수십 년 동안 엔터프라이즈 분석은 모든 단계를 사람이 주도하는 방식에 의존해 왔습니다. 이후 대시보드는 무슨 일이 일어났는지 보여주기 시작했고, 생성형 AI는 이를 요약하고 설명하는 일을 더 쉽게 만들었습니다. 이제 다음 변화는 에이전틱 분석입니다. AI 에이전트는 검토할 데이터를 스스로 결정하고, 각 결과에서 학습하며, 답을 제시하거나 승인된 조치를 수행할 수 있을 때까지 다음 단계를 선택하면서 비즈니스 질문을 조사합니다.
고객 이탈 증가 원인을 조사하는 팀을 예로 들어보겠습니다. 에이전트는 고객 세그먼트를 비교하고, 제품 사용 방식의 변화를 살펴보며, 영향을 받은 계정의 지원 이슈를 조사할 수 있습니다. 어떤 설명이 타당하지 않다면 다른 가능성을 추적할 수 있습니다. 그런 다음 발견한 내용과 권장 대응 방안을 고객 유지 워크플로우로 전달할 수 있습니다. 팀은 모든 쿼리를 직접 지시하는 대신 조사 자체를 에이전트에 위임합니다.
이는 데이터 플랫폼이 제공해야 할 역량을 바꿉니다. 에이전트는 어떤 소스와 비즈니스 정의를 신뢰해야 하는지 알아야 합니다. 각 발견은 다른 쿼리로 이어질 수 있으므로, 분석 실행 환경은 경로를 미리 알 수 없는 조사를 지원해야 합니다. 데이터 액세스와 조치에 허용된 범위는 전 과정에서 준수되어야 합니다.
Snowflake는 엔터프라이즈 데이터가 존재하는 위치에서 이러한 요구 사항을 하나로 연결합니다. 조사를 안내하는 비즈니스 컨텍스트, 변화하는 워크로드를 지원하는 쿼리 최적화 및 컴퓨팅 옵션, 결과를 비즈니스 워크플로우로 전달하는 거버넌스 기반 인터페이스를 제공합니다. 이러한 기반은 Snowflake에서 구축된 에이전트는 물론 다른 플랫폼에서 연결된 에이전트도 지원합니다.
대부분의 기업이 선택할 복수의 에이전트 플랫폼
영업, 재무, 엔지니어링, 지원 팀은 각기 다른 어시스턴트와 자동화 프레임워크를 도입할 수 있습니다.
모든 에이전트를 하나의 애플리케이션 스택 안에 두도록 요구하면 선택의 폭이 제한되고, 불필요한 데이터 이동으로 이어지는 경우가 많습니다. 더 지속 가능한 접근 방식은 비즈니스 컨텍스트, 분석 실행, 거버넌스를 데이터 가까이에 두면서도 상호 운용 가능한 인터페이스를 통해 활용할 수 있게 하는 것입니다.
Model Context Protocol(MCP), 시맨틱 뷰, SQL 오브젝트를 포함한 표준과 거버넌스 기반 인터페이스를 활용하면, 권한이 부여된 에이전트가 신뢰할 수 있는 컨텍스트를 발견하고 엔터프라이즈 데이터를 모든 AI 플랫폼에 복제하지 않고도 분석할 수 있습니다.
거버넌스가 적용된 Snowflake 플랫폼의 핵심 요소
Snowflake의 에이전틱 분석 접근 방식은 다음 세 가지 플랫폼 핵심 요소를 기반으로 합니다. 바로 근거 설정(Ground), 분석(Analyze) 및 실행(Act)입니다. 에이전트는 신뢰할 수 있는 비즈니스 컨텍스트에 근거해 작업하고, 기계의 처리 속도로 데이터를 분석하며, 승인된 의사 결정에 따라 행동할 수 있어야 합니다. 이 세 가지 요소 전반에 적용되는 거버넌스를 Assure라고 부릅니다. 여기에서 Snowflake의 제어 기능은 데이터 액세스를 관리하고, 에이전트의 지출 한도를 설정하며, 에이전트가 실행하는 쿼리와 데이터 액세스를 기록합니다. 에이전트가 질문에 답하는 수준을 넘어 조치를 시작하게 되면, 하나의 실수가 비즈니스 프로세스와 그 프로세스가 지원하는 고객에게까지 영향을 미칠 수 있습니다. 따라서 데이터 액세스 제어는 비즈니스 워크플로우에 구성된 권한 및 승인 규칙과 함께 작동해야 합니다. Snowflake에서 구축된 에이전트든 다른 플랫폼에서 연결된 에이전트든, 데이터에 액세스할 때는 해당 데이터에 설정된 Snowflake의 제어가 적용됩니다. 각 핵심 요소는 아래와 같은 방식으로 이를 지원합니다.
