Snowflake Horizon Context: AI, BI 및 앱을 위한 거버넌스 기반 컨텍스트 계층

영업 책임자는 3분기 매출이 1,420만 달러(USD)라고 확인합니다. 반면 CFO의 화면에는 1,280만 달러(USD)로 표시됩니다. 두 사람 모두 오늘 아침 AI 에이전트에게 수치를 요청했습니다. 같은 데이터였습니다. 그런데 왜 차이가 났을까요?

비즈니스 로직이 여러 도구에 흩어져 있으면 이런 일이 발생할 수 있습니다. 한 팀만 사용하는 BI 모델에 정의된 지표, 대시보드에 숨겨진 계산식, LLM 프롬프트에 수동으로 하드코딩된 지침 등이 그 예입니다. 그 결과는 영업팀과 재무팀이 같은 질문에 서로 다른 수치를 제시하는 단순한 지표 불일치에 그치지 않습니다. 이는 AI 프로젝트를 빠르고 자신 있게 추진하기 어렵게 만드는 신뢰 격차로 이어집니다.

이제 상황이 달라집니다. Snowflake는 Horizon Catalog의 새로운 기능인 Horizon Context를 소개합니다. Horizon Context는 AI와 BI를 위한 활성 컨텍스트와 함께 연결되고 거버넌스가 적용된 시맨틱 기반을 제공합니다.

Snowflake Horizon Context는 Horizon Catalog의 메타데이터 기반 위에서 해당 메타데이터를 거버넌스가 적용된 비즈니스 의미로 전환합니다. 데이터 자산 전반에서 컨텍스트를 수집하고, 비즈니스 정의와 관계 정보로 이를 보강한 뒤 활성화함으로써 AI 에이전트, BI 도구 및 애플리케이션이 신뢰할 수 있는 로직을 자동으로 찾아 적용할 수 있게 합니다.

시스템 오브 레코드에서 인텔리전스 시스템으로

AI 에이전트는 SQL을 작성하고, 코드를 디버깅하며, 데이터를 분석할 수 있습니다. 하지만 조직에서 ‘매출’이 무엇을 의미하는지 물었을 때 에이전트가 이를 추측해야 한다면, 이는 컨텍스트 문제입니다.

엔터프라이즈 AI와 AI가 필요로 하는 컨텍스트 간의 괴리는 크게 세 가지 문제로 설명할 수 있습니다. 

• 컨텍스트가 분산됨: 중요한 컨텍스트가 서로 다른 데이터베이스, BI 및 데이터 파이프라인 시스템에 흩어져 있으면 신뢰할 수 있는 응답을 제공하는 데 필요한 전체 맥락을 갖춘 단일 시스템이 존재하지 않게 됩니다.

• 컨텍스트가 가공되지 않음: 가공되지 않은 리소스를 AI가 활용할 수 있게 하려면 더 높은 수준의 의미를 부여해 보강해야 합니다. 이 데이터 자산들은 서로 어떻게 연결되어 있을까요? 어떤 자산을 신뢰할 수 있는 기준으로 삼아야 할까요? 이 컬럼은 무엇을 의미할까요? 이 지표를 계산하는 올바른 방식은 무엇일까요?

• 컨텍스트가 비활성 상태임: 컨텍스트는 실제로 사용될 때만 가치를 발휘합니다. 특정 에이전트를 어디에서 찾을 수 있는지, 또는 어떤 방식으로 프롬프트를 입력해야 하는지를 사용자가 알아야만 컨텍스트를 활용할 수 있다면, 훨씬 더 많은 AI 세션은 그 혜택을 누리지 못하게 됩니다.

Snowflake Horizon Context는 이러한 문제를 해결하기 위해 서로 다른 시스템의 메타데이터를 수집하고, 보강하고, 활성화해 비즈니스에 실제로 유용한 컨텍스트로 만듭니다. 이를 통해 Snowflake는 시스템 오브 레코드에서 컨텍스트를 이해하는 인텔리전스 시스템으로 진화합니다.

수집: 전체 맥락 구축 

AI에는 Snowflake 안팎의 전체 데이터 자산에서 수집된 컨텍스트가 필요합니다. Horizon Context는 외부 시스템에서 컨텍스트를 추출해 Horizon Catalog에 통합합니다.

• Metadata Connectors(프라이빗 프리뷰): Snowflake는 Horizon Catalog를 Snowflake용 데이터 카탈로그에서 모든 데이터를 위한 데이터 카탈로그로 확장하고 있습니다. PostgreSQL, Microsoft SQL Server, Tableau, Power BI, dbt를 비롯한 외부 데이터베이스, BI, 데이터 파이프라인 시스템에 연결해 데이터베이스 스키마, 쿼리 로그, 대시보드 정의 등을 수집할 수 있습니다.

