대시보드를 넘어: 의사결정 실행 플랫폼 소개

그림 1: Databricks Forward Deployed Engineering의 Decision Execution Platforms

Decision Execution Platforms (DEPs)는 Databricks Forward Deployed Engineering (FDE)가 선보이는 새로운 범주의 엔터프라이즈 분석 솔루션입니다. DEPs는 단순히 인사이트를 제공하는 데 그치지 않고, 거버넌스가 확보된 Databricks 인프라 위에서 비즈니스 실적에 직접적인 영향을 미치는 의사결정 루프(신호, 결정, 실행, 구체적인 비즈니스 결과)를 처음부터 끝까지 실행합니다.

BI는 의사결정을 위한 입력 정보만 개선했을 뿐입니다

전 세계 기업의 BI 소프트웨어 지출은 2025년에 348억 달러에 달했으며, 2034년에는 722억 달러에 이를 것으로 전망됩니다. 이 분야는 현재 엔터프라이즈 소프트웨어 시장에서 가장 큰 규모 중 하나입니다.

BI 툴은 리더들이 더 정확한 정보를 바탕으로 결정을 내릴 수 있도록 도왔습니다. 이제 COO는 마진 하락, 재고 노후화, 주문 처리 지연, 수요 변화, 예측 오차 등을 그 어느 때보다 빠르게 파악할 수 있습니다. 이러한 인사이트는 현대 비즈니스 운영의 핵심이지만, 전체 의사결정 프로세스 중 아주 일부분만 지원할 뿐입니다.

오늘날의 대시보드는 의사결정을 위한 입력 정보를 개선하지만, 결정을 실행으로 옮겨주지는 못합니다. 경영진의 목표는 데이터가 보여주는 결과를 바탕으로 행동하는 것입니다. 바로 이 지점이 현재의 BI 툴이 멈추는 곳이자, 다음 단계의 새로운 솔루션이 시작되는 지점입니다.

의사결정은 여전히 수동적이고, 파편화되어 있으며, 느립니다

기업 내부의 일반적인 의사결정 워크플로우는 수십 년 전과 크게 다르지 않습니다. 경영진은 대시보드, 주간 보고서 또는 이메일에서 신호를 확인합니다. 회의를 소집해 옵션을 논의하고, 결정된 사항은 프레젠테이션 슬라이드나 이메일로 정리됩니다. 실행은 스프레드시트, 프로젝트 트래커, Slack 스레드 등을 통해 여러 팀으로 위임됩니다. 몇 주 후, 누군가가 다른 대시보드나 일회성 분석, 혹은 전화를 통해 그 영향을 측정하려고 시도합니다.

모든 단계가 수동으로 이루어지며 모든 시스템이 분리되어 있습니다. 신호는 대시보드에, 논의 과정은 회의에, 결정 사항은 슬라이드에 남습니다. 실행은 스프레드시트와 메시지 스레드에 흩어져 있고, 영향 측정은 완전히 다른 곳에서 이루어집니다. 연결되거나 조율되는 것이 전혀 없습니다. 대부분의 기업이 KPI를 측정할 수는 있지만, 자신들의 의사결정이 KPI에 어떤 영향을 미쳤는지 측정할 수 있는 기업은 극소수에 불과합니다.

데이터가 풍부한 기업조차도 비즈니스에 필요한 속도와 규모에 맞춰 의사결정을 내리는 데 여전히 어려움을 겪는 이유가 바로 여기에 있습니다.

하지만 변화가 시작되고 있습니다. 거버넌스가 확보된 엔터프라이즈 데이터, 실시간 분석, 애플리케이션 인터페이스, 트랜잭션 상태, 프로덕션급 에이전트가 융합되면서 과거의 수동적인 조율, 파편화, 느린 피드백 루프가 하나의 연속적이고 통제된 시스템으로 대체될 수 있는 환경이 조성되고 있습니다. Gartner는 2028년까지 CIO의 45%가 IT 부서 외부에서 AI 에이전트 시스템을 이끌며 엔터프라이즈 업무 리소스 모델의 공동 설계자가 될 것으로 예측합니다. 저희는 분석의 다음 단계가 데이터 시각화를 행동으로, 그리고 무엇보다 중요한 결과로 전환할 것이라고 믿습니다.

Decision Execution Platform (DEP)이란 무엇인가요?

오늘 저희는 Databricks FDE의 Decision Execution Platforms, 즉 DEPs를 소개합니다.

