데이터브릭스, 사내 AI 어시스턴트로 마케터의 데이터 활용도 3배 증가

데이터브릭스는 자사 마케팅 조직이 '마지(Marge)'라는 사내 AI 분석 어시스턴트를 구축해 마케터들이 의사결정에 데이터를 활용하는 빈도를 3배로 끌어올렸다고 밝혔다.

회사 측에 따르면 마지는 지니 에이전트(Genie Agents)로 구축된 대화형 분석 도구로, 캠페인 플랫폼, 웹 분석, CRM 시스템, 이벤트 툴, 광고 채널, 영업 데이터를 통합한 거버넌스 기반의 '마케팅 레이크하우스(Marketing Lakehouse)'에 근거를 두고 있다. 데이터브릭스는 마케터들이 이메일 캠페인 성과나 특정 분기에 파이프라인에 영향을 준 프로그램 등을 평이한 영어로 질문하면, 거버넌스가 적용된 기업 데이터를 바탕으로 생성된 답변을 받을 수 있다고 설명했다.

보고된 성과

데이터브릭스는 마지를 사내에 도입한 결과 다음과 같은 성과를 얻었다고 밝혔다.

• 마케터들이 의사결정에 데이터를 활용하는 빈도가 3배 증가
• 마케팅 조직의 85% 이상이 마지를 사용
• 사용량이 분기별로 50%씩 성장
• 마지는 월 800건 이상의 질문을 처리하며, 누적 응답 건수는 5,000건을 넘어섬
• 시스템이 개선되면서 오답으로 신고된 사례가 25% 감소
• 분석 인력을 추가로 늘리지 않고도 인사이트 접근성을 확대

데이터브릭스가 밝힌 정확성과 신뢰 확보 방법

데이터브릭스는 유니티 카탈로그(Unity Catalog)를 활용해 메타데이터, 테이블 설명, 열 주석, 데이터 계보(lineage), 접근 제어를 중앙에서 관리함으로써 각 사용자가 권한이 있는 데이터만 볼 수 있도록 했다고 밝혔다. 또한 마케팅 부서 관계자와 데이터 전문가들이 AI가 생성한 설명을 검토하고, 마케팅 자격 리드(MQL)의 정확한 정의나 캠페인과 제품·지역 간의 매핑 방식 등 비즈니스 맥락을 더해 보강했다고 설명했다.

회사는 또한 전환율, 고객 생애 가치, 이벤트 등록 등 자주 묻는 고부가가치 질문에 대해 검증된 답변과 예시 쿼리를 도메인 전문가의 검토를 거쳐 입력해두었다고 밝혔다. 데이터브릭스는 마지에 비즈니스 용어를 해석하는 행동 지침도 부여했는데, 예를 들어 '지출(spend)'과 '투자(investment)'가 동일하게 '비용(cost)'이라는 필드를 가리킨다는 점을 인식하도록 했으며, 기간·채널·지역 등 요청에 필요한 정보가 빠졌을 때는 확인 질문을 하도록 지시했다고 밝혔다.

데이터브릭스에 따르면 모든 응답에는 사용자가 긍정 또는 부정 피드백을 제출할 수 있는 기능이 있으며, 마케팅 분석팀은 모니터링 대시보드를 통해 이를 검토하는 한편 정답이 알려진 벤치마크 질문을 통해 성능을 체계적으로 평가한다. 회사는 이러한 관리가 가벼운 수준이며, BI 매니저 한 명이 매주 약 1시간을 들여 피드백을 검토하고 마지를 유지 관리한다고 밝혔다.

데이터브릭스가 밝힌 도입 확산 방법

데이터브릭스는 마케터들이 가장 자주 묻는 질문과 이들이 업무를 설명할 때 사용하는 언어를 파악하기 위해 직접 협업했으며, 이를 바탕으로 마지에 구성되는 데이터, 예시, 지침을 설계했다고 밝혔다. 회사는 이메일 캠페인 성과라는 단일하고 좁은 사용 사례에서 출발해, 해당 질문에 답하는 데 필요한 캠페인·수신자·참여 데이터만을 활용했으며, 이후 계정 정보 등 추가 데이터를 포함하는 방향으로 확장했다고 설명했다.

마케터들은 지니 원(Genie One)을 통해 마지에 접근하는데, 데이터브릭스는 이를 대시보드, 지니 에이전트, 애플리케이션, 심층 분석을 결합해 요청을 적절한 에이전트로 자동 라우팅하는 비즈니스 사용자용 AI 협업 경험이라고 설명했다. 회사는 웹 성과, 디지털 분석, 마케팅 기획 등 특정 영역을 위한 전용 에이전트도 만들었으며, 더 복잡한 질문에는 여러 단계를 평가할 수 있는 '에이전트 모드(Agent mode)'를 제공한다고 밝혔다.

출처: 데이터브릭스 블로그, "How Databricks' marketers use data 3x more with Genie, an AI analytics assistant", 2026년 9월 15일 게재.