Now everyone can put data to work

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

OpenAI는 기업 데이터와 업무 맥락을 연결해 자연어 질문을 분석·대화형 대시보드·승인된 실행으로 이어주는 ChatGPT Work의 Data agent를 소개했다.

📌 핵심 요약

• Data agent는 기업 데이터의 변화를 조사하고 공유 가능한 대화형 대시보드를 만들며, 사용자는 쿼리를 작성하거나 새 분석 도구를 배우지 않고 대화로 분석을 조정할 수 있다.
• Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB, Snowflake 등의 승인된 데이터 소스와 Google Drive·SharePoint 문서를 연결하고, 시맨틱 계층과 신뢰할 수 있는 자료의 업무 용어·지표 정의·계산식·데이터 관계를 활용한다.
• 기업 관리자는 연결과 역할별 이용 범위를 정하며, 쿼리에는 연결된 계정의 기존 테이블·행·열 접근 제한이 적용된다. Slack이나 이메일로 결과를 공유하고 연결 도구에서 사용자가 승인한 작업을 수행할 수 있다.
• 분석 결과의 근거를 후속 질문으로 검토하고 대시보드를 편집·공유·새로고침할 수 있으며, Omni, Oracle BI, Power BI, Sigma, Tableau, ThoughtSpot에서도 대시보드를 만들고 상호작용할 수 있다.
• OpenAI는 제품 조직의 거의 전원과 GTM 조직의 3분의 2 이상이 데이터 에이전트를 사용한다고 밝혔다. 고객 사례에서 NTT DATA는 비엔지니어의 대시보드 제작·갱신을, ServiceTitan은 Atlas 사용자의 캠페인 실행 비율이 비사용자의 약 3배라는 분석 결과를 소개했다.

🧩 주요 포인트

1. 자연어 분석과 기존 BI 도구 연계 → 보고서 작성이나 분석 담당자에 대한 의존을 줄이고 현업 사용자의 직접 탐색 범위를 넓히는 방향이다.
2. 공유된 지표 정의와 기존 테이블·행·열 접근 제한 → 분석 접근성 확대를 조직의 업무 맥락과 데이터 권한 체계 안에서 지원하는 구조다.
3. OpenAI 내부 사용률과 고객 사례 → 실제 활용 범위를 보여주지만, ServiceTitan의 약 3배 차이는 Atlas의 인과적 효과를 입증한 결과로 제시되지는 않았다.

🧠 상세 정리

1. 보고서를 기다리는 업무에서 직접 질문하는 분석으로

원문은 매출이 둔화한 이유, 지출이 늘어나는 영역, 주요 고객의 계약 갱신을 위협하는 문제처럼 기업 구성원이 일상적으로 마주하는 질문에서 출발한다. 이런 답을 얻으려면 보고서를 기다리거나 다른 사람에게 분석을 요청해야 하는 경우가 많다는 것이 제시된 문제다. OpenAI는 더 많은 사람이 직접 답을 찾도록 ChatGPT Work에 새로운 Data agent를 도입한다고 설명한다. 이 에이전트는 기업 데이터에 연결해 무엇이 달라졌는지 조사하고, 다른 구성원과 공유할 수 있는 대화형 대시보드를 만든다. 사용자는 쿼리를 직접 작성하거나 새로운 분석 도구를 배우지 않고도 하나의 대화 안에서 분석 방향을 지정하고 결과를 다듬을 수 있다는 것이 핵심 제안이다.

2. 기업 데이터와 업무 정의를 함께 연결

Data agent가 연결하는 승인된 데이터 소스로는 Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB, Snowflake 등이 제시된다. Google Drive와 SharePoint의 파일 및 문서도 분석에 포함할 수 있어, 분석 대상은 데이터베이스에 저장된 수치에만 한정되지 않는다. 데이터를 해석할 때는 조직의 업무 용어, 지표 정의, 사용자 지정 계산식, 데이터 사이의 관계를 활용한다고 설명한다. 이러한 맥락은 Databricks Genie Ontology, dbt, GitHub, Snowflake Horizon, BI 대시보드 같은 시맨틱 계층과 신뢰할 수 있는 자료에서 가져온다. 즉, 사용자의 질문을 기업이 이미 사용하는 정의와 연결해 이해하도록 설계됐다는 점이 단순한 데이터 접속과 함께 강조된다.

