답변게시됨19 소스
구글, 여러 클라우드의 데이터를 AI 에이전트에 연결한다
구글은 2026년 11월 4일, 여러 클라우드에 흩어진 데이터를 AI 에이전트가 활용하도록 돕는 Agentic Data Cloud 업데이트를 발표했습니다. 핵심은 Apache Iceberg 기반 Borderless Lakehouse와 데이터의 업무상 의미를 제공하는 Knowledge Catalog입니다.
게시자GPT-6 Luna로 편집GPT Image 2로 이미지 생성
연구 답변
주요 시사점
- 구글은 2026년 11월 4일, 여러 클라우드에 흩어진 데이터를 AI 에이전트가 활용하도록 돕는 Agentic Data Cloud 업데이트를 발표했습니다.
- 핵심은 Apache Iceberg 기반 Borderless Lakehouse와 데이터의 업무상 의미를 제공하는 Knowledge Catalog입니다.
- 다만 Borderless Lakehouse의 일반 제공과 일부 카탈로그 연동의 프리뷰는 별개이며, 데이터 이동을 줄인다고 모든 비용이 사라지는 것은 아닙니다.
AI 프롬프트
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Google announce on November 4, 2026, about its Agentic Data Cloud, first introduced at Google Cloud Next 2026, and how do its Apach. Article summary: On November 4, 2026, Google announced updates to its Agentic Data Cloud centered on querying distributed data and giving AI agents more consistent business context, extending the architecture introduced at Google Cloud N. Topic tags: general, documentation, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
구글이 2026년 11월 4일 공개한 Agentic Data Cloud 업데이트의 핵심은 기업 데이터가 여러 클라우드에 나뉘어 있어도 한곳으로 모두 옮기지 않고 AI 에이전트가 활용하도록 돕는 것입니다. 여기에 데이터가 무엇을 뜻하는지, 어떤 업무 정의를 따라야 하는지를 알려주는 맥락 정보를 더합니다. 중심에는 Apache Iceberg 기반의 Borderless Lakehouse와 Knowledge Catalog가 있습니다. 다만 기능마다 출시 단계가 다르고, 교차 클라우드 접근이 모든 비용을 없앤다고 단정할 근거는 없습니다. 4
10
데이터를 한곳에 모으기보다 있는 곳에서 조회
구글은 Borderless Lakehouse를 오픈 테이블 형식인 Apache Iceberg를 기반으로 하는 관리형 데이터 기반으로 설명합니다. Iceberg는 분석과 AI 작업에서 데이터를 다루기 위한 공통 기반 역할을 합니다. 4
1 구글의 제품 자료는 데이터를 옮기지 않고 클라우드 간에 조회·활용하는 방향을 제시하며, 관련 보도는 AWS와 Azure에 저장된 데이터를 대상으로 질의할 수 있다고 전했습니다.
15
3
이는 분석 전에 데이터를 중앙 데이터 웨어하우스로 복사하는 방식과 다릅니다. 데이터가 있는 곳에서 바로 조회할 수 있다면, 시스템 간 복사만을 위해 구축하는 일부 데이터 파이프라인의 필요성을 줄일 수 있습니다. 그렇다고 설정이 저절로 끝나는 것은 아닙니다. 실제 이용에는 연결 구성, 접근 권한, 데이터 형식, 관련 서비스가 맞게 준비돼 있어야 합니다.
제품 전체가 같은 출시 단계는 아니다
구글 제품 페이지는 Borderless Lakehouse가 정식 출시, 즉 일반 제공 단계라고 안내합니다. 11 하지만 이를 모든 연동이나 데이터 연합 기능까지 정식 출시됐다는 뜻으로 받아들여서는 안 됩니다. Google Cloud의 Lakehouse 개요에서는 AWS Glue, Databricks Unity Catalog, Snowflake Horizon과의 카탈로그 연합 기능을 프리뷰로 소개합니다.
10 Google Cloud 문서에는 Google Cloud에서 Databricks Unity Catalog 데이터를 조회하기 위한 교차 클라우드 연결 설정도 안내돼 있습니다.
따라서 프라이빗 연결, 캐싱, 제로카피 연동 등 세부 기능의 제공 여부는 각각 확인할 필요가 있습니다. 제공된 자료만으로는 AWS·Azure의 네트워킹 및 캐싱 세부 사항 전체나 SAP, Workday, Salesforce와의 제로카피 연동을 확인할 수 없습니다. 이 내용을 확정된 기능처럼 전제하기는 어렵습니다.
Knowledge Catalog는 데이터에 ‘업무 맥락’을 더한다
테이블에 접근할 수 있다고 해서 AI 에이전트가 지표의 뜻이나 조직이 신뢰하는 정의까지 아는 것은 아닙니다. 구글은 Knowledge Catalog를 에이전트가 데이터를 해석하는 데 필요한 업무상 의미와 관리된 맥락을 제공하는 도구로 내세웁니다. 11월 발표는 Borderless Lakehouse가 Knowledge Catalog와 연동해 클라우드에 분산된 데이터와 비정형 데이터를 색인하고, 에이전트가 참고할 맥락을 제공한다고 설명합니다. 4
구글은 ‘자기 학습형 맥락 보강’과 Knowledge Studio도 프리뷰로 소개했습니다. 맥락 보강 기능은 에이전트와 사용자의 상호작용을 바탕으로 업무 맥락의 빈틈을 찾아내도록 설계됐고, Knowledge Studio는 데이터 담당자가 그 맥락을 살펴보고 검토하는 도구입니다. 19 다만 이런 기능은 맥락을 관리하는 수단이지, 에이전트가 업무 절차를 안전하게 수행한다는 증거는 아닙니다.
