Databricks의 Genie One은 ‘기업 지식의 지배권’을 노린다

Databricks가 Genie One을 공개했다.

회사는 이를 모든 팀을 위한 새로운 에이전트형 AI 동료라고 설명한다. 마케팅, 재무, 영업, 운영 등 비즈니스 팀이 회사 데이터를 기반으로 업무를 자동화하고 조율할 수 있도록 돕는 제품이라는 것이다.

겉으로 보면 또 하나의 기업용 AI 챗봇처럼 보인다.

그러나 Databricks가 실제로 말하고 있는 것은 챗봇이 아니다. Genie One의 핵심은 질문에 답하는 AI가 아니다. 핵심은 그 답변의 근거가 되는 기업 지식의 통제권이다.

Databricks는 기업 AI가 실패하는 이유를 명확히 짚는다. 모델이 부족해서가 아니라, 맥락이 부족해서다. 기업의 중요한 정보는 하나의 장소에 있지 않다. 데이터베이스에 있고, 문서에 있고, 슬랙과 지라에 있고, 회의록에 있고, 티켓 시스템에 있고, 사람들의 머릿속에 있다. 이 정보들이 흩어져 있는 한 AI는 그럴듯한 답은 할 수 있어도, 회사가 실제로 믿고 실행할 수 있는 답을 내기 어렵다.

Databricks가 Genie One으로 겨냥하는 지점은 바로 이 빈틈이다.

AI가 기업 안에서 제대로 일하려면 모델보다 먼저 회사의 맥락을 알아야 한다. 그리고 그 맥락을 누가 만들고, 갱신하고, 통제하느냐가 앞으로 기업 AI 플랫폼 경쟁의 핵심이 된다.

기업 AI가 실패하는 이유는 ‘모르는 것을 아는 척하기’ 때문이다

생성형 AI는 말을 잘한다.

문서를 요약하고, 보고서를 만들고, 회의록을 정리하고, 질문에 답한다. 그러나 기업 현장에서 가장 위험한 AI는 모르는 AI가 아니다. 모르면서 아는 척하는 AI다.

재무팀이 “이번 분기 마진이 왜 줄었는가”라고 물었을 때, AI가 그럴듯한 일반론을 말하는 것은 위험하다. 영업 리더가 “다음 업셀 기회가 어디에 있는가”라고 물었을 때, 실제 CRM과 계약 데이터, 고객 이슈를 보지 못한 AI가 추측으로 답한다면 의사결정이 왜곡될 수 있다. 운영팀이 “어느 프로세스에서 병목이 발생했는가”라고 물었을 때, 최신 데이터가 아닌 오래된 문서를 기반으로 답하면 잘못된 조치가 내려질 수 있다.

Databricks는 이 문제를 “context gap”으로 본다.

AI가 똑똑해도 회사의 진짜 맥락을 모르면 쓸 수 없다. 모델이 아무리 뛰어나도 기업 내부의 정의, 지표, 권한, 최신 데이터, 업무 흐름을 모르면 답은 불완전하다. 특히 재무, 영업, 운영처럼 숫자와 책임이 중요한 영역에서는 틀린 답보다 더 위험한 것이 없다.

그럴듯하지만 틀린 답이다.

그래서 Databricks는 Genie One을 단순한 AI 비서가 아니라 “data-smart agentic coworker”로 포지셔닝한다. 회사 데이터를 알고, 그 데이터에 근거해 답하고, 필요한 다음 행동까지 수행하는 동료라는 뜻이다.

이 표현의 핵심은 coworker가 아니다.

data-smart다.

Genie Ontology의 본질은 기업 내부 지식 그래프다

Genie One의 중심에는 Genie Ontology가 있다.

Databricks는 Genie Ontology를 조직 안의 모든 지식을 엮는 웹이라고 설명한다. 데이터, 문서, 태그, 콘텐츠, 앱, 문서, 사람까지 포함해 기업이 가진 지식을 연결하는 살아 있는 맥락 계층이라는 것이다.

이 말은 어렵지만, 비즈니스적으로는 명확하다.

Databricks는 기업의 ‘공식 기억’을 만들려 한다.

회사 안에는 수많은 지식이 있다. 매출이라는 지표 하나도 부서마다 정의가 다를 수 있다. 영업팀의 매출, 재무팀의 매출, 데이터팀의 매출 집계 기준이 다를 수 있다. 고객 이탈률, 활성 사용자, 마진, 파이프라인, 순매출 유지율 같은 지표도 마찬가지다.

