온톨로지를 만들어 본 사람의 고민
온톨로지나 시맨틱 레이어를 만들어 본 사람은 압니다. 처음 만드는 것보다 유지하는 게 훨씬 어렵습니다.
용어를 정의하고, 관계를 잇고, 측정값을 등록합니다. 몇 달이 지나면 테이블이 바뀌고, 새 지표가 생기고, 정의를 만든 담당자가 다른 팀으로 갑니다. 아무도 고치지 않은 온톨로지는 조용히 틀린 답을 내놓기 시작합니다.
Genie Ontology 발표가 흥미로운 이유는 이 문제에 정반대로 접근했기 때문입니다.
사람에게 큐레이션을 요구하지 않는다
데이터브릭스 블로그는 Genie Ontology가 맥락 문제를 팀에게 손으로 큐레이션하라고 요구하지 않고 해결한다고 설명합니다.
동작은 이렇습니다. 테이블, 쿼리, 대시보드, 파이프라인, 연결된 앱에서 지식 조각을 자동으로 뽑아냅니다. 그리고 지표 정의, 비즈니스 용어, 계산식, 그리고 개념·지표·테이블·팀 사이의 관계를 그래프로 엮습니다.
출시 때 연동 대상은 Google Drive, Jira, Slack, Confluence, SharePoint입니다. 데이터 안의 지식뿐 아니라 업무 도구에 흩어진 지식까지 모은다는 뜻입니다.
무엇을 믿을지는 순위로
자동으로 모으면 문제가 생깁니다. 같은 '매출'에 대해 서로 다른 정의가 열 개쯤 나올 겁니다. 3년 전 슬랙 메시지, 폐기된 대시보드, 인증된 지표 테이블이 섞여 있으니까요.
Genie Ontology는 이걸 순위로 풉니다. 블로그는 그 방식이 "PageRank와 비슷하다"고 설명합니다. 순위를 매기는 기준은 넷입니다.
- 출처를 만든 사람의 권위
- 사람들이 그 내용에 얼마나 자주 기대는지
- 인증되고 널리 쓰이는 자산과 얼마나 연결돼 있는지
- 얼마나 최신인지
질문이 오면 Genie는 가장 무게가 실린 출처에서 답합니다. 각 출처의 권한도 지켜서, 사용자가 볼 권한이 있는 내용만 보여 줍니다.
이 방식의 장점과 위험
장점은 분명합니다. 유지 비용이 거의 없습니다. 회사가 일하면서 남기는 흔적이 곧 온톨로지의 재료가 됩니다.
위험도 분명합니다. 많이 쓰인다고 맞는 건 아닙니다. 잘못된 정의가 담긴 대시보드가 오래, 널리 쓰였다면 높은 순위를 받습니다. 사람이 검토하는 절차는 블로그에 나오지 않습니다.
마이크로소프트의 Fabric IQ 온톨로지는 반대 방향입니다. 사람이 엔터티와 관계를 정의하고, 에이전트의 변경 제안은 사람이 검토한 뒤 반영됩니다. 두 방식은 정확성과 유지 비용 사이에서 서로 다른 지점을 골랐습니다.
현실적인 답은 둘의 중간일 것 같습니다. 핵심 지표 몇십 개는 사람이 인증하고, 나머지 넓은 영역은 자동으로 모으는 방식입니다. 블로그가 순위 기준에 "인증된 자산과의 연결"을 넣은 것도 이런 사용을 염두에 둔 것으로 보입니다.
Genie Spaces가 Genie Agents로
함께 바뀐 것이 있습니다. 고객들이 만든 Genie Spaces는 100만 개가 넘는다고 합니다. 이 Spaces가 Genie Agents로 바뀝니다.
Agents는 단순히 질문에 답하는 것을 넘어 행동합니다. MCP 연결로 외부 시스템에 쓰고, 정해진 시간에 작업을 돌리고, 문서와 결과물을 만듭니다. 표와 뷰뿐 아니라 문서와 파일도 추론 대상이 됩니다. Genie One이나 Genie Code에서 프롬프트 하나로 에이전트를 만들고, 범위를 정하고, 벤치마크하고, 공유할 수 있습니다.
벤치마크는 조건까지
블로그에는 정확도 수치가 있습니다.
- 2026년 6월 데이터브릭스 내부 측정
- 실제 데이터 분석 질문 28개
- 비교 대상 에이전트는 익명 처리
- 첫 시도 정확도: Genie 84.5%, 가장 강한 범용 코딩 에이전트 52.4%, 가장 약한 것 25%
- 속도: 가장 강한 코딩 에이전트보다 약 2배 빠름
질문 28개는 작은 표본입니다. 그리고 비교 대상이 '범용 코딩 에이전트'라는 점도 봐야 합니다. 회사 맥락이 없는 범용 에이전트와 맥락을 가진 Genie를 비교하면 맥락의 효과가 크게 보일 수밖에 없습니다. 그래도 바로 그 점, 맥락이 정확도를 30%p 넘게 바꾼다는 것이 데이터브릭스가 보여 주고 싶었던 메시지일 겁니다.
정리하며
Genie Ontology는 "온톨로지는 사람이 공들여 만드는 것"이라는 상식에 도전합니다. 성공한다면 시맨틱 레이어의 유지 비용 문제를 크게 줄입니다. 실패한다면 많이 쓰인 오류를 권위 있는 답으로 바꿔 놓습니다.
도입한다면 처음 몇 주는 Genie가 어떤 출처에서 답했는지를 꼼꼼히 보는 기간으로 삼으면 좋겠습니다. 순위가 회사의 실제 권위와 맞는지 확인하는 것이 이 방식에서 사람이 맡아야 할 일입니다.
함께 읽을 개념 정리
- 시맨틱 레이어를 한 장으로: 지표를 한 번만 정의하자는 발상과 dbt의 방식
- 온톨로지, 지식 그래프, 시맨틱 레이어 구분하기: 비슷한 말 세 개가 각각 맡는 일
