게임 관점을 통한 DAIS 2025 발표 요약

소개

올해 데이터 및 AI 서밋에 참석하셨길 바랍니다. 당신이 놓친 분들을 위해, 사용 가능한 녹음본은 몇 주 안에 게시될 예정입니다. 그 동안, 저는 게임에 적용되는 가장 흥미로운 공지사항 몇 가지를 공유하고 싶습니다.

레이크베이스

고객들이 말합니다: 행동 없는 통찰은 낭비된 노력입니다. 레이크베이스는 게임 개발자들에게 더 많은 행동을 촉진하려는 Lakehouse의 진화에서 중요한 단계입니다. 레이크베이스 이전에는 모든 Lakehouse 작업이 OLAP 성격이었습니다. 트랜잭션 시스템과 조회에 대한 지연 시간과 비용 제안이 잘 작동하지 않았습니다. 이로 인해 더 많은 정적 정보, 계산, 그리고 KPI가 거래 시스템에 사용되거나 중복된 노력이 발생했습니다.

레이크베이스는 게임 개발자들이 Lakehouse에서 파생된 인사이트를 쉽게 애플리케이션에 제공할 수 있게 합니다. 레이크베이스는 완전히 관리되는 Postgres 데이터베이스로, 사용자가 사용자 정의 ETL을 작성하거나 IAM이나 네트워킹을 설정할 필요 없이 Lakehouse에 통합되어 Delta 테이블을 자동으로 동기화합니다. 업데이트 가능 시, 여기에서 더 알아보세요.

사용 사례 예시

• 실시간 개인화: Lakehouse 파이프라인 및/또는 머신러닝 모델의 결과로 결정된 세그먼트, 제안 및 추천을 제공합니다.
• 이탈 방지: ML 모델, 통계적 경향성 및 전체 Lakehouse에서의 신호로 인해 이탈 위험이 있는 것으로 판단된 사용자의 목록을 유지합니다.
• 외부 사용자 통계: 게임 내 플레이어 경험에 대한 집계 정보를 제공하는 외부 웹사이트를 지원합니다. 예를 들어, 게임 전체의 킬 수, 현재 CCU, 복잡한 분석 리더보드 등이 포함됩니다.

AI/BI 지니 GA + 깊은 연구

AI/BI Genie, 우리의 대화형 분석 기능의 기반이 이제 일반적으로 사용 가능합니다. 이것은 Lakehouse에 대한 가장 흥미로운 새로운 기능 중 하나입니다. 이 도구를 사용하면 데이터와 대화를 나누고 보여지는 통찰력을 더 깊게 파악할 수 있습니다. ChatGPT를 생각해보세요. 하지만 공개적으로 사용 가능한 데이터를 사용하는 대신, 이 도구는 귀하의 비즈니스 데이터에 대한 질문에 답할 수 있습니다. AI/BI Genie를 통해 우리는 자체 서비스 분석을 현실로 만드는데 큰 진전을 이루었습니다.

DAIS에서 우리는 또한 솔루션의 다음 단계를 발표했습니다: Deep Research. AI/BI Genie Spaces는 “무슨 일이 일어났는가?”에 대한 답을 찾는 데 매우 유용합니다. Deep Research는 "왜 그런 일이 발생했는지?"에 대한 답을 도와줍니다. 지난 3일 동안 CCU 수가 지난 세 달에 비해 감소한 것을 상상해보세요. 무엇이 하락을 초래했나요? 어떤 요인이 그 변화에 기여했나요? 우리가 발견할 수 있는 추세는 무엇인가요? 그것이 바로 Deep Research가 제공하는 것입니다. 여기에서 더 알아보세요.

사용 사례 예시

• 수익/마케팅: KPI 또는 결과 뒤에 숨겨진 이유를 파악하기
• 게임 개발: 플레이어들이 어떻게 타이틀에 참여하고 있는가
• LiveOps: 빠르게 무슨 일이 일어나고 있는지 이해하고 변화하는 상황을 분석합니다

Databricks 앱

Databricks 앱은 비즈니스 사용자가 통찰력을 활용하고 빠르게 행동을 취할 수 있게 합니다. 분석의 많은 부분이 뉴스를 전달하는 데 초점을 맞추고 있으며, 우리에게 무엇이 일어났는지 알려줍니다. 레이크베이스가 외부 애플리케이션에게 Lakehouse의 통찰력과 AI/BI Genie를 활용할 수 있도록 행동을 가능하게 했고, Databricks Apps는 데이터 중심의 애플리케이션 생성을 가능하게 합니다.

