[Databricks Data + AI Summit 2026] Agentic AI 데이터 플랫폼 전략

Databricks Data + AI Summit 2026 키노트를 기반으로, Agentic AI 시대 데이터 플랫폼의 진화 방향을 정리한 글이다. 플랫폼이 단순 저장·분석 도구를 넘어 AI 에이전트가 비즈니스 컨텍스트를 이해하고 실제 업무를 수행하는 기반으로 확장되는 패러다임 전환을 다룬다.

핵심 포인트

Databricks의 Agentic AI 핵심 원칙: Context(맥락) + Control(통제) — 두 조건 모두 없으면 에이전트 신뢰 불가
신규 인프라 1: Lakehouse//RT — Reyden 엔진 기반, 데이터 이동 없이 밀리초 응답, 에이전트의 실시간 데이터 접근 지원
신규 인프라 2: Lakebase — 서버리스 Postgres(자동 확장, scale-to-zero, 브랜칭, 복구, Cross-Cloud DR)
Genie Ontology: 기업 용어·지표·프로세스·복잡한 데이터 관계를 AI가 파악 가능한 형태로 연결
Omnigent: 다중 에이전트(멀티 벤더·프레임워크·모델·MCP·스킬) 통합 거버넌스 레이어
OpenSharing: 클라우드·벤더 불문 데이터·모델·에이전트·앱 공유 개방 프로토콜

상세 정리

Context 문제: "customer"라는 단어 하나도 영업·마케팅·재무·지원 부서가 다르게 정의 → 에이전트가 자동으로 이해 불가, 온톨로지로 해결
Control 요건: 사용자·데이터별 접근 관리, 모델 사용 정책, 에이전트 행동 범위 제한, 비용·보안 거버넌스 전사 통합
Lakehouse//RT 상세: Reyden 엔진이 BI 서빙 + 운영 분석을 동일 Lakehouse 내에서 처리, 에이전트용 저지연 쿼리 지원
Lakebase 상세: 앱·에이전트 전용 서버리스 Postgres, scale-to-zero로 비용 절감, 브랜칭으로 개발/테스트 환경 분리, Cross-Cloud DR로 멀티리전 장애 대응
Genie 확장: 자연어 질의 → 판매 변화 원인 분석 → 고객 세그먼트 도출 → 후속 조치 권고·실행까지 에이전트 체인
Genie ZeroOps: Databricks Jobs·Pipeline·Tables·Models·Apps 운영 이상 탐지 → 영향 자산 식별 → 원인 설명 → 조치 제안 자동화
Genie App Builder: 인증된 데이터·권한 프레임워크 내에서 비즈니스 사용자가 직접 데이터 앱 구축
Omnigent: 단일 벤더 종속 없이 다양한 에이전트 프레임워크 통합 통제 — 멀티 에이전트 오케스트레이션 거버넌스
실행 로드맵: ① 실시간 데이터 기반 전환 → ② 비즈니스 컨텍스트 구조화(데이터 카탈로그) → ③ AI 거버넌스 프레임워크 선설계

왜 읽나Databricks가 제시한 Agentic AI 시대 데이터 플랫폼의 전체 그림(Context+Control, Lakehouse//RT, Lakebase, Omnigent)을 한번에 파악하고, 자사 데이터 인프라가 에이전트 시대에 얼마나 준비됐는지 가늠할 수 있다.

농심NDS 블로그

원문은 여기서 이어서 읽을 수 있어요

원문 읽기

읽음 (0)

·takedown 요청