모든 데이터 자산과 업무 채널을 유기적으로 통합 제어할 수 있는 새로운 환경이 필요했습니다. 여기어때가 구상한 차세대 아키텍처의 목표는 명확했습니다. 현업 실무자가 스스로 원하는 데이터를 손쉽게 찾아 분석하고, 에이전트가 시스템 환경에 상관없이 업무를 안전하게 실행하는 ‘에이전틱 엔터프라이즈 플랫폼’을 완성하는 것이었습니다.

여기어때가 에이전틱 플랫폼을 구현하는 데는 특히 두 부서의 역할이 컸습니다. 공통플랫폼개발팀은 기존에 AWS Redshift로 운영되던 전사 데이터 환경을 구글 클라우드 기반 BigQuery로 전환하며 데이터 파이프라인을 최적화하고, 트래픽이 폭주해도 중단 없이 유연하게 확장 가능한 고가용성 인프라 환경을 구축했습니다. MLOps팀은 Gemini Enterprise Agent Platform 기반으로 사내 구성원들이 에이전트를 직접 개발∙운영할 수 있는 인터페이스를 설계하고, MCP 서버 모듈화 작업을 주도했습니다. 두 조직의 기술적 시너지는 YAPP이 전사에 성공적으로 안착할 수 있었던 핵심 원동력이 됐습니다.

여기어때의 차세대 인프라 중심에는 구글 클라우드의 강력한 기술셋이 함께 합니다. 여기어때는 Agent Platform의 ADK (이전 명칭: Vertex AI SDK)를 활용해 고도화된 Coordinator-Specialist 패턴을 구현했습니다. Agent Platform에서 API 형태로 LLM을 호출하는 경우는 흔하지만, ADK를 활용해 에이전트 구조를 직접 설계하고 구축한 케이스는 YAPP 프로젝트만의 핵심 차별점입니다.

사용자가 YAPP에서 자연어로 질문을 던지면 코디네이터 에이전트가 맥락을 분석한 뒤, 10가지 전문 에이전트와 30개 이상의 서브 에이전트 중 가장 적합한 전문가에게 태스크를 지능적으로 배분합니다. 이러한 에이전틱 프레임워크 아래에는 대규모 데이터 허브인 BigQuery가 자리 잡고 있으며, 인프라 뒷단에는 Managed Service for Apache Spark (이전 명칭: Dataproc)를 배치해 대규모 연산 및 처리 스케일링 성능을 극대화했습니다.

여기어때 인프라의 또 다른 차별점은 구글 클라우드를 메인 플랫폼으로 채택하면서도 MCP를 선제적으로 도입한 점입니다. 덕분에 기존 AWS 자산이나 Jira, Slack 등의 외부 도구를 플러그인 방식으로 유연하게 연동해 확장할 수 있는 하이브리드 클라우드 구조를 완성할 수 있었습니다. 이렇게 완성된 API와 MCP 서버는 Google Kubernetes Engine (GKE)을 통해 안정적으로 오케스트레이션 되며 끊김 없는 서비스를 지원합니다.

여기어때처럼 사내에 수십 개의 에이전트가 공존하는 환경에서는 AI 에이전트에 대한 권한 설정과 제어가 기업 보안의 성패를 가르는 핵심 과제 중 하나입니다. 에이전트는 사용자의 명령에 따라 데이터베이스를 직접 탐색하고 액션을 수행하기 때문에, 에이전트별로 접근할 수 있는 데이터의 범위를 명확히 제한하지 않으면 민감 정보가 오남용되거나 보안 사각지대가 발생할 위험이 커질 수 있습니다.

YAPP 생태계가 안착한 후 여기어때 구성원들이 체감하는 변화는 인프라 혁신부터 실무 생산성까지 전방위적으로 나타나고 있습니다. 구글 클라우드로 전환한 후 여기어때는 기존 Redshift 환경에서 고질적으로 발생하던 인프라 리소스 경합과 무거운 배치 작업 시 발생하는 락(Lock) 이슈를 완벽하게 해결했습니다. BigQuery는 슬롯을 각 팀마다 독립적으로 분할 할당할 수 있어, 특정 부서의 헤비한 쿼리가 다른 팀의 작업에 전혀 영향을 주지 않습니다. 박혜지님은 모든 부서가 어느 때나 리소스 걱정 없이 중요한 업무에 집중할 수 있다는 점은 운영 안정성 측면에서 굉장한 장점이라고 설명합니다.

