WIGTN FLAKE

Snowflake AI & Data Hackathon Korea 2026 Tech Track에 출전한 프로젝트입니다. 이 해커톤은 Snowflake Cortex 기반으로 데이터 활용 서비스를 만드는 대회였고, 참가 조건으로 데이터셋 4종(부동산 시세·유동인구·카드매출·통신계약)과 사용 가능한 Cortex 기능 11종이 미리 정해져 있었습니다. 정해진 데이터셋과 Cortex 기능을 어떻게 에이전틱하게 풀어낼 수 있을까 고민하다가, WIGENT에서 멀티 에이전트 토론 구조가 결과물까지 만들어냈던 경험이 떠올랐고 같은 접근을 이 제약 위에 얹는 것이 출발점이 됐습니다.

실제 사용자는 "어느 동네에 카페를 열까?" 같은 목적은 가지고 있지만, 어떤 데이터를 조합해서 봐야 하는지는 모릅니다. 핵심 제약은 두 가지였습니다. 첫째, 데이터셋이 고정되어 있어 사용자의 질문 의도를 해석해서 필요한 데이터를 시스템이 스스로 조합해야 했습니다. 둘째, Cortex 기능 11종을 "다 써봤다"는 체크리스트가 아니라 토론 흐름 안에서 각 기능이 필요한 시점에 자동으로 호출되게 만들어야 했습니다. 그냥 전부 호출만 하면 화면은 SQL 로그가 되고 토론은 흩어집니다.

하나의 모델이 단일 관점으로 결론을 내리는 것보다, 서로 다른 전문성을 가진 에이전트가 같은 질문을 각자 분석하고 검증하는 편이 실제 의사결정 과정에 더 가깝다고 판단했습니다. 그래서 사용자는 SQL을 모른 채 목적만 던지고, GPT-4o 오케스트레이터가 그 목적에 맞는 5명의 Cortex 전문가를 동적으로 소환해 4개 데이터셋을 교차 조회하며 토론하는 구조를 잡았습니다. Cortex 기능 11개는 토론 중간에 자동 호출되어 각 전문가의 발언 근거로 흘러 들어가게 묶었습니다.

GPT-4o 오케스트레이터 + 5 Cortex 전문가(PM 진행자·데이터 분석가·예측 분석가·인사이트 분석가·감성 분석가)의 토론 구조를 채택했습니다. Cortex Analyst가 text-to-SQL로 4개 데이터셋(SPH·RichGo·NextTrade·AJD)에 동시 질의하고, ANOMALY_DETECTION·FORECAST는 Promise.all로 병렬 실행해 결과가 웨어하우스에서 합쳐진 뒤 데이터 분석가가 합본 결론을 발언합니다. 4종 Semantic Model YAML + 2종 Dynamic Tables + 2종 Python UDF로 Cortex 기능 11종을 단일 사용자 플로우에 녹였습니다.

사용자가 5개 목적 카드 또는 자유 입력으로 시작하면, 오케스트레이터가 목적별 전문가를 부르고 토론 도중 ANOMALY_DETECTION·FORECAST가 이상치·예측을 잡는 순간 자동으로 발화권을 가져와 끼어듭니다. 결론은 Top 3 동네 + 이상 시그널 배지 + 예측 차트 + 액션 체크리스트가 한 화면에 정리됩니다.

• 입력 — 목적 카드 5종(카페·렌탈·광고판·투자·이상 시그널) 또는 자유 입력
• 토론 중 가로채기 — ANOMALY_DETECTION·FORECAST가 이상치·예측 잡는 즉시 발화권 회수
• 한 화면 결론 — Top 3 동네 + 이상 시그널 배지 + 예측 차트 + 액션 체크리스트

Snowflake AI & Data Hackathon Korea 2026 Tech Track 2위. Cortex 11종을 단일 사용자 흐름에 녹인 점과 3-tier fallback으로 trial 한계 상황에서도 데모가 끊기지 않게 만든 점이 심사 포인트였습니다.