Agentic CDP는 AI 에이전트가 고객의 검색, 비교, 구매를 대신 수행하는 환경을 전제로 재설계한 고객 데이터 플랫폼(Customer Data Platform) 개념이다. Databricks는 기존 CDP가 사람 운영자와 배치 캠페인 중심으로 만들어졌기 때문에, 에이전트가 움직이는 밀리초 단위 고객 여정에는 맞지 않는다고 설명한다.

기존 CDP의 한계

전통적인 CDP는 Customer 360, 세그먼트, 캠페인, 여정 빌더를 중심으로 설계됐다. 이 구조는 사람이 며칠·몇 주 단위로 캠페인을 계획하고 실행하는 환경에는 유용하다. 하지만 에이전트가 항공권을 검색하고, 이메일의 혜택을 비교하고, 가격 협상을 수행하는 상황에서는 너무 느리고 정적이다.

Databricks가 제시하는 새 요구사항은 세 가지다.

Golden Record에서 Golden Context로

기존 Customer 360은 고객이 누구인지에 답한다. Agentic CDP가 말하는 Golden Context는 여기에 현재 비즈니스 목표, 고객의 실시간 상황, 과거에 어떤 조치가 있었고 어떤 반응이 있었는지를 더한다.

예를 들어 항공사 고객의 Golden Record는 “연 8회 비행, 엘리트 등급”을 알려준다. Golden Context는 “지금 항공편이 2시간 지연됐고, 아이 셋과 이동 중이며, 라운지에 4명 자리가 있고, 6개월 전 지연 보상에 불만을 남겼다”까지 포함한다. 에이전트 시대의 개인화는 이 후자에 가깝다.

Infinity Campaigns

Databricks는 Agentic CDP의 핵심 능력으로 Infinity Campaigns를 제시한다. 정적인 캠페인이나 여정 대신, 고객 신호에 따라 메시지, 타이밍, 채널, 조치를 계속 바꾸는 always-on 에이전트형 참여 루프다.

이 개념은 agentic-ai-tips-prompt-engineering보다 더 큰 시스템 문제다. 프롬프트만 잘 쓰는 것이 아니라 고객 데이터, 의사결정 기록, 권한, 실행 채널이 데이터 플랫폼 안에서 함께 움직여야 한다.

데이터 플랫폼 안에 내장되는 CDP

Agentic CDP는 CDP가 lakehouse 바깥의 미들웨어가 아니라 데이터 기반 안에 들어가야 한다고 본다. 고객 데이터, 비즈니스 데이터, 의사결정 이력, 거버넌스가 같은 플랫폼 안에 있어야 에이전트가 빠르고 안전하게 행동할 수 있기 때문이다.

Databricks의 구현체는 CustomerLake로 소개됐다. Unity Catalog 같은 거버넌스 계층과 함께 동작해 에이전트 행동도 기존 데이터 권한 안에서 통제하는 것이 핵심이다.

관련 문서

• agentic-ai-tips-vs-generative-ai — 생성형 AI와 에이전틱 AI의 차이
• agent-governance — 에이전트 도구·비용·정책 통제
• ktx — 데이터 에이전트를 위한 컨텍스트 레이어
• prompt-tracking — AI 검색 시대의 브랜드 프롬프트 모니터링

참고 자료

• Introducing the Agentic CDP: A New Species of CDP for a New Era of Agents — Databricks (2026-06-17)