개요
Genie Space와 Genie Code는 이름이 비슷하지만 완전히 다른 역할 을 수행하는 별도의 Databricks 기능입니다. 같은 “Genie” 브랜드를 공유하기 때문에 혼동하기 쉽지만, 대상 사용자, 동작 방식, 활용 목적이 근본적으로 다릅니다. 이 페이지에서는 두 기능의 차이를 명확히 설명하고, 상황에 맞는 선택 가이드를 제공합니다.왜 두 가지 제품이 존재하는가
Databricks가 Genie를 두 가지 별도 제품(Space와 Code)으로 제공하는 이유는 사용자 페르소나가 근본적으로 다르기 때문입니다:- Genie Space: “데이터에 대해 질문하는 사람” — 비즈니스 사용자, 경영진, 도메인 전문가. 이들은 SQL이나 Python을 모르지만, 데이터에 기반한 의사결정을 해야 합니다. Genie Space는 이들에게 자연어로 데이터에 접근하는 창구 를 제공합니다.
- Genie Code: “데이터를 가공하는 사람” — 데이터 엔지니어, 사이언티스트, 분석가. 이들은 코드를 작성할 수 있지만, 반복적인 코딩 작업을 AI에게 위임하여 생산성을 높이고 싶습니다. Genie Code는 코딩 작업의 AI 파트너 입니다.
한눈에 보는 핵심 차이
한 문장으로 요약하면:- Genie Space= “비기술 사용자가 자연어로 데이터에 질문하는 전용 공간”
- Genie Code= “기술 사용자의 코딩 작업을 AI가 가속하는 내장 어시스턴트”
상세 비교표
| 비교 항목 | Genie Space | Genie Code |
|---|---|---|
| 대상 사용자 | 비즈니스 사용자, 비기술 인력 | 데이터 엔지니어, 사이언티스트, 분석가 |
| 주요 목적 | 자연어 데이터 질의 | AI 기반 코딩 지원 및 자동화 |
| 인터페이스 | 전용 채팅 공간 (독립 페이지) | 워크스페이스 전체에 내장된 사이드 패널 |
| 입력 방식 | 자연어 질문 | 자연어 + 코드 + Slash 명령어 + @ 참조 |
| 출력 | SQL 결과 테이블, 시각화, 요약 텍스트 | 코드 (Python/SQL/Scala), 노트북 셀, 대시보드, 파이프라인 |
| 사전 설정 | 필수 (테이블, 인스트럭션, 메타데이터 구성) | 불필요 (Unity Catalog 자동 참조) |
| 도메인 특화 | 도메인별 Space를 별도 구성 | 범용 (워크스페이스 전체 데이터 접근) |
| 거버넌스 | Space 단위 권한 관리 (CAN VIEW~CAN MANAGE) | 워크스페이스 및 Unity Catalog 권한 |
| 컴퓨팅 | SQL Warehouse | 노트북 클러스터, SQL Warehouse, 작업 컴퓨팅 |
| Agent Mode | 다단계 연구 분석, PDF 보고서 생성 | 다단계 워크플로 자동화, 코드 생성/실행/디버깅 |
| MCP 연동 | 미지원 | 지원 (외부 도구 연동) |
| 인라인 코드 제안 | 미지원 | 지원 (Python, SQL 자동완성) |
| 벤치마크/모니터링 | 내장 벤치마크, 모니터링 탭 | 미지원 |
| 피드백 메커니즘 | Yes/Fix it/Request review | Useful/Not useful |
| 적합한 질문 예시 | ”지난 달 매출은 얼마야?" | "ETL 파이프라인을 만들어줘” |
언제 무엇을 사용할까?
