01 데이터 과학 플랫폼에 생성형 AI 통합이 점차 확대되고 있습니다.이는 플랫폼을 개발 도구 모음에서 데이터 과학자들이 실험을 가속화하는 동시에 모델과 AI 애플리케이션을 프로덕션 환경으로 더 빠르게 전환할 수 있는 통합 환경으로 변화시키고 있습니다.2025년 11월, IBM은 기업들이 AI 이니셔티브를 지원하기 위해 데이터 역량을 점점 더 우선시하고 있으며, 데이터 플랫폼을 사용하여 기업 내 사일로 전반에 걸쳐 정보를 통합하고 AI 에이전트를 지원하고 있다고 보고했습니다.
02 통합 데이터 과학 및 MLOps 환경으로의 전환이 가속화되고 있습니다.조직들은 데이터 준비, 분석, 모델 개발, 배포, 모니터링 및 거버넌스를 통합 플랫폼 내에서 수행하는 추세를 보이고 있습니다. 이러한 접근 방식은 데이터 과학 팀과 IT 팀 간의 단절을 줄이는 동시에 클라우드, 하이브리드 및 분산 환경 전반에 걸쳐 운영 일관성을 높여 모델을 배포할 수 있도록 합니다.2026년 6월, IBM은 데이터 접근성, 거버넌스, AI 워크플로우 및 하이브리드/멀티클라우드 환경 전반에 걸친 배포를 개선하는 데 중점을 둔 데이터 플랫폼 강화 기능을 발표했습니다.
01 기업의 AI 및 머신러닝 도입 증가인공지능이 실험 단계를 넘어 기업 환경에 배포됨에 따라, 전체 모델 수명주기를 관리하는 데 있어 통합 데이터 과학 환경이 점점 더 중요해지고 있습니다.
01 복잡한 데이터 통합 및 인프라 요구 사항으로 인해 도입이 제한됩니다.데이터 과학 플랫폼은 일관된 데이터 품질과 거버넌스를 유지하면서 데이터베이스, 클라우드 환경, 애플리케이션 및 기타 분산된 소스의 정보를 연결해야 합니다. 이러한 이기종 환경을 통합하는 것은 구현 복잡성을 증가시키고 상당한 기술 전문 지식을 요구할 수 있으며, 특히 파편화된 레거시 인프라를 가진 조직에게는 더욱 그렇습니다.
01 AI 기반 데이터 제품의 확장으로 새로운 플랫폼 애플리케이션이 창출됩니다.조직들은 기존의 보고 목적에만 데이터를 활용하는 대신, 내부 데이터 세트를 차별화된 제품과 실행 가능한 정보로 전환하는 방법을 점점 더 모색하고 있습니다.
01 모델 수명주기 전반에 걸쳐 데이터 품질, 거버넌스 및 책임감 있는 AI 유지데이터 과학 플랫폼은 점점 더 복잡해지는 AI 워크로드를 지원하는 동시에 데이터 품질, 접근 제어, 모델 투명성, 개인정보 보호 및 거버넌스를 관리해야 합니다. 품질이 낮거나 접근할 수 없는 데이터는 모델 성능을 저하시킬 수 있으며, 취약한 거버넌스는 AI 시스템이 비즈니스 프로세스에 더욱 깊숙이 통합됨에 따라 규정 준수 및 운영 위험을 초래할 수 있습니다.
2026년 6월:Databricks는 트랜잭션 및 분석 워크로드를 단일 데이터 플랫폼으로 통합하여 별도의 ETL 파이프라인을 없애고 AI 및 데이터 과학 애플리케이션 개발 속도를 높이는 새로운 아키텍처인 Lake Transactional/Analytical Processing(LTAP)을 출시했습니다.
2026년 5월:Dataiku는 Snowflake 기반 Cobuild를 출시하여 기업이 Snowflake Cortex AI와 Dataiku의 엔터프라이즈 AI 오케스트레이션 플랫폼을 결합하는 동시에 자연어를 사용하여 관리되는 AI 에이전트 및 데이터 과학 워크플로를 구축할 수 있도록 지원합니다.
2026년 5월:스노우플레이크는 아마존 웹 서비스(AWS)와 다년간의 전략적 협력 계약을 체결하고, 기업의 AI 도입 가속화, AI 인프라 확장, 클라우드 기반 데이터 과학 및 분석 역량 강화를 위해 60억 달러를 투자하기로 했습니다.
2025년 8월:Databricks는 머신러닝용 특징 플랫폼인 Tecton을 인수했다고 발표했습니다. 이번 인수를 통해 Databricks는 기업용 AI 애플리케이션을 위한 실시간 특징 엔지니어링 및 저지연 데이터 기능을 강화하여 AI 에이전트 생태계를 확장할 계획입니다.