Data + AI Summit 2026에서 소개되는 Genie Code의 새로운 기능

Genie Code는 데이터 및 ML 팀이 Databricks에서 시스템을 더 빠르게 구축하고 개선할 수 있도록 지원합니다. 지난 한 해 동안 Databricks의 Genie 제품군은 10배 이상 성장했으며, Databricks 고객의 90%가 이를 사용하고 있습니다. 여러 팀에서 이를 활용해 모델과 파이프라인을 구축하고, 오류를 디버깅하며, 대시보드를 생성하고, 노트북에서 데이터를 분석하며, 프로덕션 시스템을 개선하고 있습니다.

Data + AI Summit 2026에서 저희는 더 복잡하고 에이전트 기반의 데이터 및 ML 작업을 지원하기 위해 Genie Code를 확장합니다. 새로운 전체 페이지 명령 센터, 프로덕션 데이터 및 ML 엔지니어링을 위한 업그레이드, 그리고 예약된 작업 기능을 소개합니다.

이러한 업데이트는 AI 네이티브 데이터 및 ML 워크플로우를 향한 Databricks 전반의 광범위한 변화의 일환입니다. Genie Code는 데이터 팀이 데이터 및 ML 시스템을 구축, 디버깅 및 개선할 수 있도록 도우며, 저희는 에이전트 기반 자동화를 운영 영역까지 확장하기 위해 Genie ZeroOps를 출시했습니다. 이러한 제품들을 통해 팀은 시스템 구축부터 운영, 그리고 지속적인 개선에 이르기까지 전체 라이프사이클 전반에서 더 빠르게 움직일 수 있습니다.

새로운 기능은 다음과 같습니다:

전체 페이지 명령 센터에서 복잡한 작업 관리하기

데이터 및 ML 개발은 단 한 번의 프롬프트로 끝나는 경우가 거의 없습니다. 사용자는 기존 로직을 검사하고, 여러 자산을 업데이트하고, 코드를 실행하고, 출력을 검토하고, 결과에 따라 다음 단계를 세분화해야 할 수 있습니다. 이러한 작업은 노트북, SQL, Lakeflow 파이프라인, 대시보드, 작업(jobs), 모델, 서빙 엔드포인트 및 Unity Catalog 자산에 걸쳐 진행될 수 있습니다.

저희는 팀이 이러한 복잡한 데이터 및 ML 작업을 전담하여 처리할 수 있도록 전용 명령 센터를 제공하고자 Genie Code 경험을 재설계했습니다. 작은 사이드 패널에서 긴 작업을 관리하는 대신, 사용자는 전체 페이지 환경을 통해 작업을 설명하고, 진행 상황을 추적하고, 출력을 검토하며, 반복 작업을 계속 진행할 수 있습니다.

팀은 여러 Genie Code 스레드를 관리하고, 스레드가 실행 중이거나 입력을 대기 중인 상태를 확인하며, 새로운 결과가 준비되면 각 스레드로 돌아갈 수 있습니다. 스레드 이름을 변경하고, 이전 대화를 검색하며, 프로젝트가 진행됨에 따라 방향성을 잃지 않고 작업을 이어갈 수 있습니다.

Genie Code는 제 업무 방식을 완전히 바꾸어 놓았습니다. 저는 매일 서로 다른 노트북과 자산에 할당된 15개 이상의 병렬 스레드를 실행하는데, 여러 탭을 오가며 이 모든 것을 관리하는 것이 제 워크플로우에서 가장 큰 걸림돌 중 하나였습니다. 동시 세션을 지원하는 전체 페이지 Genie Code는 컨텍스트를 잃지 않고 모든 작업을 병렬로 실행할 수 있는 진정한 작업 공간을 제공할 것입니다.— Moritz Schiek, 솔루션 컨설턴트, Bosch

또한 명령 센터 덕분에 맞춤 설정을 더 쉽게 찾을 수 있습니다. 지침(instructions), 기술(skills), 커넥터가 더 잘 보이므로, 팀은 적절한 표준, 도구 및 작업 공간 지식을 활용해 Genie Code를 가이드할 수 있습니다.