문제는 AI가 이런 차이를 모른다는 점이다.

AI에게 “이번 달 매출은?”이라고 물었을 때, 어느 시스템의 어떤 정의를 기준으로 답해야 하는지 알아야 한다. “고객 이탈이 늘었나?”라고 물었을 때, 어떤 고객군과 어떤 기간, 어떤 지표 정의를 써야 하는지 알아야 한다. “이 고객에게 어떤 제안을 해야 하나?”라고 물었을 때, CRM, 과거 미팅, 지원 티켓, 계약 조건, 제품 사용량을 함께 이해해야 한다.

Genie Ontology는 이 맥락을 자동으로 추출하고 계속 업데이트하겠다는 시도다.

여기서 Databricks의 야심이 드러난다.

단순히 데이터를 저장하는 플랫폼이 아니라, 기업이 자기 자신을 이해하는 방식을 장악하려는 것이다.

문서 기반 AI가 아니라 ‘거버넌스된 데이터’ 기반 AI

Databricks는 Genie가 문서나 임베딩 조각이 아니라, 거버넌스된 기업 데이터를 ground truth로 삼는다고 강조한다.

이 지점이 중요하다.

최근 많은 기업용 AI는 문서 검색 기반으로 작동한다. 사내 문서, PDF, 위키, 슬랙 메시지, 회의록을 벡터화하고, 사용자의 질문과 관련된 내용을 찾아 답변에 반영한다. 이 방식은 유용하지만 한계도 분명하다.

문서는 오래됐을 수 있다.
정확한 숫자는 문서가 아니라 데이터베이스에 있을 수 있다.
같은 지표가 여러 문서에서 다르게 설명될 수 있다.
권한이 없는 문서가 검색될 위험도 있다.
문서에는 최종 결정이 아니라 논의 과정만 남아 있을 수 있다.

Databricks는 여기서 차별화를 시도한다.

비즈니스 질문에 대한 답은 문서 조각에서 추론하는 것이 아니라, 큐레이션되고 권한 관리된 데이터에서 SQL로 조회해야 한다는 것이다. 이는 Databricks의 출신 배경과도 맞다. Databricks는 데이터 플랫폼 회사다. 따라서 AI의 신뢰성도 데이터 플랫폼의 거버넌스에서 나온다고 주장한다.

이 전략은 기업 고객에게 설득력이 있다.

기업은 AI가 말을 잘하는 것보다, 답의 근거가 명확한 것을 원한다. 특히 CFO나 영업 책임자, 운영 책임자는 “그럴듯한 설명”보다 “어떤 데이터에서 나온 숫자인가”를 묻는다.

Genie One은 이 질문에 답하려 한다.

AI 동료가 되려면 ‘회사 일을 알아야’ 한다

Databricks는 Genie One을 agentic coworker라고 부른다.

AI coworker라는 표현은 요즘 흔하다. 하지만 실제로 동료라고 부르려면 조건이 있다. 회사 일을 알아야 한다. 조직의 지표를 이해해야 하고, 누가 어떤 일을 하는지 알아야 하며, 어떤 데이터가 공식인지 구분해야 한다. 질문에 답하는 데 그치지 않고, 필요한 다음 작업을 수행할 수 있어야 한다.

Genie One은 이 방향으로 설계됐다.

자료에 따르면 Genie One은 웹, iOS, Android에서 사용할 수 있고, Databricks 내부 데이터뿐 아니라 연결된 다양한 애플리케이션의 데이터까지 활용한다. 단순히 질문에 답하는 것을 넘어 문서, 보고서, 산출물을 만들 수 있으며, 인터랙티브 차트와 그래프, 알림, 예약 작업, 반복 가능한 스킬, MCP 도구를 통한 액션까지 지원한다.

이것은 AI 챗봇보다 훨씬 넓은 개념이다.

챗봇은 대화한다.
AI coworker는 일을 한다.

하지만 일을 하려면 권한이 필요하다. 데이터에 접근해야 하고, 업무 도구를 호출해야 하며, 결과물을 만들어야 한다. 따라서 AI coworker의 핵심은 모델이 아니라 권한과 맥락, 거버넌스다.

Databricks는 Unity Catalog를 통해 이 부분을 통제하려 한다. Genie Agents와 Genie App Builder가 모두 Unity Catalog의 권한과 접근 제어, 비용 거버넌스 아래에서 작동한다는 설명은 우연이 아니다.

