원문: Summary of DAIS 2025 Announcements Through the Lens of Games (2025-07-15)작성자: Huntting Buckley
올해 Data and AI Summit에 참석하셨기를 바랍니다. 참석하지 못하신 분들을 위해, 녹화 영상은 몇 주 안에 게시될 예정입니다. 그 사이에, 이번 행사에서 제가 가장 기대하는 몇 가지 발표와 이것들이 게임에 어떻게 적용되는지 공유하고 싶습니다.
Lakebase
고객들은 저희에게 이렇게 말합니다: 행동 없는 인사이트는 헛된 노력이라고. Lakebase는 게임 개발자들을 위해 더 많은 행동을 가능하게 한다는 점에서 레이크하우스 진화의 중요한 단계입니다. Lakebase 이전에는 모든 레이크하우스 워크로드가 본질적으로 OLAP이었습니다. 트랜잭션 시스템과 조회에는 지연 시간과 비용 측면에서 적합하지 않았습니다. 이로 인해 트랜잭션 시스템에는 더 정적인 정보, 계산, KPI가 사용되거나 중복 작업이 발생했습니다. Lakebase는 게임 개발자들이 레이크하우스에서 도출된 인사이트를 애플리케이션에 쉽게 제공할 수 있게 해줍니다. Lakebase는 레이크하우스에 통합된 완전 관리형 Postgres 데이터베이스로, 커스텀 ETL을 작성하거나 IAM 또는 네트워킹을 구성할 필요 없이 Delta 테이블을 자동으로 동기화합니다.활용 사례
- 실시간 개인화: 레이크하우스 파이프라인 및/또는 머신러닝 모델의 결과로 결정된 세그먼트, 오퍼, 추천을 서빙합니다.
- 이탈 방지: ML 모델, 통계적 성향 분석, 전체 레이크하우스에 걸친 시그널을 통해 이탈 위험으로 판단된 사용자 목록을 유지합니다.
- 외부 사용자 통계: 플레이어의 게임 경험에 대한 집계 정보를 제공하는 외부 웹사이트를 구동합니다. 게임 전체의 총 킬 수, 현재 동시 접속자 수(CCU), 복잡한 분석 기반 리더보드 등이 해당됩니다.
AI/BI Genie GA + Deep Research
대화형 분석 기능의 기반인 AI/BI Genie가 이제 정식 출시(GA)되었습니다. 이것은 레이크하우스의 가장 흥미로운 새로운 기능 중 하나입니다. 이 도구를 사용하면 데이터와 대화하고 보여지는 인사이트를 더 깊이 파헤칠 수 있습니다. 공개적으로 사용 가능한 데이터를 사용하는 ChatGPT를 생각해 보세요. 다만 이것은 여러분의 비즈니스 데이터에 대한 질문에 답할 수 있습니다. AI/BI Genie를 통해 우리는 셀프 서비스 분석을 현실로 만드는 데 큰 진전을 이루었습니다. DAIS에서는 이 솔루션의 다음 진화도 발표했습니다: Deep Research입니다. AI/BI Genie Spaces는 “무슨 일이 있었나?”라는 질문에 답하는 데 뛰어납니다. Deep Research는 “왜 그런 일이 일어났나?”라는 질문에 답하는 데 도움을 줍니다. 지난 3일간 CCU 수가 지난 3개월 대비 하락한 것을 보았다고 상상해 보세요. 무엇이 하락을 초래했나요? 어떤 요인이 그 변화에 기여했나요? 어떤 트렌드를 발견할 수 있나요? 그것이 바로 Deep Research가 제공하는 것입니다.활용 사례
- 수익/마케팅: KPI나 결과 뒤에 숨은 “왜”를 파헤치기
- 게임 개발: 플레이어가 타이틀에 어떻게 참여하고 있는지 파악
- LiveOps: 무슨 일이 일어나고 있는지 빠르게 이해하고 변화하는 상황 분석
Databricks Apps