Genie Space를 사용하세요
| 시나리오 | 이유 |
|---|---|
| 비기술 사용자가 데이터에 접근해야 할 때 | SQL 지식 없이 자연어로 질문 가능 |
| 반복적인 비즈니스 질의를 셀프서비스로 제공할 때 | 인스트럭션으로 도메인 로직을 사전 정의 |
| 도메인 특화된 데이터 질의 환경이 필요할 때 | 테이블, 용어, 규칙을 Space 단위로 관리 |
| SQL을 모르는 팀원도 데이터 분석을 해야 할 때 | 자연어 → SQL 자동 변환 |
| 데이터 접근에 대한 관리/감사가 필요할 때 | 모니터링 탭에서 모든 질문/응답 추적 |
| 표준화된 비즈니스 지표를 보장해야 할 때 | SQL Expression으로 공식 지표 정의 |
Genie Code를 사용하세요
| 시나리오 | 이유 |
|---|---|
| 복잡한 데이터 파이프라인을 구축할 때 | Lakeflow Pipeline 코드 자동 생성 |
| ML 모델을 학습하고 배포할 때 | 전체 ML 워크플로 자동화 (Agent 모드) |
| 대시보드를 생성하고 관리할 때 | SQL 작성부터 시각화까지 한 번에 |
| 코드 디버깅과 최적화가 필요할 때 | Diagnose Error, /fix, /optimize |
| GenAI 애플리케이션을 개발할 때 | MLflow Tracing 분석, RAG 체인 디버깅 |
| 탐색적 데이터 분석(EDA)을 할 때 | Agent 모드가 자동으로 분석 수행 |
| 기존 코드를 리팩토링해야 할 때 | 코드 설명, 최적화, 테스트 생성 |
심층 비교: 기술적 차이점
표면적인 기능 비교를 넘어, 두 제품의 기술적 동작 방식 차이를 이해하면 더 적절한 선택을 할 수 있습니다:LLM 프롬프트 구성 방식의 차이
| 측면 | Genie Space | Genie Code |
|---|---|---|
| 컨텍스트 소스 | Space에 등록된 테이블 + 인스트럭션 + 벤치마크 Q&A | 현재 노트북의 모든 셀 + @ 참조 테이블 + Custom Instructions |
| 도메인 지식 | 관리자가 사전 정의한 비즈니스 규칙, 용어 정의, SQL Expression | Unity Catalog 메타데이터 (스키마, 설명, 태그) |
| 출력 제어 | 항상 SQL → SQL Warehouse 실행 → 결과 테이블/시각화 | 자유 형식 (Python, SQL, Scala, 텍스트 설명 등) |
| 응답 검증 | 벤치마크 기반 자동 품질 검증 가능 | 코드 실행 결과로 검증 (Agent 모드) |
Agent 모드 동작 방식의 차이
Genie Space와 Genie Code 모두 Agent 모드를 지원하지만, Agent의 역할과 능력 이 다릅니다:| 측면 | Genie Space Agent | Genie Code Agent |
|---|---|---|
| 주요 역할 | 다단계 연구 분석, PDF 보고서 생성 | 다단계 코드 생성/실행/디버깅 |
| 실행 환경 | SQL Warehouse (SQL만 실행) | 노트북 클러스터 (Python, SQL, Scala 등) |
| 출력물 | 분석 결과 텍스트, 시각화, PDF 보고서 | 노트북 셀, 대시보드, 파이프라인 코드 |
| MCP 연동 | 불가 | 가능 — 외부 도구 호출 |
| 코드 수정 능력 | 없음 (SQL 쿼리만 생성) | 있음 — 오류 시 자동 수정 후 재실행 |
비용 모델의 차이
| 비용 항목 | Genie Space | Genie Code |
|---|---|---|
| AI 추론 비용 | Serverless AI 토큰 비용 | Serverless AI 토큰 비용 |
| 컴퓨팅 비용 | SQL Warehouse (Pro 또는 Serverless) | 연결된 클러스터 또는 SQL Warehouse |
| 관리 비용 | Space 구성, 인스트럭션 유지보수, 벤치마크 관리 | 최소 (Custom Instructions 정도) |
| 스케일링 | 사용자 수에 비례 (각 질문마다 SQL Warehouse 실행) | 기술 사용자 수에 비례 |
거버넌스 모델의 차이
Genie Space는 이중 권한 레이어(Space 권한 + Unity Catalog 권한)로 데이터 접근을 제어합니다. 관리자가 Space에 특정 테이블만 추가하면, 사용자는 그 테이블에만 질문할 수 있습니다. 반면 Genie Code는 Unity Catalog 권한만 으로 접근을 제어합니다. 사용자의 UC 권한 범위 내에서 모든 데이터에 접근할 수 있으므로, 기술 사용자에게 적합한 유연성을 제공합니다.주의 보안 관점에서, 비기술 사용자에게 Genie Code를 제공하면 의도치 않은 데이터 접근 이 발생할 수 있습니다. 비기술 사용자에게는 반드시 Genie Space를 통해 관리된 환경에서 데이터에 접근하도록 하세요.
응답 품질 관리 방식의 차이
두 제품에서 AI 응답의 품질을 관리하는 방법도 근본적으로 다릅니다:| 품질 관리 | Genie Space | Genie Code |
|---|---|---|
| 사전 검증 | 벤치마크(Q&A 세트)로 정확도 사전 테스트 | 없음 — 코드 실행 결과로 판단 |
| 오답 대응 | ”Fix it” 버튼으로 SQL 수정 → 벤치마크에 추가 | 프롬프트를 수정하여 다시 요청 |
| 모니터링 | 모니터링 탭에서 모든 질문/응답 추적 가능 | 대화 히스토리에서 개인별 확인 |
| 개선 루프 | 잘못된 응답 → 인스트럭션 보강 → 벤치마크 재검증 | 잘못된 응답 → Custom Instructions 수정 |
| 관리 주체 | 도메인 전문가/관리자 | 각 사용자 개인 |
시나리오별 의사결정 가이드
아래 질문으로 어떤 도구를 사용할지 빠르게 결정할 수 있습니다:| 질문 | Yes → | No → |
|---|---|---|
| 사용자가 SQL/Python을 모르는가? | Genie Space | 다음 질문으로 |
| 코드를 직접 작성/수정해야 하는가? | Genie Code | 다음 질문으로 |
| 도메인별 표준 지표/용어 관리가 필요한가? | Genie Space | 다음 질문으로 |
| 다단계 워크플로(ETL, ML, 배포)를 자동화해야 하는가? | Genie Code | 다음 질문으로 |
| 비기술 팀원에게 데이터 셀프서비스를 제공해야 하는가? | Genie Space | 다음 질문으로 |
| 외부 도구(MCP)와 연동해야 하는가? | Genie Code | 어느 쪽이든 가능 |
참고 대부분의 데이터 팀에서는 두 도구를 함께 사용 합니다. 기술 팀은 Genie Code로 개발하고, 비즈니스 팀에게는 Genie Space로 데이터 접근을 제공하는 패턴이 일반적입니다.
