지리공간 데이터, 왜 이렇게 어려울까요
지도 위에 뭔가를 올려본 적 있으세요? 예를 들어 '우리 매장 반경 2km 안에 사는 고객 수를 세줘' 같은 요구사항이요. 말로는 참 쉬운데, 이걸 실제 SQL로 짜려고 하면 갑자기 머리가 아파지거든요. 위도·경도를 어떻게 거리로 바꾸지? 좌표계는 뭘 써야 하지? 거리 계산 함수는 미터로 나오나 도(degree)로 나오나?… 이런 지리공간(geospatial, 지도·좌표·공간을 다루는) 데이터는 일반 데이터와 달리 전용 함수와 개념이 산더미라, 처음 접하면 정말 막막합니다.
그런데 최근 dekart-xyz라는 팀이 이 골칫거리를 AI에게 통째로 넘기는 도구를 공개했어요. 이름이 Geosql인데요, Claude나 Codex 같은 AI 코딩 도구가 지리공간 SQL을 알아서 척척 짜주도록 만드는 '스킬(skill)'입니다.
스킬이 뭐냐면요
먼저 '스킬'이라는 개념부터 짚고 갈게요. 요즘 Claude 같은 AI에는 스킬이라는 확장 방식이 있어요. 쉽게 말하면 AI에게 건네주는 '전문 분야 매뉴얼 + 도구 세트'예요. 폴더 하나에 '너는 이런 상황에서 이렇게 행동해라'는 지침, 자주 쓰는 코드 조각, 참고 문서를 담아두면, AI가 관련된 질문을 받았을 때 그 폴더를 펼쳐 참고하는 거죠. 사람으로 치면 신입에게 '이 업무는 이 사수 매뉴얼 보고 해'라고 던져주는 것과 비슷합니다.
Geosql은 바로 이 매뉴얼을 '지리공간 데이터 분석'에 특화시켜 만든 거예요. AI가 원래는 PostGIS(포스트그레스의 공간 확장 기능)나 DuckDB 공간 확장, BigQuery의 GIS 함수 같은 걸 어설프게 알고 있었다면, Geosql을 붙이면 어떤 함수를 언제 쓰는지, 좌표계 변환은 어떻게 하는지, 흔한 함정은 뭔지를 훨씬 정확하게 다루게 됩니다.
실제로 뭐가 좋아지나
예를 들어 '이 지역 데이터를 격자로 나눠서 밀도를 집계해줘'라고 하면, 예전엔 AI가 H3나 지오해시(공간을 격자로 쪼개는 방식) 개념을 헷갈려 하거나 엉뚱한 함수를 부르곤 했거든요. Geosql 스킬을 얹으면 이런 도메인 지식이 미리 주입돼 있어서, 좌표계(SRID) 실수나 미터-도 단위 혼동 같은 초보적 실수를 크게 줄여줍니다. 결국 사람이 GIS 전문가가 아니어도, 자연어로 던진 요청이 제대로 된 공간 쿼리로 번역되는 셈이에요.
업계 흐름에서 보면
이건 요즘 뜨거운 'AI에게 도메인 전문성을 주입한다'는 큰 흐름의 한 조각이에요. MCP(Model Context Protocol)로 외부 데이터를 연결하거나, 스킬로 특정 분야 지식을 얹거나 하는 식으로, 범용 AI를 특정 업무의 전문가로 변신시키는 시도가 계속 나오고 있죠. 특히 지리공간 분야는 카카오맵·네이버 지도 API를 쓰는 커머스, 부동산, 물류, 배달 서비스처럼 한국에서도 수요가 큰 영역인데, 정작 전문가는 귀해서 AI 보조가 잘 먹히는 자리입니다.
한국 개발자에게
당장 물류 최적화나 상권 분석, 부동산 데이터를 다루는 분이라면 한 번 실험해볼 만해요. 자연어로 '특정 행정동 경계 안의 포인트만 필터링' 같은 걸 시켜보고, 나온 SQL을 검수하는 식으로 쓰면 학습 도구로도 훌륭하거든요. AI가 짠 공간 쿼리를 읽으면서 ST_ 계열 함수 사용법을 자연스럽게 익힐 수 있으니까요.
한줄 정리: 지리공간 SQL이라는 진입장벽 높은 영역을, AI 스킬로 감싸서 누구나 자연어로 다루게 만든 시도입니다. 여러분은 AI에게 도메인 지식을 '스킬' 형태로 주입하는 방식, 실무에서 어디에 써보고 싶으세요?
🔗 출처: Hacker News