기업 AI에서 진짜 경쟁력은 “무엇을 할 수 있는가”가 아니라 “무엇을 해도 안전한가”에서 나온다.

Genie Agents는 업무 노하우를 제품화한다

Genie Agents는 Genie 대화를 재사용 가능한 에이전트로 저장할 수 있게 한다.

이 기능은 단순히 편리한 자동화가 아니다. 기업 내부의 업무 노하우를 제품화하는 방식이다.

예를 들어 재무팀의 한 직원이 월간 실적 분석을 위해 Genie와 대화하며 특정 데이터 소스, 분석 방식, 보고서 형식, 검토 절차를 정리했다고 하자. 이 대화를 에이전트로 저장하면 다른 동료도 같은 방식으로 반복 업무를 수행할 수 있다. 영업팀도 특정 계정 분석, 업셀 기회 탐색, 고객 리스크 점검을 에이전트로 만들 수 있다. 운영팀은 특정 지표 모니터링과 이상 탐지를 반복 가능한 업무 흐름으로 만들 수 있다.

이것은 조직의 암묵지를 명시지로 바꾸는 기능이다.

기업 업무의 많은 부분은 사람의 머릿속에 있다. 어떤 데이터를 봐야 하는지, 어떤 순서로 확인해야 하는지, 어떤 예외를 조심해야 하는지, 어떤 형식으로 보고해야 하는지는 문서화되지 않은 경우가 많다.

Genie Agents는 이런 업무 패턴을 에이전트로 저장해 공유하게 만든다.

즉 Databricks는 데이터뿐 아니라 업무 방식까지 플랫폼 안으로 끌어들이려 한다.

이것이 중요한 이유는 락인 때문이다.

조직의 반복 업무가 Genie Agents로 축적되기 시작하면, Databricks는 단순한 데이터 저장소가 아니라 업무 자동화의 실행 공간이 된다. 기업이 플랫폼을 바꾸기 어려워진다.

Genie App Builder는 ‘비즈니스 앱 개발’을 현업으로 넘기려 한다

Genie App Builder도 주목해야 한다.

Databricks는 이를 기업용 완전관리형 vibe coding 환경이라고 설명한다. 팀은 비즈니스 맥락을 업로드하고, Genie App Builder는 실제 거버넌스된 기업 데이터에 연결된 앱 미리보기와 빌드 플랜을 생성한다.

이 말은 현업 부서가 내부용 업무 앱을 직접 만들 수 있게 하겠다는 뜻이다.

그동안 기업 내부에는 작은 앱 수요가 많았다. 영업 대시보드, 캠페인 트래커, 재고 확인 도구, 고객 리스크 모니터링, 재무 마감 체크리스트, 현장 운영 대시보드 같은 것들이다. 하지만 IT 부서는 늘 바쁘고, 현업의 작은 요구는 우선순위에서 밀리기 쉽다.

Genie App Builder는 이 병목을 줄이려 한다.

현업이 요구사항을 설명하면 AI가 앱을 만들고, 그 앱은 Unity Catalog의 권한과 접근 제어 아래에서 안전하게 데이터에 연결된다. 이는 노코드·로우코드의 다음 단계다. 단순히 화면을 조립하는 것이 아니라, 기업 데이터와 권한 체계까지 연결된 AI 기반 앱 생성이다.

이 전략이 성공하면 Databricks는 데이터 분석 플랫폼을 넘어 내부 앱 플랫폼이 된다.

기업의 데이터가 있고, 그 데이터에 기반한 AI가 있으며, 그 AI가 현업 앱까지 만들어준다. 이 구조는 매우 강력하다.

ZeroOps는 데이터팀의 운영 부담을 AI에게 넘기려 한다

Genie ZeroOps도 Databricks의 방향을 보여준다.

이 기능은 백그라운드 에이전트로, 파이프라인, 작업, 테이블, 머신러닝 모델 같은 데이터와 AI 자산을 모니터링하고, 문제를 조사하고, 수정안을 제안한다.

기업 데이터 플랫폼에서 운영은 매우 큰 부담이다.

데이터 파이프라인은 깨지고, 테이블은 늦게 갱신되며, 모델 성능은 떨어지고, 배치 작업은 실패한다. 데이터팀은 분석과 모델 개발만 하는 것이 아니라, 끊임없이 운영 문제를 처리해야 한다.