Databricks Apps는 비즈니스 사용자가 인사이트에 참여하고 빠르게 행동을 취할 수 있게 해줍니다. 분석의 많은 부분은 뉴스를 전달하는 것, 즉 무슨 일이 있었는지 알려주는 데 초점을 맞추고 있습니다. Lakebase가 외부 애플리케이션이 레이크하우스 인사이트를 활용할 수 있게 하여 행동을 가능케 했고, AI/BI Genie가 최종 사용자가 레이크하우스에서 나오는 인사이트를 더 깊이 이해하고 참여할 수 있게 도왔다면, Databricks Apps는 데이터 중심 애플리케이션의 생성을 가능하게 합니다. Databricks Apps는 모든 규모의 게임 개발자에게 가치를 제공합니다. 소규모 팀은 대화형 데이터 애플리케이션과 RAG 스타일 챗봇을 빠르게 만들고 배포할 수 있어 혜택을 받을 것입니다. 대규모 조직은 유연하고 공유 가능한 ML 인터페이스를 만들어 비즈니스 사용자가 더 많은 ML 모델의 혜택을 받을 수 있게 할 것입니다. 모든 조직은 데이터가 전체 데이터를 안전하게 유지하는 것과 동일한 권한으로 거버넌스된다는 점에서 안심할 수 있습니다.활용 사례
- A/B 테스팅: 여러분이 LiveOps 매니저이고 개인화 프로젝트를 진행 중이라고 가정해 봅시다. 대화형 분석을 통해 특정 오퍼를 받을 다양한 그룹을 파악했습니다. 이제 Databricks App을 사용하여 새로운 세그먼트 값을 분석하고 레이크하우스에 다시 기록할 수 있습니다(그리고 Lakebase를 통해 플랫폼 서비스에 서빙할 수 있습니다).
- RAG 지식 봇: RAG 챗봇 애플리케이션을 위한 간단하고 사용하기 쉬운 인터페이스를 만듭니다. 예를 들어 개발팀을 위한 모든 Confluence 문서를 가져오는 것이나, 내러티브 및 게임 디자이너에게 현재 로어(lore)를 노출하는 것입니다.
- 페르소나 중심 데이터 애플리케이션: 레이크하우스를 가장 잘 이해하는 데이터 개발자가 비즈니스 사용자를 위한 애플리케이션을 빠르게 구축할 수 있게 합니다. 예를 들어, Steam, X, Reddit 등에서 데이터를 수집하고, 비정형 데이터에서 인사이트를 추출하고, 감성을 점수화하며, 커뮤니티 매니저가 보고된 이슈를 에스컬레이션할 수 있는 플레이어 피드백 분석 도구입니다.
Agent Bricks
우리가 게임 업계에서 대화하는 거의 모든 사람이 최소 하나의 에이전틱 AI 시스템을 개발 중입니다. 이러한 프로젝트는 구현하기에 너무 어렵거나 가치를 제공하기에는 너무 범용적인 경우가 많습니다. Agent Bricks는 여러분의 데이터셋에 기반한 프로덕션 레디 AI 에이전트 구축을 돕습니다. 소규모 및 대규모 팀 모두가 거버넌스와 확장성을 갖춘 GenAI 애플리케이션을 구축할 수 있게 해줍니다. 소규모 게임 개발자에게는 GenAI/에이전틱 AI 시스템의 경쟁 환경을 평준화합니다. 비용 또는 품질에 최적화된 에이전트를 구축하고 사용 사례에 맞는 올바른 모델을 선택할 수 있게 해줍니다. 또한 여러분의 도메인(게임)에 기반한 합성 라벨링 데이터 생성에도 도움을 줍니다. 수행하고 싶은 작업을 지정하면 Agent Bricks가 에이전트를 생성하고, 최적화하며, 지속적으로 개선합니다. 대규모 게임 개발자에게 Agent Bricks는 힘의 배가 역할을 합니다. 에이전트를 더 빠르게 구축하고, 에이전트 플릿을 더 잘 관리하며, 비즈니스 사용자의 모든 고유한 요구를 충족하는 맞춤형 에이전트를 제공합니다. 범용 에이전트를 만들 필요성을 없애고 데이터 팀에 과부하를 주지 않으면서 개별 그룹에 가장 적합한 에이전트를 구축할 수 있게 해줍니다.활용 사례
- 사용자 리서치, 채팅 및 피드백: 정보 추출 에이전트를 사용하여 라벨링된 데이터 없이도 비정형 텍스트를 구조화된 필드로 변환합니다.