1. 근거 설정(Ground): 기계가 읽을 수 있는 비즈니스 컨텍스트 제공
에이전트는 테이블에 액세스할 수는 있지만, 그 숫자가 무엇을 의미하는지, 비즈니스가 매출을 어떻게 정의하는지, 데이터가 최신 상태이며 신뢰할 수 있는지는 알지 못할 수 있습니다.
에이전틱 분석 플랫폼에는 데이터 최신성과 품질에 대한 정보와 함께 비즈니스 엔터티, 관계, 메트릭에 대한 신뢰할 수 있는 기준 정의가 필요합니다. Snowflake는 Snowflake Horizon Context, 시맨틱 뷰, Snowflake Cortex Search를 통해 신뢰할 수 있는 데이터 탐색, 공통 비즈니스 정의, 관련 비즈니스 지식을 하나로 연결합니다. 검증된 쿼리는 메트릭 관련 질문에 답하는 방법을 보여 주는 테스트된 예시를 에이전트에 제공하고, 인증 태그는 팀이 신뢰하는 테이블을 가리킵니다. Data Metric Functions는 완전성, 고유성 같은 품질 항목을 모니터링하고, Dynamic Tables는 설정된 최신성 목표를 달성하도록 파생 데이터를 새로 고칩니다. 이러한 기능은 팀이 해당 데이터가 에이전트 분석에 적합한지 평가하는 데 도움을 줍니다.
근거 설정 단계에서 Assure는 액세스 정책이 데이터 자체에 연결된 상태를 유지하므로, 시맨틱 뷰를 사용하는 모든 에이전트나 BI 도구는 허용된 데이터만 볼 수 있습니다.
2. 분석: 기계의 처리 규모에 맞춘 근거 수집
에이전트의 조사는 학습이 진행될수록 달라집니다. 처음에는 광범위한 비교로 시작해 특정 고객 세그먼트로 좁히고, 다른 소스를 조인한 뒤, 앞서 발견한 내용을 다시 검토할 수 있습니다. 이러한 작업을 지원한다는 것은 단순히 더 많은 쿼리를 처리하는 것 이상을 의미합니다. 쿼리 패턴이 바뀌는 상황에서도 효율적으로 실행되어야 하며, 여러 조사를 동시에 수행할 수 있는 용량도 필요합니다.
Snowflake의 컴파일러와 옵티마이저는 각 쿼리가 어떻게 실행될지 계획합니다. Gen 2 및 Adaptive Warehouses에서 Snowflake Optima는 관찰된 워크로드를 활용해 쿼리 계획과 데이터 액세스를 자동으로 개선하고, 수동 튜닝의 필요성을 줄입니다. 조건을 충족하는 반복 쿼리는 계산을 다시 수행하는 대신 저장된 결과를 재사용할 수 있습니다.
분석 단계마다 요구되는 성능도 다릅니다. Snowflake Interactive Analytics는 지연 시간이 짧고 동시성이 높은 실행 환경을 제공해, 전체 데이터 중 조건에 맞는 일부만 선별하는 쿼리를 지원합니다. 반면 표준 웨어하우스는 복잡하고 컴퓨팅 집약적인 분석을 처리합니다. 동시성이 증가하면 멀티 클러스터 웨어하우스가 구성된 한도 내에서 용량을 추가합니다. 이러한 기능을 함께 활용하면 팀이 모든 쿼리를 미리 예측하지 않아도 에이전트의 반복적인 워크로드를 지원할 수 있습니다.
