이 게시물은 Databricks Data + AI Summit 2026의 “Agentic Analytics on Databricks Lakehouse” 세션을 바탕으로 Agentic AI 시대의 데이터 플랫폼 전략을 정리합니다.

Agentic Analytics 핵심 과제

• 정확성: Agent가 비즈니스 맥락 의미를 잘못 이해하면 잘못된 분석을 생성할 위험
• 거버넌스: Agent가 데이터·모델·Tool에 접근하므로 접근 범위와 사용 주체에 대한 통제 필요
• 확장성: Agent 수가 증가할 때 동시에 SQL 실행/조회가 늘어나 플랫폼 부하 대응이 중요

4계층 Agentic Analytics 아키텍처

• Compute: Lakehouse RT로 Agent 다중 환경에서 성능과 응답 시간을 최적화
• Governance: Unity AI Gateway로 모델·Tool 호출을 중앙 관문에서 추적 및 정책 적용
• Semantics: GenAI Ontology로 조직의 비즈니스 정의·규칙·컨텍스트를 학습해 Agent가 의미 기반으로 조회
• Agent Choice: 역할에 따라 Genie(비즈니스)와 Agent Bricks(개발/엔지니어) 등 다양한 에이전트를 선택

또한 Trace 기능을 통해 Agent의 도구 호출, 참조한 Ontology, 조회 데이터, 추론 과정을 중앙에서 기록해 설명가능성과 감사가능성을 강화하는 방향을 제시합니다.