AI를 위한 시맨틱 활용: 메르세데스-벤츠 코리아가 신뢰할 수 있는 대규모 “Talk to Data”를 구축한 방법

“Talk to Data”는 여러 산업 분야에서 중요한 역량으로 빠르게 자리 잡고 있으며, 이를 엔터프라이즈급 품질로 제공하려면 강력한 시맨틱 기반이 필요합니다. AI가 복잡한 스키마, 보고서별 KPI 로직 또는 단절된 대시보드에서 추론하는 대신 명확하게 거버넌스가 적용된 비즈니스 로직을 활용할 때 답변의 신뢰성이 가장 높아집니다. 일관된 KPI 정의, 정렬된 비즈니스 로직, 잘 정의된 조인 및 집계는 경영진에게 필요한 설명 가능한 답변을 제공합니다.

메르세데스-벤츠 코리아와 Databricks는 이 문제를 함께 해결하고자 했습니다. 메르세데스-벤츠 코리아는 “Talk to Data”를 단순한 챗봇 프로젝트로 취급하는 대신, 엔터프라이즈 AI를 위한 거버넌스형 시맨틱 레이어로 기존 분석 기반을 확장했습니다. BI와 AI 모두를 지원할 수 있는 시맨틱을 구현하기 위해, 메르세데스-벤츠 코리아는 Power BI뿐만 아니라 Unity Catalog Business Semantics에서도 KPI 로직을 사용할 수 있도록 했습니다. Databricks Data Intelligence Platform에서 Metric Views, Genie, 및 Agent Bricks를 활용하여 메르세데스-벤츠 코리아는 데이터, 시맨틱, 에이전트형 AI(agentic AI)를 위한 통합 아키텍처를 시범 운영했습니다. 한국에서의 파일럿 프로젝트를 통해 얻은 교훈은 다른 메르세데스-벤츠 시장의 참고 자료가 될 수 있습니다.

메르세데스-벤츠 코리아의 “Talk to Data” 비전: BI 및 AI를 위한 통합 시맨틱

메르세데스-벤츠는 하이엔드 럭셔리 자동차 부문의 시장 리더로서, 데이터 기반의 시장 맞춤형 의사결정을 지속적인 우선순위로 삼는 글로벌 판매 네트워크를 운영하고 있습니다. “Talk to Data” 셀프 서비스 분석은 이러한 우선순위를 더욱 지원하기 위해 탐색 중인 역량 중 하나입니다.

메르세데스-벤츠 코리아는 성숙한 데이터 기반을 갖추고 있습니다. 시간이 흐르면서 메르세데스-벤츠 코리아는 Databricks의 Lakehouse 및 Unity Catalog에 골드 레이어 보고 데이터, 마스터 KPI 카탈로그, 공유 정의를 구축했습니다. 이 기반은 영업, 제품, 마케팅, 고객 서비스, 재무 등의 비즈니스 영역 전반에 걸쳐 500개 이상의 KPI를 아우르며, BI 보고, 자동화 및 기타 데이터 제품을 위한 단일 진실 공급원(single source of truth) 역할을 합니다. 이러한 기반을 바탕으로 메르세데스-벤츠 코리아는 “Talk to Data” 접근 방식을 시범 운영할 대상으로 선정되었습니다.

이와 동시에 메르세데스-벤츠 코리아의 비즈니스 시맨틱 중 상당 부분은 Power BI에 정의되어 있었습니다. AI 유스케이스를 준비하는 과정의 일환으로, 이러한 정의는 Lakehouse의 개방형 AI 지원 시맨틱 레이어로 보완되었습니다.

“Talk to Data”에 대한 메르세데스-벤츠 코리아의 더 넓은 비전은 일관된 비즈니스 정의 세트를 바탕으로 보고, 셀프 서비스 분석, AI 경험을 지원할 수 있는 엔터프라이즈 의사결정용 통합 AI 지원 거버넌스형 시맨틱 기반을 구축하는 것이었습니다. 이러한 비전에 따라 메르세데스-벤츠 코리아는 “Talk to Data”를 Power BI로부터의 마이그레이션으로 접근하지 않고, 세 가지 주요 목표를 추구했습니다:

