Agentic BI 제공: 인프라, 데이터, 의미 체계 통합 방법

데이터 팀을 이끄는 것이든 SQL 쿼리를 다시 작성하고 대시보드를 구축하는 것이든, AI는 조직이 데이터를 활용하는 방식을 근본적으로 변형하고 있습니다. 성공적인 AI 기반 비즈니스 인텔리전스, 또는 "Agentic BI"는 데이터 인텔리전스가 필요하며, 이는 AI가 회사의 데이터와 독특한 비즈니스 개념을 이해하여 진정으로 자기 충분성을 해제하고 생산성을 터보충전하는 것을 의미합니다.

결국, 이는 통합된 인프라, 데이터, 그리고 의미론이라는 세 가지 핵심 요소로 요약됩니다. 최근 웹세미나 AI 시대의 비즈니스 인텔리전스에서 Databricks 공동 창업자인 Reynold Xin과 다른 임원 및 고객들이 이러한 변화를 어떻게 받아들일 수 있는지를 설명했습니다. 다음은 세션에서 얻을 수 있는 주요 포인트입니다.

데이터와 AI 인프라는 통합이 필요합니다

BI는 수십 년 동안 존재해 왔습니다. 90년대 초반에 기업들이 처음으로 자신들의 데이터에서 가치를 창출하기 시작했습니다. 그 다음으로는 자체 서비스 데이터 탐색과 클라우드 기반 BI가 등장했습니다.

이제 Agentic BI가 더 큰 영향을 미칠 준비를 하고 있으며, 사람들이 AI 에이전트와 자연어로 대화하여 원하는 답변을 얻을 수 있게 되었습니다. 그런 능력을 제공하는 핵심은 시스템에 필요한 데이터에 접근할 수 있게 하는 것입니다. 그리고 그것은 인프라에서 시작됩니다.

지난 10년 동안, 기업들은 더 많은 BI 사용 사례를 위해 클라우드 데이터 웨어하우스를 사용해 왔습니다. 동시에, 데이터 레이크는 더 많은 머신 러닝, 데이터 과학 및 AI 작업을 지원하기 위해 비구조화된 데이터와 반구조화된 데이터를 사용하고 있습니다. 이러한 시스템 간에 데이터를 복사하는 것은 데이터 거버넌스의 악몽이 됩니다. 모든 데이터를 정확하고 최신으로 유지하는 것은 어렵습니다, 이로 인해 AI와 BI를 효과적으로 수행하는 것이 어렵습니다.

회사들은 통합된 데이터셋을 제공하기 위해 인프라를 통합해야 합니다. 그래서 우리는 데이터 레이크하우스를 발명했습니다, 이는 데이터 웨어하우스와 데이터 레이크의 최고의 부분을 결합한 구조입니다. 데이터 레이크하우스를 통한 통합 인프라만이 에이전트형 AI를 구동하는 유일한 방법입니다.

Agentic BI는 통합 데이터 플랫폼이 필요합니다.

AI는 대량의 데이터를 필요로 하며, 또한 많은 데이터를 생성할 것입니다. 오늘날, 에이전트들은 사람들과 상호작용하고 있습니다. 하지만 곧, 에이전트들이 에이전트들과 상호작용하게 되며, 이로 인해 더 많은 데이터가 생성될 것입니다.

AI 알고리즘이 이 모든 데이터에 접근할 필요가 있는 반면, BI 작업 부하는 더 작은 데이터 하위 집합에 더 빠른 접근을 요구합니다. 점점 더, 기업들은 두 가지 사용 사례를 모두 지원할 수 있는 규모로 통합 저장소를 통해 둘 다 관리할 수 있어야 합니다.

역사적으로, 이는 두 가지 다른 데이터 스택을 통해 이루어졌습니다. 하지만 데이터 레이크하우스 아키텍처를 기반으로 한 Databricks 데이터 인텔리전스 플랫폼 은 기업이 둘 다 처리할 수 있도록 하며, 모든 자산에 대한 통합된 거버넌스를 제공합니다.

통합되고 개방적인 의미론은 Agentic BI에 필수적입니다.

오늘날, 많은 비즈니스 인텔리전스 시스템들은 그들의 특정 플랫폼에 적합한 내장형, 독점적인 의미론 모델을 제공합니다. 하지만 기업들은 하나 이상의 BI 도구를 가지고 있거나, 심지어 하나의 BI 도구를 여러 번 배포할 수도 있습니다. 결과적으로, 의미론 계층은 BI 환경 전체에 걸쳐 파편화되어 있습니다.

기업들은 통합된 거버넌스를 지원하는 단일 의미론 계층이 필요합니다. 그것이 우리가 Unity Catalog를 구축하는 이유입니다. 그리고 그것이 개방적이며 우리의 데이터 인텔리전스 플랫폼에서 확장 가능하므로, 다른 BI 도구들은 의미론 계층을 접근하고 활용할 수 있습니다, AI 에이전트와 함께.

전체 웹세미나를 시청하여 실제 세계에서 기업들이 AI 기반 BI를 어떻게 활용하고 있는지 탐색해 보세요. 여기를 클릭하세요.

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