데노도 아고라, 마이크로소프트 마켓플레이스 입점…기업 데이터로 AI 에이전트 연결

• 데노도가 완전관리형 클라우드 서비스 아고라를 마이크로소프트 마켓플레이스에 올렸음

  • 아고라는 마이크로소프트 패브릭, 애저 데이터 레이크 스토리지, 파워 비아이, 애저 시냅스 애널리틱스와 네이티브 통합을 지원함
  • 애저 오픈AI 서비스와 애저 데이터브릭스 같은 파트너 서비스와도 연동됨
  • 기업 입장에서는 조달 과정을 줄이고, 마이크로소프트 생태계 안에서 바로 구매·도입할 수 있다는 게 포인트임

• 핵심 메시지는 “AI 에이전트가 회사 안팎의 데이터를 안전하게 보게 해주겠다”는 쪽에 가까움

  • 데노도는 온프레미스, 사스, 기타 클라우드 플랫폼에 흩어진 200개 이상의 데이터 소스까지 에이전틱 AI 역량을 확장할 수 있다고 설명함
  • 동시에 규제, 데이터 주권, 보안 요구사항 준수도 같이 지원한다고 강조함
  • 요즘 기업 AI 프로젝트에서 모델보다 더 골치 아픈 게 데이터 접근 권한과 최신성인데, 딱 그 부분을 겨냥한 셈임

• 마이크로소프트 패브릭과의 관계도 꽤 분명하게 잡고 있음
  • 패브릭은 패브릭 아이큐를 통해 AI 에이전트의 시맨틱 이해와 오케스트레이션을 맡음
  • 아고라는 SAP, 오라클, 세일즈포스, 스노우플레이크 같은 비마이크로소프트 시스템과 온프레미스·하이브리드 데이터 소스에 접근하는 계층을 제공함
  • 쉽게 말하면 패브릭이 “의미를 이해하고 조율하는 뇌”라면, 아고라는 “회사 곳곳의 실제 데이터로 이어지는 통로”에 가까움

sequenceDiagram
    participant 사용자
    participant 코파일럿에이전트
    participant 아고라
    participant 기업데이터소스
    participant 거버넌스정책
    사용자->>코파일럿에이전트: 업무 요청
    코파일럿에이전트->>아고라: MCP로 데이터 조회 요청
    아고라->>거버넌스정책: 권한과 정책 확인
    아고라->>기업데이터소스: 실시간 데이터 접근
    기업데이터소스-->>아고라: 신뢰 데이터 반환
    아고라-->>코파일럿에이전트: 시맨틱 맥락 포함 결과 전달
    코파일럿에이전트-->>사용자: 답변 또는 작업 실행

• AI 에이전트뿐 아니라 사람을 위한 데이터 마켓플레이스 기능도 들어감

  • 파워 비아이 사용자와 비즈니스 사용자가 AI 에이전트가 쓰는 동일한 시맨틱 계층을 통해 기업 데이터를 검색하고 활용할 수 있음
  • 이게 중요한 이유는 사람과 AI가 서로 다른 정의의 데이터를 보면 보고서와 자동화 결과가 엇갈리기 때문임
  • 데노도는 같은 비즈니스 정의와 맥락을 공유하는 구조를 장점으로 내세움

• 거버넌스 쪽 기능도 꽤 많이 전면에 배치됨

  • 마이크로소프트 엔트라 아이디와 통합해 안전하고 통제된 접근을 지원함
  • 속성 기반 접근 제어, 엔드투엔드 데이터 계보, 비마이크로소프트 데이터 소스 대상 정책 집행 기능을 제공함
  • 특히 하이브리드·멀티클라우드·데이터 주권 요구가 있는 기업에게 이 부분이 구매 명분이 될 가능성이 큼

• 도입 옵션은 마켓플레이스식으로 꽤 유연하게 열어둠

  • 무료 체험, 연간 계약 기반 비공개 오퍼, 사용량 기반 요금제를 제공함
  • 데노도 구매 금액을 애저 아이피 공동판매 대상 솔루션 자격으로 마이크로소프트 애저 사용 약정에 반영할 수 있다고 함
  • 이미 애저 약정을 크게 잡아둔 기업이라면, 예산 승인 장벽이 낮아질 수 있는 구조임

기술 맥락

• 이번 선택의 핵심은 데이터 복제가 아니라 논리적 데이터 접근이에요. 기업 데이터가 SAP, 오라클, 세일즈포스, 스노우플레이크, 온프레미스 시스템에 흩어져 있으면 AI 에이전트가 매번 최신 데이터를 보기 어렵거든요.

• 데노도가 아고라를 마이크로소프트 패브릭 옆에 붙인 이유는 역할 분담이 명확해서예요. 패브릭은 시맨틱 이해와 오케스트레이션을 맡고, 아고라는 마이크로소프트 밖에 있는 운영·분석 데이터까지 연결하는 통로가 돼요.

• MCP 통합이 중요한 이유는 코파일럿 같은 에이전트가 그냥 일반 챗봇처럼 답하는 게 아니라, 실제 전사 데이터에 근거해 작업해야 하기 때문이에요. 연결 방식이 표준화될수록 에이전트와 데이터 플랫폼 사이의 접점도 관리하기 쉬워져요.

• 거버넌스 기능을 같이 내세우는 것도 당연해요. AI 에이전트가 아무 데이터나 보면 보안 사고로 바로 이어질 수 있으니, 엔트라 아이디, 속성 기반 접근 제어, 데이터 계보 같은 장치가 있어야 기업이 안심하고 자동화를 맡길 수 있어요.