• AI를 위한 일관된 컨텍스트: 비즈니스 로직과 KPI는 이미 보고용 Power BI의 DAX 언어와 AI가 사용할 준비가 된 Lakehouse의 정제된 실버 및 골드 테이블이라는 두 가지 레이어에 정의되어 있었습니다. 다음 단계는 BI 보고서의 시맨틱 컨텍스트를 Unity Catalog로 이동하여 Lakehouse의 기존 데이터 제품을 풍부하게 만드는 것입니다. 이를 통해 Genie 및 기타 AI 에이전트가 한 곳에서 모든 KPI 정의에 액세스할 수 있으므로, 예를 들어 “차량 클래스별 이번 달 누적(MTD) 총 소매 판매량은 얼마인가요?”와 같은 동일한 질문에 대해 여러 AI 경험에서 일관된 답변을 얻을 수 있습니다.
• 에이전트형 AI(agentic AI)로 진화하는 아키텍처: 메르세데스-벤츠 코리아는 데이터 엔지니어링 및 웨어하우징을 위한 Databricks와 시맨틱 모델링 및 보고를 위한 Power BI를 결합한 성숙한 BI 스택을 보유하고 있습니다. 이러한 진화의 다음 단계는 BI 보고서의 비즈니스 로직을 기반으로 통합된 AI 지원 시맨틱 레이어로 이를 확장하여, 다운스트림 BI 도구와 AI 에이전트가 동일하게 거버넌스가 적용된 KPI에서 작동할 수 있도록 하는 것입니다.
• 보고서 사용자에서 페르소나 기반 에이전트로: 기존 데이터 인프라의 일부로 테이블 및 보고서 수준에서 최종 사용자를 위한 거버넌스가 이미 마련되어 있었습니다. 다음 단계는 Unity Catalog의 페르소나 기반 액세스 제어와 페르소나 에이전트를 위한 오케스트레이션 규칙으로 해당 거버넌스를 확장하여, CFO 또는 영업 VP와 같은 역할이 기본 비즈니스 시맨틱을 변경하지 않고도 해당 도메인에 맞춤화된 에이전트 경험을 가질 수 있도록 하는 것입니다.

이러한 원칙을 따르면 향후 AI 및 BI 도구가 검증된 동일한 비즈니스 로직을 사용할 수 있다는 목표를 지원하게 됩니다. 이는 엔터프라이즈 용도에 필요한 일관성, 설명 가능성 및 답변 품질에 기여합니다.

데이터, 시맨틱 및 AI를 위한 통합 아키텍처

AI 지원 시맨틱을 구현하기 위해 메르세데스-벤츠 코리아는 Databricks Data Intelligence Platform에서 통합 아키텍처로 “Talk to Data”를 구현하여 대규모로 신뢰할 수 있는 AI를 지원했습니다.

이 솔루션은 서로 연동되는 다양한 Databricks 기능을 기반으로 합니다:

1. Lakeflow 및 Lakehouse는 다양한 소스 시스템에서 엔터프라이즈 데이터를 수집하고 이를 BI 및 AI 워크로드용으로 준비합니다.
2. Unity Catalog business semantics는 KPI의 단일 진실 공급원 역할을 하며, Power BI DAX 측정값을 메트릭 뷰로 변환합니다. 소스, 조인, 측정값, 차원, 주석 및 동의어가 모두 데이터와 함께 존재하며, 기본 테이블과 동일한 권한으로 관리됩니다.
3. Genie spaces를 통해 비즈니스 팀은 데이터와 “대화”할 수 있습니다. Genie spaces는 비즈니스 도메인별로 구성되며, 각 공간은 정제된 메트릭 뷰 세트로 지원됩니다. 메트릭 뷰의 KPI가 골드 레이어 데이터 바로 위에 정의되므로, Genie는 올바른 답변을 찾기 위해 짐작하거나 복잡한 조인을 수행할 필요가 없어 응답 속도와 정확성이 모두 향상됩니다.
4. Agent Bricks는 여러 Genie spaces 위에 페르소나 기반 에이전트를 구성하므로, CFO, 영업 VP, 마케팅 책임자가 각각 자신의 역할에 맞게 조정된 "Talk to Data" 경험을 얻을 수 있습니다.
5. Databricks Apps는 구성된 에이전트를 위해 맞춤형 프론트엔드, 외부 서비스 연결 및 기타 확장 기능을 제공하며, 메모리와 상태는 Lakebase에 저장됩니다.

