Databricks는 2026년 10월 20일 에이전트용 기억 아키텍처 MemCurrent를 공개하고, Agent Bricks 플랫폼에서 Agent Memory 베타를 함께 내놨다. 기업 에이전트가 이제 대화마다 처음부터 시작하지 않고 사실과 선호, 일하는 방식을 세션 너머로 이어가게 된다. 실제 업무 대화로 만든 내부 벤치마크에서 이 기억을 단 114개 기업 작업의 완료율은 기억이 없을 때의 22.3%에서 68.4%로 올랐고, 토큰은 31% 적게 썼으며 26% 더 빨리 끝냈다. 모델은 전혀 바뀌지 않았다. 차이는 전부 기억을 어떻게 저장하고 정리하느냐에서 났다.
관건은 저장량이 아니라 두 층으로 나누는 것
MemCurrent는 기억을 두 종류로 나눈다. 일화 기억은 대화와 작업의 원본 기록, 이른바 장부다. 파생 기억은 그 장부에서 선호와 정의, 업무 절차를 추려낸 것으로, 정리된 노트에 가깝다. 나눠 잰 결과가 많은 걸 말해준다. 일화 기억만으로는 완료율 35.8%, 파생 기억만으로는 66.1%, 둘 다 주면 68.4%였다. 전체 이력을 통째로 넣는 것보다 먼저 추려서 주는 편이 훨씬 효과적이라는 뜻이다. 공개 벤치마크 세 곳에서는 전체 이력을 넣었을 때와 같은 성능을 12분의 1 토큰으로 달성했고, Mem0, PropMem, OpenClaw memory 등 오픈소스 기억 시스템 세 곳을 앞질렀다. 모두 Databricks 자체 측정이며 제3자 재현은 아직 없다는 점은 밝혀둘 필요가 있다.
오프라인 '꿈': 기억은 일하는 중이 아니라 잔 뒤에 정리된다
가장 눈길을 끄는 설계는 Databricks가 꿈에 비유한 오프라인 정리 단계다. 에이전트는 일하는 동안 일어난 일을 적어두기만 하고, 이후 별도 파이프라인이 기억을 합치고 중복을 제거하며 충돌을 해소한다. 새 정의가 옛 정의를 덮고, 겹치는 사실은 하나만 남는다. 제품 쪽 Agent Memory는 Lakebase 데이터베이스 위에 놓인다. 에이전트는 시작할 때 자기가 이미 아는 것의 색인부터 불러오고 세부 내용은 필요할 때 검색하며, Agent Bricks CLI로는 몇 분이면 기억을 갖춘 에이전트를 배포할 수 있다고 한다. 이 아키텍처는 이미 Agent Bricks Memory와 Databricks의 데이터 질의 제품 Genie를 구동하고 있다.
소비자의 '기억해줘'와는 다른 게임
소비자 제품도 기억 경쟁을 하고 있다. 예컨대 새로 나온 ChatGPT 잠금 대화는 민감한 대화를 별도 공간과 별도 기억으로 분리하는데, 그건 개인 프라이버시의 경계 문제다. MemCurrent가 노리는 건 조직의 기억이다. 지원 에이전트가 팀 전체의 티켓 이력에서 답변 방식을 축적하면 다음 동료의 에이전트가 그대로 물려받는다. 그래서 거버넌스가 문제가 된다. 잘못 추려진 기억은 '경험'이라는 이름으로 반복 호출되기 때문에, 기업이 지켜야 할 것은 완료율만이 아니라 기억의 출처 사슬과 정정 통로다. 자체 에이전트를 만드는 팀이 가져갈 결론은 구체적이다. 원본 기록과 추린 결론을 분리해 저장하고, 추리는 작업에는 오프라인 정리 시간을 주고, 그다음에 더 큰 모델 이야기를 하라는 것이다.