• OpenLineage API(퍼블릭 프리뷰): Apache Airflow와 같은 OpenLineage 프로듀서를 구성해 계보 정보를 Horizon Catalog로 직접 전송할 수 있습니다.

• Open Semantic Interchange(OSI): Snowflake는 서로 다른 시스템이 시맨틱 메타데이터를 교환하는 방식에 대한 개방형 표준을 주도하고 있습니다. 현재 워킹 그룹에는 54개 공급업체가 참여하고 있으며, 관련 사양도 공개했습니다.

보강: 원시 메타데이터를 비즈니스 의미로 전환 

원시 컨텍스트는 출발점일 뿐입니다. 더 높은 수준의 의미를 만들려면 보강이 필요합니다. Snowflake Horizon Context는 이 과정의 상당 부분을 자동화해 컨텍스트 레이어를 구축하고 유지하는 데 필요한 수작업을 크게 줄이면서도 사람 간 협업을 지원합니다.

• 엔드투엔드 컬럼 수준 계보: Horizon Context는 Snowflake와 외부 쿼리 로그, BI 시스템, OpenLineage 피드에서 계보를 추출한 뒤 이를 연결해 완전한 계보 그래프로 구성합니다.

• 사용 빈도: 비슷해 보이는 데이터 자산이 수십 개 존재할 때는 어떤 자산을 신뢰할지 판단하는 것이 중요합니다. Horizon Context는 쿼리 및 액세스 로그를 활용해 어떤 자산이 신뢰할 수 있는 기준인지 판단하는 신호로 사용 빈도를 계산합니다.

• AI 기반 데이터 문서화: Horizon Context는 메타데이터와 필요에 따라 샘플 데이터까지 활용해 AI로 테이블 및 컬럼 설명을 생성합니다.

• 시맨틱 뷰: Snowflake는 Summit 2026에서 여러 개선 사항을 선보입니다. Advanced Semantics(프라이빗 프리뷰)은 세분화 수준(LOD) 계산, 조합 가능한 정의, 자동 쿼리 재작성을 지원하는 사용자 정의 구체화를 제공합니다. Semantic Studio(프라이빗 프리뷰)는 CoCo 통합과 Git 통합을 갖춘 Workspaces 내의 완전한 기능을 갖춘 AI 지원 IDE입니다. Semantic View Autopilot은 기존 SQL, Tableau, Power BI 파일을 기반으로 시맨틱 뷰를 생성해 줍니다.

활성화: 컨텍스트를 자동으로 활용하기 

컨텍스트의 마지막 단계는 실제 사용을 보장하는 것입니다. Horizon Context를 사용하면 에이전트와 상호 작용하는 과정에서 컨텍스트를 쉽게 검색하고 활용할 수 있으며, 필요한 순간 자동으로 활성화됩니다.

• 컨텍스트 검색: CoCo는 관련 컨텍스트를 자동으로 찾아 가져옵니다. 이를 위해 키워드 검색과 시맨틱 검색을 결합한 하이브리드 검색 기능인 Universal Search를 사용하며, 사용 빈도와 같은 신호를 순위 지정에 활용하고 액세스 제어 정책을 필터링에 적용합니다. 새로운 개선 사항에는 전체 데이터 자산을 아우르는 검색(프라이빗 프리뷰), 더욱 관련성 높은 결과를 제공하는 업그레이드된 AI 모델, 그리고 워크스페이스 파일, 시맨틱 뷰 및 에이전트 검색 기능이 포함됩니다.

• 시맨틱 뷰 자동 검색: 데이터 관련 질문이 들어오면 CoCo는 관련 시맨틱 뷰를 자동으로 검색해 쿼리하고, 적절한 시맨틱 뷰가 없을 경우 테이블을 대신 사용합니다.

• 시맨틱 뷰 상호운용성: Horizon Catalog의 거버넌스가 적용된 시맨틱 뷰를 MCP를 통해 노출하고, Claude, Cursor, Antigravity CLI 또는 원하는 에이전트에서 연결할 수 있습니다. 지원 BI 플랫폼 생태계도 Omni, Sigma, Hex, Tableau를 넘어 Power BI(프라이빗 프리뷰 제공 예정), Excel(프라이빗 프리뷰 제공 예정), ThoughtSpot(얼리 액세스), Google Cloud의 Looker(프리뷰)까지 확대하고 있습니다.

