섹션별 상세
전통적인 개발 방식은 설계부터 배포까지 수개월이 걸리는 선형적 구조를 가졌으나, 에이전트 기반 개발은 수분 내에 수많은 변종을 생성하고 평가하는 진화적 방식을 취한다. Lakebase 텔레메트리에 따르면 일부 프로젝트는 500회 이상의 반복 진화를 거치며 개발 주기를 기존 대비 최대 1000배까지 단축시킨다.
에이전트가 생성하는 수많은 실험적 애플리케이션은 개별 가치는 낮지만 전체적인 혁신 속도를 높이므로 인프라 비용 최소화가 필수적이다. Lakebase는 컴퓨팅을 스토리지에서 완전히 분리하여 유휴 시 비용이 전혀 없는 'Scale-to-Zero'를 구현함으로써 수천 개의 실험용 DB를 경제적으로 운영하게 한다.
근거
- 에이전트 애플리케이션의 약 50%는 데이터베이스 컴퓨팅 수명이 10초 미만이다. — Lakebase 텔레메트리 분석 결과
에이전트는 대규모 공개 데이터를 통해 학습되었기에 Postgres와 같은 표준 오픈소스 생태계에 최적화되어 작동한다. Lakebase는 Postgres 인터페이스를 유지하면서 데이터를 개방형 포맷으로 클라우드에 저장하여 에이전트가 쿼리를 생성하거나 오류를 처리할 때의 신뢰성을 보장한다.
에이전트 기반 개발에서는 어떤 실험적 앱이 갑자기 대규모 서비스로 성장할지 예측하기 어려우므로 매끄러운 확장이 중요하다. Lakebase 아키텍처는 수동 재플랫폼화나 마이그레이션 없이도 소규모 인스턴스에서 대규모 프로덕션 시스템으로의 즉각적인 탄력적 성장을 지원한다.
이미지 분석
Infographic
2025년 초 30%에서 2026년 80%까지 에이전트에 의해 생성되는 DB 비중이 급증할 것이라는 예측을 통해 미래 인프라의 주 고객이 에이전트가 될 것임을 강조한다.
2025년과 2026년의 에이전트 생성 데이터베이스 비중 예측 인포그래픽이다.
용어 해설
- 기록 시 복사(Copy-on-Write)
- — 데이터를 수정할 때만 실제 복사본을 생성하는 효율적인 리소스 관리 기법이다. Lakebase에서는 이를 통해 물리적 데이터 복제 없이 즉각적인 데이터베이스 브랜칭을 구현하여 실험 비용과 시간을 획기적으로 줄인다.
- 제로 스케일링(Scale-to-Zero)
- — 요청이 없는 유휴 상태에서 컴퓨팅 리소스를 완전히 해제하여 비용 발생을 차단하는 기술이다. 에이전트가 생성하는 수많은 단기 워크로드의 경제적 타당성을 확보하는 데 핵심적인 역할을 한다.
- 에이전트 워크플로우(Agentic Workflow)
- — AI 에이전트가 자율적으로 계획을 세우고 코드를 작성하며 테스트와 배포를 반복하는 작업 흐름이다. 기존의 수동적 개발 방식보다 훨씬 빠른 속도로 애플리케이션을 진화시키는 것이 특징이다.
근거 모음
근거
- AI 에이전트가 인간 사용자보다 약 4배 더 많은 데이터베이스를 생성한다. — Databricks Lakebase 서비스 데이터 섹션
기술
- Lakebase
- Postgres
- Databricks
- LLM
활용 사례
- 에이전트 기반 자동화 개발
- 단기 실험용 마이크로 서비스
- 탄력적 확장이 필요한 RAG 시스템
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 03. 30.수집 2026. 03. 30.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.