Databricks는 2026년 10월 14일 공식 블로그를 통해 Predictive AI Functions의 베타 제공을 발표했다. SQL 네이티브 신규 함수 4개를 한 번에 추가하고 기존 ai_forecast에는 더 강한 시계열 파운데이션 모델을 얹었다. 겨냥한 문제는 구체적이다. 다음 분기 매출은 얼마일지, 이 지표가 왜 움직였는지, 어느 날짜의 데이터가 이상한지. 과거에는 데이터 과학 팀에 맡겨 순서를 기다려야 했던 질문을 이제 분석가가 SQL 편집기와 대시보드에서 직접 물을 수 있고, 비즈니스 사용자는 Genie를 통해 일상 언어로 질문하면 시스템이 적절한 함수를 대신 호출한다.
다섯 개 함수, 질문 유형마다 하나씩
구분은 업무 질문을 따른다. ai_forecast는 시계열을 미래로 외삽하고, ai_top_drivers는 지표 변화를 가장 많이 설명한 부문을 찾으며, ai_detect_anomalies는 시계열 데이터의 이상 행을 표시한다. ai_predict_value와 ai_predict_class는 연속값과 범주형 결과를 각각 채운다. 모두 네이티브 SQL 함수로 수억 행 규모에서 실행할 수 있고 결과는 기존 쿼리와 파이프라인에 바로 들어간다. 제공 범위에서는 ai_top_drivers가 이미 Genie에서 사용할 수 있고 나머지 4개는 Genie 지원이 곧 제공될 예정으로 명시돼 현재는 주로 SQL과 대시보드에서 쓴다.
튜닝이 필요 없다고 내세우는 이유
강화한 ai_forecast의 뒤에는 다양하고 방대한 시계열 데이터로 사전 학습한 트랜스포머 기반 시계열 파운데이션 모델이 있다. 언어 모델이 텍스트를 익히듯 계절성과 추세 같은 패턴을 먼저 익혀 기업 자체 데이터에서는 튜닝 없이 예측을 내놓겠다는 발상이다. 새 버전은 비즈니스가 실제로 쓰는 변수도 다룬다. 공휴일 효과를 내장 지원해 크리스마스 하락이나 개학 성수기를 반영할 수 있고, 가격 변경이나 마케팅 지출 같은 외부 공변량도 넣을 수 있다. fev-bench 벤치마크에서 Databricks는 새 ai_forecast가 주요 클라우드 데이터 웨어하우스의 동급 함수와 자사 구버전을 작업 승률에서 앞섰다고 밝혔는데, 이는 업체가 보고한 비교이므로 선정 시에는 자체 이력 데이터로 검증해야 한다. 같은 주에 문서 처리 기능도 정식 제공에 들어갔다. Databricks 문서 인텔리전스 API 정식 출시와 함께 보면 방향은 같다. 전문가의 순서를 기다리던 일을 플랫폼의 기본 함수로 바꾸는 것이다.
베타라는 꼬리표를 봐야 한다
온도를 낮춰 봐야 할 점도 분명하다. 이 함수군은 아직 베타이고 모델은 Databricks가 중앙에서 유지 관리한다. 대시보드, SQL, Genie에서 결과가 일관되고 인프라를 관리할 필요가 없다는 이점과 맞바꾸어 모델 선택이나 자체 튜닝은 할 수 없고, 예측이 빗나갔을 때 자체 모델만큼 분해해 원인을 찾기도 어렵다. 어울리는 용도는 탐색과 일상적인 운영 분석이다. 깊이 파볼 가치가 있는지 빠르게 판단하고, 정말 중요한 지표에는 전용 모델을 따로 세우는 편이 좋다. 이미 Databricks에 데이터가 있는 팀에게는 시험 비용이 확실히 낮아 SQL 한 줄이면 검증할 수 있다. 데이터가 다른 곳에 있는 팀에게 이번 발표 자체는 이전의 이유가 되지 않는다.