전체 페이지 명령 센터에 접속하려면 Genie Code 사이드 패널을 열고 왼쪽 상단의 최대화 버튼을 클릭하세요.

ML 워크플로우에 에이전트 기반 개발 도입하기

ML 프로젝트에서 모델은 아주 작은 부분에 불과합니다. 대부분의 시간은 모델 주변의 엔지니어링 작업에 소요됩니다. 즉, 원시 데이터를 기능(feature)으로 변환하고, 실험을 실행하고, 후보 모델을 프로덕션에 배포하고, 실제 트래픽이 유입될 때 모델을 정상 상태로 유지하는 작업 등입니다. 이러한 작업은 느리고 비용이 많이 들기 때문에, 대부분의 팀이 실제 활용 사례에 비해 훨씬 적은 수의 모델만 운영하는 이유이기도 합니다.

머신러닝을 위한 Genie Code는 바로 이러한 엔지니어링 작업을 해결합니다. 이는 Genie Code에 내장된 기능 및 지능 업그레이드 세트이므로, 새로운 도구를 도입할 필요가 없습니다. 이미 사용 중인 동일한 에이전트가 기존 Databricks ML 스택 전반에서 프로덕션 ML 엔지니어링을 위한 전문가가 됩니다.

Genie Code의 전문성은 두 가지 원천에서 나옵니다. 첫 번째는 Databricks입니다. 저희는 10년 이상 고객과 함께 프로덕션 ML을 운영해 왔으며, 모델이 어디서 고장 나는지, 팀이 어디서 시간을 낭비하는지, 그리고 정상적으로 작동하는 모델과 겉보기에는 괜찮아 보이지만 경고 없이 실패하는 모델의 차이가 무엇인지 지켜보았습니다. Genie Code는 작업 시 이러한 교훈을 적용하여 클래스 불균형 보정 및 기능 품질 확인과 같이 숙련된 실무자가 처리할 만한 세부 사항을 직접 해결합니다.

두 번째는 여러분의 팀입니다. 일반적인 코딩 에이전트는 여러분의 과거 실험, 비즈니스 지표, 평가 세트 또는 여러 목표 간의 가중치를 어떻게 두는지 알지 못하므로 추측에 의존할 수밖에 없습니다. Genie Ontology가 이 격차를 해소합니다. 이는 여러분의 팀이 기능을 구축하고, 모델을 학습시키고, 후보를 평가하는 방식을 학습하며, Genie Code는 무관한 기본값으로 되돌아가는 대신 이러한 패턴을 따릅니다.

이 두 가지 지식을 모두 갖춘 Genie Code는 일상적인 모델 개발을 위한 더욱 강력한 파트너가 됩니다. 팀의 패턴에 맞춰 기능을 작성하고, 관련된 여러 파일에 걸쳐 조율된 편집을 수행하며, 코드를 실행 및 디버깅하고, 자체 평가 스크립트를 사용해 후보 모델을 비교합니다. 사용자는 진행 상황을 계속 파악하면서 어떤 것을 유지할지 결정하기만 하면 됩니다.

Genie Code는 이제 전체 Databricks ML 스택과 기본적으로 통합됩니다. 최신 업그레이드 내용은 다음과 같습니다:

• MLflow. Genie Code는 실행(runs), 아티팩트(artifacts), 모델 계보(lineage), 품질 지표 및 시스템 지표와 같은 실험 및 관측 가능성(observability) 데이터를 읽습니다. "학습 중 GPU 사용률을 높이려면 어떻게 해야 하나요?" 또는 "이 모델에 대해 어떤 다른 지표를 추적해야 하나요?"라고 질문하면 실제 실행 데이터를 기반으로 한 답변을 얻을 수 있습니다.
• Model Serving. Genie Code는 엔드포인트의 상태와 성능을 검사하고, 서빙 문제를 진단하며, 실행 중인 엔드포인트를 최적화하는 방법을 찾습니다.
• Compute awareness. Genie Code는 작업에 학습을 위한 GPU가 필요할 때 AI Runtime으로 전환하고, 작업 공간 환경 기능을 사용해 환경을 설정하므로 인프라 설정 단계를 건너뛸 수 있습니다.

