마지막 편집일: 2026년 10월 27일
이 세션에서 dbt Labs의 dbt 시맨틱 레이어 담당 수석 제품 관리자인 Zach Mandell은 자신이 ‘시맨틱 레이어의 제1차 및 제2차 물결’이라고 부르는 내용을 차례로 설명하며, AI 에이전트에 의해 주도되는 제2차 물결이 왜 첫 번째 물결이 정체된 상황에서 성공할 수 있는 실질적인 가능성을 지니고 있는지에 대해 논증했습니다.
첫 번째 물결은 약 5년 전으로, 메트릭을 코드로 정의하는 데 초점을 맞췄습니다. 즉, 메트릭 로직을 하나의 저장소에 집중화하고 이를 모든 하위 BI 도구에 제공함으로써, 누군가가 매출을 서로 다른 두 가지 방식으로 계산하는 일이 없도록 했습니다. 만델은 이 첫 번째 물결이 실제로 프로덕션 환경에까지 도달하지 못한 이유를 세 가지로 설명했습니다. 첫째, 그 결과물이 단지 현행 상태—즉, 더 신중하게 도출된 동일한 대시보드—에 불과했기 때문입니다. 둘째, 기존 BI 도구에 공유된 시맨틱 계층을 통합하는 작업이 실제로 매우 어려웠고, 셋째, 엔터티, 기본키, 조인 경로 등에 대한 사고방식을 바탕으로 한 시맨틱 모델링 자체가, 그동안 이러한 개념들을 모두 추상화해 온 분석 엔지니어들에게는 익숙하지 않은 분야였기 때문입니다.
현재 달라진 점은, 만델의 말에 따르면, 바로 그 가치에 있다: 에이전트들은 “업계 내 누구에게나 지칠 줄 모르는 분석가를 손끝에서 바로 활용할 수 있게” 해줄 수 있으며, dbt MCP 서버의 사용량은 주별로 두 배씩 증가하고 있는데, 이는 주로 대화형 분석 사용 사례에 의해 견인되고 있다. 그러나 이러한 변화는 또 다른 문제, 즉 신뢰를 야기한다. 만델은 확률 계산을 통해 이를 설명했다: 스테프 커리는 프리스로 성공률 92.3%로 통산 평균보다 높은 성과를 보이고 있지만, 연속으로 10개를 모두 성공시킬 확률은 약 45%에 불과해 동전 던지기보다도 낮다.
동일한 수학이, 올바른 테이블, 올바른 열, 올바른 집계를 찾는 등 여러 단계를 거쳐 비즈니스 질문에 답하는 에이전트에게도 적용된다. 심지어 각 단계별 성공률이 높더라도 다단계 체인에서는 그 성과가 빠르게 저하되며, 만델은 더 나은 모델만으로는 이를 해결할 수 없다고 주장했다.
만델은 제2의 물결이 성공하려면 반드시 충족되어야 한다고 생각하는 네 가지 요건을 제시했다. 첫째, 통합 격차 해소다. dbt는 맞춤형 커넥터를 통해 BI 도구에만 서비스를 제공하는 방식에서 벗어나, 그가 ‘시맨틱 SQL’이라고 부르는 자체적인 SQL 인터페이스를 개발하고 있다. 이 인터페이스를 통해 BI 도구는 마치 데이터베이스를 직접 쿼리하듯 dbt 시맨틱 레이어를 쿼리할 수 있으며, 필요 시에는 관리되지 않은 임시 테이블과의 임의의 SQL 조인도 가능하다. 둘째, 변환 계층 자체까지 시맨틱을 더 상류로 확장하는 것이다. 이는 사전 집계를 위한 목적(그가 만난 일부 기업들은 지연 시간 목표를 달성하기 위해 웨어하우스 비용의 30~40%를 매터라이제이션에 지출하고 있는데, dbt가 이러한 비용 절감에 기여할 수 있다고 그는 믿는다)과 고객-360형 모델에서 지표를 차원으로 활용하는 경우 모두 해당된다.
셋째, 티켓, 문서, 전화 기록 등 비정형 데이터를 포함하는 보다 광범위한 ‘컨텍스트 계층’의 결정론적 축으로서 의미 계층을 간주하며, 에이전트가 핵심 엔터티와 관계가 이미 정의되어 있을 때 원시 테이블에서 추론하는 것보다 더 신뢰성 있게 추론할 수 있다고 주장한다. 넷째, 구성 가능성과 접근 제어: 에이전트는 특정 워크플로우에 필요한 컨텍스트의 정확한 부분만을 볼 수 있어야 하며, 에이전트가 실제로 어떤 데이터에 접근했는지에 대한 가시성을 제공해야 한다. 이러한 범위 지정된 접근 권한과 가시성의 조합이야말로 더 높은 신뢰를 가능하게 한다.
Q&A 세션에서 만델은 표준화와 개방성에 관한 질문들에 답했습니다. dbt는 여전히 오픈 시맨틱 인터체인지(OSI) 이니셔티브의 활동 회원으로, MetricFlow 정의를 OSI 문서로 내보내 다른 곳에서 활용할 수 있도록 지원하고 있습니다. 다만 그는 생태계가 서로 다른 시맨틱 레이어 사양 간 변환 시 얼마나 높은 충실도가 유지되는지 아직 해결하지 못했다고 인정했습니다. 시맨틱 레이어에 대한 네이티브 SQL 인터페이스가 dbt의 기존 저장 쿼리 기능을 대체할 수 있을지 묻는 질문에 대해 만델은 아니라고 답했습니다. 저장 쿼리는 집계를 물리적으로 실행하는 데 초점이 맞춰져 있으며, 이는 또 다른 문제라고 설명했습니다. 또한 그는 인간이 직접 관리해야 할 시맨틱 레이어나 지식 그래프가 AI에 의해 자동으로 구축되는 방식이 아니라 인간의 손으로 구성되어야 한다는 주장을 담은 앤트로픽의 공개 글을 언급하며, 이러한 주장이 앞으로 조직들이 시맨틱 분야에서 협업하는 방식과 관련이 있다고 말했습니다.
Mandell은 행사 마지막에 참석자들을 당일 열리는 원탁 토론회로 초대하며, dbt 제품팀과 함께 두 가지 미해결 질문에 대해 논의할 것을 제안했습니다: 세미틱 레이어는 어떻게 작성되어야 하며, 어떻게 제공되어야 하는가, 그리고 몇 해 전에 시도했다가 포기한 팀들을 포함해 현재 어떤 요인들이 팀들의 dbt 세미틱 레이어 또는 기타 헤드리스 세미틱 레이어 도입을 저해하고 있는지에 대해 이야기를 나누었습니다.
dbt 서밋 2026의 모든 키노트와 분과 세션을 주문형으로 시청하세요. dbt 서밋 2026를 주문형으로 시청하기 →
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
dbt Labs와 Fivetran이 dbt 워크로드를 데이터 레이크로 어떻게 모델별로 이전하고 있는지
2026년 10월 27일에
dbt v2 내부: 재구축된 SQL 엔진이 린팅을 최대 250배 더 빠르게 만드는 방법
2026년 10월 27일에
dbt Mesh를 사용한 오픈 데이터 인프라는 어떤 모습일까요
2026년 10월 27일에
데이터를 형성하는 가장 큰 커뮤니티에 참여하세요
dbt 커뮤니티는 전 세계 수천 명의 데이터 리더 및 AI 실무자들과 함께 최고의 사례와 혁신을 경험하고 직접 협업할 수 있는 문입니다. 질문을 던지고, 인사이트를 공유하며, 전문가들과 함께 더 나은 결과를 만들어 보세요.