Databricks 앱은 모든 크기의 게임 개발자에게 가치를 제공합니다. 작은 팀은 이를 통해 대화형 데이터 애플리케이션 및 RAG 스타일 챗봇의 빠른 생성 및 배포를 가능하게 할 것입니다. 대형 조직은 더 많은 ML 모델로부터 이익을 얻을 수 있도록 비즈니스 사용자를 지원하는 유연하고 공유 가능한 ML 인터페이스를 생성할 수 있습니다. 모든 조직은 데이터가 그들의 데이터를 전체적으로 안전하게 보호하는 동일한 권한에 의해 관리되고 있음을 알고 안심할 것입니다. 여기에서 더 알아보세요.

사용 사례 예시

• A/B 테스팅: 당신은 LiveOps 매니저이며, 개인화 프로젝트를 진행하고 있습니다. 대화형 분석은 특정 제안을 받고 싶은 다른 그룹을 파악하는 데 도움을 주었습니다. 이제 Databricks 앱을 사용하여 Lakehouse의 새로운 세그먼트 값을 분석하고 수정할 수 있으며, 이를 레이크베이스를 통해 플랫폼 서비스에 제공할 수 있습니다.
• RAG 지식 봇: RAG 챗봇 애플리케이션을 위한 간단하고 사용하기 쉬운 인터페이스를 만드세요. 예를 들어 개발 팀을 위한 모든 컨플루언스 문서를 가져오거나 현재의 전설을 서사와 게임 디자이너에게 공개하는 것입니다.
• 페르소나 중심의 데이터 애플리케이션: Lakehouse를 가장 잘 이해하는 데이터 개발자들이 비즈니스 사용자를 위한 애플리케이션을 빠르게 구축할 수 있도록 돕습니다. 예를 들어, Steam, X, Reddit 등에서 데이터를 수집하는 플레이어 피드백 분석 도구는 비구조화된 데이터에서 인사이트를 추출하고 감정을 점수화하며 커뮤니티 매니저가 보고된 문제를 확대하는 데 도움이 됩니다.

Agent Bricks

우리가 게임에서 만나는 거의 모든 사람들이 적어도 하나의 Agentic AI 시스템을 개발 중입니다. 이러한 프로젝트들은 종종 구현하기 너무 어렵거나 너무 일반적으로 가치를 제공하기 어렵습니다. Agent Bricks는 데이터셋에 뿌리를 둔 생산 준비가 된 AI 에이전트를 구축하는 데 도움이 됩니다. 이들은 소규모와 대규모 팀이 거버넌스와 확장성을 가진 GenAI 애플리케이션을 구축할 수 있도록 합니다.

작은 게임 개발자들에게는 GenAI / Agentic AI 시스템에 대한 경쟁력을 높여, 비용이나 품질에 최적화된 에이전트를 구축하고 사용 사례에 가장 적합한 모델을 선택할 수 있게 합니다. 또한, 귀하의 도메인(게임)에 뿌리를 둔 합성적이고 레이블이 붙은 데이터의 생성에 도움이 됩니다. 당신이 수행하고자 하는 작업을 지정하면 Agent Bricks가 에이전트를 생성, 최적화하고 지속적으로 개선해줍니다.

대형 게임 개발자의 경우, Agent Bricks는 힘의 배수로 작용할 것입니다. 에이전트를 더 빠르게 구축하고, 에이전트 플릿을 더 잘 관리하며, 비즈니스 사용자의 독특한 요구를 모두 충족시키는 맞춤형 에이전트를 제공합니다. 이것은 일반적인 에이전트를 만들 필요를 없애고, 데이터 팀에 부담을 주지 않고 개별 그룹에 가장 적합한 에이전트를 구축할 수 있게 해줍니다.

사용 사례 예시

• 사용자 연구, 채팅 및 피드백: 레이블이 없는 데이터를 필요로 하지 않는 정보 추출 에이전트를 사용하여 비구조화된 텍스트를 구조화된 필드로 변환합니다.
• 전설, IP 및 스타일 챗봇: 당신이 작성한 문서에 근거한 빠르고 정확한 답변을 지식 보조 에이전트를 통해 제공합니다.
• 복잡한 에이전트 워크플로우: 멀티 에이전트 슈퍼바이저를 사용하면 수동 노력을 줄이면서 더 높은 품질의 시스템을 만들 수 있습니다.