그 결과, 일반적인 코딩 에이전트보다 실제 데이터 과학 작업을 훨씬 더 높은 빈도로 완료하는 에이전트가 탄생했습니다.

Genie Code 덕분에 저희는 90분 만에 원시 데이터에서 거버넌스가 적용된 프로덕션 지원 ML 워크플로우로 전환할 수 있었습니다. Databricks의 프로덕션 ML 워크플로우를 독보적으로 이해하고 있는 Genie Code 덕분에 Delta 테이블 생성, 데이터 탐색, 모델 학습 및 비교, MLflow 및 Unity Catalog 등록, 챔피언 모델의 서빙 엔드포인트 배포를 모두 지원받았으며, 가장 중요한 비즈니스 결과를 최적화할 시간적 여유까지 확보할 수 있었습니다.— Radu Dragusin, 수석 엔지니어, Data & AI, Danfoss

예약된 작업으로 Genie Code가 자율적으로 작동하도록 설정하기

지금까지 Genie Code는 주로 대화형이었습니다. 사용자가 질문하면 에이전트가 응답하고, 작업이 진행되는 동안 사용자가 계속 참여해야 했습니다. 예약된 작업은 이러한 방식을 바꿉니다.

곧 출시될 예약된 작업 기능을 사용하면 자리를 비웠을 때도 Genie Code가 대신 작업을 수행하고, 복귀했을 때 검토할 수 있도록 결과를 제공합니다. 예약된 작업은 프롬프트와 함께 시작되며, 선택적으로 노트북, 워크플로우 또는 대시보드와 같은 관련 자산을 포함할 수 있습니다. 작업이 실행되면 Genie Code는 결과가 담긴 스레드를 생성하며, 사용자는 이를 검토 및 보완하거나 대화형으로 작업을 계속 이어갈 수 있습니다.

예를 들어, 데이터 팀은 Genie Code에 야간 작업 결과 확인, 파이프라인 실행 요약, 대시보드 지표 변경 사항 설명, 주간 분석 준비, 팀 회의 전 모델 성능 검토 등을 요청할 수 있습니다. 사용자는 프롬프트를 수동으로 다시 실행하거나 작업이 진행되는 동안 활성 채팅 창을 유지할 필요가 없습니다.

예약된 작업은 Genie Code를 대화형 지원에서 자율적인 작업 수행으로 한 단계 더 발전시킵니다. 이를 통해 팀은 중요한 워크플로우를 계속 진행하는 동시에, 결과를 시각적으로 확인 및 검토하고 Databricks 컨텍스트를 기반으로 유지할 수 있습니다.

Genie ZeroOps는 이러한 접근 방식을 프로덕션 운영으로 확장합니다. 실시간 시스템을 모니터링하고, 문제를 조사하며, 팀이 검토하고 승인할 수 있도록 해결책을 준비합니다. ML 시스템의 경우 여기에는 모델 드리프트, 서빙 오류 및 업스트림 파이프라인 문제가 포함될 수 있습니다. 데이터 엔지니어링 시스템의 경우, 팀이 모니터링 및 진단을 넘어 복구 및 최적화 단계로 나아갈 수 있도록 지원합니다.

Genie Code 사용해 보기

Databricks 작업 공간이 있다면 이미 Genie Code를 사용할 수 있습니다. 지금 작업 공간에서 Genie Code를 열어 전체 페이지 환경을 경험해 보세요. Genie 제품군이 프로덕션 운영으로 어떻게 확장되는지 알아보려면 Genie ZeroOps 출시 블로그를 읽어보세요.

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