Alibaba Group의 기업 데이터 및 AI 자회사인 Lingyang은 명확한 논제를 바탕으로 2027 회계연도 제품 로드맵을 제시했습니다. 그 논제는 바로 기업 데이터의 미래는 인간과 지능형 에이전트(intelligent agents)가 대등하게 협업하는 AI-Native 시스템에 있다는 것입니다. 이 로드맵은 Quick BI, Quick Service, Quick Audience, AgentOne의 네 가지 제품 라인을 아우르며, 각 제품은 2027년 6월 30일과 9월 30일이라는 두 개의 이정표 날짜와 연계된 주요 업그레이드를 받게 됩니다. 이러한 업데이트들은 결합되어, 과거에 수 주가 소요되었던 수동 데이터 작업을 단 몇 분의 대화형 상호작용(conversational interaction)으로 압축할 것을 약속합니다.

Abstract editorial cover illustration showing a luminous data network transitioning from structured grids to flowing AI-agent connections, symbolizing Lingyang's FY27 roadmap from traditional analytics to AI-native human-agent collaboration.

문제점: 기존의 분석 워크플로우(Analytics Workflows)는 AI 이전의 세상을 위해 구축되었습니다

오늘날의 기업 데이터 팀은 근본적으로 반응적인 루프(reactive loop) 내에서 작동합니다. 비즈니스 이해관계자가 보고서를 요청하면, 분석가가 SQL을 작성하거나 대시보드(dashboard)를 구성합니다. 그 후 이해관계자가 이를 검토하고 후속 질문을 던지며 이 사이클이 반복되는데, 이는 종종 며칠씩 걸리기도 합니다. Lingyang의 내부 데이터에 따르면, 평균적인 중대형 기업은 한 달에 5회 미만으로 조회되는 수백 개의 대시보드를 유지하고 있으며, 이해관계자가 회의에서 실제로 던지는 질문들은 그에 상응하는 뷰(view)를 구축할 시간이 아무도 없기 때문에 답변되지 않은 채 남겨집니다.

대시보드가 보여주는 것과 의사 결정권자가 필요로 하는 것 사이의 이러한 격차는 도구의 문제가 아니라 아키텍처(architectural)의 문제입니다. 전통적인 BI는 누군가가 모든 차원(dimension)을 사전 모델링하고, 모든 차트를 사전 구축하며, 모든 드릴 다운 경로(drill path)를 사전에 정의해야 한다고 가정합니다. 비즈니스가 전환될 때 대시보드는 뒤처집니다. 새로운 데이터 소스가 도착하면 파이프라인(pipeline) 대기열은 늘어납니다. 그 비용은 단순히 엔지니어의 시간뿐만 아니라, 놓친 기회와 지연된 결정으로 측정됩니다.

변화된 점: 네 가지 제품 라인, 하나의 통합된 업그레이드

Quick BI: 대시보드 빌더에서 자율 주행 분석 에이전트로

Abstract editorial illustration of a self-driving analytics agent: an autonomous data query path flowing through translucent geometric nodes, replacing a rigid pre-built dashboard grid.

Lingyang의 플래그십 비즈니스 인텔리전스 (Business Intelligence, BI) 플랫폼인 Quick BI는 2027년 6월 30일까지 AI-네이티브 (AI-native) 버전을 출시할 예정입니다. 이번 업그레이드는 Lingyang이 "슈퍼 데이터 분석 에이전트 (super data analysis agent)"라고 부르는 기능에 집중되어 있습니다. 이는 자연어로 된 비즈니스 질문을 이해하고, 쿼리할 데이터 소스를 자율적으로 결정하며, 적절한 분석 단계를 생성 및 실행한 후, 이를 뒷받침하는 시각화 자료와 함께 서사적인 답변을 반환하는 시스템입니다.

FY26에 Quick BI는 이미 강력한 기업 시장 견인력을 입증했습니다. 이 플랫폼은 Muyuan Foods 및 McDonald's와 주요 계약을 체결했으며, 클라우드 서비스 가용 범위를 미국 동부 및 일본 지역으로 확장하여 글로벌 고객을 위한 다중 지역 입지를 구축했습니다. AI-네이티브 업그레이드는 이러한 토대 위에서 상호작용 모델을 "대시보드를 구성하고 확인하는 방식"에서 "질문을 던지고 답변을 얻는 방식"으로 전환함으로써 발전합니다.

새로운 버전은 멀티턴 대화 (multi-turn conversation) 기능, 이상 징후 및 기여도 분석 (contribution analysis)을 자동으로 표면화하는 지능형 해석, 그리고 Quick BI의 시맨틱 레이어 (semantic layer)를 외부 LLM 에이전트와 직접 연결하는 MCP (Model Context Protocol) 커넥터를 도입합니다. 이는 기업이 별도의 맞춤형 통합 구축 없이도 자체 AI 어시스턴트가 Quick BI를 구조화된 데이터 소스로 쿼리할 수 있음을 의미합니다.

