Databricks의 Row Zero 인수, AI는 다시 셀로 간다

인수의 핵심은 표가 아니라 기업 데이터의 사용 경로다

Databricks가 클라우드 스프레드시트 스타트업 Row Zero를 인수했다. 9월 24일 공식 발표는 Row Zero를 Genie에 통합해 사람이든 에이전트든 통제된 데이터 기반 위에서 분석하고 협업하는 경험을 제공하겠다고 밝혔다. 여기서 통제란 데이터 접근 권한, 감사 가능성, 출처 추적을 유지한다는 의미다.

TechCrunch 보도는 Databricks 재무팀이 100만 행을 넘는 실시간 스프레드시트를 처리할 수 있는 Row Zero를 Genie와 함께 사용했던 일화를 소개한다. 회사 내부의 실제 사용 경험이 인수 판단으로 이어졌다는 설명이다. 거래 금액은 공개되지 않았다.

확정된 사건은 인수 발표다. Genie의 웹·데스크톱·모바일 환경과의 네이티브 통합, 주요 클라우드 전반의 제공은 공식 발표가 제시한 방향이다. 모든 계정에서 오늘 즉시 같은 기능을 사용할 수 있다고 읽어서는 안 된다. 도입 시점에는 리전, 요금, 권한 설정, 기존 데이터 연결 지원을 따로 확인해야 한다.

왜 AI 시대에도 스프레드시트인가

채팅형 분석 도구는 질문을 쉽게 하지만 답을 검토하는 문제를 남긴다. 영업이익률이 떨어졌다는 설명을 읽고도 어떤 매출 항목과 비용이 반영됐는지 다시 확인해야 한다. 셀과 수식은 사용자가 계산의 일부를 바꾸고 결과가 어떻게 달라지는지 직접 확인하는 익숙한 수단이다.

따라서 이번 인수는 스프레드시트를 낡은 도구로 교체하는 대신 AI와 사람이 만나는 공용 인터페이스로 활용하려는 움직임이다. 재무 담당자는 수식을 보고, 에이전트는 같은 업무 문맥에서 자료를 정리하며, 관리자는 데이터가 어떤 경로로 사용됐는지 추적하는 구상이다. 자연어 질문과 직접 조작을 한 환경에서 오가는 것이 경쟁 포인트가 된다.

Genie 공식 문서는 자연어 질문과 조직 데이터에 기반한 응답, 업무용 데이터 환경 구성을 설명한다. 다만 데이터 접근이 통제된다고 해서 생성된 해석이 항상 맞는 것은 아니다. 잘못 정의한 지표나 누락된 필터는 안전하게 접근한 데이터 위에서도 잘못된 결론을 만들 수 있다.

파일 복사와 실시간 연결의 차이

회사 데이터가 CSV나 엑셀 파일로 내보내진 뒤 메일로 공유되면 원본 권한과 업데이트 상태를 유지하기 어렵다. 발표는 Row Zero가 데이터에 직접 연결하고 사용자의 권한을 반영하는 쿼리, 내보내기 통제, 감사 기능을 제공한다는 점을 강조한다. 이는 편의 기능보다 조직의 데이터 경로를 바꾸는 문제다.

표의 오른쪽은 도입 시 확인할 기준이다. 제품을 구매했다는 이유만으로 모든 조직의 데이터 관리가 자동으로 해결되는 것은 아니다. 특히 데이터를 다시 쓰는 기능을 사용할 때는 읽기 전용 분석보다 책임 범위를 더 좁게 설정해야 한다.

Unity Catalog 문서는 접근 제어, 계보, 감사 기능을 설명한다. 이런 기반이 있어도 실제 사용자와 서비스 계정에 적절한 권한을 연결하지 않으면 통제 효과는 제한된다. 에이전트에 관리자 자격을 몰아주는 운영은 연결형 분석의 장점을 약화시킬 수 있다.

