Data

Databricks가 Lakebase와 LTAP 구조를 설명했다. AI 앱의 병목은 모델 호출보다 최신 운영 데이터를 분석과 에이전트가 동시에 쓰는 데이터 계층이다.

AI 에이전트가 최신 고객·거래·로그 데이터를 안전하게 활용하려면 OLTP와 분석을 복사 파이프라인으로 억지 연결하는 방식이 한계에 닿는다. Databricks의 LTAP 주장은 모델 경쟁 뒤편의 데이터 아키텍처 경쟁을 드러낸다.

Shift는 뉴욕 무료 청소를 대가로 1인칭 청소 영상을 수집한다. 로봇 학습 데이터가 서비스와 맞교환되는 시대의 기회와 위험을 분석한다.

Shift의 무료 청소 모델은 로봇 데이터가 이제 비용 항목이 아니라 소비자 서비스와 교환될 만큼 가치 있는 자산이 됐다는 신호다. 문제는 데이터의 가치를 누가 계산하고, 사생활과 노동의 위험을 누가 부담하느냐다.

Kaelio의 ktx는 데이터 에이전트가 매번 SQL과 지표 정의를 다시 추측하지 않도록 시맨틱 계층과 위키 지식을 로컬 파일로 구축하는 오픈소스 도구다.

데이터 에이전트의 병목은 SQL 생성 능력보다 조직의 의미 계약이다. ktx가 흥미로운 이유는 모델을 바꾸지 않고도 지표 정의, 조인 규칙, 업무 지식을 검토 가능한 파일로 고정하려 하기 때문이다.