클린 코어 및 SAP 비즈니스 AI 아키텍처 플레이북: 의사 결정 프레임워크, 벡터 접지(Vector Grounding), 그리고 프로덕션

기업의 SAP 환경을 최신 S/4HANA Cloud로 전환하고 SAP Business AI를 도입하는 것은 아키텍처 사고방식에 근본적인 변화가 필요합니다. 확장성(extensibility)을 단순히 "Eclipse ADT에서 커스텀 코드를 작성하는 것"으로 여기는 시대는 끝났습니다.

프로덕션 환경에서 도전 과제는 단순히 구문(syntax)의 문제가 아니라, 클린 코어(Clean Core) 하에서의 아키텍처 거버넌스 문제입니다:

• 요구사항이 Client 100 (Key-User Extensibility)에 속해야 할지 아니면 Client 080 (Developer Extensibility)에 속해야 하는가?
• Zero Data Retention을 보장하면서 SAP Generative AI Hub를 통해 LLM(대규모 언어 모델)을 어떻게 오케스트레이션할 것인가?
• 교차 테넌트 또는 승인되지 않은 비즈니스 데이터가 유출되는 일 없이, SAP HANA Cloud Vector Engine을 사용하여 엔터프라이즈 프롬프트에 어떻게 의미론적으로 접지(semantically ground)시킬 것인가?

실무 SAP 솔루션 아키텍트(10× SAP Certified, 최신 S/4HANA Cloud 및 BTP 아키텍처를 활발히 구현 중)로서, 저는 공식적이고 높은 수준의 문서와 업그레이드 안정적인 클라우드 아키텍처를 제공하는 데 필요한 구체적인 아키텍처 패턴 사이의 격차를 해소하기 위해 이 필드 가이드를 작성했습니다.

1. 핵심 아키텍처 기둥: 3계층 엔터프라이즈 AI

SAP BTP에서 프로덕션 등급의 Business AI 아키텍처를 설계하려면, 정신적 모델이 세 가지 상호 연결된 계층을 포괄해야 합니다:

Tier 1 — 소비 및 Copilot 실행(Joule): SAP SuccessFactors, S/4HANA Cloud, BTP 전반에 걸쳐 직접 내장되는 사전 구축된 대화형 AI(Conversational AI)입니다. 아키텍처 결정은 Joule이 기본적으로 처리하는 것(표준 비즈니스 객체 액션, 탐색 트리거)과 SAP AI Agent Hub를 통해 사용자 지정 스킬을 구축해야 하는 경우에 중점을 둡니다.
Tier 2 — 엔터프라이즈 파운데이션 모델 오케스트레이션(Generative AI Hub): 프롬프트 엔지니어링, 모델 전환(GPT-4o, Claude 3.5 Sonnet, Gemini Pro), 제로 데이터 보존 규정 준수 등이 BTP에서 관리되는 방식이며, 하이퍼스케일러 API 계약을 직접 관리할 필요가 없습니다.
Tier 3 — 의미론적 접지(Semantic Grounding) (HANA Cloud Vector Engine): 네이티브 REAL_VECTOR 데이터 타입을 사용하여 고차원 임베딩을 저장하고, 코사인 유사도 하이브리드 검색을 수행하며, 의미적 유사성을 구조화된 SQL 메타데이터 필터와 결합합니다.

1. 실제 아키텍처 심층 분석: 클린 코어 거버넌스(Clean Core Governance)

현대 S/4HANA Cloud 제공에서 중요한 규율은 클린 코어 확장성(Clean Core Extensibility)입니다. 배포 팀 전반에 걸쳐 흔한 안티 패턴은 Tier 1에 속해야 할 로직을 위해 즉시 Client 080에서 Eclipse ADT를 여는 본능적 행동입니다.