Gemini Enterprise 릴리스 노트에는 Data Cloud 커넥터의 연합 질의 모드와 Knowledge Catalog 연동이 프리뷰로 기록돼 있습니다. 연합 질의 모드의 커넥터를 연결하면 Assistant에서 Knowledge Catalog가 자동 활성화되고, 사용자가 접근 권한을 가진 데이터를 검색하거나 기술·업무 맥락을 확인하는 읽기 전용 도구를 제공합니다. 17 이는 문서로 확인되는 범위가 정해진 연동이며, Gemini 지원에 관한 더 넓은 주장을 모두 뒷받침하지는 않습니다.
‘데이터 이동 비용 절감’과 전체 비용은 다르다
구글은 데이터를 옮기지 않고 접근하는 방식을 강조합니다. 발표를 다룬 보도도 AWS와 Azure 데이터를 조회하면서 변동형 이그레스 비용이 들지 않는다고 소개했습니다. 15
3 하지만 제공된 발표문과 문서 발췌만으로는 모든 원격 클라우드 관련 비용이 사라지는지, 특정 작업의 총비용이 얼마인지 판단할 수 없습니다.
또한 talabat의 데이터 이동 비용이 약 40% 줄었다는 보고나, 그 수치가 Amazon S3의 Iceberg 데이터를 BigQuery와 연합해 조회한 구체적인 구성에서 나온 것인지는 제공된 자료로 확인되지 않습니다. 설령 데이터 이동 비용 절감이 확인되더라도, 그것만으로 전체 질의 비용이나 에이전트가 업무를 완료하는 데 드는 비용까지 비슷한 비율로 낮아졌다고 볼 수는 없습니다.
데이터베이스 업데이트도 포함됐지만 세부 근거는 제한적
당시 보도는 Knowledge Catalog와 함께 AlloyDB, BigQuery에도 업데이트가 있다고 전했습니다. 3 다만 AlloyDB가 Iceberg의 과거 기록과 실시간 PostgreSQL 운영 데이터를 직접 결합해 조회할 수 있다는 구체적 기능은 제공된 발췌 자료로 확인되지 않습니다.
Spanner Omni는 구글의 데이터 전략에서 함께 살펴볼 만한 제품이지만, 11월 4일에 처음 정식 출시된 것은 아닙니다. 구글은 2026년 9월 30일 Spanner Omni의 일반 제공을 발표하면서, 온프레미스 환경이나 다른 클라우드에도 배포할 수 있는 분산형 멀티모델 데이터베이스라고 설명했습니다. 20
데이터 접근과 업무 실행은 다른 문제
이번 발표에서 확인할 수 있는 방향은 분명합니다. 구글은 여러 클라우드에 걸친 데이터 접근 계층을 만들고, AI 비서와 에이전트가 공통된 맥락을 활용하도록 연결하고 있습니다. 이런 구성이 관련 정보를 찾고 일관된 정의를 적용하는 데 도움을 줄 수 있습니다. 4
17
19
하지만 데이터에 접근하고 맥락을 제공하는 것만으로 에이전트가 업무를 안전하게 끝까지 수행한다고 입증되지는 않습니다. 실제 업무 실행을 평가하려면 권한 관리, 결과 검증, 트랜잭션 처리, 감사 기록, 오류 복구, 그리고 성공적으로 업무를 완료하는 데 드는 총비용에 대한 별도의 근거가 필요합니다. 제공된 자료는 인용된 애널리스트 평가나 Microsoft, Databricks, Snowflake, AWS와의 구체적인 비교를 확인하기에도 충분하지 않습니다. 이번 발표는 플랫폼이 나아가려는 방향을 보여주지만, 자율 실행의 안전성과 경제성은 데이터 접근·맥락 기능만으로 판단할 수 없습니다.
Studio Global AI
연구를 계속하세요
이 페이지에는 Studio Global 내에서 계속할 수 있는 소스 기반 답변이 포함되어 있습니다.
사람들은 또한 묻습니다.
"구글, 여러 클라우드의 데이터를 AI 에이전트에 연결한다"에 대한 짧은 대답은 무엇입니까?
구글은 2026년 11월 4일, 여러 클라우드에 흩어진 데이터를 AI 에이전트가 활용하도록 돕는 Agentic Data Cloud 업데이트를 발표했습니다.
먼저 검증할 핵심 포인트는 무엇인가요?
구글은 2026년 11월 4일, 여러 클라우드에 흩어진 데이터를 AI 에이전트가 활용하도록 돕는 Agentic Data Cloud 업데이트를 발표했습니다. 핵심은 Apache Iceberg 기반 Borderless Lakehouse와 데이터의 업무상 의미를 제공하는 Knowledge Catalog입니다.
실무에서는 다음으로 무엇을 해야 합니까?
다만 Borderless Lakehouse의 일반 제공과 일부 카탈로그 연동의 프리뷰는 별개이며, 데이터 이동을 줄인다고 모든 비용이 사라지는 것은 아닙니다.