1. Databricks Summit 2026 현장에서 알아본 핵심 인사이트 2. Agentic Data와 Agentic Analytics의 실제 방향성 3. 엔지니어가 알려주는 Lakehouse 기반 AI Agent 전략
IT Trend
◾Agentic Data 시대, 데이터 플랫폼의 역할이 재정의되고 있습니다
Databricks Data + AI Summit 2026의 핵심 메시지는 데이터 플랫폼이 단순 저장·분석 기반을 넘어, AI Agent의 실행 기반으로 확장되고 있다는 점입니다. 이제 데이터 플랫폼은 데이터뿐 아니라 비즈니스 맥락, 권한, 지표 정의까지 함께 관리하며 Agent가 신뢰할 수 있는 판단과 실행을 할 수 있도록 지원해야 합니다.
특히 키노트에서 강조된 Context와 Control은 기업 AI 도입의 핵심 조건으로 제시됐습니다. 앞으로의 AI 경쟁력은 더 좋은 모델을 도입하는 데서 끝나지 않고, AI Agent가 안전하고 일관된 방식으로 일할 수 있는 데이터 운영 체계를 갖추는 데서 시작됩니다.
“Agentic Analytics on Databricks Lakehouse” 세션의 핵심은 AI Agent를 단순 질의응답 도구가 아니라, 거버넌스가 적용된 분석 실행 주체로 설계해야 한다는 점입니다. Databricks는 Agentic Analytics를 자연어 기반 SQL 생성 기능이 아닌, 데이터 플랫폼 전반의 아키텍처 변화로 설명했습니다.
AI Agent가 신뢰할 수 있는 분석을 수행하려면 기업별 지표 정의, 업무 맥락, 권한 정책을 함께 이해해야 합니다. 결국 Agentic Analytics의 성패는 모델 성능보다, Agent가 정확한 데이터 맥락과 거버넌스 체계 위에서 동작할 수 있는지에 달려 있습니다.
기업 AI 에이전트가 장시간 업무에서 맥락을 유지하는 데 RAG와 미세조정만으로는 한계가 있다는 분석이 나오고 있다. 이에 따라 추론 시점에 기업 정책과 문서를 반영해 업무별 소형 전문 모델이나 어댑터를 생성하는 하이퍼네트워크가 주목받고 있다. 다만 실제 기업 적용을 위해서는 성능뿐 아니라 그라운딩, 인간 검증, 검증 가능성을 함께 설계하는 것이 중요하다.
◾해킹 경로 된 깃허브…소스코드 내 자격증명 관리 주의
최근 기업의 깃허브(GitHub) 저장소에 노출된 마스터 계정 키값과 자격증명이 해킹 경로로 악용되는 사례가 발생하고 있다. 데이원컴퍼니는 이용 중이던 GitHub 서비스의 마스터 계정 키값이 탈취돼 개인정보 유출 사고가 발생했다고 공지했으며, 공격자는 탈취한 키를 통해 시스템에 침입한 것으로 알려졌다. 이번 사례는 소스코드 저장소가 단순 개발 공간이 아니라, 기업 시스템 접근 권한과 연결될 수 있는 핵심 보안 영역임을 보여준다. 기업은 코드 저장소 내 API Key, Access Token, DB 접속 정보 등 민감정보 저장을 금지하고, 키 관리·권한 분리·정기 점검·비밀정보 탐지 도구를 통해 개발 단계부터 공급망 보안을 강화해야 한다.
◾구글 클라우드, 보안 운영 플랫폼 서울 리전 출시
구글 클라우드가Google SecOps를 서울 리전에서 지원하며, 국내 기업이 보안 로그와 분석 데이터를 국내에 저장·처리할 수 있게 됐다. 이번 출시는 금융·공공 등 데이터 레지던시와 규제 준수가 중요한 산업군의 클라우드 보안 도입 장벽을 낮추는 계기가 될 것으로 보인다. 특히 Gemini 기반 에이전틱 AI를 활용해 위협 탐지와 초기 조사를 자동화하고, 보안 분석가의 조사 시간을 단축하는 데 초점을 맞췄다. AI 기반 공격이 고도화되는 상황에서 보안 운영도 단순 모니터링을 넘어, AI가 로그와 위협 정보를 분석하고 대응을 지원하는 방향으로 전환되고 있다.
◾OpenAI, 데이브레이크 확대…사이버보안도 AI 에이전트 기반으로 전환
오픈AI가 사이버보안 이니셔티브 데이브레이크(Daybreak) 를 확대하며 GPT-5.5-사이버 정식 버전과 코덱스 시큐리티 플러그인을 공개했다. 데이브레이크는 단순히 소프트웨어 취약점을 찾는 데서 그치지 않고, 취약점 검증, 위험도 평가, 패치 개발·테스트, 배포까지 보안 대응 전 과정을 가속화하는 것을 목표로 한다. 특히 코덱스 시큐리티는 코드와 위협 모델을 분석해 잠재 취약점을 식별하고, 개발자와 보안 담당자가 패치 적용 여부를 판단할 수 있도록 지원한다. AI가 개발 생산성을 높이는 동시에 보안 위협도 확대하는 상황에서, 앞으로 기업 보안은 탐지 중심을 넘어 AI 기반 취약점 관리와 자동화된 패치 대응으로 확장될 것으로 보인다.
