블로그

작년에 데이터 에이전트 데모를 시청했다면 그 모양을 알 수 있습니다. 누군가가 채팅 상자에 "지난 분기에 지역별로 수익을 보여줍니다"를 입력하고, 깨끗한 SQL 쿼리가 스스로 작성하고, 테이블이 나타나고, 어쩌면 차트가 나타나고, 방이 끄덕입니다. 좋은 데모입니다. 그것은 가정 좋은 데모가 될 수 있습니다.

그런 다음 3,000 건의 보고서가있는 환경, 2009 년에 누군가에게 의미가있는 40 년의 누적 테이블 이름, 판매와 다르게 "활성 고객"을 정의하는 재무 팀, 환자 데이터가 건물을 떠나면 개인적으로 당신을 끝낼 규정 준수 담당자로 돌아가서 데모 마술이 더 조용 해집니다.

우리는 Snowflake Cortex, Databricks Genie, Microsoft Fabric의 데이터 에이전트 및 Copilot과 같은 수평 데이터 에이전트가 성숙 해지는 것을 보면서 2026의 좋은 부분을 보냈으며, 사람들이 ClickHouse, LibreChat, 벡터 스토어 및 주말에 모여 있습니다. 그들은 진정으로 인상적이며, 우리는 그들이 떨어지는 곳을 말하기 전에 그들에게 진정한 신용을주고 싶습니다. 왜냐하면이 비교의 정직한 버전은 브로셔 버전보다 유용하며 어쨌든 BI 네이티브 접근 방식에 더 아첨하기 때문입니다.

여기 솔직한 버전이 있습니다.

수평 에이전트가 실제로 좋은 것

이러한 도구는 원시 데이터에 가깝습니다. 그것은 그들의 전체 논문이며, 그것은 좋은 것입니다. 이전에 질문이 제기되지 않았을 때 - 분석가가 예상하지 못한 진정으로 새로운 조각 - 창고에 직접 연결된 에이전트는 원시 테이블을 통해 이유를 가서 대답하려고 할 수 있습니다. 개방형 탐구, 데이터 과학 작업, "나는 아직 내가 찾고있는 것을 모른다"단계를 위해, 호수와의 근접성이 진정한 이점입니다. 그들은 당신의 계산으로 확장합니다. 그들은 당신의 질문이 이상하다는 것을 신경 쓰지 않습니다.

Snowflake-native Shop이거나 Fabric에 거주하는 경우 통합 스토리도 깨끗합니다. 에이전트는 이미 구성한 액세스 제어에서 이미 지불 한 플랫폼 내부로 실행됩니다. 창고 수준의 거버넌스는 Snowflake의 행 액세스 정책, Databricks의 Unity 카탈로그 권한 및 Fabric의 Microsoft Purview가 모두 에이전트에게 전달됩니다. 이 에이전트를 "보안을 무시"한다고 말하는 사람은 당신에게 무언가를 팔고 있습니다. 그들은 그렇지 않다. 사용자는 볼 수 있는 행을 봅니다.

그래서: 강력하고, 데이터 계층에서 잘 관리되고, 탐험에 좋습니다. 이것이 공정한 출발점이다.

The Thing That's Never on the Slide (슬라이드에 절대 없는 것)

데모가 보여주지 않는 것과 마케팅을 지나치면 공급 업체가 놀라 울 정도로 솔직한 것을 보여줍니다.

이러한 에이전트 중 어느 것도 원시 스키마의 마법이 아닙니다. 그들은 단지 신뢰할 수 있습니다. 이후 누군가가 데이터 위에 의미 론적 계층을 구축하는 힘들고 화려하지 않은 작업을 수행했습니다.

전체 구매 질문을 재구성합니다. ‘이 도구에 AI가 있는가?’가 아니다. 지금 모든 것이 AI를 가지고 있다. 진짜 질문은: 귀하의 비즈니스 논리는 어디에 살고 있으며, 누가 그것을 유지하고 있으며, 얼마나 많은 곳에서 유지해야합니까?

