ChatGPT Work, 8개 데이터 시스템을 묶어 질문만으로 분석·대시보드·후속 조치 수행

질문에서 대시보드와 실행까지 한 대화로 연결

기업용 데이터 분석에서 가장 큰 변화는 자연어 질의 자체보다 답을 만든 근거와 후속 업무가 같은 흐름 안에 들어온다는 점이다. ChatGPT Work의 새 Data agent는 회사 데이터에서 변화를 조사하고, 근거를 확인할 수 있는 분석을 만든 뒤, 공유 가능한 대화형 대시보드로 전환한다. 사용자는 별도의 SQL이나 시각화 도구 문법을 익히지 않고 후속 질문으로 분석 범위를 좁힐 수 있다.

“회사 데이터를 답변과 대화형 대시보드, 실행으로 바꾸려면 요청하기만 하면 된다.”

ChatGPT 공식 게시물은 Data 플러그인을 설치하고 기존 데이터 소스와 업무 맥락을 연결하는 절차를 제시했다. 이 계정은 ChatGPT의 실제 배포 기능과 사용 경로를 주로 전달한다. 함께 공개된 OpenAI 제품 문서를 보면 지원 범위는 Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB, Snowflake를 포함하며, 파일과 문서는 Google Drive와 SharePoint에서 가져올 수 있다. 공개 목록만 세어도 데이터 시스템이 8개 이상이다.

권한과 업무 정의를 그대로 적용

Data agent는 단순히 여러 데이터베이스를 한 화면에 모으지 않는다. dbt, GitHub, Snowflake Horizon, Databricks Genie Ontology, 기존 BI 대시보드에서 회사의 지표 정의와 데이터 관계를 받아 해석에 사용한다. 관리자는 연결 가능한 소스와 사용자 역할을 정하고, 질의에는 연결 계정의 테이블·행·열 권한이 적용된다. 결과는 Omni, Oracle BI, Power BI, Sigma, Tableau, ThoughtSpot의 대시보드로 만들거나 수정할 수 있다. 사용자가 승인하면 Slack 또는 이메일로 결과를 공유하고 연결 도구에서 후속 조치도 수행한다.

OpenAI는 자사 제품팀 거의 전원과 시장 진출 조직의 3분의 2 이상이 데이터 에이전트를 활용한다고 밝혔다. 초기 사용사 사례도 구체적이다. micro1 운영팀은 기존 성과 추적 대시보드를 30분 만에 다시 만들며 원본 오류를 찾았고, ServiceTitan은 특정 AI 기능 사용자가 비사용자보다 캠페인을 약 3배 많이 시작한다는 분석을 얻었다. 이는 범용 질의창보다 조직의 공통 지표와 접근 통제가 성능을 좌우한다는 사실을 보여준다.

다음 관전 지점

확인해야 할 것은 그럴듯한 차트보다 재현 가능한 계산 과정이다. 같은 질문을 반복했을 때 수치가 유지되는지, 어떤 표와 필터가 결론에 쓰였는지, 실행 전 승인과 감사 기록이 충분한지가 도입 판단을 가른다. Data agent는 ChatGPT Work의 플러그인 디렉터리에서 관리자가 설치하도록 제공된다. 실제 이용 범위와 가격, 데이터가 여러 시스템을 오갈 때의 보존 정책, 잘못된 의미 정의를 발견하고 수정하는 관리 도구가 다음 업데이트의 핵심이다.