ZeroOps는 이 운영 부담을 줄이려는 시도다.

이는 Databricks가 AI를 현업 사용자뿐 아니라 데이터팀 내부 운영에도 적용하고 있음을 보여준다. 기업 AI 플랫폼이 되려면 현업의 질문에 답하는 것만으로는 부족하다. 데이터 인프라 자체가 안정적으로 돌아가야 한다.

AI가 기업 데이터를 활용하려면 데이터 파이프라인이 살아 있어야 한다.

따라서 Databricks는 현업용 Genie One과 데이터팀용 Genie Code, ZeroOps를 함께 묶어 데이터와 AI 전 과정을 에이전트화하려 한다.

가격 전략도 영리하다

Databricks는 Genie에 좌석 기반 가격을 적용하지 않는다고 밝혔다. 조직은 사용자당 매월 최대 10달러를 무료로 받고, 실제 사용한 AI에 대해서만 비용을 낸다.

이 가격 전략은 중요하다.

기업용 소프트웨어에서 좌석 기반 가격은 도입 확산의 장벽이 될 수 있다. 특히 AI coworker처럼 모든 직원에게 열어주고 싶은 제품은 좌석 비용이 높으면 일부 부서나 파워유저에게만 제한될 가능성이 크다.

Databricks는 사용량 기반 구조로 진입장벽을 낮추려 한다.

일단 더 많은 직원이 Genie를 써보게 하고, 실제 업무에 쓰이기 시작하면 사용량이 자연스럽게 늘어난다. 이는 AI 비용을 통제하려는 기업의 요구와도 맞다. 모든 직원에게 비싼 라이선스를 배정하는 대신, 실제 사용량에 따라 비용을 지불할 수 있기 때문이다.

하지만 이 구조는 Databricks에게도 유리하다.

Genie가 업무에 깊이 들어갈수록 사용량은 늘어난다. 질문, 보고서, 앱 생성, 에이전트 실행, 알림, 모니터링, 액션 수행이 모두 사용량으로 연결될 수 있다. 좌석 수가 아니라 업무량이 매출로 바뀌는 구조다.

이는 AI 시대 소프트웨어 가격 모델의 변화를 보여준다.

사람 수가 아니라, AI가 처리한 일의 양이 과금 기준이 된다.

Databricks의 진짜 경쟁자는 챗봇 회사가 아니다

Genie One을 단순히 ChatGPT Enterprise나 Microsoft Copilot과 비교하면 부족하다.

물론 사용자 경험 측면에서는 경쟁한다. 직원이 자연어로 질문하고 답을 얻는다는 점에서는 기업용 AI 어시스턴트들과 겹친다. 그러나 Databricks의 진짜 경쟁 영역은 더 깊다.

그것은 기업 데이터와 업무 맥락의 지배권이다.

Microsoft는 Microsoft 365와 Teams, Outlook, SharePoint, Copilot을 통해 업무 생산성 맥락을 장악하려 한다. Google은 Workspace와 BigQuery, Gemini를 통해 데이터와 문서 맥락을 연결하려 한다. Salesforce는 CRM과 Agentforce를 통해 고객 데이터와 영업 맥락을 잡으려 한다. Snowflake는 데이터 클라우드와 AI 기능을 통해 기업 데이터 계층을 지키려 한다.

Databricks는 Lakehouse, Unity Catalog, AI Gateway, Genie를 묶어 데이터와 AI 실행 계층을 장악하려 한다.

결국 전쟁은 챗봇의 UI가 아니다.

누가 기업의 공식 데이터와 업무 지식을 AI에게 공급하는 표준 계층이 되는가다.

이 계층을 장악하면 모델은 교체 가능해진다. 애플리케이션도 바뀔 수 있다. 하지만 기업의 지표 정의, 데이터 권한, 업무 에이전트, 내부 앱, 운영 자동화가 한 플랫폼에 쌓이면 쉽게 빠져나가기 어렵다.

Databricks가 노리는 것은 바로 이 자리다.

한국 기업에 주는 질문: AI 챗봇보다 먼저 ‘회사 지식의 정리’가 필요하다

Genie One 발표는 한국 기업에도 중요한 질문을 던진다.

많은 기업이 사내 AI 챗봇을 만들고 싶어 한다. 문서를 검색하고, 규정을 답하고, 보고서를 요약하고, 데이터를 분석하는 AI를 원한다. 그러나 실제로는 데이터와 지식이 정리돼 있지 않은 경우가 많다.

