ChatGPT Data 에이전트 공개, 데이터 연결·권한·대시보드

OpenAI가 ChatGPT Work용 Data 에이전트를 공개했습니다. Redshift·BigQuery·Snowflake 등 회사 데이터에 연결해 원인을 조사하고 공유 가능한 대시보드와 후속 작업을 만드는 기능입니다.

OpenAI가 9월 10일 ChatGPT Work용 Data 에이전트를 공개했습니다. 매출이 둔화한 이유나 고객 이탈 위험처럼 회사 데이터가 필요한 질문을 자연어로 입력하면, 연결된 자료를 조사하고 공유 가능한 대시보드를 만드는 도구입니다. SQL을 직접 작성하지 않아도 분석 방향을 대화로 수정할 수 있습니다.

이번 발표가 겨냥한 문제는 답변 생성보다 데이터 접근 과정입니다. 회사 안에는 데이터베이스, 문서, 지표 정의, BI 대시보드가 따로 놓여 있습니다. Data 에이전트는 이 자료를 하나의 대화에서 찾고, 수치가 변한 원인을 좁히고, 결과를 다시 업무 도구로 보내는 흐름을 맡습니다.

데이터베이스와 회사의 지표 정의를 함께 읽는다

공식 발표에 적힌 연결 대상은 Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB, Snowflake 등입니다. Google Drive와 SharePoint의 파일·문서도 분석에 가져올 수 있습니다. 단순히 표의 숫자를 읽는 데서 끝나지 않고, 회사가 정한 용어와 지표 계산법을 해석에 반영하도록 설계됐습니다.

회사별 용어와 지표 정의는 Databricks Genie Ontology, dbt, GitHub, Snowflake Horizon, 기존 BI 대시보드 같은 자료에서 가져옵니다. 예를 들어 회사가 활성 고객을 최근 30일 결제자라고 정의했다면, 에이전트가 임의 기준을 만들기보다 조직의 정의를 따르게 하는 구조입니다. 같은 매출 표라도 환불 처리일이나 통화 환산 기준을 어디서 가져오는지가 결과를 바꾸기 때문입니다.

Data 에이전트의 답에는 각 발견의 근거를 검토하는 과정도 포함됩니다. 사용자는 후속 질문으로 기간이나 고객군을 바꾸고, 처음 나온 결론을 다시 조사하도록 지시할 수 있습니다. 분석가에게 한 번 요청하고 완성된 보고서를 기다리는 방식보다 탐색 과정을 대화 안에서 이어가는 데 초점이 있습니다.

대시보드를 만들고 기존 BI 도구에서도 작업한다

분석 결과는 내장 시각화가 있는 인터랙티브 대시보드로 바꿀 수 있습니다. 팀은 결과를 편집하고 공유하며 새 데이터로 갱신할 수 있고, 브랜드 가이드를 제공해 조직의 색상과 형식에 맞출 수도 있습니다. 이 기사의 대표 이미지는 OpenAI가 발표에 연결한 제품 채택·유지율 대시보드 예시이며, 성공지식백과가 직접 실행해 얻은 결과는 아닙니다.

기존 도구를 버릴 필요도 없습니다. OpenAI는 Omni, Oracle BI, Power BI, Sigma, Tableau, ThoughtSpot에서 대시보드를 만들고 다룰 수 있다고 설명합니다. 분석 결과를 Slack이나 이메일로 공유하고, 연결한 도구에서 사용자가 승인한 후속 작업을 실행하는 기능도 발표에 포함됐습니다.

여기서 분석과 행동의 경계가 중요합니다. Data 에이전트는 다음 조치를 추천하고 담당자를 찾을 수 있지만, 외부 전송이나 연결 도구의 행동은 사용자의 승인을 전제로 합니다. 어떤 단계에서 승인을 요구하는지와 실패한 작업을 누가 검토할지는 조직이 도입 전에 정해야 합니다.

조회에는 기존 데이터 접근 권한을 적용한다

Enterprise 관리자는 어떤 데이터 연결을 열고 어떤 역할이 사용할지 선택합니다. 쿼리는 연결된 계정의 기존 권한을 따르며 테이블, 행, 열 단위 제한도 적용된다고 OpenAI는 밝혔습니다. 영업 담당자에게 허용된 고객 행과 재무팀만 볼 수 있는 원가 열이 다르다면, Data 에이전트도 그 구분을 따라야 합니다.

