BigQuery Graph란, Databricks Unity Catalog까지 잇는 AI 에이전트 지식 기반 활용법

AS-IS: 그래프 분석은 왜 번거로웠나

기업 데이터에서 정말 중요한 질문은 개별 행(row) 하나가 아니라 '두 계정이 어떻게 연결됐는지', '결제가 어떤 경로를 거쳤는지' 같은 관계 질문인 경우가 많아요. 지금까지는 이런 통찰을 얻으려면 데이터를 별도 그래프 데이터베이스로 추출해야 했고, 그 과정에서 데이터 사일로와 운영 부담이 생겼습니다. BigQuery Graph는 이 장벽을 없애려고 그래프 기능을 데이터 웨어하우스 안에 직접 넣은 것이라고 원문은 설명해요.

이번 GA의 핵심: borderless Lakehouse와 더 빠른 GQL

이번 GA(정식 출시)에서 가장 눈에 띄는 건 borderless Lakehouse 기능입니다. 하나의 BigQuery Graph가 네이티브 BigQuery 테이블뿐 아니라 Databricks Unity Catalog, AWS Glue, Snowflake를 통한 다른 클라우드의 오픈 Iceberg 테이블까지 아우를 수 있고, 데이터를 복사하거나 ETL 파이프라인을 만들 필요 없이 제자리에서 순회(traverse)할 수 있어요. 예를 들어 고객 데이터는 Google Cloud의 Iceberg lakehouse에, 제품과 공급사 기록은 AWS의 Databricks 카탈로그에 있어도, 에이전트가 요청마다 소스를 이어붙이는 대신 이미 연결된 하나의 가상 지식 그래프를 순회해 답을 얻습니다. 성능 면에서는 공개 벤치마크 기준으로 GQL이 프리뷰 대비 2배, 비방향(undirected) 순회는 100배 빨라졌고, ACYCLIC과 TRAIL 경로 모드의 사이클 탐지도 더 빠르고 자원 효율적으로 개선됐다고 밝혔습니다.

AI 에이전트를 위한 새 기능들

이번 발표는 그래프 엔진 강화 외에 에이전트 생태계 구축에도 초점을 맞췄어요. BigQuery conversational analytics로 자연어로 그래프에 질문하면 스키마의 관계를 읽어 SQL이나 GQL로 번역하고 경로 기반 답변을 시각화해줍니다. Gemini Enterprise를 MCP 서버로 BigQuery Graph에 연결하거나 conversational data agent를 직접 게시할 수도 있어요. 또 Google Cloud Data Agent Kit 확장을 통해 Antigravity, Visual Studio Code, Claude Code, Codex 같은 에이전틱 코딩 도구에서 그래프 모델링과 GQL 작성을 에이전트에게 맡길 수 있는 스킬도 제공됩니다. 여기에 더해 context graph 기능은 에이전트가 내린 각 결정을 타입이 있는 조회 가능한 추적 기록으로 남겨, 사후에 어떤 옵션이 선택됐고 어떤 대안이 배제됐는지 설명할 수 있게 해줘요.

실무 적용 포인트

Databricks 환경에서 고객 데이터를 관리하는 조직이라면 아래를 점검해볼 만해요.

• 현재 Databricks Unity Catalog나 AWS Glue, Snowflake에 흩어진 고객 식별자, 행동 데이터를 BigQuery Graph의 borderless Lakehouse로 데이터 이동 없이 연결 가능한지 확인
• 원문에 소개된 위협 탐지, 공급망 디지털 트윈, Customer 360, AI 에이전트용 지식 그래프 중 자사 사용 사례와 맞는 영역 우선 검토
• GQL을 직접 작성하지 않아도 conversational analytics로 자연어 질의가 되는지 프로토타입 테스트
• 에이전트가 그래프를 근거로 판단을 내릴 경우 context graph로 판단 근거를 추적할 수 있는지 확인

자주 묻는 질문

BigQuery란 무엇인가요

BigQuery는 구글 클라우드의 데이터 웨어하우스 서비스이고, 이번에 정식 출시된 BigQuery Graph는 그 안에서 SQL과 ISO 표준 그래프 질의언어 GQL을 함께 써서 계정 연결이나 결제 경로 같은 다단계 관계를 조회하는 기능이에요.

AI 에이전트 활용 사례로는 뭐가 있나요

원문에서는 위협, 사기 탐지의 다단계 공격 경로 추적, 제조, 물류의 공급망 디지털 트윈, 광고, 리테일의 고객 아이덴티티 통합(Customer 360), 비정형 문서에서 구축한 지식 그래프로 Gemini 모델과 GraphRAG를 근거화하는 사례, 통신, IT의 네트워크 계보 관리 등을 소개했습니다. Thales는 보안 신호 데이터를 property graph로 모델링해 위협 탐지에, Yahoo는 캠페인과 오디언스 관계 추적에, Workerbee는 인력 역량 데이터를 그래프로 연결하는 데 활용하고 있어요.

Databricks와는 어떻게 연동되나요

borderless Lakehouse 기능으로 Databricks Unity Catalog에 있는 Iceberg 테이블을 데이터 이동 없이 BigQuery Graph의 노드와 엣지로 매핑해 하나의 가상 지식 그래프로 순회할 수 있어요. AWS Glue, Snowflake의 Iceberg 테이블도 같은 방식으로 연결됩니다.

별도 그래프 데이터베이스와 비교하면 뭐가 다른가요

기존에는 그래프 통찰을 얻으려면 데이터를 별도 그래프 데이터베이스로 추출해야 해서 사일로와 운영 부담이 생겼습니다. BigQuery Graph는 데이터 웨어하우스 안에서 기존 행, 열 수준 보안을 그대로 적용받고 BigQuery ML, AI 함수를 같은 쿼리에서 호출할 수 있다는 점이 다릅니다.