- 로어, IP 및 스타일 챗봇: 게임의 로어, 스타일 선택 또는 IP 요구사항을 설명하기 위해 작성한 문서에 기반하여, Knowledge Assistant Agent를 통해 빠르고 정확한 답변을 전달합니다.
- 복잡한 에이전트 워크플로우: Supervisor Agent를 사용하여 수작업을 줄이면서 더 높은 품질의 시스템을 만들 수 있습니다.
Lakeflow (Designer)
개발사, 스튜디오, 퍼블리셔의 규모에 관계없이 데이터 엔지니어링 리소스는 항상 부족합니다. 데이터 엔지니어들은 종종 애드혹 요청에 시달리거나 기존 시스템의 지속적인 유지보수에 묶여 있습니다. Lakeflow 기능은 데이터 엔지니어링 작업을 단순화하여 새로운 프로젝트와 인사이트에 더 많은 시간을 쏟을 수 있게 하는 것을 목표로 합니다. 새로운 Lakeflow는 수집(ingestion), 선언적 SQL 파이프라인, Spark 워크플로우를 단일 인터페이스로 결합하여 데이터 엔지니어링 생산성을 더욱 향상시킵니다. 이와 함께 Lakeflow Designer도 출시했습니다. 이 로우코드 기능은 데이터 전문가들이 특정 비즈니스 요구사항에 맞는 파이프라인을 구축할 수 있게 해줍니다.활용 사례
- 초기 개발 분석: 소규모 게임 회사이거나 신작 개발 초기 단계의 스튜디오라면, 첫 번째 데이터 엔지니어링 리더를 채용하기 전에도 게임 디자이너가 데이터 소스 수집을 시작하고 초기 KPI를 만들 수 있습니다.
- 사업부별 전용 테이블: 대규모 게임 회사의 경우, 마케팅과 같은 사업부가 사용자 확보 접근 방식이 계속 진화함에 따라 일련의 골드 또는 플래티넘 테이블을 만드는 데 사용할 수 있습니다. UC에서 모두 관리되므로 다른 서드파티 로우코드 도구보다 시간이 지남에 따라 관리가 더 쉽습니다.
Unity Catalog 업데이트
“Iceberg를 사용할 거라면, Databricks Unity Catalog와 함께 하는 게 좋습니다.” — Ali GhodsiUnity Catalog는 Databricks와 외부 엔진 모두에서 관리형 테이블에 대한 읽기와 쓰기를 지원합니다. Iceberg 테이블의 자동 최적화를 제공합니다. 외부 엔진은 UC의 Iceberg REST 인터페이스를 통해 Iceberg 테이블을 읽고 쓸 수 있습니다. 하나의 데이터 카탈로그가 모든 요구를 충족할 수 있습니다.
활용 사례
- 데이터 공유 및 상호운용성: 퍼블리셔와 스튜디오가 다양한 테이블 포맷에 걸쳐 데이터를 복제하거나 내보내지 않고도 안전하게 데이터를 공유할 수 있습니다(예: 퍼블리셔 간 부정 행위 방지, 공동 마케팅, 커뮤니티 안전).
- 클라우드 및 컴퓨팅 엔진 무관: 개발자는 단일 카탈로그로 관리되는 동일한 테이블에 내부 또는 외부의 모든 분석 또는 ML 엔진을 사용하여 읽기와 쓰기를 할 수 있습니다.
- 고성능 사용 사례: UC가 Iceberg 테이블을 성능에 맞게 자동으로 튜닝하여, 게임 회사가 출시, 이벤트 또는 바이럴 순간의 급증하는 데이터 볼륨을 처리할 수 있게 합니다.
- 지속적인 유지보수 절감: 플레이어 지표부터 부정 행위 탐지, 운영 대시보드에 이르기까지 모든 사용 사례가 수동 튜닝 없이 성능을 유지하도록 보장합니다.