Decision Execution Platforms (DEPs)는 정보를 더 빠르게 보여주는 것이 아니라 경영진의 의사결정을 처음부터 끝까지 실행하도록 설계된 새로운 범주의 엔터프라이즈 분석 솔루션으로, 다음과 같은 이점을 제공합니다.

• 더 많은 의사결정의 실제 실행 - 신호가 회의, 슬라이드, 메시지 스레드에서 정체되지 않고 승인 및 실행된 행동으로 이어집니다.
• 상시 가동 데이터를 기반으로 한 품질 향상 - 승인 전에 실시간 컨텍스트, 예측된 영향, 실행 가능한 대안이 제시되며, 실시간 데이터가 에이전트의 의사결정을 지속적으로 보완합니다.
• 지속적인 학습 - 모든 의사결정과 그 결과가 피드백되어 시간이 지남에 따라 시스템, 경영진, 조직을 학습시킵니다.

DEPs는 경영진의 의사결정을 신호, 결정, 실행, 결과라는 네 가지의 고유하고 계산 가능한 단계로 세분화하여, 운영자가 단일 거버넌스 운영 평면에서 이를 하나의 연속적인 루프로 실행할 수 있도록 지원합니다.

• 신호(Signal) - KPI 대비 변화를 실시간으로 감지하여 중요한 순간에 제시합니다.
• 결정(Decision) - 각 신호에 대해 에이전트가 추천하는 조치, 실행 가능한 대안, 예측된 영향 및 그 근거를 함께 제공합니다.
• 실행(Execution) - 클릭 한 번으로 선택한 옵션을 기록 시스템(systems of record)으로 전송하고 작업을 수행할 에이전트를 배치합니다.
• 결과(Outcome) - 모든 의사결정은 예측된 영향과 실제 실현된 영향의 비교, 차이, 다음 의사결정 개선을 위한 교훈 등의 결과를 다시 기록합니다.

경영진은 최종 권한을 유지하는 한편, 에이전트는 과거에 수많은 회의, 슬라이드, 후속 조치가 필요했던 신호 감지부터 비즈니스 결과 도출 사이의 실무 작업을 처리합니다. 이 루프는 지속적으로 실행되며, 모든 의사결정과 그 결과는 조직의 자체 데이터 평면 내 Decision Log에 함께 저장됩니다.

그림 2: FDE 아키텍처 레이어별 Decision Execution Platform

Decision Execution Platforms 작동 방식: 아키텍처

DEP는 기존 CSV 파일 위에 시각화 레이어를 얹는 것 이상의 역할을 해야 합니다. 데이터, AI, 애플리케이션, 에이전트, 운영 상태가 하나의 시스템으로 함께 작동하는 거버넌스 아키텍처가 필요합니다. DEP 스택은 세 개의 레이어로 구성되며, 각 레이어는 하위 레이어를 기반으로 구축되고 모두 Databricks 플랫폼에서 실행됩니다.

• 레이어 1 - Foundation - 고객의 자체 Databricks 인스턴스에 있는 개방적이고 거버넌스가 확보된 데이터 및 AI입니다. 고객은 데이터, 모델 및 IP를 그대로 보유합니다. Lakebase(실시간 트랜잭션 상태), Genie(자연어 액세스), Unity Catalog(거버넌스), Lakehouse(분석 데이터), Agent Bricks(에이전트 및 모델), MLflow(수명 주기) 등을 기반으로 구축됩니다. 읽어 들인 모든 신호, 내려진 모든 의사결정, 측정된 모든 결과가 하나의 거버넌스 평면에 존재합니다.
• 레이어 2 - Software Development Kit - Databricks FDE가 개발하고 유지 관리합니다. 모든 DEP를 구성하는 재사용 가능한 프리미티브로는 Genie Ontology(모든 신호, 결정, 결과의 유형화된 형태), Action Types(검토 및 되돌리기가 가능한 에이전트 동작), Decision Log(의도 대비 각 의사결정의 전체 체인), Scenarios(승인 전 경로 비교), Omnigent Agent Harness (이 모든 것을 연결) 등이 있습니다. 이러한 프리미티브는 실시간으로 상시 가동되는 실행 에이전트를 반복 가능한 범주로 전환합니다.
• 레이어 3 - Executive Surface - 각 고객을 위해 Databricks FDE가 개발한 제품화된 애플리케이션 레이어입니다. 각 고객의 데이터 및 운영 시스템에 맞게 구성된 산업별 아키타입(archetype)을 제공합니다. 보험, 헬스케어, 에너지, 금융 서비스, 리테일 등을 위한 아키타입이 제공됩니다. 각 아키타입은 레이어 2의 SDK와 레이어 1의 Foundation을 상속하므로, DEP는 고객을 위해 새로 구축되는 것이 아니라 고객에 맞게 구성됩니다.