분석 단계에서 Assure는 설정된 정책이 에이전트가 활동 중인 세션을 인식하고, 사용자 역할에 더 넓은 액세스 권한이 있더라도 에이전트가 사용할 수 있는 데이터를 제한할 수 있도록 합니다. 리소스 모니터와 예산은 에이전트의 컴퓨팅 지출을 추적하고 설정한 임계값에서 조치를 트리거할 수 있으며, 명령문 시간 제한은 폭주 쿼리를 중단합니다.
3. 실행: 의사 결정을 비즈니스 프로세스에 반영
승인된 결과가 이를 실행할 애플리케이션이나 담당 팀에 도달하지 못한다면, 에이전트의 작업 가치는 제한적일 수밖에 없습니다.
에이전틱 분석 플랫폼은 기존 비즈니스 애플리케이션이 프로세스 제어권을 유지하도록 하면서, 해당 결과를 저장하거나 거버넌스 기반 인터페이스를 통해 전달할 수 있어야 합니다. 워크플로우는 승인된 결과와 이를 뒷받침하는 근거를 Snowflake에 저장해 비즈니스 프로세스를 담당하는 시스템에서 사용할 수 있게 합니다. 실제로 에이전트는 가능한 다음 단계를 추천하고 그 근거를 제시합니다. 사람이 이를 검토한 뒤 진행 여부와 에이전트가 결과를 넘길지, 아니면 사람이 직접 조치할지를 결정합니다. 승인된 결과는 MCP 커넥터나 Snowflake 테이블을 통해 담당 애플리케이션에 전달될 수 있으며, 해당 애플리케이션은 계속 제어권을 유지합니다. 중대한 영향을 미치는 조치는 사람의 승인을 거치고, 일상적인 조치는 사람이 사전에 승인한 규칙에 따라 실행될 수 있습니다.
실행 단계에서 Assure는 에이전트가 실행하는 쿼리와 데이터 액세스 기록을 제공하며, 팀은 이를 워크플로우 기록과 결합해 그 결과 수행된 조치를 검토할 수 있습니다.
에이전틱 분석에서 Snowflake가 차별화되는 지점
에이전틱 분석의 가치는 단계 간 수작업 조율을 줄이면서 비즈니스 질문을 조사하고 유용한 대응으로 연결하는 데 있습니다.
Snowflake의 강점은 이러한 작업에 필요한 역량을 서로 연결한다는 점입니다. 공통 비즈니스 정의는 조사의 방향을 안내합니다. 자동 쿼리 최적화, 결과 재사용, 워크로드에 적합한 컴퓨팅은 분석 실행을 지원합니다. 워크플로우는 조치를 담당하는 애플리케이션을 위해 결과와 이를 뒷받침하는 근거를 저장할 수 있습니다. Assure는 이 전 과정에서 액세스 제어를 적용하고, 지출 제어를 지원하며, 에이전트 기반 데이터 활동을 기록합니다. Snowflake에서 구축된 에이전트나 다른 곳에서 연결된 에이전트는 플랫폼마다 별도의 분석 기반을 구성하는 대신 이 공통 기반을 활용할 수 있습니다.
사람은 목표와 정의를 정하고, 에이전트가 스스로 수행할 수 있는 조치를 설정합니다. 에이전트는 그 지식을 반복적으로 적용하고, 중대한 의사 결정은 검토 워크플로우를 통해 사람의 판단을 요청합니다. 목표는 사람이 정의한 경계 안에서 에이전트의 자율성을 더 높이는 것입니다.
Expedition에 참여해 에이전틱 분석의 최신 동향을 확인하세요.
미래 전망 진술
본 게시물에는 당사의 향후 제품 제공에 대한 미래 전망 진술이 포함되어 있으며, 이는 제품 제공에 대한 보장이 아닙니다. 실제 결과 및 제공 내용은 달라질 수 있으며, 알려져 있거나 알려지지 않은 위험과 불확실성의 영향을 받습니다. 자세한 내용은 최신 10-Q를 참조하세요.
