기업 데이터의 맥락 문제

기업용 AI agent가 자주 틀리는 이유는 모델이 약해서만이 아니다. 필요한 정의와 업무 맥락이 dashboard, query, pipeline, 문서, 앱에 흩어져 있기 때문이다. Databricks는 2026년 6월 20일 트윗에서 Genie Ontology를 an automatic context layer라고 설명하며, tables, queries, dashboards, pipelines, connected apps에서 지식 조각을 추출해 기업이 실제로 어떻게 일하는지를 그래프로 조직한다고 적었다.

트윗의 실질적 문장은 Genie has context about where to look, what to trust, and how to answer in a way that reflects how the company actually uses its data이다. 연결된 Databricks Blog는 Genie One, Genie Agents, Genie Ontology를 함께 소개하며, Genie Ontology가 metric definitions, business terms, unique calculations, concepts, metrics, tables, teams 사이의 관계를 다룬다고 설명한다.

Databricks 계정은 Data + AI Summit과 Lakehouse 플랫폼 업데이트를 주로 다루는 공식 채널이다. 이번 항목은 새 챗봇보다 데이터 권한과 신뢰도 문제에 가깝다. 블로그는 Genie Ontology가 PageRank와 유사한 접근으로 source의 권위, 사용 빈도, 인증된 asset과의 연결, freshness를 따져 답변 근거를 고른다고 설명한다. 또한 각 source의 permission을 적용해 사용자가 볼 수 있는 내용만 보여준다는 점도 중요하다.

다음 관전 포인트

확인할 것은 자동 추출된 ontology가 실제 조직의 metric 충돌을 얼마나 줄이는지다. 같은 ARR, churn, active user라도 팀마다 정의가 다르면 agent 답변은 흔들린다. 원문 트윗은 여기, 상세 글은 Databricks Blog에서 볼 수 있다.

#ontology

Genie Ontology, 기업 데이터 맥락을 그래프로 묶어 에이전트 답변의 근거로