데이터 자산이 변환되고 공유될 때 컬럼 의미나 PII 상태와 같은 데이터 컨텍스트가 손실되면 거버넌스 부채가 발생합니다. 기존 거버넌스 도구는 반응적이어서 설명 및 문서 업데이트에 종종 지연을 초래합니다. 거버넌스 에이전트 프로젝트는 기존 메타데이터를 다운스트림으로 선제적으로 전파함으로써 이러한 패러다임을 전환하는 것을 목표로 합니다. 데이터 출처를 추적하고 설명, 비즈니스 용어집 용어, 정책 태그 및 신뢰 점수를 전송하기 위해 컬럼 수준의 계보를 활용합니다. 이러한 자동화는 수동 문서화의 부담을 줄여 데이터 관리자가 더 높은 가치의 판단에 집중할 수 있도록 합니다. 에이전트는 직접적인 계보를 사용할 수 없을 때 외부 문서에서 컨텍스트를 수집할 수도 있습니다. 강력한 증거가 있을 때만 메타데이터를 적용하는 보수적인 접근 방식을 사용합니다. 계보 외에도 계보 데이터가 불완전할 때 관계와 의미를 추론하기 위해 AI 기반 스캔을 활용합니다. 이 프로젝트는 임시 검토를 위한 사용자 친화적인 대시보드와 자동화된 파이프라인 통합을 위한 CLI를 모두 제공합니다. 강력하지만, 시스템은 중요한 결정과 최종 승인을 위해 인간의 감독이 필요합니다. 목표는 반복적인 작업에서 가치 있는 의사 결정으로 노력을 전환하여 데이터 검색 가능성을 개선하고 AI 솔루션 개발을 가속화하는 것입니다.