Quick Service: 디지털 운영을 위한 인간-에이전트 협업

Abstract editorial illustration of human-agent collaboration: a human silhouette and an AI node connected by orbital lines, co-processing customer operation workflows on translucent planes.

Lingyang의 고객 운영 플랫폼인 Quick Service는 2027년 6월 30일까지 인간-에이전트 협업 (human-agent collaboration) 기능을 도입할 예정입니다. FY26에 Quick Service는 Geely, Hisense, Yadea의 이커머스 및 오프라인 리테일 시나리오에 디지털 직원 (digital employees)을 배치하여 고객 문의, 주문 관리 및 사후 서비스 (after-sales) 워크플로우를 처리했습니다.

FY27 업데이트를 통해 이러한 디지털 직원은 단순 작업 수행 봇 (task-executing bots)에서 협업 파트너로 진화합니다. 인간 서비스 상담원은 복잡한 케이스를 디지털 직원에게 할당하고, 실시간으로 실행 과정을 모니터링하며, 판단이 필요한 시점에 개입하고, 완료된 작업에 대해 AI가 생성한 요약본을 받을 수 있게 됩니다. 또한, 시스템은 매 상호작용으로부터 학습하여 응답 품질을 개선하는 자기 반복형 (self-iterating) 디지털 직원을 지원할 예정이며, 이 기능은 9월 30일 마일스톤(milestone)에 맞춰 예정되어 있습니다.

Dataphin: AI 시대를 위한 멀티모달 데이터 거버넌스 (Multimodal Data Governance)

Abstract editorial illustration of a multimodal data lake: structured table geometry, waveform audio lines, image rectangles, and text fragments all flowing into a unified translucent governance layer.

Lingyang의 데이터 거버넌스 및 관리 플랫폼인 Dataphin은 2027년 9월 30일까지 멀티모달 데이터 레이크 (multimodal data lake)를 제공할 예정입니다. 이번 업그레이드는 현재 데이터 레이크의 구조적 한계를 해결합니다. 기존 데이터 레이크는 정형 (structured) 및 반정형 (semi-structured) 데이터는 잘 처리하지만, 통화 녹취록, 이미지, 비디오, 오디오와 같은 비정형 (unstructured) 데이터는 거버넌스의 사각지대로 남아 있습니다.

멀티모달 데이터 레이크는 모든 데이터 모달리티 (modalities)에 걸쳐 거버넌스를 통합합니다. 기업은 관계형 테이블 (relational tables)에 적용하는 것과 동일한 엄격함으로 텍스트, 이미지, 오디오 자산에 대해 카탈로그화, 프로파일링, 품질 검사 및 액세스 제어를 적용할 수 있습니다. 또한 Dataphin은 기업이 기존의 ETL 파이프라인을 다시 작성하지 않고도 레거시 데이터 플랫폼에서 이동할 수 있도록 돕는 마이그레이션 도구를 도입할 예정입니다. 이는 기존 인프라에 깊은 투자를 한 대기업들에게 중요한 도입 가속화 요소가 될 것입니다.

AgentOne: VOC 및 라이브 운영을 위한 통합 플랫폼

Abstract editorial illustration of a unified platform bridging voice-of-customer insight and live operations: soundwave fragments transforming into real-time alert nodes across a translucent plane.

Lingyang의 통합 지능형 플랫폼인 AgentOne은 제품 포트폴리오 전반에 걸쳐 연결 조직 (connective tissue) 역할을 합니다. FY26에 AgentOne은 콜센터 전사 데이터 (call center transcripts), 소셜 미디어 언급, 앱 내 설문 조사 등 다양한 채널의 피드백을 집계하고, 자연어 처리 (NLP)를 사용하여 문제가 악화되기 전에 새로운 이슈를 표면화하는 고객의 소리 (VOC) 인사이트 기능을 도입했습니다.

FY27 로드맵에는 라이브 스트리밍 검사 (live streaming inspection) 기능이 추가되어, 고객 서비스 상호작용이 발생하는 즉시 실시간 품질 모니터링을 가능하게 합니다. 관리자는 대화 도중 고객이 이탈 징후를 보이는 것과 같이 AI가 플래그를 지정한 위험 알림을 받고 선제적으로 개입할 수 있습니다. 또한 AgentOne은 자기 반복형 (self-iterating) 디지털 직원을 위한 오케스트레이션 계층 (orchestration layer) 역할을 수행하여, Quick Service 에이전트가 시간이 지남에 따라 개선될 수 있도록 피드백 루프 (feedback loop)를 제공할 것입니다.