3. 플랫폼 파트너의 기대와 접근 권한 통제

플랫폼 파트너들은 자연어 질문을 통한 데이터 탐색과 실시간 정보 활용을 주요 가치로 제시한다. AWS와 ClickHouse는 각각 Amazon Redshift의 직접 연결과 실시간 분석의 이용 범위 확대를 강조하고, Databricks는 Genie가 제공하는 기업 데이터 맥락을 내세운다. MongoDB는 Atlas에서 실시간으로 갱신되는 데이터에 직접 접근하는 점을, Redis는 기존 맥락과 접근 통제를 활용한 실시간 실행을, G2는 고객 리뷰·구매 의도 신호·시장 정보의 활용을 설명한다. Snowflake 역시 기존 데이터와 접근 통제를 기반으로 업무 질문을 조사하고 공통된 업무 이해를 유지하는 점을 강조한다. 실제 연결의 제공 여부와 이용 가능한 역할은 기업 관리자가 결정하며, 쿼리에는 연결 계정에 설정된 테이블·행·열 제한이 그대로 적용된다고 원문은 명시한다.

4. 후속 질문과 대화형 대시보드로 분석 구체화

사용자는 첫 분석 결과를 받은 뒤 후속 질문을 던져 내용을 더 조사하고, 각 발견을 뒷받침하는 근거를 검토할 수 있다. 원문은 이를 통해 질문에서 결과 확인까지의 과정을 대화 안에서 이어갈 수 있다고 설명한다. 분석은 시각화 기능이 포함된 대화형 대시보드로 전환할 수 있으며, 팀은 필요에 따라 이를 편집하고 공유하거나 새로고침할 수 있다. 조직의 브랜드 지침을 제공하면 결과물의 모양과 표현도 해당 조직의 스타일에 맞출 수 있다고 소개한다. 활용 주제로는 도입과 유지, 사업 성과 분석, 운영 성과, 제품 성장, 재무 분석이 제시되며, 여러 업무 영역에서 같은 질문·탐색·시각화 흐름을 활용할 수 있다는 방향을 보여준다.

5. 기존 BI 도구와 연결하고 승인된 후속 작업 수행

Data agent는 Omni, Oracle BI, Power BI, Sigma, Tableau, ThoughtSpot에서도 대시보드를 만들고 상호작용할 수 있다고 설명한다. Tableau는 기존 데이터 모델에 근거한 답변과 새로운 뷰의 게시를, Power BI는 업무 질문을 설명하는 방식의 대시보드 생성을 강조한다. Sigma는 관리되고 공유되는 지표와 분석 맥락을, ThoughtSpot은 자연어 기반 분석과 단일 프롬프트를 통한 임베디드 분석 앱 제작 가능성을 파트너 발언으로 제시한다. 사용자는 ChatGPT Work에 다음 단계와 참여가 필요한 사람을 추천해 달라고 요청할 수도 있다. 분석 결과는 Slack이나 이메일로 공유할 수 있고 연결된 도구를 통한 작업 수행도 지원하지만, 원문은 실행 대상을 사용자가 승인한 작업으로 명시한다.

6. OpenAI 내부 확산을 뒷받침한 데이터 관리 기반

OpenAI는 Data agent의 기반 기능을 자사 전반에서 폭넓게 사용하고 있다고 밝힌다. 구체적으로 제품 조직의 거의 전원과 GTM 조직의 3분의 2 이상이 ChatGPT Work의 데이터 에이전트를 이용해 기업 데이터를 직접 분석한다고 설명한다. 이러한 이용을 가능하게 한 배경으로 데이터 팀이 공통 업무 정의를 만들고, 접근 규칙을 설정하며, 민감한 데이터에 대한 보호 장치를 마련한 작업을 제시한다. 따라서 내부 사례에서 강조되는 것은 높은 사용 비중뿐 아니라 그에 앞서 갖춘 지표와 권한 관리의 기반이다. 원문은 관련 게시물과 웨비나를 추가 자료로 안내하지만, 제공된 본문 자체에는 내부 사용이 분석 정확도나 업무 시간에 미친 영향을 정량적으로 검증한 결과는 포함돼 있지 않다.

