AIP(AI Platform)란 무엇인가 — Foundry에 내장된 생성형 AI 계층
도입
팔란티어를 검색하다 보면 “AIP”라는 단어를 자주 마주치게 됩니다. AI Platform의 줄임말인데, 이름만 보면 별도의 AI 도구처럼 보이기 쉽습니다. 하지만 실제로는 접근 방식 자체가 다릅니다. AIP는 Foundry 밖에 붙어 있는 챗봇이 아니라, Foundry 안에 이미 있는 데이터·파이프라인·온톨로지 위에서 곧바로 작동하는 생성형 AI 계층입니다. 이번 글에서는 AIP가 실제로 무엇으로 구성되어 있고, 어떤 원칙 위에서 설계됐는지를 정리해보겠습니다.
AIP를 지탱하는 다섯 가지 축
AIP는 다섯 가지 설계 원칙을 중심으로 만들어졌습니다.
- 원활한 통합: 데이터를 따로 옮기거나 복제하지 않고, 이미 연결된 파이프라인·온톨로지·권한 체계를 그대로 활용합니다.
- 보안과 거버넌스 상속: AIP만의 별도 보안 체계가 있는 게 아니라, Foundry의 접근 권한·마킹·감사 로그를 그대로 물려받습니다.
- 모델 관리: OpenAI, Anthropic, Google, xAI, Meta 등 여러 제공업체의 LLM을 조직이 중앙에서 활성화·비활성화하거나, 필요하면 자체 모델을 등록해 쓸 수 있습니다.
- 확장성과 성능: Foundry의 분산 컴퓨팅 인프라 위에서 동작해 대규모 워크로드에서도 성능이 유지되며, 호출량·지연 시간 등을 observability 도구로 모니터링할 수 있습니다.
- 설명 가능성과 투명성: 모든 상호작용이 감사 추적으로 남고, AIP Evals 같은 평가 도구로 모델 출력의 품질을 체계적으로 검증합니다.
이 다섯 가지가 중요한 이유는, AI 도입을 가로막는 실제 장벽이 대부분 “모델 성능”이 아니라 “이 모델을 어떻게 안전하게, 기존 데이터 위에서 운영할 것인가”이기 때문입니다. AIP는 이 질문에 대한 답을 플랫폼 설계 단계에서부터 포함하고 있습니다.
AIP는 실제로 어떤 기능들의 묶음인가
AIP라는 이름 하나에 여러 애플리케이션이 들어있습니다.
| 애플리케이션 | 역할 |
|---|---|
| AIP Assist | Foundry 전반에서 쓸 수 있는 대화형 어시스턴트. 데이터 탐색·코드 작성·문서 질의응답을 지원 |
| AIP Logic | 코드 없이 자연어와 블록 인터페이스로 LLM 호출 로직을 구성 |
| AIP Chatbot Studio | 커스텀 콘텐츠 소스 기반의 대화형 챗봇을 설계·배포 |
| AIP Evals | LLM 기반 워크플로 출력 품질을 체계적으로 평가하고 회귀를 방지 |
| AIP Threads | 대화 맥락을 유지하며 다단계 AI 상호작용을 지원 |
| Palantir MCP | Model Context Protocol을 통해 외부 AI 클라이언트가 Foundry 데이터·기능에 접근 |
여기에 더해 AIP는 독립된 애플리케이션에 그치지 않고 개발자 툴체인 곳곳에 스며들어 있습니다. Pipeline Builder에서는 자연어로 변환 로직을 문서화하거나 정규식 작성을 도와주고, Automate에서는 자동화 조건을 자연어로 구성하며, Notepad와 Scheduler에서도 AIP Assist가 보조 역할을 합니다. “AI를 쓰는 도구”가 따로 있는 게 아니라, 기존에 쓰던 도구 안에 AI가 들어와 있는 구조에 가깝습니다.
지원 모델과 보안, 그 사이의 균형
AIP는 특정 모델에 종속되지 않는(model-agnostic) 구조입니다. 조직은 사용 가능한 모델을 Control Panel에서 활성화·비활성화할 수 있고, 지역 제한(georestriction)이 있는 엔롤먼트라면 사용 가능한 모델 범위도 달라집니다. 이런 유연성은 편의만을 위한 게 아니라 보안 요구와 직결됩니다. 실제로 공식 문서가 제공하는 AIP 보안 Q&A를 보면, AIP는 별도 보안 체계 없이 Foundry의 기존 접근 권한·마킹·암호화를 그대로 상속하며, 서비스는 고객 데이터를 저장하지 않고, 고객이 직접 비공개로 재학습을 수행하는 경우를 제외하면 데이터가 모델 재학습에 쓰이지 않는다고 명시하고 있습니다. 제3자 제공업체 역시 프롬프트 데이터에 접근할 수 없습니다.
이런 조건이 명확한 이유는 하나입니다. 기업이 생성형 AI를 도입하지 못하는 가장 흔한 이유가 “성능 부족”이 아니라 “데이터가 어디로 새는지 모른다는 불안”이기 때문입니다. AIP는 이 불안을 플랫폼 차원의 계약과 아키텍처로 해소하려는 시도라고 볼 수 있습니다.
책임 있는 AI: 일곱 가지 원칙
팔란티어는 AIP를 운영하는 조직이 참고할 수 있도록 “책임 있는 AI(Responsible AI)”의 일곱 가지 원칙 — 공정성, 설명 가능성, 신뢰성, 추적 가능성, 협업, 책임성, 인간 중심 — 을 제시합니다. 각 원칙에는 대응하는 플랫폼 기능(민감 데이터 스캐너, 모델 롤백, 데이터 계보 추적, 승인 워크플로 등)이 함께 안내되어 있습니다. 이 원칙들의 공통점은, AI 거버넌스를 정책 문서로 끝내지 않고 실제 기능(권한 체계, 로그, 롤백, 평가 도구)으로 구현해뒀다는 점입니다.
마무리
AIP를 한 줄로 요약하면 “Foundry 위에 얹힌 생성형 AI 계층이자, Foundry의 보안·거버넌스를 그대로 물려받는 도구 모음”입니다. 챗봇 하나를 붙이는 것과 AIP를 도입하는 것의 차이는, 후자가 데이터의 흐름·권한·감사 이력까지 함께 가져온다는 데 있습니다. 다음 글에서는 이 AIP가 실제로 작동하는 기반인 Foundry의 데이터 통합 — 데이터가 어떻게 Foundry 안으로 들어오고 파이프라인을 거치는지 — 를 정리하겠습니다.