신뢰할 수 있는 컨텍스트의 기반이 되는 거버넌스 적용 데이터

이 지점에서 Horizon Context는 다른 서드 파티 시맨틱 계층과 차별화됩니다. Snowflake 엔진에 네이티브로 통합되어 있기 때문에, 거버넌스 프레임워크는 테이블 수준뿐 아니라 의미 수준에서도 적용됩니다. 역할 기반 액세스 제어 정책과 행 수준 마스킹은 컨텍스트를 따라 모든 도구, 모든 쿼리, 모든 AI 응답에 그대로 적용됩니다. 재무팀에만 제한된 정의는 Power BI, Salesforce, 그리고 이를 쿼리하는 모든 에이전트에서도 계속 제한됩니다.

팀이 작업하는 모든 환경에서 작동하는 컨텍스트 계층 

Horizon Context는 개방형 생태계를 전제로 설계되어, 거버넌스가 적용된 비즈니스 정의를 조직에서 이미 사용하는 BI 도구, AI 에이전트 및 애플리케이션 전반에서 일관되게 활용할 수 있도록 합니다. Snowflake의 비즈니스 파트너는 이 생태계의 중요한 구성 요소로, Snowflake 고객이 매일 사용하는 시스템과 애플리케이션에 직접 연결할 수 있도록 지원합니다. 이들이 Horizon Context와 어떻게 통합하고 활용하는지, 파트너들의 목소리로 살펴보겠습니다. 

Alation

“Alation과 Snowflake Horizon Context의 통합은 거버넌스가 적용된 시맨틱 정의를 엔터프라이즈 데이터 카탈로그와 연결해, 팀이 조직 전반의 모든 도구와 AI 에이전트에서 비즈니스 지표를 쉽게 찾고 신뢰하며 활용할 수 있도록 필요한 컨텍스트를 제공합니다.”

—Satya Mishra, Head of Alliances and Corporate Development, Alation

AtScale

“AtScale과 Snowflake는 같은 비전을 공유합니다. 비즈니스 정의는 한 번만 관리하고, 분석가와 AI 애플리케이션이 활용하는 모든 환경에서 일관되게 사용되어야 한다는 것입니다. Horizon Context를 통해 신뢰할 수 있는 시맨틱 컨텍스트가 Snowflake의 통합 거버넌스 프레임워크에 포함됩니다. 이를 통해 엔터프라이즈 전반에서 시맨틱 컨텍스트를 보다 쉽게 검색하고 보호하며 운영에 활용할 수 있습니다. 팀이 AtScale 또는 Snowflake 어디에서 시맨틱을 정의하든, 해당 정의가 조직의 다른 데이터 자산과 동일한 거버넌스 체계 아래 관리되고 이를 기반으로 하는 AI 및 분석 경험에서 활용된다는 확신을 바탕으로 안심하고 투자할 수 있습니다.”

—David Mariani, Co-Founder & CTO, AtScale

Collibra

“엔터프라이즈 전반에 걸쳐 거버넌스가 적용되고 일관되게 유지되는 시맨틱과 비즈니스 온톨로지는 AI 에이전트와 데이터 사용자가 AI의 속도에 맞춰 데이터를 이해하고 신뢰하며 이를 기반으로 의사결정하고 행동하기 위한 필수 조건입니다. Collibra와 Snowflake Horizon Context의 통합은 신뢰할 수 있는 메타데이터가 양방향으로 흐르도록 보장해, 공동 고객에게 엔터프라이즈 컨텍스트 전체를 하나의 신뢰할 수 있는 관점으로 제공하고 프로덕션 규모의 AI를 가속화합니다.”

—Chandra Papudesu, VP, Product Management, Integrations & Lineage, Collibra

Domo

Snowflake의 거버넌스가 적용된 시맨틱 정의를 Domo와 통합하면 공동 고객은 중복을 줄이고 거버넌스를 강화하는 동시에, 조직 전반의 신뢰할 수 있는 KPI로부터 인사이트를 얻는 시간을 단축할 수 있습니다.

—Matthew Payne, VP of Engineering, Domo

Hex

Hex의 Snowflake Semantic Views를 통해 팀은 노트북, SQL 및 데이터 앱 전반에서 신뢰할 수 있고 거버넌스가 적용된 지표를 기반으로 작업하며, 불일치를 줄이고 신뢰도 높은 인사이트를 바탕으로 더욱 신속하게 의사결정할 수 있습니다.