실질적인 워크플로우 예시

Lingyang 스택 전체를 사용하는 다국적 소매업체를 예로 들어보겠습니다. 지역 매니저가 Quick BI의 분석 에이전트에게 다음과 같이 질문합니다: "지난주 동남부 지역의 고객 만족도가 왜 하락했나요?" 에이전트는 통합 시맨틱 계층 (unified semantic layer)을 쿼리하고, 고객 설문 데이터와 주문 이력 및 지원 티켓 로그를 결합하여 특정 창고에서의 배송 지연 급증을 식별합니다.

동시에 AgentOne의 VOC 엔진은 동일한 창고의 배송 지연에 관한 소셜 미디어의 부정적인 게시물 클러스터를 찾아냅니다. 시스템은 Quick Service의 디지털 직원을 통해 운영 팀에 알림을 전달하며, 디지털 직원은 고객 커뮤니케이션 계획을 초안하고 영향을 받은 주문에 대한 보상 바우처를 미리 작성합니다. 인간 운영 매니저가 계획을 검토하고 승인하면, 디지털 직원이 고객 연락을 실행합니다. 이 모든 과정은 동일한 영업일 내에 이루어집니다.

오늘날이라면 BI 분석가, 소셜 리스닝 (social listening) 분석가, 고객 서비스 상담원, 그리고 운영 매니저가 여러 도구를 사용하며 며칠에 걸쳐 수행해야 했을 이 워크플로우는, FY27 제품 스택 (product stack)에 의해 단일한 연속적 상호작용으로 압축됩니다.

운영 가치 및 도입 고려 사항

FY27 로드맵을 검토 중인 기업들은 다음과 같은 몇 가지 요소에 주의를 기울여야 합니다.

• 클라우드 및 리전 가용성 (Cloud and region availability): Quick BI가 미국 동부(US East) 및 일본 리전으로 확장됨에 따라, 글로벌 기업들은 해당 리전의 팀들에게 낮은 지연 시간 (low latency)으로 서비스를 제공할 수 있습니다. 다만, 프로비저닝 (provisioning) 전 데이터 거주성 (data residency) 요구 사항을 확인해야 합니다.
• 마이그레이션 경로 (Migration path): Dataphin의 마이그레이션 도구는 전환 비용을 줄여주지만, 기업들은 시맨틱 레이어 (semantic layer) 매핑을 위한 시간을 예산에 반영해야 합니다. 이는 일반적으로 BI 마이그레이션에서 가장 오래 걸리는 단계입니다.
• AI 거버넌스 (AI governance): Quick BI의 MCP 커넥터는 시맨틱 레이어를 외부 에이전트 (agent)에 노출하며, 이는 어떤 모델이 어떤 데이터 세트를 쿼리 (query)할 수 있는지에 대한 새로운 거버넌스 문제를 야기합니다. 기업은 커넥터를 활성화하기 전에 AI 액세스 정책을 수립해야 합니다.
• 디지털 직원 성숙도 (Digital employee maturity): Quick Service의 자기 반복 (self-iterating) 능력은 디지털 직원이 시간이 지남에 따라 행동을 변화시킬 것임을 의미합니다. 기업은 배포를 일회성 설정으로 취급하기보다 감사 로깅 (audit logging) 및 정기적인 품질 검토를 구현해야 합니다.

근거 기반의 향후 단계

Lingyang의 FY26 고객 기반은 FY27 테제 (thesis)에 대한 강력한 근거를 제공합니다. 중국 최대 농업 기업 중 하나인 Muyuan Foods는 전사적 분석을 위해 Quick BI를 채택했습니다. McDonald's는 실시간 성과 모니터링을 위해 중국 운영 전반에 Quick BI를 배치했습니다. Geely, Hisense, Yadea는 고객 대면 디지털 운영을 위해 Quick Service를 신뢰했습니다. 이것들은 개념 증명 (proof-of-concept) 단계의 배포가 아니라, 업계 선두 기업들의 프로덕션 규모 (production-scale) 구현 사례입니다.

2027년 6월 30일 마일스톤(milestone)에서는 AI-native Quick BI와 Quick Service를 위한 인간-에이전트 협업(human-agent collaboration) 기능이 제공될 예정입니다. 9월 30일 마일스톤에는 Dataphin의 멀티모달 데이터 레이크(multimodal data lake), 마이그레이션 툴링(migration tooling), 그리고 자기 반복적 디지털 직원(self-iterating digital employees)이 추가됩니다. 조기 액세스(early access)에 관심이 있는 기업은 Alibaba Cloud 마켓플레이스를 통해 Lingyang에 문의하거나, 담당 계정 팀을 통해 비공개 브리핑을 요청할 수 있습니다.

이 로드맵은 명확한 산업 방향을 제시합니다: 기업용 데이터 제품은 더 이상 인간이 조작하는 도구가 아니라, 인간과 AI가 함께 운영하는 시스템입니다. 여전히 AI 이전의 분석 워크플로(analytics workflows)를 실행 중인 조직에게 준비할 수 있는 기회는 바로 지금입니다.