이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
Scottish Water는 보고서와 전문 지원에 의존하던 Capital Investment 데이터 접근을 SPARK라는 자연어 인터페이스로 전환하고, Microsoft Teams의 Copilot에서 Databricks Genie를 호출하도록 연결했습니다. Copilot supervisor agent가 Model Context Protocol로 Genie Space에 요청을 전달하면 Genie가 Unity Catalog의 curated gold-layer와 metric views를 기반으로 쿼리를 실행해 답변을 반환합니다. 100명이 주 3개씩 질문하는 경우 요청당 2~5분 절약으로 연 520~1,300시간을 아낄 수 있으며, semantic layer와 업무 규칙·예시 SQL·benchmark suite를 통해 답변 일관성과 정확도를 관리합니다. Databricks Asset Bundles, Azure DevOps, Microsoft Entra ID, Azure Key Vault를 활용한 배포 체계와 운영 모니터링도 함께 구축해 governed conversational analytics를 반복적으로 운영할 기반을 마련했습니다.
섹션별 상세
Scottish Water의 Capital Investment 조직에는 프로젝트 상태, 재무 성과, 납기, 위험 정보가 이미 있었지만 보고서가 여러 시스템에 흩어져 비기술 사용자가 필요한 수치를 찾기 어려웠습니다. 기존 보고서를 알고도 새 보고서를 만들거나 데이터 전문가에게 추출을 요청하는 일이 반복되면서 분석가와 delivery team의 의사결정이 늦어졌습니다. SPARK는 Databricks Genie를 기반으로 이 접근성 문제를 자연어 질의 방식으로 바꾸고, 팀이 실제 업무를 수행하는 Microsoft Teams 안에서 답변을 받도록 구성됐습니다.
SPARK에서 사용자는 Microsoft Teams의 Copilot을 통해 프로젝트 질문을 입력하고, Copilot supervisor agent는 Model Context Protocol을 거쳐 Databricks Genie Space에 질의를 전달합니다. Genie는 질문을 governed data에 대한 쿼리로 변환하고 Unity Catalog의 metric views와 curated gold-layer를 조회한 뒤 결과를 Teams로 돌려줍니다. 사용자는 8번의 클릭과 대시보드 로딩을 거치던 조회를 한 번의 질문으로 시작할 수 있고, SharePoint와 Reporting Hub를 오가던 4~5단계 검색도 직접적인 질의·응답 흐름으로 줄일 수 있습니다.
SPARK는 8월에 만료되는 미해결 프로젝트 위험, 특정 프로젝트의 현재 live risk score, 가장 높은 risk exposure, 미래 계약자처럼 구체적인 업무 질문에 답합니다. 답변은 정제된 데이터와 governed metric views에서 계산되므로 넓은 독자층을 위해 만들어진 정적 보고서를 사용자가 다시 해석할 필요가 줄어듭니다. 100명이 주 3개씩 질문해 주 300건의 요청이 발생한다고 가정하면, 요청당 2~5분 절약으로 주 10~25시간, 연 520~1,300시간을 절약할 수 있다는 산출이 제시됐습니다.
신뢰 가능한 conversational analytics를 위해 Scottish Water는 원시 테이블을 직접 노출하지 않고 필요한 데이터를 gold layer로 정제한 뒤, Unity Catalog의 접근 통제와 계보를 기반으로 semantic layer를 구성했습니다. Genie에는 회계 기간 정의, milestone gate 순서, project ID와 날짜 처리 방식 같은 업무 규칙과 실제 질문·대응 SQL 예시를 넣었고, benchmark suite와 사용자 테스트로 데이터나 Space 정의가 바뀔 때마다 정확도를 재검증했습니다. 운영 단계에서는 대화 시간, 사용자별 대화 수, 반복 질문, 쿼리 실행 시간과 비용을 추적해 답변 품질·채택률·성능을 지속적으로 관리합니다.
운영 배포는 Databricks Asset Bundles로 환경 매개변수화한 설정을 패키징하고, 별도 development·test·production workspace와 SQL warehouse에 적용하는 방식입니다. Azure DevOps가 변경 시 자동 배포를 수행하며 production 전에는 수동 승인 단계가 있고, Microsoft Entra ID service principal과 Azure Key Vault로 배포 인증 정보를 코드 밖에서 관리합니다. 멱등성 배포와 그룹별 접근 권한 자동 부여를 결합해 Genie Space를 환경마다 안전하게 생성하거나 갱신할 수 있도록 했습니다.
용어 해설
- 시맨틱 레이어(Semantic Layer)
- — 원천 데이터의 테이블과 열을 업무 용어, 지표, 차원, 관계로 연결하는 추상화 계층입니다. Scottish Water는 metric views를 사용해 재무 기간, 프로젝트 지표 같은 정의를 표준화하고, Genie가 질문을 일관된 SQL 질의로 변환하도록 지원했습니다. 이를 통해 사용자마다 다른 해석을 줄이고 답변의 설명 가능성과 일관성을 높였습니다.
- Unity Catalog
- — Databricks 환경에서 데이터 접근 권한, 계보, 카탈로그와 거버넌스를 관리하는 데이터 관리 계층입니다. 이 사례에서는 Genie가 원시 테이블 전체가 아니라 Unity Catalog에서 관리되는 curated gold-layer 데이터와 metric views를 조회하도록 구성됐습니다. 따라서 자연어 답변에도 접근 통제와 단일 데이터 출처 원칙이 적용됩니다.
- Metric Views
- — 업무 지표의 측정 방식, 차원, 용어를 재사용 가능한 형태로 정의하는 데이터 모델링 기능입니다. Scottish Water는 이를 semantic layer의 기반으로 삼아 같은 위험 점수와 프로젝트 지표가 질문마다 동일한 규칙으로 계산되도록 했습니다. 자연어 질문을 SQL로 바꾸는 Genie의 답변 품질과 용어 일관성을 뒷받침하는 구성 요소입니다.
- Model Context Protocol
- — AI 애플리케이션이 외부 도구나 데이터 서비스에 정해진 방식으로 연결되도록 하는 연동 프로토콜입니다. SPARK에서는 Copilot supervisor agent가 MCP를 통해 Databricks Genie Space에 연결하고, 사용자의 Teams 질문을 Genie로 전달합니다. 이 연결 구조가 Copilot, Genie, governed data 사이의 질의 흐름을 이어줍니다.
- Databricks Asset Bundles
- — Databricks 작업과 설정을 환경별 매개변수와 함께 패키징해 개발·테스트·운영 환경으로 배포하는 방식입니다. Scottish Water는 Genie Space 정의를 이 구성으로 관리하고 Azure DevOps 배포 파이프라인과 연결했습니다. 동일한 설정을 반복 배포하고 기존 리소스를 갱신할 수 있어 일회성 구축보다 재현성이 높습니다.
기술
- Databricks Genie
- Microsoft Teams
- Copilot
- Model Context Protocol (MCP)
- Unity Catalog
- metric views
- Databricks Asset Bundles
- Azure DevOps
- Microsoft Entra ID
- Azure Key Vault
- SQL warehouse
활용 사례
- Capital Investment 프로젝트 상태와 납기 조회
- 프로젝트 위험과 risk exposure 조회
- 재무 성과와 프로젝트 지표 확인
- Microsoft Teams 내 governed data 질의
- 비기술 사용자의 자연어 데이터 탐색
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 08. 14.수집 2026. 08. 14.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.
