아마존웹서비스(AWS)가 아마존 세이지메이커 점프스타트(Amazon SageMaker JumpStart)를 통해 펀더멘털(Fundamental)의 대규모 정형 데이터 모델인 'NEXUS'를 공식 지원한다. NEXUS는 텍스트 처리에 최적화된 기존 거대언어모델(LLM)과 달리, 수십억 개의 실제 정형 데이터셋을 사전 학습해 수치, 날짜, 범주형 데이터를 직접 이해하도록 설계되었다. 특히 확률적 결과값을 내놓는 LLM과 달리 결정론적(deterministic) 아키텍처를 채택해 동일한 입력값에 대해 항상 일관된 예측 결과를 도출한다는 점이 핵심이다. 기존 머신러닝 방식이 모델 구축에 3~6개월의 시간이 소요되던 것과 비교하면, 기업은 데이터 전처리 과정을 대폭 줄여 수일 내에 예측 모델을 현업에 배치할 수 있다. 글로벌 시장에서는 데이터브릭스(Databricks)의 모자이크ML(MosaicML)이나 스노우플레이크(Snowflake)의 코텍스(Cortex)가 정형 데이터 분석 기능을 강화하며 경쟁 중이다. 이들은 데이터 웨어하우스 내에서 직접 모델을 구동하는 환경을 제공하는데, AWS는 세이지메이커라는 강력한 MLOps 플랫폼을 통해 NEXUS를 통합함으로써 기존 AWS 클라우드 고객의 이탈을 방지하고 데이터 파이프라인의 효율성을 극대화하려는 전략을 취하고 있다. 한국 시장에서는 금융권과 유통업계의 도입 속도가 가장 빠를 것으로 예상된다. KB금융, 신한금융, 하나금융 등 주요 금융그룹은 이미 고객 이탈 예측(Churn Prediction)이나 신용 평가 모델 고도화에 머신러닝을 활용하고 있다. 기존에는 데이터 사이언티스트들이 수개월간 피처 엔지니어링에 매달려야 했으나, NEXUS와 같은 모델이 도입되면 마케팅 부서나 현업 담당자가 직접 데이터를 업로드해 즉각적인 인사이트를 얻을 수 있게 된다. 또한 우아한형제들, 쿠팡과 같은 이커머스 기업들은 물류 수요 예측이나 개인화 추천 엔진의 정확도를 높이는 데 이 모델을 활용할 가능성이 크다. 삼성전자나 LG전자와 같은 제조 기업 역시 ERP 시스템 내의 공급망 데이터 분석에 NEXUS를 적용해 재고 관리 최적화에 나설 것으로 보인다. 다만 국내 도입 시 개인정보보호위원회와 금융위원회의 데이터 활용 가이드라인 준수가 관건이다. 특히 금융권의 경우 AI 모델의 설명 가능성(XAI)과 데이터 격리 정책이 엄격하므로, NEXUS의 결정론적 예측 결과가 금융당국의 모델 검증 기준을 충족하는지가 도입의 핵심 변수가 될 것이다. 과기정통부가 추진 중인 AI 기본법 체계 하에서 기업들이 정형 데이터 모델을 활용할 때 발생할 수 있는 데이터 편향성 문제나 보안 이슈를 어떻게 해결할지가 향후 시장 점유율을 결정할 것으로 보인다. 국내 클라우드 관리 서비스 제공사(MSP)인 메가존클라우드나 베스핀글로벌이 NEXUS를 활용한 금융·제조 특화 솔루션을 얼마나 빠르게 패키징해 내놓느냐가 한국 시장 내 확산 속도를 좌우할 전망이다.