매출이 줄었을 때 담당자는 보통 여러 화면을 확인하고, 필요하면 개발자나 데이터 담당자에게 통계를 요청합니다. 답을 받기까지 시간이 걸리고, 질문이 바뀔 때마다 다시 요청해야 하는 일도 많습니다.
OpenAI가 공개한 ChatGPT Work용 Data Agent는 이 과정에 변화를 줄 수 있는 기능입니다. 기업 데이터에 연결한 뒤 자연어로 질문하면 관련 데이터를 조사하고, 원인을 분석하며, 결과를 대시보드 형태로 만들어 공유하는 방식으로 설계됐습니다.
“지난달 매출이 왜 줄었어?”에 바로 답하는 구조
예를 들어 관리자가 “지난달 매출이 왜 줄었어?”라고 물었다고 가정해보겠습니다. 기존에는 사람이 SQL을 작성해 매출 데이터를 조회하고, 기간별·상품별·채널별 수치를 비교해야 합니다. 분석 요청을 받은 개발자나 데이터 담당자는 질문의 범위를 다시 확인해야 할 수도 있습니다.
Data Agent는 이런 질문을 바탕으로 기업 DB를 조사하는 역할을 맡습니다. 매출 감소가 특정 상품군에 집중됐는지, 유입 채널 변화가 있었는지, 특정 기간의 주문 건수가 줄었는지처럼 원인을 좁혀가는 흐름이 기대되는 기능입니다. 분석 결과를 대시보드로 정리해 다른 담당자와 공유할 수 있다는 점도 실무에서는 꽤 중요합니다.
개발자를 대체한다기보다 분석 요청의 병목을 줄이는 도구
이 기능을 두고 “이제 데이터 담당자가 필요 없어진다”고 보기는 어렵습니다. DB 구조를 설계하고, 매출 기준을 정의하고, 데이터가 제대로 쌓이게 만드는 일은 여전히 사람이 맡아야 합니다. 질문 하나에 따라 매출의 기준이 달라질 수 있기 때문입니다. 취소 주문을 제외할지, 부가세를 포함할지 같은 기준이 정리되지 않은 상태라면 AI도 신뢰할 만한 답을 내기 어렵습니다.
다만 반복적인 현황 확인과 1차 분석에는 상당히 유용할 수 있습니다. 실무자가 기다리지 않고 직접 질문을 던져볼 수 있고, 데이터팀은 매번 같은 집계 자료를 만드는 일보다 분석 기준을 고도화하는 데 시간을 쓸 수 있습니다.
도입 전에는 연결 범위와 권한부터 봐야 합니다
기업 DB를 직접 다루는 도구인 만큼 편리함만 보고 연결하면 안 됩니다. 어떤 데이터에 접근시키는지, 직원별로 어디까지 조회할 수 있는지, 민감한 고객 정보가 결과에 노출되지 않는지를 먼저 정해야 합니다. 특히 인사·급여·고객 개인정보처럼 접근 권한이 엄격한 데이터는 별도 기준이 필요합니다.
처음부터 전사 DB 전체를 연결하기보다, 매출이나 주문처럼 목적과 담당자가 비교적 명확한 데이터부터 시작하는 편이 현실적입니다. 질문 결과가 기존 보고서와 같은 기준으로 나오는지도 초기에는 반드시 검증해야 합니다.
잘 정리된 데이터가 있어야 가치가 커집니다
Data Agent의 가치는 질문을 쉽게 만드는 데 있습니다. 하지만 데이터가 여러 시스템에 흩어져 있거나 상품명, 고객명, 날짜 기준이 제각각이라면 분석 결과도 흔들릴 수 있습니다. AI 도입 전에 데이터 구조와 권한 체계를 함께 점검해야 하는 이유입니다.
반대로 이미 업무 시스템에 매출·주문·고객 데이터가 안정적으로 쌓이고 있다면, Data Agent는 보고서를 요청하고 기다리는 시간을 줄이는 실용적인 도구가 될 수 있습니다. 중요한 것은 AI를 연결하는 일 자체보다, 회사가 어떤 질문에 빠르게 답해야 하는지를 먼저 정하는 일입니다.
