#databricks

AI coding이 단일 assistant 경쟁에서 orchestration 문제로 넘어가고 있다. Omnigent는 여러 coding agent를 같은 세션에서 조율하고 guardrails와 human-in-the-loop 절차를 묶는 open-source meta-harness다.

Databricks가 Omnigent를 여러 에이전트 위에 놓이는 오픈 meta-harness로 제시했다. 공통 인터페이스, 정책 적용, 실시간 협업을 한 계층에서 다룬다는 점이 핵심이며 Data + AI Summit에서 공개된 내용이다.

Databricks는 Genie Ontology를 tables, queries, dashboards, pipelines, connected apps에서 지식을 뽑아내는 context layer로 제시했다. metric definitions와 business terms까지 연결해, 에이전트가 어느 데이터를 믿을지 판단하게 하는 설계다.

xAI가 Grok 모델을 Databricks Agent Bricks에 넣으며 기업 데이터 플랫폼 안에서 바로 선택할 수 있는 모델 폭이 넓어졌다. Databricks는 OpenAI, Anthropic, Gemini, Qwen, Kimi와 함께 Grok을 단일 거버넌스 환경에 배치한다.

중요한 점은 Databricks가 BI assistant를 단일 SQL 답변에서 multi-step analysis로 밀고 있다는 데 있다. Genie Agent Mode는 접근을 계획하고, 가설을 시험하고, 여러 query를 실행하며, 결과 뒤의 SQL까지 보여줄 수 있다.

중요한 점은 기업의 AI coding이 개인 도구 선택을 넘어 관리되는 fleet으로 바뀌고 있다는 데 있다. Databricks는 Unity AI Gateway가 Codex, Cursor, Gemini CLI, MCP integrations, 예산, rate limits, observability를 한곳에서 다룬다고 설명한다.

Databricks AI Research는 2026년 4월 10일 Memory Scaling for AI Agents를 공개하며, real-world agent 성능은 더 긴 reasoning보다 external memory 축적과 retrieval 품질에 더 크게 좌우될 수 있다고 주장했다. 글은 labeled 예제, user log, organizational knowledge로 정확도와 효율이 함께 개선되는 결과를 제시한다.

Databricks는 2026년 3월 24일 Lakewatch를 multimodal telemetry를 수집하고 business data와 결합해 AI agent로 탐지·조사·대응을 자동화하는 새로운 open agentic SIEM으로 발표했다. Databricks는 Lakewatch가 Adobe와 Dropbox를 포함한 고객과 함께 Private Preview에 들어가며, AI-driven 공격에 대응하려면 방어도 machine-speed 구조가 필요하다고 주장했다.

Databricks는 2026년 3월 27일 LogSentinel이 LLM으로 column을 분류하고, hierarchical·residency-aware label을 적용하며, drift를 탐지한다고 밝혔다. 2,258개 sample에서 PII 기준 최대 92% precision과 95% recall을 기록했다는 설명과 함께, Databricks 문서는 Unity Catalog Data Classification이 AI agent와 LLM으로 table을 분류·tagging하고 governed tag와 ABAC로 이를 access 및 compliance control에 연결한다고 말한다.