기업용 데이터 플랫폼은 도메인 셀프 서비스 (Domain self-service)와 통합적 거버넌스 (Holistic governance) 사이의 지속적인 긴장에 직면해 있습니다. Data Mesh 패러다임은 해결책으로서 분산된 도메인 소유권을 제안했지만, 순수한 구현 방식은 빈번하게 기대에 미치지 못합니다. 즉, 팀들이 이를 효과적으로 수행하는 데 필요한 플랫폼 성숙도, 도구, 또는 조정 메커니즘을 갖추지 못한 채 새로운 책임을 떠안게 된다는 점입니다. 본 논문은 현대적인 Lakehouse 아키텍처 위에 계층화된 AI 증강 허브 앤 스포크 (Hub-and-spoke) 모델을 통해 유연성과 통제 사이의 트레이드오프 (Trade-off)를 완화할 수 있다고 주장합니다. 중앙 허브 (Center of Excellence)는 공유 플랫폼 서비스, 정책 자동화, 그리고 AI 기반 거버넌스를 제공하며, 데이터 제품 (Data products)을 자동으로 표준화하고, 품질 규칙을 생성하며, 데이터 계약 (Data contracts) 초안을 작성하고, 회귀 (Regressions)를 방지하기 위한 변경 사항을 검토합니다. 도메인 스포크 (Spokes)는 비즈니스 시맨틱 (Business semantics), 제품 백로그 (Product backlogs), 그리고 로컬 반복 주기 (Local iteration cadence)를 소유하며, 성숙함에 따라 점진적으로 더 큰 책임을 맡게 됩니다. 거버넌스 작업을 자동화하는 동일한 LLM (Large Language Models)은 도메인 실무자들이 비즈니스와 데이터 엔지니어링을 아우르는 진정한 교차 기능적 전문성을 개발하는 장벽을 낮추어, 스포크 팀이 허브에 대한 의존도를 비례적으로 높이지 않으면서도 더 큰 엔드 투 엔드 (End-to-end) 소유권을 가질 수 있도록 합니다. 자연어 대화형 인터페이스는 비즈니스 사용자의 접근성을 더욱 민주화하여, 역사적으로 활용도가 낮았던 기업 데이터를 노출시킵니다. 조직 측면에서 우리는 중앙 집중식 병목 현상과 조정되지 않은 분산화를 모두 피하면서, 소유권을 허브에서 스포크로 전환하는 단계별 프레임워크를 제안합니다. 우리는 플랫폼의 성공을 내부 활동이 아닌 측정 가능한 비즈니스 가치와 연결하는 세 가지 결과 지표, 즉 데이터 제품 채택률 (Data product adoption), 탐색 시간 (Time-to-find), 그리고 통찰 도출 시간 (Time-to-insight)을 통해 이 아키텍처를 평가합니다.