‘BI-Native’가 다른 답인 이유

이것은 TURBOARD의 JAS가 들어오는 곳이며, 위의 프레임이 테이블 위에 있으면 거의 당황 스러울 정도로 간단합니다.

BI 플랫폼에서 이미 분석을 실행한 경우, 당신은 이미 의미 체계 계층을 구축했습니다. 귀하의 지배적 인 견해, 노드, 테이블 및 필드 설명, 계산 된 측정, 대시 보드, 필터, 권한 모델 - is 선별 된 비즈니스 컨텍스트 수평 에이전트가 YAML에서 처음부터 빌드하도록 요청합니다. JAS는 다른 곳에서 두 번째 사본을 작성하도록 요청하는 대신 이미 지불하고 유지 관리하는 자산을 읽는 조수입니다.

그 단일 사실은 그들이 들리는 것보다 더 중요한 몇 가지로 흘러 들어갑니다.

그 마지막 요점은 JAS의 두 가지 최신 조각이 추상화를 구체화하는 곳입니다.

JASlet & The JAS Pane: The Part That's Hard to Copy 자세히 보기

수평 에이전트가 올바른 호출일 때

우리는 정직 할 것이라고 말했습니다. 그래서 우리는 BI-native Assistant를 통해 Cortex 또는 Genie 또는 Fabric 에이전트에 도달 할 수있는 실제 사례가 있습니다.

JAS도 마법이 아니다. 그 아래의 의미 모델링, 즉 견해, 설명, 조치만큼 좋습니다. 그들이 엉성하다면, JAS는 엉성 할 것입니다. 정직한 대칭은 다음과 같습니다. 둘 다 접근 방식은 잘 구축 된 의미 체계 계층에 의존합니다. 차이점은 BI 플랫폼을 사용하면 이미 빌드하고 유지 관리했을 가능성이 높으며 BI 네이티브 어시스턴트가 재사용한다는 것입니다. 수평 에이전트는 해당 레이어를 별도의 인공물로 빌드(또는 재구성)한 다음 영원히 병렬로 유지하도록 요청합니다.

결론

우리가 발견 한 가장 깨끗한 방법 : 수평 데이터 에이전트가 당신을 허용 귀하의 데이터와 대화하십시오. 그것은 소중하다. 그러나 비즈니스 인텔리전스는 결코 테이블과 쿼리가 아닙니다. 모델, 대시 보드, 필터, 시각적 규칙, 권한, 페르소나 및 실제로 신뢰할 수있는 보고서에 대한 10 년의 제도적 기억을 규율합니다.

BI-native 어시스턴트가 당신을 허용합니다. BI와 대화하기 — 전체 지배 환경, 그 아래 데이터베이스뿐만 아니라.

분석이 이미 BI 플랫폼에 거주하는 경우 AI 보조원을 신뢰할 수 있게 만드는 의미론적 토대는 이미 수행한 작업입니다. 공급 업체에게 물어볼 가치가있는 질문은 채팅 상자를 추가했는지 여부가 아닙니다. 모두가 가지고 있습니다. AI가 이미 모델링 한 비즈니스를 이해하고, 이미 설정 한 거버넌스를 존중하며, 사람들이 이미 사용하는 워크 플로우 내에서 답변하는지 여부 또는이 모든 것을 재건 할 수있는 또 다른 장소인지, 그리고 화해 할 진실의 원천이 하나 더 있는지 여부입니다.

자신의 BI에서 JAS 보기

분석이 이미 지배 BI 환경에 거주하는 경우 JAS는 이미 투자한 의미 계층을 읽고 사람들이 이미 사용하는 대시보드 내에서 답변하도록 요구하지 않습니다.

우리 팀과 함께 연습을 예약하고 JAS, JASlet 및 글로벌 JAS 패널이 규제 된 환경에 대한 온프레미스 SLM 지원과 함께 지배적 인 모델에 대해 작동하는 것을 볼 수 있습니다.

당신은 또한 우리의 탐구 할 수 있습니다 전체 BI 비교 TURBOARD가 더 많은 엔터프라이즈 시나리오에 걸쳐 어떻게 쌓이는지 확인합니다.