Databricks Genie Agent Mode, BI chat을 analyst식 데이터 조사로 바꿨다

트윗이 드러낸 것

Databricks는 Genie Agent Mode가 “investigates like a data analyst” 한다고 썼다. 이 표현이 중요한 이유는 AI business intelligence tool이 natural-language SQL generation을 넘어 agentic analysis로 이동하고 있기 때문이다. 즉 접근을 계획하고, hypothesis를 점검하고, 여러 query를 실행하고, evidence가 무엇을 지지하는지 설명하는 흐름이다.

Databricks 계정은 Lakehouse, AI/BI, Unity Catalog, agent tooling의 platform release를 전하는 1차 채널이다. 연결된 blog는 Agent Mode가 why, what if, how could we improve 같은 더 고급 business question을 다룰 수 있게 한다고 설명한다. Genie는 단일 query를 반환하는 대신 여러 query에 걸쳐 reasoning하고 report를 만들 수 있다.

작동 방식

blog의 예시는 2025년 12월 reopened support cases spike에서 시작한다. Agent Mode는 먼저 spike를 확인한 뒤 customers, products, categories, teams 같은 가능한 driver를 탐색한다. Genie space의 business context, Unity Catalog metadata, author-defined semantics를 사용해 관련 factor에 초점을 맞춘다. Databricks는 이 예시 reasoning trace가 8 queries를 실행했다고 적었다.

가설을 시험한 뒤 Genie는 findings, visualizations, underlying SQL reference를 포함한 report를 만든다. 이 마지막 요소가 enterprise analytics에서 중요하다. 회의나 계획에 쓰기 전 사용자는 답이 어떻게 만들어졌는지 확인할 수 있어야 한다. Databricks는 Agent Mode가 question complexity에 따라 reasoning을 조절해, 단순 prompt에는 빠르게 움직이고 깊은 조사에는 더 많은 계획과 검증을 쓴다고 설명한다.

이 기능은 Workspace Previews를 통해 사용할 수 있고, AI/BI Dashboard 사용자는 dashboard 안에서도 기본적으로 이 경험을 쓸 수 있다. blog는 향후 API support와 unstructured document analysis도 예고한다. 그러면 Genie는 dashboard Q&A를 넘어 더 넓은 enterprise agent surface로 확장될 수 있다.

다음 관전점은 Agent Mode가 messy warehouse schema에서도 실수를 숨기지 않고 accuracy를 높일 수 있는지다. 핵심 시험대는 analyst가 SQL을 audit하고, semantics를 고치고, report를 재사용할 수 있는지이며, 매번 chat answer를 일회성 결과로 소비하지 않게 만드는 것이다. 출처: Databricks source tweet · Databricks Genie Agent Mode blog