데이터브릭스, 내부 마케팅팀이 Genie 기반 어시스턴트 '마지(Marge)'로 데이터 활용도 3배 늘었다고 발표
Databricks details how its marketing organization tripled data use in decisions after deploying Marge, an internal AI analytics assistant built on Genie Agents.
한 줄 답
데이터브릭스는 지니(Genie) 기반 사내 마케팅 분석 어시스턴트 마지(Marge)에서 어떤 성과를 보고하고 있는가?
Databricks says its internal marketing team uses data three times more often in decisions after adopting Marge, a Genie Agents-based assistant built on a governed Marketing Lakehouse. The company reports over 85% adoption among marketers, 800-plus monthly questions answered, and a 25% drop in flagged incorrect responses.
핵심 요약
- Databricks says its marketing team now uses data three times more often in decision-making after deploying Marge, an internal assistant built on Genie Agents.
- 해당 기업에 따르면 전체 마케팅 조직의 85% 이상이 마지(Marge)를 사용하고 있으며, 사용량은 분기마다 50%씩 증가하고 매달 800건 이상의 질문에 답변을 제공하고 있다.
- Databricks says flagged incorrect responses fell 25% after it added verified answer sets, example queries, and documented business definitions in Unity Catalog.
- 이 회사는 이메일 캠페인 성과라는 단일 사용 사례에서 출발해 사용자 피드백을 바탕으로 범위를 넓혀간 단계적 도입 전략을 채택 확산의 성공 요인으로 꼽고 있다.
- Databricks says one BI manager spends about one hour per week maintaining Marge, which the company says allowed it to scale access to insights without adding analytics headcount.
데이터브릭스가 발표한 내용
데이터브릭스가 자사 마케팅 조직이 '마지(Marge)'라는 내부 AI 어시스턴트를 어떻게 활용하고 있는지 상세히 설명하는 블로그 게시물을 공개했다. 마지는 대화형 분석 기술인 지니 에이전트(Genie Agents)를 마케팅 부문에 적용한 사례라고 회사 측은 설명했다. 이 글은 데이터브릭스의 마케팅 기술 담당 부사장보(AVP) 엘리자베스 돕스(Elizabeth Dobbs)가 토머스 러셀(Thomas Russell), 케이티 유안(Katy Yuan), 시드니 선델(Sydney Sundell)과 함께 작성했다.
데이터브릭스에 따르면 마지를 이용하면 마케터들이 자연어로 질문을 던지고 '마케팅 레이크하우스(Marketing Lakehouse)'에 근거한 답변을 받을 수 있다. 마케팅 레이크하우스는 캠페인, 웹 분석, CRM, 이벤트, 영업 데이터를 일관된 정의와 지표 아래 통합하기 위해 회사가 구축한 거버넌스 기반 데이터 환경이다.
보고된 활용 현황과 성과
데이터브릭스는 이 도구가 자사 마케팅 부서 내에서 다음과 같은 성과를 냈다고 밝혔다.
- 마케터들이 의사결정 시 데이터를 활용하는 빈도가 3배 늘었다.
- 마케팅 조직 구성원의 85% 이상이 마지를 사용하고 있다.
- 사용량이 분기마다 50%씩 증가했다.
- 마지는 월 800건 이상의 질문을 처리하며, 누적 답변 건수는 5,000건을 넘어섰다.
- 시스템이 개선되면서 오답으로 신고된 사례가 25% 줄었다.
- 데이터브릭스는 분석 인력을 추가로 채용하지 않고도 인사이트 접근성을 확대했다고 밝혔다.
회사 측 설명에 따르면 마케터들은 특정 이메일 캠페인의 성과, 특정 분기에 파이프라인에 영향을 준 프로그램, 캠페인 지출을 조정해야 할 지점 등을 마지에게 물어볼 수 있으며, 마지는 이러한 질문을 거버넌스가 적용된 기업 데이터에 대한 쿼리로 변환해 실행한다. 접근 경로는 지니 원(Genie One)을 통하는데, 데이터브릭스는 이를 웹 성과, 디지털 분석, 마케팅 기획 등 각 영역을 담당하는 전문 지니 에이전트로 요청을 연결해주는 "비즈니스 사용자를 위한 AI 협업 환경"이라고 설명한다. 보다 복잡한 요청의 경우, 여러 단계를 거쳐 심층 분석을 산출하는 '에이전트 모드'를 활용할 수 있다고 회사는 밝혔다.
