작성자: Catherine Brown (Arsalan Tavakoli-Shiraji 인터뷰) | 2026년 4월 29일 원문: https://www.databricks.com/blog/agents-are-ready-your-architecture-probably-isntDocumentation Index
Fetch the complete documentation index at: https://docs.sifi.life/llms.txt
Use this file to discover all available pages before exploring further.
참고 요약
- 활동과 가치 사이의 거리: 대부분의 조직은 AI 활동은 많지만 실제 비즈니스 임팩트는 제한적입니다. 성공하는 조직은 모델 선택이 아니라 아키텍처에서 차별화됩니다.
- 반복되는 세 가지 실패 패턴: 데이터 사일로, 거버넌스 공백, 그리고 분석용 인프라 위에 에이전트를 얹는 잘못된 토대.
- 에이전트가 행동을 취하면 거버넌스의 의미가 달라진다: 출력만 생성할 때는 품질 저하가 최악이지만, 에이전트가 메시지를 보내고 레코드를 갱신하기 시작하면 거버넌스는 선택이 아니라 필수가 됩니다.
이 글은 Databricks 공동 창업자 겸 Field Engineering SVP인 Arsalan Tavakoli-Shiraji와의 인터뷰입니다. 그는 왜 많은 기업이 “AI는 많이 하는데 실제로 가치는 안 나오는” 단계에 머물러 있는지, 그리고 그 격차의 원인이 어디에 있는지에 대한 관찰을 공유합니다.
AI 활동과 AI 가치 사이의 거리
대부분의 조직은 AI 이니셔티브를 어떤 형태로든 진행 중입니다. 하지만 실제 비즈니스 임팩트는 제한적입니다. Tavakoli-Shiraji는 기업을 세 부류로 나눕니다:- 실험하는 조직 — 다양한 모델과 프레임워크를 시험해보지만, 프로덕션으로 가는 길은 불명확
- 특정 작업을 자동화하는 조직 — 좁은 범위에서 가치를 창출하지만, 전사 차원의 변환에는 도달하지 못함
- AI를 염두에 두고 설계하는 소수의 조직 — 처음부터 결과(outcome)를 정의하고 거꾸로 작업
“성공하는 조직은 그들이 만들고자 하는 결과에서 시작해서, 거꾸로 일합니다.”
반복되는 세 가지 아키텍처 실패
문제는 모델이 아닙니다. 인프라입니다. 그는 세 가지 패턴을 반복적으로 발견합니다:1. 데이터 사일로
정보가 호환되지 않는 시스템에 흩어져 있고, 에이전트가 답하려면 여러 시스템을 가로질러 추론해야 하는 상황. 사일로 위에서는 어떤 똑똑한 에이전트도 완전한 답을 만들지 못합니다.2. 거버넌스 공백
에이전트의 권한과 행동에 대한 통제가 부족한 상태. “이 에이전트는 어떤 데이터에 접근해도 되는가? 어떤 행동을 실행해도 되는가? 누구를 대신해서?” 같은 질문에 답할 수 없는 시스템.3. 잘못된 토대
분석용으로 설계된 인프라 위에 에이전트 워크로드를 얹는 실수. 분석 시스템은 배치, 큰 쿼리, 낮은 동시성에 최적화되어 있습니다. 에이전트는 그 반대를 요구합니다.대시보드와 배치 파이프라인 — 구조적 부조화
Tavakoli-Shiraji는 전통적인 BI 도구가 에이전트와 잘못된 속도로 작동한다고 지적합니다.“대시보드는 만들어지고, 몇 번 보여지고, 그러고는 제가 ‘대시보드 무덤(Dashboard Graveyard)‘이라고 부르는 곳에 합류합니다.”배치 처리는 에이전트의 실시간 의사결정과 양립할 수 없는 지연을 도입합니다. 에이전트는 행동을 취해야 할 때, 어제의 데이터를 보면서 결정할 수 없습니다.
Lakebase — 에이전트를 위한 트랜잭션 데이터베이스
이 부조화를 해결하기 위해 Databricks는 Lakebase를 에이전틱 애플리케이션 전용 트랜잭션 데이터베이스로 자리매김했습니다. Lakebase는:- 높은 동시성과 낮은 지연 요구사항을 처리
- Postgres 호환으로 기존 애플리케이션과의 통합이 자연스러움
- Unity Catalog 거버넌스가 분석 데이터와 동일하게 적용
- Delta Lake와의 양방향 통합으로 분석/운영 경계를 매끄럽게 연결
에이전트가 “행동”하면 거버넌스의 의미가 바뀐다
매우 중요한 구분이 있습니다:- 시스템이 출력만 생성할 때: 품질 저하가 최악의 결과
- 에이전트가 행동을 실행할 때 (메시지 전송, 레코드 갱신, 결제 처리): 거버넌스는 필수
성공적인 배포로 가는 길
두 가지 원칙이 반복적으로 등장합니다:1. 기술 선택 전에 성공 지표를 정의하라
“우리는 GPT-4를 쓸 것이다”가 아니라 “우리는 X를 Y만큼 줄일 것이다”에서 시작합니다. 지표가 없으면 어느 모델, 어느 아키텍처가 적합한지 판단할 수 없습니다.2. 파일럿 팀을 레거시 제약에서 격리하라
기존 시스템과 프로세스의 무게에 짓눌리지 않은 별도 팀이 빠르게 반복할 수 있도록 합니다. 검증된 후 점진적으로 확산합니다.통합 시스템 아키텍처
성공하는 구현은 다음 계층을 통합합니다:| 계층 | 역할 | Databricks 구성 요소 |
|---|---|---|
| 거버넌스 분석 레이어 | 정형 데이터 추론 | Unity Catalog + Lakehouse |
| 트랜잭션 DB | 운영 상태 저장 | Lakebase |
| 에이전트 개발 플랫폼 | 에이전트 빌드·평가·배포 | Agent Bricks |
| 애플리케이션 레이어 | 사용자 워크플로우 | Databricks Apps |
| 대화형 인터페이스 | 비즈니스 사용자 진입점 | Genie |
핵심 메시지
근본 명제는 이것입니다: 기업은 기존 워크플로우 위에 단순히 AI를 얹는 것이 아니라, 그 아래의 프로세스 자체를 다시 생각해야 한다. Tavakoli-Shiraji는 2차 산업혁명의 비유를 듭니다. 공장이 증기를 전기로 바꾸면서도 동일한 평면 배치를 유지했을 때, 효율성 향상은 미미했습니다. 전기의 진정한 가치는 공장 설계 자체를 다시 했을 때 드러났습니다. 오늘날 많은 조직이 같은 위험에 직면해 있습니다.모델은 준비되었습니다. 도구도 준비되었습니다. 질문은 — 당신의 아키텍처는 준비되었습니까?