이 세 가지 레이어는 단일 데이터 평면 내에서 신호 감지부터 결과 도출까지 경영진의 전체 의사결정 루프를 실행하는 거버넌스 스택을 형성합니다.

그림 3: Decision Execution Platform 구성 요소

사례 연구: 소비재

최근 저희 FDE 팀은 대형 스포츠 용품 리테일러가 결제 시 고객에게 제공하는 배송 기한과 모든 주문을 물리적으로 라우팅해야 하는 주문 처리 최적화 시스템 간의 격차를 해소할 수 있도록 지원했습니다.

이전에는 두 시스템이 서로 다른 데이터를 기준으로 작동했기 때문에, 기획자들은 매일 몇 시간씩 에이전트의 추천 사항과 실제 운영 상황을 대조해야 했습니다. 이로 인해 SLA가 깨지고 빠른 배송 비용이 급증했으며, 고객사의 자체 내부 추정에 따르면 이 단 하나의 격차로 인해 연간 9자리 수(수억 달러) 이상의 실적 손실이 발생하고 있었습니다.

4주에 걸쳐 저희는 고객사 팀과 함께 주문 처리 최적화를 위한 작동 가능한 DEP 인스턴스를 공동 개발했습니다. 이는 기능이나 산출물(outputs)이 아닌, 지정된 결과(outcome), KPI 및 OKR을 목표로 설계되었습니다.

DEP는 Unity Catalog에서 모델링된 통합 온톨로지(풀필먼트 노드, 운송업체, 합의된 배송 일정 포함)로 구성되었습니다. 정형화된 작업 유형(Typed Action Types)을 통해 기획자와 에이전트는 원시 쓰기 권한(raw write-access) 없이도 용량을 재조정하고, 제약 조건을 시뮬레이션하며, 결정을 실제 운영 풀필먼트 시스템에 다시 실행할 수 있습니다. 분석 컨텍스트, 시뮬레이션 엔진, 에이전트 런타임, 운영자 인터페이스는 모두 고객의 자체 Databricks 워크스페이스에서 실행되었습니다. 마이그레이션해야 할 멀티벤더 데이터 플레인이나 독점 온톨로지가 필요하지 않습니다.

첫 번째 DEP 배포의 확장 단계에 진입함에 따라, 이제 측정 가능한 수익성 개선 및 고객 만족도 향상이라는 성과를 향해 순조롭게 나아가고 있으며, 공급망 경영진에게 전체 루프에 걸친 엔드투엔드 의사 결정 권한을 부여하고 있습니다.

그림 4: 글로벌 유통업체를 위해 개발된 의사 결정 실행 플랫폼(Decision Execution Platform)

이것이 기업 의사 결정의 미래에 의미하는 바

수십 년 동안 분석 플랫폼은 기업이 더 나은 가시성을 확보할 수 있도록 도왔습니다. 이러한 작업은 여전히 중요하며, 리더들에게는 항상 신뢰할 수 있는 데이터, 명확한 지표, 그리고 강력한 대시보드가 필요합니다.

하지만 이제 새로운 영역으로 나아가고 있으며, 분석의 다음 단계는 데이터가 보여주는 바에 따라 행동하는 시스템을 구축하는 것입니다. 이러한 방향으로 나아가지 않는 기업은 많은 조직이 초기 분석을 다루었던 방식, 즉 프로세스 자체를 재설계하는 계기가 아니라 기존 프로세스의 부가 기능으로 AI를 취급할 위험이 있으며, 조직 관리 방식의 시대를 정의하는 획기적인 변화의 기회를 놓칠 수 있습니다.

의사 결정 실행 플랫폼(Decision Execution Platforms)은 이러한 변화를 위해 Databricks FDE가 정의하고 있는 새로운 카테고리입니다. 이제 질문은 단지 '비즈니스에서 무슨 일이 일어나고 있는가?'에 그치지 않습니다. 이제는 '우리는 무엇을 해야 하는가, 어떻게 실행할 것인가, 그리고 그것이 효과가 있었는가?'로 바뀝니다.

Databricks FDE의 의사 결정 실행 플랫폼이 귀사에 제공할 수 있는 가치에 대해 자세히 알아보고 데모를 요청하시려면 dep-fde@databricks.com으로 문의해 주세요.

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)