특히 여기어때는 차세대 개방형 테이블 포맷인 Iceberg 테이블에 Apache Spark와 BigQuery를 직접 연계한 업계 선도적인 아키텍처를 구현했습니다. 데이터를 이관하는 과정에서 Google Cloud Storage 를 통해 대용량 데이터를 가볍게 최적화했고, 벤더 종속성을 벗어나 오픈 테이블 포맷의 유연한 운영 환경을 갖추게 됐습니다.

원천 데이터가 Google Cloud Storage에 Iceberg 포맷으로 저장되면 Apache Spark가 대규모 분산 연산을 통해 해당 데이터를 실시간으로 정제합니다. 이렇게 가공된 데이터 제품(Data Product)들은 BigQuery에 적재되어, YAPP 플랫폼의 AI 에이전트들은 필요할 때마다 즉시 데이터를 끌어올 수 있습니다. 대용량 데이터 적재부터 최종 에이전트 서빙까지 전체 데이터 딜리버리 과정을 최적화한 실시간 데이터 파이프라인을 구축한 것입니다.

Google Cloud Storage와 BigQuery가 긴밀하게 연결된 덕분에 비용 효율도 함께 확보할 수 있었습니다. 인프라를 풀로 상시 가동하는 대신 배치 작업이 필요할 때만 유연하게 켜고 끌 수 있어, 분산된 오픈소스 테이블을 관리해야 하는 엔지니어링 공수와 데이터레이크 운영 비용을 획기적으로 절감했습니다.

동시에 실무자들의 데이터 분석 민주화도 실현됐습니다. 과거 데이터 팀을 거쳐 최소 수일 이상 지체되던 복잡한 분석 업무가, 이제는 자연어 질문 하나만으로 수 분 이내에 처리됩니다. 무엇보다 YAPP은 사내 시스템을 완벽히 이해하고 행동합니다. "지난주 예약 취소 건 중 비정상적인 패턴을 분석해 구글 시트로 정리하고 담당 팀 슬랙 채널에 공유해 줘"와 같은 복잡한 다단계 프로세스가 단일 인터페이스 안에서 원스톱으로 처리되면서, 구성원들은 이제 불필요하게 여러 채널을 오가던 컨텍스트 전환 비용 없이 업무의 본질에만 집중할 수 있게 되었습니다.

여기어때 MLOps팀 노수영님은 구글 클라우드가 제공하는 뛰어난 속도와 Gemini 모델의 압도적 가성비 덕분에, 고도화된 에이전트 프로세스를 상시 가동하면서도 운영 비용을 낮출 수 있었다고 설명합니다. Agent Platform 내 Model Garden을 통해 구글 모델뿐만 아니라 다양한 타사 모델까지 자유롭게 사용할 수 있지만, Gemini 3.0 Flash를 쓰다 보면 굳이 다른 모델로 넘어갈 필요성을 느끼지 못할 정도입니다.

기술의 도입만큼 중요한 것은 이를 수용하는 문화입니다. 여기어때는 매주 월요일 'Mond:AI' 세션에서 전사 구성원들이 직접 개발한 AI 에이전트 활용 사례와 노하우를 공유하고 있습니다. AI에 끌려가는 것이 아니라, 임직원 모두 기술의 주체가 되어 스스로 업무 환경을 혁신할 수 있는 구조적 환경을 만들어 가는 것. YAPP을 통해 여기어때가 그리는 에이전틱 AI 전략의 모습입니다.

구글 클라우드는 계속해서 업계 최고 수준의 에이전틱 AI 기술 역량을 지원하며, 여기어때와 함께 차세대 에이전트 생태계를 더욱 정교하게 확장해 나갈 계획입니다.