시나리오: 문서 간 흐름이 있는 헤더 레벨 사용자 지정 필드(Header-Level Custom Field with Cross-Document Flow)

요구사항: 고객은 판매 주문 헤더(Sales Order Header)에 사용자 지정 "ESG 규정 준수 코드"를 요청합니다. 이 필드는 수동 재입력 없이 출하 문서(Outbound Delivery)와 청구서 문서(Billing Document)로 자동 전파되어야 합니다. 또한 특정 자재 그룹의 경우 규정 준수 코드가 비어 있을 때 출하 생성을 방지하는 검증 로직이 필요합니다.

안티 패턴 (개발자 확장성 반사 작용): Client 080에서 Eclipse ADT를 열고, 표준 테이블(VBAK, LIKP, VBRK)을 확장하는 사용자 지정 RAP CDS View Entities를 생성하며, ABAP Cloud에 비관리형 저장 구현(unmanaged save implementations)을 작성합니다.

클린 코어 거버넌스 실패 이유: 이는 SAP 표준이 Tier 1 확장성 하에서 네이티브하게 처리할 수 있는 기능에 대해 사용자 지정 전송 패키지, 소프트웨어 컴포넌트 라이프사이클, 지속적인 유지보수 오버헤드를 도입하기 때문입니다.

올바른 프로덕션 설계 (Tier 1 키 사용자 확장성):

단계 1: Client 100의 Custom Fields 앱으로 이동합니다.

단계 2: Business Context Sales: Sales Document 아래에 필드를 생성합니다.

단계 3: Business Scenario 탭에서 전파(Propagation)를 활성화합니다 (Sales to Delivery, Delivery to Billing, 그리고 Sales to Billing).

단계 4: 단 한 번의 클릭으로 OData 노출 및 CDS 뷰 사용을 활성화합니다.

단계 5: Custom Logic 앱에서 제한된 ABAP (C1 release contract) 내에 배포된 Key-User BAdI인 BD_SD_SLS_CHECK_HEADER를 사용하여 유효성 검사(validation check)를 구현합니다.

아키텍처 규칙: S/4HANA Cloud (공개 또는 비공개)에서는 개발자 확장성(ADT Client 080)이나 BTP의 Side-by-Side CAP으로 격상하기 전에 항상 Client 100 키 사용자 확장성을 최대한 활용해야 합니다.

1. SAP HANA Cloud Vector Engine을 이용한 LLM 접지 (Grounding)

회사 데이터를 공개 LLM 엔드포인트에 직접 전달하는 것은 즉각적인 아키텍처 위반입니다. 기업용 RAG(검색 증강 생성, Retrieval-Augmented Generation)의 경우, 프로덕션 설계는 하이브리드 벡터 검색에 의존합니다.

주요 기술 개념:

• 테이블 정의: REAL_VECTOR(1536) (OpenAI text-embedding-3-small용) 또는 REAL_VECTOR(3072)를 사용하여 벡터 열을 생성하는 것입니다.
• 하이브리드 검색 전략: 순수한 의미론적 검색만으로는 조직적 맥락이 부족하여 기업 애플리케이션에 불충분합니다. 코사인 거리(cosine distance)와 엄격한 관계형 술어(relational predicates)를 결합해야 합니다:

SELECT TOP 5  
DocumentID,  
DocumentChunk,  
COSINE_SIMILARITY(VectorEmbedding, TO_REAL_VECTOR(:query_embedding)) AS SimilarityScore  
FROM EnterpriseKnowledgeBase  
WHERE CompanyCode = :user_company_code  
AND AuthorizationGroup = :user_auth_group  
ORDER BY SimilarityScore DESC;

이는 프롬프트 토큰이 생성되어 Generative AI Hub로 전송되기 전에 멀티테넌트 격리(multi-tenant isolation)와 SAP 권한 경계가 엄격하게 존중됨을 보장합니다.