함께 사용하는 패턴
Genie Space와 Genie Code는 경쟁 관계가 아니라 보완 관계 입니다. 아래는 두 도구를 함께 활용하는 대표적인 패턴입니다.패턴 1: 개발은 Genie Code, 제공은 Genie Space
패턴 2: Genie Space 피드백 → Genie Code 개선
패턴 3: Genie Code로 프로토타입 → Genie Space로 프로덕션화
팁 Genie Code로 데이터 분석 뷰를 만들고, 그 뷰를 Genie Space에 추가하면 비즈니스 사용자도 복잡한 분석 결과를 자연어로 조회 할 수 있습니다. 이 패턴이 가장 많은 가치를 창출합니다.
조합 사용 전략: 조직 규모별 권장
조직의 규모와 데이터 팀 구성에 따라 최적의 조합 전략이 다릅니다:소규모 팀 (데이터 담당 1-3명)
- Genie Code 중심: 소규모 팀에서는 기술 인력이 직접 분석도 수행하므로, Genie Code를 주력으로 사용합니다.
- Genie Space는 선택적: 경영진이나 비기술 팀원이 자주 데이터를 요청하는 경우에만 핵심 KPI용 Space를 1-2개 만듭니다.
- 핵심 가치: 한 명의 엔지니어가 Genie Code로 2-3배 생산성을 발휘하는 것이 가장 큰 ROI.
중규모 팀 (데이터 담당 5-15명)
- 역할 분담: 데이터 엔지니어는 Genie Code로 파이프라인 구축, 분석가는 Genie Code로 EDA 및 대시보드 생성, 비즈니스 팀은 Genie Space로 셀프서비스 분석.
- Genie Space 도메인별 구성: 영업, 마케팅, 재무 등 도메인별로 별도 Space를 구성하고, 각 도메인 전문가가 인스트럭션을 관리합니다.
- 핵심 가치: 기술 팀이 반복적인 데이터 요청에서 해방되어 고부가가치 작업에 집중.
대규모 팀 (데이터 담당 15명+)
- 플랫폼 관점: Genie Space를 조직 전체의 데이터 접근 표준 채널로 정립합니다. 모든 비기술 사용자는 Genie Space를 통해 데이터에 접근하며, 모니터링 탭으로 사용 현황을 추적합니다.
- Genie Code + MCP: 기술 팀은 Genie Code에 MCP를 연동하여 Slack/JIRA/GitHub 등 외부 도구와 통합된 워크플로를 구축합니다.
- 거버넌스 강화: Genie Space의 모니터링과 벤치마크 기능을 활용하여 데이터 질의 품질을 지속적으로 관리합니다.
- 핵심 가치: 조직 전체의 데이터 민주화(Data Democratization) + 기술 팀의 고도화된 자동화.
참고 어떤 규모든 시작은 작게 하세요. Genie Code를 먼저 도입하여 기술 팀의 생산성을 검증한 후, 비기술 사용자를 위해 Genie Space를 점진적으로 확장하는 것이 가장 성공률이 높은 도입 전략입니다.
자주 묻는 질문 (FAQ)
| 질문 | 답변 |
|---|---|
| Genie Space와 Genie Code를 동시에 사용할 수 있나요? | 네. 같은 워크스페이스에서 두 도구를 동시에 사용할 수 있습니다. 데이터 엔지니어는 Genie Code, 비즈니스 사용자는 Genie Space를 사용하는 것이 일반적입니다. |
| Genie Space에서 분석한 결과를 Genie Code에서 이어서 작업할 수 있나요? | 직접적인 연동은 없지만, Genie Space에서 생성된 SQL을 Notebook에 복사한 뒤 Genie Code로 확장할 수 있습니다. |
| Genie Code의 Agent 모드가 Genie Space를 대체할 수 있나요? | 기술 사용자에게는 대체 가능합니다. 하지만 비기술 사용자에게는 Genie Space의 관리된 환경(인스트럭션, 벤치마크, 모니터링)이 필수적입니다. |
| 비용 차이는 어떤가요? | 두 제품 모두 AI 추론 토큰 비용이 발생합니다. Genie Space는 SQL Warehouse 비용, Genie Code는 클러스터 비용이 추가됩니다. 사용 패턴에 따라 다르지만, 대체로 비슷한 수준입니다. |
| 어떤 것을 먼저 도입해야 하나요? | 기술 팀이 있다면 Genie Code 먼저 도입하세요. 비기술 사용자의 셀프서비스 분석이 시급하다면 Genie Space 먼저 도입하세요. |