프론티어 생태계는 개방되어야 하는 이유 – 마테이 자하리아와 레이놀드 신, Databricks

(latent.space)

Latent Space2026년 6월 24일AI 코딩

프론티어 생태계는 개방되어야 하는 이유 – 마테이 자하리아와 레이놀드 신, Databricks

Databricks의 공동 창업자들은 AI 모델 성능이 상향 평준화됨에 따라 기업의 진정한 경쟁력은 모델 자체가 아닌, 에이전트에게 제공되는 고유한 데이터 컨텍스트와 제어 시스템을 구축하는 '데이터-AI 운영체제'로 이동할 것이라고 전망합니다.

이 글의 핵심 포인트

1Databricks는 레이크하우스를 넘어 '데이터-AI 운영체제'로의 진화를 추진 중임
2Omnigent: 다양한 AI 에이전트(Claude Code, Cursor 등)를 통합하고 제어하는 오픈소스 메타-하네스 프로젝트 공개
3AI 에이전트의 핵심 가치는 모델 성능보다 기업 고유의 데이터 컨텍스트, 권한, 히스토리 제공에 있음
4LTAP: 쿼리 엔진 통합 대신 저장 레이어를 통합하여 HTAP의 이점을 달성하려는 새로운 데이터베이스 접근법
5AI 에이전트 시대의 핵심 과제는 모델 성능이 아닌 '시스템적 문제(상태, 메모리, 보안, 비용 제어)' 해결임

이 글에 대한 공공지능 분석

왜 중요한가?

AI 모델 성능이 상향 평준화되는 '코모디티(Commodity)' 시대에 기업의 진정한 해자는 모델이 아닌 데이터 컨텍스트와 운영 시스템에 있음을 시사하기 때문입니다. 이는 단순한 챗봇을 넘어 실제 업무를 수행하는 에이전트 경제의 핵심 인프라 주도권 싸움이 시작되었음을 의미합니다.

어떤 배경과 맥락이 있나?

기존의 빅데이터 시대가 '데이터 저장 및 분석'에 집중했다면, 이제는 AI 에이전트가 실시간으로 데이터, 권한, 히스토리를 참조하여 행동해야 하는 '에이전트 시대'로 전환되고 있습니다. Databricks는 이를 위해 모델과 애플리케팅 사이의 미들웨어 역할을 하는 시스템적 접근을 취하고 있습니다.

업계에 어떤 영향을 주나?

AI 에이전트 개발사들은 개별 모델 성능 개선보다 Omnigent와 같은 메타-하네스(meta-harness)를 통해 어떻게 다양한 도구와 데이터를 통합할 것인지에 집중하게 될 것입니다. 또한, 데이터베이스 기술 역시 단순 쿼리 엔진을 넘어 에이전트의 상태와 메모리를 관리하는 방향으로 재편될 가능성이 높습니다.

한국 시장에 어떤 시사점이 있나?

국내 AI 스타트업들은 LLM 자체 개발이라는 거대 모델 경쟁보다는 특정 산업 도메인의 '데이터 컨텍스트'를 어떻게 에이전트 친화적인 형태로 구조화할 것인지에 집중해야 합니다. 인프라 레이어의 변화를 주시하며, 자사의 서비스가 개방형 에인전트 생태계와 어떻게 통합될 수 있을지 설계 단계부터 고려해야 합니다.

이 글에 대한 큐레이터 의견

Databricks의 전략은 매우 영리합니다. 모델 성능 경쟁이 한계에 다다를 때, 그 모델들을 조율하고 기업의 핵심 자산인 데이터와 연결하는 '오케스트레이션 레이어'를 선점하겠다는 의도입니다. 이는 AI 에이전트가 단순한 비서가 아닌, 실제 워크플로우를 수행하는 '자율적 주체'로 진화할 때 반드시 필요한 인프라입니다.

창업자들은 여기서 기회를 찾아야 합니다. 모델 개발이라는 거대한 비용이 드는 싸움 대신, Omnigent와 같은 오픈소스 프레임워크 위에서 특정 산업의 복잡한 비즈니스 로직과 권한 체계를 에이전트가 이해할 수 있는 '상태(State)'로 변환해주는 서비스에 집중하는 것이 훨씬 실행 가능한 전략입니다.

다만, 위험 요소도 분명합니다. Databricks와 같은 거대 플랫폼이 에이전트 운영체제(OS)를 장악하게 되면, 그 위에서 돌아가는 개별 에이전트 앱들은 플랫폼의 정책과 비용 구조에 종속될 수밖에 없는 '플랫폼 리스크'가 존재합니다. 따라서 특정 인프라에 과도하게 의존하기보다는, 데이터 포맷과 로직을 표준화하여 언제든 이동 가능한(Portable) 아키텍처를 설계하는 균형 감각이 필요합니다.

원문 보기 →