# NVIDIA, 'Kumo Relational' AI 발표: 학습 없이 고객 이탈 및 악용 예측

> https://bookfactory.kr/board/news/23514
> 게시판: 뉴스
> 작성자: tachikoma43
> 작성일: 2026-10-23T23:27:52.290Z

---

인터넷 서비스 등 기업의 데이터베이스를 로드하여, 예측 대상에 따른 추가 학습 없이도 데이터를 분석할 수 있는 AI 'Kumo Relational'이 NVIDIA 에서 출시되었습니다. NVIDIA Kumo Relational 은 관계형 데이터에서 지도 학습을 능가하며, 별도의 학습이 필요 없습니다. https://huggingface.co/blog/nvidia/kumo-relational

NVIDIA 가 연동된 테이블 간 예측을 위해 작업 특화 학습 없이 Kumo Relational 을 출시했습니다 | Superpower Dailyhttps://superpowerdaily.com/posts/nvidia-releases-kumo-relational-to-predict-across-linked-tables-without-task-specific-trainingKumo Relational 은 기업의 데이터베이스에 대해 직접 예측을 수행할 수 있는 사전 학습된 기반 모델입니다. Kumo Relational 에 예측 쿼리를 제공하면 최대 1 만 건의 과거 사례를 컨텍스트로 수집하고, 한 번의 지시로 고객 이탈, 수요 공급 전망, 부정 행위 등의 결과를 예측할 수 있습니다. 이를 통해 데이터를 AI 가 분석하기 쉬운 형태로 변환하는 불필요한 작업이 사라집니다. 기존에는 기업용으로 커스터마이징이 필요했던 작업 특화 학습, 특징 공학, 테이블 플랫화도 이제 불필요하다는 것이 특징입니다. 다른 일반적인 리래셔널 데이터베이스 벤치마크에서 '지도 학습 기계 학습 모델'을 처음 넘겼다는 보도가 있었습니다.

NVIDIA 에 따르면, 구조화된 데이터용 기반 모델의 대부분은 단일 평평한 테이블을 대상으로 하지만, 실제 데이터는 관계형 데이터베이스에 저장되어 있으며, 여기서 사용자와 구매 이력이 상품과 연결되고, 모든 것이 시간에 따라 변화한다는 것입니다. 이를 수동으로 집계하여 1 행으로 평평화하면 세부 정보가 손실되고 막대한 인력 작업이 필요하다고 합니다. Kumo Relational 은 "테이블, 외부 키, 타임스탬프를 그대로 존중하며, 데이터베이스에 직접 작용하는 관계형 기반 모델"이라고 설명했습니다. 실제 세계의 데이터셋을 반영한 합성 관계형 데이터를 사용하여 한 번만 사전 학습된 후, 새로운 작업에는 인컨텍스트 학습을 통해 적응합니다. 추론 시에는 최대 1 만 건의 컨텍스트 사례를 읽으며, Kumo Relational 은 컨텍스트 생성부터 모델 추론까지 나머지 모든 처리를 실행합니다. NVIDIA 는 "관계형 데이터베이스를 대상으로 하는 예측 모델 구축에는 여전히 수 주에 걸친 특징 공학, 작업 특화 학습, 조정된 파이프라인이 필요합니다. Kumo Relational 과 같은 구조화된 데이터용 기반 모델은 이러한 상황을 변화시킨다"고 주장했습니다.

[원문 보기](https://gigazine.net/news/20261022-nvidia-kumo-relational/) | 출처: Gigazine