1. 30일 아키텍처 스프린트 로드맵

이 패턴들을 체계적으로 숙달하고자 하는 팀과 아키텍트를 위해, 구조화된 4주간의 아키텍처 역량 강화 로드맵이 있습니다:

1주차: Clean Core 및 확장성 거버넌스 (Clean Core & Extensibility Governance) — Client 100 대 Client 080 의사 결정 트리, Custom Fields 비즈니스 시나리오, Restricted ABAP 대 ABAP Cloud, 그리고 C1/C2 릴리스 계약을 마스터합니다.
2주차: 생성형 AI 허브 및 BTP SDK (Generative AI Hub & BTP SDK) — @sap-ai-sdk/foundation-models, 프롬프트 템플릿팅(prompt templating), 제로 데이터 보존(Zero Data Retention) 엔터프라이즈 계약, 그리고 다중 모델 라우팅(multi-model routing)에 대해 깊이 있게 파고듭니다.
3주차: HANA Cloud 벡터 엔진 및 엔터프라이즈 RAG (HANA Cloud Vector Engine & Enterprise RAG) — 벡터 테이블(Vector tables), 코사인 유사도 검색(cosine similarity search), 청킹 전략(chunking strategies), 하이브리드 검색 메타데이터 필터링, 그리고 IAS/IPS를 통한 주성분 전파(Principal Propagation)를 다룹니다.
4주차: 프로덕션 시나리오 드릴 및 거버넌스 (Production Scenario Drills & Governance) — 45가지 시나리오 트레이드오프 분석, Clean Core 위반 검토, 실제 사례 연구, 그리고 전송 거버넌스(transport governance) (ATO 대 CTS+)를 다룹니다.

완벽한 아키텍처 필드 가이드 (The Complete Architectural Field Guide)

아키텍트, 개발자 및 컨설턴트가 수 주간의 시행착오를 줄일 수 있도록, 제가 완료한 프로젝트 문서, 코드 템플릿 및 필드 노트를 종합적인 플레이북으로 정리했습니다:

The SAP BTP & Business AI Architecture Companion

The SAP BTP & Business AI Architecture Companion: 솔루션 아키텍트를 위한 필드 가이드, 의사 결정 프레임워크 및 45가지 엔터프라이즈 시나리오 (The Reality of SAP...)

패키지 구성품:

• 45가지 실제 엔터프라이즈 시나리오: 클린 코어 확장성(Clean Core extensibility), AI 접지(AI grounding), BTP 사이드 바이 사이드 CAP, 그리고 통합 거버넌스 전반에 걸친 상세한 시나리오 분석이 포함되어 있으며, 각 시나리오에는 명시적인 '클린 코어 위반 경고(Clean Core Violation Alerts)'가 제공됩니다.
• 인터랙티브 Notion 워크스페이스: 클릭 한 번으로 개인 Notion 워크스페이스에 복제할 수 있습니다. 완전히 검색 가능하며, 상호작용 가능한 진행 체크리스트와 접을 수 있는 솔루션 토글이 포함되어 있습니다.
• 마스터 PDF 참고 자료: 데스크톱 및 태블릿 판독을 위해 포맷된 오프라인 A4 가이드입니다.
• 프로덕션 코드 스니펫: RAP 뷰 엔티티, CAP GenAI Hub SDK 호출, 클라우드 BAdI, 그리고 HANA 벡터 검색 SQL에 대한 완전한 구현체가 포함되어 있습니다.
• 전체 30일 아키텍처 스프린트 계획.

(본 기사를 읽는 독자분들은 결제 시 코드 EARLYBIRD를 사용하거나 위에 있는 직접 링크를 사용하여 표준 €49 대신 출시가인 €35를 받으세요.)

토론 참여하기

팀이 레거시 ABAP 시스템을 현대적인 클린 코어 및 BTP 아키텍처와 정렬하는 과정에서 직면하는 가장 큰 어려움은 무엇인가요? 아래 댓글로 저에게 연결해주세요!