Lakeflow (디자이너)

개발자, 스튜디오, 출판사의 크기에 관계없이, 충분한 데이터 엔지니어링 자원이 없습니다. 데이터 엔지니어들은 종종 AdHoc 요청이나 기존 시스템의 지속적인 유지보수에 의해 과부하를 겪습니다. 우리의 Lakeflow 기능은 데이터 엔지니어링 노력을 단순화하여 새로운 프로젝트와 통찰력에 더 많은 시간을 할애할 수 있도록 돕습니다. 새로운 Lakeflow는 데이터 엔지니어링 생산성을 더욱 향상시키기 위해 수집, 선언적 SQL 파이프라인, Spark 워크플로우를 단일 인터페이스로 결합합니다.

이와 함께 우리는 Lakeflow Designer도 출시했습니다. 이러한 로우 코드 기능은 데이터 전문가들이 특정 비즈니스 요구 사항을 충족시키는 파이프라인을 구축할 수 있게 합니다.

사용 사례 예시

• 조기 개발 분석: 작은 게임 회사나 새 게임 개발 초기의 스튜디오의 경우, 이것은 게임 디자이너가 데이터 소스를 수집하고 초기 KPI를 개발하는 데 도움이 될 수 있습니다. 아마도 첫 데이터 엔지니어링 리더를 고용하기 전에요.
• 사업 부문별 특정 테이블: 큰 게임 회사의 경우, 마케팅과 같은 사업 부문에서 사용자 획득 방식이 계속 발전함에 따라 금, 또는 백금 테이블을 만들고자 할 수 있습니다. 이 모든 것이 UC에 의해 관리되므로, 다른 제3자 로우 코드 도구보다 시간이 지남에 따라 관리하기 쉽습니다.

Unity 카탈로그 업데이트

"Iceberg를 선택하려면 Databricks Unity Catalog와 함께 해야 합니다" - Ali Ghodsi

Unity 카탈로그는 Databricks와 외부 엔진 모두에서 관리 테이블에 대한 읽기와 쓰기를 지원합니다. Iceberg 테이블의 자동화된 테이블 최적화를 얻게 됩니다. 외부 엔진은 UC의 Iceberg REST 인터페이스를 통해 Iceberg 테이블을 읽고 쓸 수 있습니다. 하나의 데이터 카탈로그가 모든 요구 사항을 충족시킬 수 있습니다.

사용 사례 예시

• 데이터 공유 및 상호 운용성: 출판사와 스튜디오는 다양한 테이블 형식을 통해 데이터를 복제하거나 내보내지 않고 데이터를 안전하게 공유할 수 있습니다(예: 크로스-출판사 사기 예방, 공동 마케팅, 커뮤니티 안전 등).
• 클라우드 & 컴퓨트 엔진에 구애받지 않음: 개발자는 내부 또는 외부의 어떤 분석 또는 ML 엔진을 사용하여 단일 카탈로그에 의해 관리되는 동일한 테이블에 읽고 쓸 수 있습니다.
• 고성능 사용 사례: UC는 Iceberg 테이블을 자동으로 성능 향상시켜 게임 회사가 출시, 이벤트 또는 바이럴한 순간 동안 데이터 볼륨을 처리할 수 있게 합니다.
• 지속적인 유지 보수 감소: 플레이어 메트릭스부터 사기 탐지, 운영 대시보드까지 모든 사용 사례가 수동 튜닝 없이 성능을 유지하도록 보장합니다.

이것이 왜 중요한지, 그리고 다음에 해야 할 일을 안내합니다

연구 결과는 명확합니다: 게임 산업은 성장, 위험 관리, 효율성에서 측정 가능한 결과를 보여주는 전환점에 있습니다. 경쟁 차별화를 위한 창은 점점 좁아지고 있습니다—AI를 사업 전반에 조직화하는 기업들이 이미 시장을 앞서가고 있으며, 주저하는 기업들은 뒤처질 위험이 있습니다.

가능성을 확인하고 싶다면, Databricks 계정 담당자에게 연락하세요. 레이크베이스, Agent Apps, Unity Catalog Metrics와 같은 최신 기능을 활용하여 목표 달성 방안을 함께 모색할 수 있습니다. 최신 공지사항을 공유하고, 데이터 인텔리전스 데모를 시연하며, 귀하의 요구에 맞춘 맞춤 워크샵을 계획하기 위해 빠른 15분 전략 통화도 예약 가능합니다.

게임의 미래가 여기에 있습니다. 함께 만들어 봅시다.

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