데이터브릭스의 거버넌스 제품인 유니티 카탈로그(Unity Catalog)는 중앙화된 메타데이터, 데이터 계보(lineage), 역할 기반 접근 제어를 제공해 각 사용자가 자신에게 권한이 부여된 데이터만 볼 수 있도록 한다고 게시물은 설명했다.
데이터브릭스가 밝힌 시스템 신뢰 구축 방법
데이터브릭스는 마지의 정확성과 신뢰성을 높이는 데 기여했다고 평가하는 네 가지 방식을 제시했다.
- 무엇이 마케팅 적격 리드(marketing-qualified lead)로 간주되는지 등 사업 특유의 정의를 포함해 데이터 및 테이블 간 관계를 유니티 카탈로그에 문서화한다.
- 가치가 높거나 복잡한 질문에 대해서는 검증된 답변과 예시 질문-쿼리 쌍을 도메인 전문가의 검토를 거쳐 인코딩한다.
- 마지에 비즈니스 용어를 학습시키고, 기간이나 지역 등 세부 정보가 빠진 요청에는 명확화 질문을 하도록 지시한다.
- 사용자 평가와 정답이 알려진 벤치마크 질문 검증을 포함한 지속적인 피드백 및 평가 루프를 운영한다.
회사에 따르면 한 명의 BI 매니저가 매주 약 한 시간을 들여 피드백을 검토하고 마지를 관리하고 있으며, 이러한 투자가 오답 신고 건수를 25% 줄이는 데 기여했다고 평가했다.
도입 방식
데이터브릭스는 마케터들과 직접 협업해 가장 흔한 질문과 그들이 사용하는 언어를 파악하고, 이메일 캠페인 성과라는 좁은 범위의 단일 사용 사례부터 시작한 뒤 점차 범위를 넓혀가는 방식으로 도입을 추진했다고 밝혔다. 회사는 이를 통해 어시스턴트의 적용 범위를 확대하기에 앞서 정확성을 검증하고 사용자 신뢰를 쌓을 수 있었다고 설명했다.
출처: 데이터브릭스 블로그, "How Databricks' marketers use data 3x more with Genie, an AI analytics assistant", 2026년 9월 15일 게재.
자주 묻는 질문
- 마지(Marge)란 무엇인가?
- 데이터브릭스는 마지(Marge)를 자사의 지니 에이전트(Genie Agents) 기술을 기반으로 구축한 내부용 AI 분석 어시스턴트라고 설명한다. 이는 자사 마케팅팀이 거버넌스가 적용된 데이터를 대상으로 자연어 질문에 답하는 데 활용하고 있다.
- What results has Databricks reported from using Marge?
- 해당 회사에 따르면 마케팅 담당자들이 의사결정 과정에서 데이터를 활용하는 빈도가 3배 늘었으며, 전체 마케팅 조직의 85% 이상이 마지(Marge)를 사용하고 있고, 오답으로 지적된 사례는 25% 감소했다.
- How does Marge access marketing data?
- 데이터브릭스에 따르면 마지(Marge)는 거버넌스가 적용된 "마케팅 레이크하우스(Marketing Lakehouse)"를 기반으로 작동하며, 메타데이터와 데이터 계보(lineage), 역할 기반 접근 제어를 위해 자사의 유니티 카탈로그(Unity Catalog) 제품을 활용한다.
- How did Databricks roll out Marge to its marketing team?
- 해당 회사에 따르면, 처음에는 이메일 캠페인 성과라는 단일 활용 사례로 시작했으며, 이후 사용자 피드백과 도입 현황을 바탕으로 적용 범위를 확대해 나갔다.