경쟁은 분석 엔진에서 현업 사용 경험으로 넓어진다

Databricks의 경쟁 상대를 데이터 저장소나 쿼리 엔진으로만 보면 이번 인수의 의미를 놓친다. 현업 사용자는 데이터 구조보다 마감 보고서와 매출 예측을 완성하는 일이 중요하다. Excel과 Google Sheets에서 쌓은 습관을 활용하면서 플랫폼 안에 남게 할 수 있다면 데이터 공급부터 최종 분석까지 연결할 여지가 커진다.

공식 발표는 익숙한 수식·피벗·단축키를 강조하지만, 이는 모든 복잡한 매크로나 기존 파일이 변경 없이 호환된다는 보장은 아니다. 한국 기업은 연결된 ERP 데이터와 사내 계산 양식으로 직접 확인해야 한다. 사용자 인터페이스의 친숙함과 데이터 이식성은 별도의 평가 축이다.

Snorkel의 데이터·환경 경제 분석이 보여주듯 기업 AI의 성과는 모델만으로 결정되지 않는다. 올바른 업무 데이터와 검증 가능한 작업 환경이 중요하다. Row Zero 인수는 이 환경을 분석가가 익숙한 셀 중심으로 확장하는 사례로 읽을 수 있다.

한국 기업은 월말 보고서 하나로 검증할 수 있다

초기 실험은 월별 매출과 비용 보고서처럼 정답을 비교할 수 있는 업무가 적합하다. 같은 데이터를 기존 스프레드시트와 새 환경에서 계산해 숫자가 일치하는지 확인하고, 차이가 나면 환율·세금·취소 주문·집계 기간 중 무엇이 원인인지 추적한다. 자연어 답변의 유창함보다 이 검증 가능성이 먼저다.

성능 역시 행 수 하나로 비교하지 않는 편이 좋다. 조인 구조, 필터, 동시 사용자, 갱신 빈도에 따라 체감 속도와 비용이 달라진다. QORL의 데이터베이스 튜닝 분석이 다룬 실행 비용 문제는 스프레드시트 뒤에서도 사라지지 않는다. 클릭 한 번의 편의가 비싼 쿼리를 반복 실행하는 구조가 되지 않는지 봐야 한다.

마지막으로 지표 정의를 담당할 사람이 필요하다. '활성 고객'이나 '순매출'의 뜻이 부서마다 다르면 에이전트가 같은 질문에 다른 답을 낼 수 있다. 에이전트 메모리와 현장 통합 분석처럼 업무 문맥을 시스템에 연결하는 작업이 제품 구매 이후에도 남는다. 도입의 목표는 보고서를 빨리 만드는 것과 숫자의 책임 경로를 유지하는 것을 함께 달성하는 것이다.

FAQ

1. Databricks가 Row Zero를 얼마에 샀나?

확인한 보도에서 거래 금액은 공개되지 않았다. Row Zero의 과거 투자 규모나 기업가치를 인수 금액으로 해석하면 안 된다.

2. Genie 통합 기능이 모든 고객에게 즉시 열렸나?

공식 발표는 통합과 제공 방향을 설명한다. 실제 계정의 지원 여부와 시점은 제품 안내를 따로 확인해야 한다.

3. Excel과 Google Sheets를 완전히 대체하나?

발표는 익숙한 작업 방식과 주요 도구의 보완을 강조한다. 기존 파일·매크로·자동화의 완전한 호환을 추정할 근거는 없다.

4. 통제된 데이터면 AI 답변도 정확한가?

아니다. 권한 관리와 답의 정확성은 다르다. 지표 정의, 원본 품질, 쿼리 조건을 함께 검증해야 한다.

5. 가장 먼저 측정할 성과는 무엇인가?

기존 보고서와의 숫자 일치, 수정 추적 가능성, 수작업 복사 감소, 쿼리 비용을 함께 보는 편이 좋다. 생성한 표의 개수만으로 생산성을 판단하기는 어렵다.