마지막 편집일: 2026년 10월 26일
DocuSign에서 신뢰할 수 있는 데이터 제품 및 분석 엔지니어링 현대화를 담당했던 비샬 굽타는, 데이터의 신뢰성을 유지하는 제어 기능을 포기하지 않으면서도 팀이 AI를 분석 엔지니어링에 얼마나 깊이 도입했는지를 공유했습니다.
구프타의 초기 관찰에 따르면, SQL 생성은 사실상 병목이 아니었고, 오히려 컨텍스트 전환이 문제였다. 엔지니어들은 Jira 요구사항, 주로 사람들의 머릿속에만 존재하는 dbt 규약, 그리고 반복적인 검증 사이를 오가며, 작업의 각 단계 간에 원활한 인수인계가 이루어지지 않았다.
그의 해결책은 Claude Code를 오케스트레이터로 삼고, dbt Agent Skills가 프로젝트 규약과 이름 지정 패턴을 제공하며, dbt MCP 서버가 구조화된 메타데이터와 라이너지 정보를 제공하고, dbt v2가 푸시 요청이 발송되기 전에 컴파일된 SQL을 검증하는 방식으로 구성됩니다.
한 명의 대형 에이전트가 모든 작업을 수행하려는 대신, 구프타는 워크플로를 발견 단계, dbt 개발 단계, 오케스트레이션 단계로 분할하여, 한 단계에서 실패(컴파일 실패 또는 건너뛴 단위 테스트)가 발생하면 전체 파이프라인을 다시 시작하는 것이 아니라 해당 단계만 별도로 재시도되도록 설계했습니다.
라이브 데모에서 구프타는 워크플로우에 새로운 분기별 집계 모델을 생성하도록 요청했으며, 해당 워크플로우가 적절한 dbt 에이전트 스킬과 MCP 컨텍스트를 가져와 모델과 YAML을 생성하고, dbt v2를 기준으로 컴파일 및 검증한 뒤, 푸시 요청과 이에 맞는 오케스트레이션 작업까지 완료하는 과정을 지켜보았습니다. 다만, 모든 변경 사항이 배포되기 전에는 여전히 브랜치 격리와 인적 검토가 필요합니다.
구프타는 요구사항에서 검증 완료되고 리뷰 준비가 된 dbt 자산으로 전환하는 과정에서 생산성이 50% 향상되었으며, 팀 전반에 걸쳐 명명 규칙, 테스트 및 시맨틱 패턴이 더욱 일관되게 정립되어 리뷰어들이 스타일 수정보다는 엔지니어링적 판단에 집중할 수 있게 되었다고 보고했습니다. 그의 설명은 다음과 같습니다: AI가 제안을 하고, 실제 머지되는 내용에 대해서는 엔지니어들이 책임을 지는 방식입니다.
청중의 질문은 가드레일에 집중됐다: 굽타는 에이전트가 실수로 10억 행 규모의 빌드를 트리거하는 것을 방지하기 위해 테스트 실행을 1,000행으로 제한한다고 설명했으며, 마스터 스킬 파일을 통해 어떤 팀의 맞춤형 스킬이 공유 워크플로에 적용되는지를 관리하는 초기 단계의, 아직 발전 중인 접근 방식에 대해서도 소개했다.
dbt 서밋 2026의 모든 키노트와 분과 세션을 주문형으로 시청하세요. dbt 서밋 2026 주문형 시청 →
dbt 시작하기
실제로 확장 가능한 데이터 인프라를 구축하는 분석 엔지니어들과 함께하세요.
dbt Wizard CLI 설치
분석 엔지니어링에 특화된 에이전트로 시작해 보세요. 이 에이전트는 어떤 도구를 호출해야 하는지, 어떤 컨텍스트를 가져와야 하는지 알고 있으며, 사용자에게 결과를 표시하기 전에 스스로 작업을 검증합니다.
최신 게시물
프롬프트에서 PR까지: Careem의 AI가 사람이 직접 확인하기도 전에 dbt 모델을 어떻게 작성하고 검증하는지
2026년 10월 26일에
버진 미디어 O2가 dbt에 메모리를 제공함으로써 컴퓨팅 비용을 30% 절감한 방법
2026년 10월 26일에
램프의 내부 AI 에이전트가 어떻게 100만 회의 세션을 돌파했는가
2026년 10월 26일에
데이터를 형성하는 가장 큰 커뮤니티에 참여하세요
dbt 커뮤니티는 전 세계 수천 명의 데이터 리더 및 AI 실무자들과 함께 최고의 실무 사례, 혁신을 경험하고 직접 협업할 수 있는 문입니다. 질문을 던지고, 통찰을 공유하며, 전문가들과 함께 더 나은 결과를 만들어 보세요.