이 파일럿 이전에는 보고 데이터가 Hive metastore에 저장되었으며, Power BI 보고서의 보고서 중심 시맨틱을 기반으로 하는 다른 AI 솔루션으로 “Talk to Data”를 탐색했습니다. 해당 구성에서는 BI 및 AI를 위한 시맨틱 컨텍스트가 여러 구성 요소에 분산되어 있어, AI 레이어가 사용자 및 워크로드 전반에서 일관되게 시맨틱을 캡처하기가 더 어려웠습니다. KPI에 대한 페르소나 기반 액세스 제어도 아직 제공되지 않았으며, 다른 AI 솔루션은 Unity Catalog의 거버넌스형 KPI 레이어에서 직접 작동하는 Genie보다 더 명시적인 가이드와 프롬프트 튜닝이 필요했습니다.

Databricks에서 이 아키텍처를 채택함으로써 비즈니스 사용자를 위한 간소화된 “Talk to Data” 경험의 기반이 마련되었습니다.

파일럿 가속화: 자동화된 DAX-to-Metric-View 트랜스파일러

Power BI DAX의 비즈니스 로직을 Unity Catalog 메트릭 뷰에서도 사용할 수 있도록 하는 것은 개방형 시맨틱 레이어를 구축하는 데 있어 중요한 단계였습니다. 메르세데스-벤츠 코리아에서 DAX로 정의된 KPI가 500개가 넘기 때문에 효율적이고 표준화된 접근 방식이 필요했습니다. 이를 지원하기 위해 Databricks는 메르세데스-벤츠 코리아 팀을 위한 자동화된 DAX-to-Metric-View 트랜스파일러를 구축했습니다.

이 트랜스파일러는 Power BI DAX 측정값을 배포 가능한 Databricks 메트릭 뷰로 변환하는 파이프라인으로 실행됩니다. 이 도구는 다음과 같은 작업을 수행합니다:

• Power BI 시맨틱 모델을 파싱하고 모든 DAX 측정값을 추출합니다.
• Power BI 시맨틱 모델에서 추출된 각 측정값에 대해 팩트 테이블, 차원 테이블, 조인 관계, 조인 키 등과 같은 메타데이터 카탈로그를 생성합니다.
• 각 측정값의 소스 테이블을 Unity Catalog의 해당 테이블에 매핑합니다.
• 초안 메트릭 뷰 정의(소스, 조인, 차원, 측정값)를 생성하여 DAX 시맨틱을 메트릭 뷰 측정값 및 메트릭 뷰를 생성하는 즉시 실행 가능한 SQL 문으로 변환합니다.
• 일반적으로 행 컨텍스트 조작과 같이 복잡한 DAX 전용 기능이 포함되어 있어 자동화할 수 없는 측정값을 수동 검토 대상으로 플래그 지정합니다.
• 메트릭 뷰를 컴파일하기 전에 구문 및 집계 로직을 검증합니다.

파이프라인이 완료되면 자동화할 수 없는 DAX 측정값 변환에 대한 변환 통계, 격차 및 개선 전략이 포함된 평가 보고서가 생성됩니다.

이 출력은 자동화 가능한 DAX 측정값에 바로 사용할 수 있는 메트릭 뷰를 제공하여 시맨틱 마이그레이션에 소요되는 수백 시간의 수작업을 줄여주는 강력한 출발점이 됩니다. 여기서부터 팀은 해당 Power BI 보고서와 비교하여 각 측정값을 검증하고, 자연어 입력에서 메트릭 뷰 정의를 미세 조정하고 최적화하는 Genie Code를 사용하여 반복 작업을 수행합니다.

이 트랜스파일러의 초기 성공을 확인한 후, Databricks는 이러한 기능을 Power BI 마이그레이션을 위한 새로운 Genie Code 기술에 통합했습니다. 현재 Private Preview 단계로 추가 도구 없이 Genie Code 내에서 직접 액세스할 수 있으며, Mercedes-Benz의 추가 배포를 지원합니다.

신뢰할 수 있는 AI 지원 시맨틱 구축

답변 품질은 Mercedes-Benz Korea의 “Talk to Data” 비즈니스 사용자들에게 가장 중요한 우선순위입니다. KPI를 메트릭 뷰로 Genie spaces에 온보딩하는 것은 핵심 단계이지만, 이것만으로는 에이전트형 AI(agentic AI)의 신뢰할 수 있는 답변을 보장하지 못합니다. 메트릭 뷰는 Genie의 응답이 검증되어야만 비로소 AI 지원 준비가 완료됩니다. Mercedes-Benz Korea의 내부 목표는 Genie의 답변을 해당 Power BI 보고서와 완전히 일치시키는 것, 즉 대상 범위 내의 모든 KPI에 대해 100% 일치하도록 하는 것입니다.