이 통제는 에이전트가 항상 정확하거나 민감한 데이터를 알아서 분류한다는 보장은 아닙니다. 권한이 넓은 서비스 계정 하나를 모든 직원이 함께 쓰면 기존 제한을 우회하는 결과가 생길 수 있습니다. 사람별 계정과 역할을 유지하고, 읽기만 필요한 연결에는 쓰기 권한을 주지 않는 설계가 필요합니다.

OpenAI는 사내 데이터팀이 공통 지표 정의, 접근 규칙, 민감 데이터 보호 장치를 먼저 마련한 뒤 Data 에이전트를 넓게 사용했다고 설명합니다. 도구를 설치하는 일보다 신뢰할 수 있는 정의와 권한을 만드는 일이 선행돼야 한다는 사례입니다. 서로 다른 부서가 매출, 활성 사용자, 이탈을 다른 식으로 계산하는 상태라면 대시보드 생성 속도가 빨라져도 결론은 계속 충돌할 수 있습니다.

ChatGPT Work의 플러그인으로 설치한다

Data 에이전트는 ChatGPT Work의 Plugins 디렉터리에서 Data라는 이름으로 제공됩니다. 관리자는 Workspace settings > Plugins에서 팀에 설치하고, Databricks나 Snowflake 같은 데이터 소스 플러그인을 따로 켜며, 사용할 사람을 관리할 수 있습니다. 사용자는 필요한 계정 연결을 마친 뒤 대화에서 @Data를 불러 질문합니다.

접근 조건은 ChatGPT Work와 워크스페이스 설정에 걸쳐 있습니다. OpenAI 도움말은 Work가 대상 유료 플랜에 순차 배포되고 있으며 계정마다 보이는 시점이 다를 수 있다고 안내합니다. ChatGPT Business의 Standard와 Premium 좌석에는 Work가 포함되지만, Data 플러그인의 플랜별 상세 제공표는 출시 글에 따로 공개되지 않았습니다. Work가 보여도 관리자가 Data와 데이터 소스 연결을 허용해야 실제 분석을 시작할 수 있습니다.

개별 사용자가 자신의 Plus나 Pro 계정에서 곧바로 회사 데이터베이스를 연결할 수 있다고 단정하기 어려운 이유도 여기에 있습니다. 조직 데이터 분석은 플랜 접근뿐 아니라 관리자 설치, 연결 자격 증명, 역할 권한이 함께 필요합니다. 계정에서 Data가 보이지 않는다면 설치 링크를 반복하기보다 Work 배포 상태와 워크스페이스의 Plugins 설정부터 확인해야 합니다.

먼저 좁은 질문으로 검증할 이유

도입 첫 과제로 전사 매출 예측처럼 범위가 큰 분석을 맡기기보다, 이미 정답을 아는 지난주 지표 하나를 다시 계산해보는 편이 낫습니다. 원본 보고서와 같은 값이 나오는지, 사용한 테이블과 기간이 맞는지, 근거 링크를 따라갈 수 있는지를 확인하면 회사별 지표 정의와 데이터 접근 권한이 제대로 반영되는지 알 수 있습니다.

그다음에는 이상 변화의 원인을 묻고 대시보드를 만든 뒤, 기존 BI 결과와 비교할 수 있습니다. 숫자가 다르면 에이전트의 추론만 볼 일이 아니라 지표 정의, 조인 관계, 시간대, 누락 행을 차례로 확인해야 합니다. Data 에이전트의 가치는 보고서를 대신 그리는 데 머물지 않고 질문과 근거, 수정 과정을 같은 대화에 남기는 데 있습니다.

앞서 공개된 GPT-6 Astra의 업무 적용이 ChatGPT Work가 문서·앱을 오가며 긴 작업을 수행하는 방향을 보여줬다면, Data 에이전트는 그 안에서 기업 분석을 맡는 구체적인 플러그인입니다. 회사 데이터가 잘 정리돼 있을수록 더 많은 사람이 분석을 시작할 수 있지만, 최종 결론의 책임과 데이터 관리까지 자동으로 넘어가지는 않습니다.

함께 읽을 기사