같은 지표의 정의가 부서마다 다르다.
공식 데이터와 개인 엑셀이 충돌한다.
문서는 오래됐고, 최신 결정은 회의와 메신저에만 남아 있다.
권한 체계가 명확하지 않다.
데이터 품질을 책임지는 조직이 불분명하다.
AI가 어떤 데이터를 근거로 답했는지 설명하기 어렵다.

이 상태에서 AI를 붙이면 문제는 해결되지 않는다.

오히려 AI가 혼란을 더 그럴듯하게 포장할 수 있다.

Databricks가 강조하는 Genie Ontology의 메시지는 그래서 중요하다. 기업 AI의 출발점은 모델 도입이 아니라 맥락 정리다. 우리 회사의 지표는 무엇이고, 공식 데이터는 어디 있으며, 누가 접근할 수 있고, 어떤 업무 흐름에서 사용되는지 정리해야 한다.

AI 챗봇은 마지막 인터페이스다.

그 앞에는 데이터 거버넌스, 지표 표준화, 업무 지식 구조화, 권한 관리, 비용 통제가 있어야 한다.

한국 기업이 AI를 제대로 쓰려면 먼저 회사가 스스로를 설명할 수 있어야 한다.

위험도 있다: 기업 지식이 한 플랫폼에 집중된다

물론 Databricks의 전략에는 위험도 있다.

Genie Ontology가 기업의 데이터, 문서, 앱, 사람, 회의, 티켓까지 연결한다면, 이는 강력한 생산성 인프라가 된다. 동시에 매우 민감한 지식 집중이 발생한다.

기업의 지표 정의.
내부 문서.
회의 맥락.
업무 흐름.
고객 데이터.
직원 지식.
반복 업무 에이전트.
내부 앱.

이 모든 것이 하나의 플랫폼 안에서 연결된다면, Databricks는 기업의 핵심 운영 지식에 깊숙이 들어가게 된다.

이는 고객에게 편리하지만, 의존성도 키운다. 플랫폼 장애, 비용 상승, 정책 변경, 데이터 이전, 벤더 락인, 보안 리스크가 모두 중요해진다. 특히 AI 에이전트가 실제 업무를 수행하기 시작하면 단순한 데이터 플랫폼 장애가 아니라 업무 운영 장애로 이어질 수 있다.

따라서 기업은 Databricks 같은 플랫폼을 도입할 때 기술 성능만 볼 수 없다.

데이터 이동성, 권한 관리, 감사 로그, 비용 통제, 모델 선택권, 벤더 의존성, 내부 대체 가능성을 함께 봐야 한다.

AI coworker가 똑똑해질수록, 그 coworker가 무엇을 알고 어디까지 할 수 있는지 통제하는 문제도 커진다.

결론: 기업 AI의 승부는 ‘누가 회사의 맥락을 소유하는가’다

Databricks의 Genie One 발표는 기업 AI 시장의 방향을 선명하게 보여준다.

AI 경쟁은 더 이상 모델 성능만의 문제가 아니다. 기업 시장에서 중요한 것은 모델이 회사의 진짜 데이터를 알고, 회사의 지표를 이해하며, 회사의 권한 체계 안에서 안전하게 행동할 수 있는가다.

Genie One은 이 문제에 대한 Databricks의 답이다.

Genie Ontology로 기업의 지식을 연결하고, Genie One으로 현업이 질문하고 행동하게 하며, Genie Agents로 반복 업무를 에이전트화하고, Genie App Builder로 내부 앱을 만들고, Genie ZeroOps로 데이터 운영까지 자동화한다.

이것은 단순한 제품군 확장이 아니다.

Databricks가 기업 AI의 중심을 모델에서 맥락으로 옮기려는 전략이다.

앞으로 기업 AI의 승자는 가장 멋진 챗봇을 가진 회사가 아닐 수 있다.
가장 많은 모델을 가진 회사도 아닐 수 있다.

진짜 승자는 기업이 자기 일을 설명하는 방식을 장악하는 회사다.

어떤 데이터가 공식인지, 어떤 지표가 맞는지, 어떤 업무 흐름이 반복되는지, 어떤 권한으로 AI가 행동할 수 있는지를 정의하는 회사다.

Databricks의 Genie One은 그래서 AI 동료가 아니다.

기업 지식의 운영체제가 되려는 시도다.