파일럿 기간 동안 Mercedes-Benz Korea와 Databricks는 에이전트 메타데이터 및 벤치마크 사용을 포함하여 메트릭 뷰 및 Genie spaces를 큐레이션, 통합 및 최적화하기 위한 모범 사례를 공동으로 문서화했습니다. 이러한 사례는 AI 지원 비즈니스 시맨틱을 지원하고 기업 데이터와 상호 작용하는 비즈니스 팀에 일관된 답변을 제공합니다.

파일럿 기간 동안 문서화된 반복적인 5단계 프로세스에 따라, Mercedes-Benz Korea는 비즈니스 사용자가 신뢰할 수 있는 AI 지원 비즈니스 시맨틱을 Databricks Data Intelligence Platform 위에 구축했습니다. Databricks는 또한 이 프로세스를 자동화하기 위한 App 솔루션을 개발 중이며, Mercedes-Benz는 이를 향후 추가 배포에 활용할 수 있습니다.

1단계: 준비. 온보딩할 KPI를 선택하고 각 KPI를 Unity Catalog의 소스 테이블에 매핑합니다. Power BI 시맨틱 마이그레이션의 경우, 관련 DAX 측정값 및 시맨틱 모델을 식별합니다. 이 단계에서는 범위와 단일 진실 공급원(source of truth)을 설정합니다.

2단계: 시맨틱 레이어 구축. 데이터 소스, 차원, 측정값, 주석 및 에이전트 메타데이터를 사용하여 Unity Catalog 메트릭 뷰를 생성합니다. 다음 KPI를 추가하기 전에 각 KPI를 개별적으로 검증합니다. 여러 팩트 테이블에 걸쳐 있는 KPI의 경우, 먼저 기본 뷰를 구축하고 그 위에 메트릭 뷰를 레이어링합니다. 항상 메트릭 뷰, 차원 및 측정값 수준에서 설명을 추가하세요. Genie는 이 세 가지를 모두 고려하여 추론합니다.

3단계: 보고서가 아닌 도메인별로 구성. 비즈니스 도메인(예: "마케팅")을 중심으로 Genie spaces를 구성하고, 하위 도메인 내의 KPI 그룹(예: "온라인 마케팅 전환 메트릭")을 중심으로 메트릭 뷰를 구성합니다. 각 Genie space를 30개의 Unity Catalog 항목으로 제한하고, 멀티 에이전트 시스템이 질문을 올바르게 라우팅할 수 있도록 항상 공간 설명을 포함하세요.

4단계: 점진적 테스트. 측정값을 점진적으로 온보딩합니다. 샘플 질문으로 각각을 검증합니다. 검증된 쿼리를 예시 SQL로 저장합니다. 그런 다음 벤치마크를 구축합니다. 즉, 답변 정확도를 체계적으로 측정하는 데 사용되는 실측 정보(ground-truth) SQL과 쌍을 이루는 각 질문의 다양한 표현 방식입니다. Genie가 사용자 언어를 실제 데이터 값에 매핑할 수 있도록 프롬프트 매칭을 켭니다.

5단계: 검증 및 출시. 변경 사항이 있을 때마다 회귀 테스트를 실행합니다. 이전에 통과했던 벤치마크가 실패하면 가장 최근에 추가된 항목이 원인일 가능성이 높습니다. 안정화되면 소규모 비즈니스 사용자 그룹에 배포하여 실제 피드백을 받습니다. 모니터(Monitor) 탭을 사용하여 모든 사용자 피드백을 한 곳에서 추적, 검토 및 해결하세요. 회귀 실패와 사용자 피드백 모두 4단계로 바로 피드백됩니다.

그 결과물은 AI 답변이 대상 범위 내의 모든 KPI에 대해 해당 BI 보고서와 일치하는 시맨틱 레이어가 되어, 비즈니스 사용자가 기대하는 신뢰성을 지원합니다.

단일 Genie space에서 거버넌스가 내장된 멀티 에이전트 시스템으로

단일 Genie space는 단일 도메인에 대한 질문에 답변할 수 있습니다. Mercedes-Benz 시장을 위한 실제 “Talk to Data” 경험은 영업, 제품, 마케팅, 고객 서비스, 재무 등을 아우르는 동시에, 각 페르소나가 역할과 권한에 따라 보는 내용을 맞춤화해야 합니다.