—Carlos Aguilar, Head of Product, Hex

Looker Studio

“Snowflake Semantic Views로 데이터베이스 내에 호스팅되는 분석 모델을 지원하도록 Looker의 범용 시맨틱 계층을 확장하게 되어 기쁩니다. 이제 고객은 Snowflake AI Data Cloud를 통해 시맨틱 정의를 조회하고 업데이트할 수 있으며, 이를 바탕으로 엔터프라이즈 전반에서 대화형 분석을 확장할 수 있습니다. 

—Sean Zinsmeister, Director, Outbound Product Management, Google Cloud

Omni

Snowflake Horizon Context와의 통합을 통해 AI 기반 채팅부터 스프레드시트와 대시보드에 이르기까지 모든 인터페이스에서 거버넌스가 적용된 정의를 활용할 수 있습니다. 이러한 일관성은 고객이 셀프서비스 분석을 확장하고 신뢰할 수 있는 데이터 제품을 구동하는 데 도움이 됩니다.”

—Jamie Davidson, Co-Founder, Omni

Sigma Computing

“Sigma는 Snowflake Horizon Context와 직접 통합되어 Semantic Views를 실시간으로 쿼리하므로, 거버넌스가 적용된 비즈니스 정의가 모든 스프레드시트, 대시보드, 탐색 환경에 즉시 반영됩니다. 이를 통해 공동 고객은 빠른 실행에 필요한 유연성을 유지하면서도 단일 진실 공급원을 확보할 수 있습니다.”

—Hassen Karaa, SVP of Product, Sigma Computing

Tableau

“Tableau는 데이터 모델 내에서 Snowflake Horizon Context 시맨틱 정의 지원을 추가하고 있습니다. 이를 통해 분석가는 기반 시맨틱 계층에서 지표가 일관되게 정의되고 정확하게 집계된다는 점을 신뢰할 수 있습니다. 이를 통해 공동 고객은 Tableau와 Snowflake 전반에서 일관된 단일 기준을 활용할 수 있습니다.”

—Nick Brisoux, Senior Director of Product Management, Tableau

ThoughtSpot

“ThoughtSpot은 Snowflake Semantic Views를 기본 지원하여 사용자가 AI 네이티브 컨텍스트로 보강된 시맨틱 계층에서 쿼리할 수 있도록 합니다. 이를 통해 조직이 사용하는 모든 에이전트, 대시보드 및 임베디드 애플리케이션은 단일 거버넌스 체계 아래 지속적으로 개선되는 컨텍스트 계층을 기반으로 추론할 수 있습니다.”

—Francois Lopitaux, SVP Product Management, ThoughtSpot

에이전틱 AI를 향한 여정

데이터에 시맨틱 의미가 내재되어 있지 않다면 자율형 에이전트는 비즈니스 맥락을 기반으로 추론할 수 없습니다. 컨텍스트가 없으면 에이전트는 추정에 의존할 수밖에 없습니다. 플랫폼에 컨텍스트가 기본적으로 내장되어 있으면 에이전트는 행동할 수 있습니다. 여기에 컨텍스트까지 기본적으로 거버넌스된다면 에이전트를 신뢰할 수 있습니다.

그러나 컨텍스트는 단일 저장소에 존재하지 않습니다. BI 도구, 쿼리 이력, 메타데이터 카탈로그, 그리고 조직이 오랜 기간 축적해 온 업무 지식 전반에 분산되어 있습니다. Horizon Context는 이러한 소스와 연결되어 시맨틱 계층을 자동으로 보강하고, 결과를 단일 거버넌스 체계에서 관리함으로써 동기화 문제와 시맨틱 드리프트를 방지합니다.

대부분의 플랫폼이 제공하지 못하는 차별점이 바로 여기에 있습니다. 거버넌스 엔진 위에 덧붙인 컨텍스트 계층은 쿼리가 실행될 때마다 두 시스템을 조정해야 합니다. 정의가 달라지면 에이전트는 잘못된 정의를 따르게 됩니다. Horizon Context는 시맨틱이 거버넌스 엔진 내부에 존재하며 복사되거나 캐시되지 않고 쿼리 실행 시점에 적용된다는 점에서 다릅니다. 

Horizon Context 자세히 알아보기: snowflake.com/en/product/features/horizon-context

본 콘텐츠에는 향후 제품 제공에 대한 미래 전망 진술이 포함되어 있으며, 이는 제품 제공에 대한 약속이 아닙니다. 실제 결과 및 제공 내용은 달라질 수 있으며, 알려진 위험과 알려지지 않은 위험 및 불확실성의 영향을 받을 수 있습니다. 보다 자세한 내용은 최신 10-Q를 참조하세요.