7. 초기 고객의 분석 접근성 확대와 활용 사례

원문은 Alpha 프로그램 참여 조직들이 매출과 지출을 분석하고, 보고 오류를 찾아내며, 추진할 기회와 인력 배치를 판단하는 데 Data agent를 사용한다고 소개한다. NTT DATA는 라이선스 비용과 작업 부담, 기술 전문성이 대시보드 활용 확대의 장벽이었다며 영업·기업 지원 부문의 비엔지니어도 자연어로 대시보드를 제작하고 갱신하게 됐다고 설명한다. Thermo Fisher Scientific은 기존 환경의 데이터를 활용해 팀의 준비와 공급 기반의 기회 발굴을 돕고 있으며, 더 명확한 분석과 나은 의사결정의 가능성을 보고 있다고 말한다. ServiceTitan은 자사의 AI 보조 도구 Atlas 사용자가 비사용자보다 약 3배의 비율로 캠페인을 실행한다는 대시보드 분석을 소개한다. 이 발견을 온보딩 단순화와 Atlas 도입 확대에 활용한다고 설명하지만, 사용 여부가 해당 차이를 직접 유발했다는 인과 검증까지 제시하지는 않는다.

8. 추가 고객 사례와 제공된 원문의 범위

Zipline은 초기 시험에서 숙련된 직원도 데이터를 수시간 살펴봐야 발견할 내용을 찾아냈다고 평가한다. Empower는 조직 정보와 AI 사용 데이터를 결합해 도입 추세를 분석했으며, 특히 자유 형식 설문 응답에서 주요 활용 사례와 통찰을 추출하는 능력을 강조한다. Piston은 경영진이 판매 퍼널, Intercom 티켓량, Brex 카드 지출을 살펴보고 각자 필요한 관점으로 추세를 탐색했다고 설명한다. Doeren Mayhew는 이틀 안에 마케팅과 재무의 여러 팀이 원시 데이터를 사무소별 대화형 대시보드로 전환해 활용했다고 밝힌다. 제공된 본문은 이후 CookUnity의 성장 팀이 성수기 전환 대시보드를 제작·개선했다는 인용 도중에 끝나므로, 해당 사례의 전체 내용이나 그 뒤의 시작 안내와 예시 프롬프트는 확인할 수 없다.

🧾 핵심 주장 / 시사점

• 현업의 직접 분석을 확대하는 핵심 조건은 자연어 인터페이스와 함께 조직이 공유하는 업무 정의, 접근 규칙, 민감 데이터 보호 장치를 갖추는 것이다.
• 기존 BI 도구와 결과 공유·승인된 실행의 연결은 분석에서 후속 업무까지 이어지는 과정을 지원한다.
• 내부 사용률과 초기 고객 발언은 활용 가능성을 보여주지만, 고객별 관찰 결과를 모든 조직의 성과나 인과적 효과로 일반화할 근거는 제시되지 않았다.

✅ 액션 아이템

• Data agent 적용을 위해 승인된 데이터 소스, 공유된 지표 정의, 기존 테이블·행·열 접근 제한의 연결 범위 확인.
• 기존 BI 도구에서 자연어 질문, 근거 검토, 대시보드 편집·공유·새로고침의 활용 가능성 검토.
• ServiceTitan의 Atlas 캠페인 실행 비율 약 3배 사례는 관찰된 차이로 해석하고 인과적 효과와 구분.

❓ 열린 질문

• Data agent가 활용할 공유된 지표 정의와 기존 테이블·행·열 접근 제한은 어떻게 연결되는가?
• 기존 BI 도구에서 Data agent로 수행할 수 있는 대시보드 편집·공유·새로고침의 범위는 어디까지인가?
• ServiceTitan에서 관찰된 Atlas 사용자의 캠페인 실행 비율 약 3배 차이는 Atlas의 인과적 효과인지 어떻게 확인할 수 있는가?