바로 이 부분에서 Agent Bricks가 활약합니다. Mercedes-Benz Korea가 배포한 아키텍처는 다음과 같습니다.

• 상위 감독 에이전트(supervisor agent)가 각 질문을 역할별 지침이 있는 페르소나 에이전트로 라우팅합니다.
• 페르소나 에이전트(예: “CFO”, "영업 관리자", "마케팅 분석가")는 관련 도메인 전반의 적절한 Genie spaces에서 인사이트를 통합하고, 질문에 답변할 올바른 범위의 메트릭 뷰를 선택합니다.
• Unity Catalog 거버넌스 정책은 행 및 열 수준의 액세스를 강제하므로, 지역 관리자는 자연어로 질문하더라도 자신의 역할이 허용하는 데이터만 볼 수 있습니다.
• 에이전트는 맞춤형 프론트엔드와 맞춤형 시각화, 에이전트 메모리, Lakebase의 트랜잭션 데이터베이스와 같은 확장된 기능을 갖춘 Databricks Apps를 통해 제공됩니다. 또한 이 앱을 사용하면 구성된 에이전트를 비즈니스 사용자가 이미 사용하는 도구 및 서비스와 통합할 수 있으므로, “Talk to Data”가 별도의 목적지가 아닌 일상적인 워크플로 내에 공존하게 됩니다.

메트릭 뷰가 Unity Catalog에 있으므로, 모든 Genie spaces, 에이전트 및 앱에서 개방적이고 재사용할 수 있습니다. 모든 답변은 완전히 제어(governed)되고 감사 가능하며, 소스 데이터까지 계보(lineage)가 추적됩니다. 이 멀티 에이전트 패턴은 다른 Mercedes-Benz 시장에 “Talk to Data”를 도입하기 위한 참조 모델 역할을 할 수 있습니다.

파일럿 확장: 글로벌 시장을 위한 반복 가능한 플레이북

한국은 아직 이 여정의 시작 단계에 있지만, 초기 결과는 고무적입니다. 현재 파일럿은 “Talk to Data”가 거버넌스가 적용된 시맨틱에 기반할 때, 비즈니스 사용자가 확립된 KPI 정의 및 기존 보고 로직과 일치하는 답변을 받을 수 있음을 보여줍니다. 이러한 결과를 바탕으로 Mercedes-Benz Korea는 다른 시장에서 재사용할 수 있는 플레이북을 문서화했습니다:

1. 글로벌 및 로컬 소스 시스템 모두의 시장 데이터를 Unity Catalog로 온보딩합니다.
2. 골드 레이어 보고 데이터를 큐레이션하기 위해 Lakeflow Spark 선언적 파이프라인(Declarative Pipelines)을 구축합니다.
3. 골드 레이어에서 데이터 품질 및 KPI 문서화를 수립합니다.
4. 초안 시맨틱 모델을 생성하기 위해 DAX-to-Metric-View 트랜스파일러를 실행합니다.
5. Mercedes-Benz 마스터 KPI 카탈로그와 비교하여 메트릭 뷰를 검증합니다.
6. 위의 5단계 프로세스를 사용하여 Genie spaces를 구축, 테스트 및 최적화합니다.
7. Genie 및 Unity Catalog 상에서 Agent Bricks를 사용하여 페르소나 에이전트를 배포합니다.
8. 사용자가 이미 작업하고 있는 곳이라면 어디든 Databricks Apps 또는 타사 도구에 맞춤형 에이전트를 임베드합니다.

플레이북을 채택하기로 선택한 시장은 아키텍처를 재사용하고 데이터, KPI, AI 에이전트 등 자신에게 로컬한 부분에 집중할 수 있습니다. Mercedes-Benz Korea는 Databricks와 함께 다른 Mercedes-Benz 시장의 참조 모델이 될 수 있도록 “Talk to Data” 파일럿의 학습 내용을 문서화하고 있습니다.

시작하기

• Mercedes-Benz Korea + Databricks의 Data + AI Summit 2026 세션에 참여하여 AI 지원 시맨틱을 위한 아키텍처와 플레이북을 자세히 살펴보세요.
• 통합된 시맨틱을 기반으로 신뢰할 수 있는 에이전트형 AI 구축을 시작하려면 Unity Catalog Business Semantics, Metric Views, Genie 및 Agent Bricks를 살펴보세요.

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