이 게시물은 Databricks Summit 2026 키노트의 Agentic Data 흐름을 통해 Agentic AI 시대 데이터 플랫폼 전략을 정리한 글입니다.

Agentic AI 도입 핵심

Agent가 신뢰할 수 있는 결과를 내기 위해 Context(비즈니스 용어·지표·프로세스·권한)와 Control(데이터 접근·모델 사용·행동 실행 통제)을 강조합니다.

실시간 실행 기반 확장

Lakehouse//RT로 Lakehouse를 분석 플랫폼에서 실행 기반으로 확장해 밀리초 수준 응답과 높은 동시성을 목표로 합니다. Lakebase는 apps and agents를 위한 Serverless Postgres로 자동 확장, scale to zero, branching, recovery 및 Cross-Cloud DR을 제공한다고 설명합니다.

Agent가 이해·운영하는 방식

Genie는 질의/인사이트 제공을 넘어 업무 자동화로 확장되는 AI Assistant로 소개되고, Genie Ontology는 기업 용어·지표·프로세스의 연결 구조를 제공한다고 정리합니다. Genie ZeroOps는 Job·Pipeline·Table·Model·App 모니터링 후 영향 파악과 조치 방향 제안을 통해 운영 자동화를 지향하고, Genie App Builder는 인증된 데이터와 권한 체계 안에서 데이터 기반 앱 제작·배포를 돕는다고 설명합니다.

개방형 멀티 에이전트 생태계

Omnigent는 멀티 Agent 실행·거버닝을 위한 구조, OpenSharing은 데이터·모델·에이전트·앱을 클라우드/벤더와 무관하게 공유하는 개방형 프로토콜을 제시합니다.

기업 준비 전략

실시간 데이터 기반화, 비즈니스 컨텍스트 구조화, 비용·보안·권한·모델 정책·감사 추적 중심의 거버넌스 설계를 핵심 과제로 제시합니다.