ChatGPT Work의 데이터 에이전트: 연결된 소스, 대시보드 및 대안 (2026)

Powerdrill Bloom·2026년 9월 14일

2026년 9월 10일, OpenAI는 ChatGPT Work 내에 Data 에이전트를 도입했습니다. 이번 발표는 마케팅적인 수식어는 줄이고, 이례적일 정도로 구체적인 시스템 구조를 다루고 있습니다. 에이전트가 어떤 데이터 웨어하우스에 접근하는지, 어떤 시맨틱 레이어를 읽는지, 그리고 어떤 BI 툴에 다시 데이터를 기록할 수 있는지를 명시합니다. 또한 이 모든 것을 누가 결정하는지도 밝히고 있습니다.

이러한 구체성 덕분에 이번 발표는 면밀히 살펴볼 가치가 있습니다. 대부분의 AI 분석 관련 발표는 결과만을 설명합니다. 하지만 이번 발표는 웨어하우스에서 시작해 비즈니스 정의를 거쳐 누구나 편집할 수 있는 대시보드에 이르기까지의 공급망(supply chain)을 설명합니다.

이 글에서는 이번 발표의 실제 내용과 아직 정의되지 않은 채 남겨진 부분을 자세히 살펴봅니다. 그런 다음, 데이터가 웨어하우스에 전혀 저장되어 있지 않은 경우 동일한 작업을 어떻게 수행할 수 있는지 다룹니다.

OpenAI의 발표 내용

핵심 주장은 발표 페이지의 단 한 문장으로 요약됩니다. Data 에이전트는 "회사 데이터에 연결하고, 무엇이 변경되었는지 조사하며, 공유 가능한 대화형 대시보드를 구축합니다."

여기서는 세 가지 동사가 핵심 역할을 합니다. 연결하고(connects), 조사하며(investigates), 구축합니다(builds). 세 번째 동사는 이 서비스를 단순한 데이터베이스 기반의 채팅 인터페이스와 차별화하는 핵심 요소입니다. 결과물은 한 문단의 분석 글이 아닙니다. 결과물은 팀원들이 다음 주에 다시 열어볼 수 있는 실질적인 결과물(artifact)입니다.

이 페이지는 문제를 '대기 시간'의 관점에서 정의합니다. "원하는 답변을 얻으려면 보고서를 기다리거나 다른 사람에게 분석을 요청해야 하는 경우가 많습니다." Data 에이전트는 분석가를 대체하는 것이 아니라, 대기 줄을 없애주는 도구로 포지셔닝되어 있습니다.

또 다른 문장은 이 경험의 경계를 설정합니다. 사용자는 "쿼리를 작성하거나 새로운 분석 툴을 배울 필요 없이" 단 한 번의 대화 속에서 분석을 지시하고 정교화할 수 있습니다. 에이전트는 추가적인 탭이 아니라, 모든 작업이 이루어지는 기본 인터페이스 역할을 하도록 설계되었습니다.

연결 가능한 데이터 소스

이 부분은 발표 내용 중 가장 구체적인 섹션이므로, 요약하기보다는 그대로 인용할 가치가 있습니다.

Data 에이전트는 "Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB, Snowflake 등을 포함하여 승인된 데이터 소스에 연결"할 수 있습니다. 이와 더불어 "Google Drive 및 SharePoint의 파일과 문서도 분석에 가져올 수 있습니다."

따라서 입력 인터페이스는 두 가지 영역으로 나뉩니다. 한쪽은 웨어하우스와 운영 데이터베이스이고, 다른 한쪽은 웨어하우스에 들어가지 못한 수많은 문서들입니다. 즉, 분기별 발표 자료, 서명된 계약서, 지역 관리자가 수작업으로 관리하는 스프레드시트 등이 이에 해당합니다.

Redis와 G2도 플랫폼 파트너로 페이지에 등장합니다. 이는 분석용 저장소를 넘어 다른 두 가지 형태의 입력 데이터로 영역을 확장합니다. Redis는 사용자가 화면을 보고 있는 동안에도 실시간으로 변하는 상태 데이터를 처리합니다. G2는 기업이 자체적으로 생성하지 않는 외부 맥락 정보인 제3자 시장 데이터를 제공합니다.

이들의 조합은 주목할 만합니다. 웨어하우스, 문서 저장소, 실시간 캐시, 외부 데이터 제공업체의 데이터를 모두 읽을 수 있는 에이전트이기 때문입니다. 이는 비즈니스가 보유한 모든 지식으로 통하는 단일 창구로 포지셔닝되고 있습니다.

흥미로운 핵심, 시맨틱 레이어

단순히 웨어하우스에 연결하는 것만으로는 에이전트에게 귀사의 '활성 고객(active customer)'이 무엇을 의미하는지 알려줄 수 없습니다. 이번 발표는 이 문제를 직접적으로 다룹니다.

에이전트는 "데이터를 해석하기 위해 조직의 비즈니스 용어, 지표 정의, 맞춤형 계산 및 데이터 관계를 사용"합니다. 발표 페이지에 따르면 이러한 맥락은 "시맨틱 레이어와 Databricks Genie Ontology, dbt, GitHub, Snowflake Horizon, BI 대시보드와 같은 신뢰할 수 있는 소스에서 가져옵니다."

이 목록에서 두 가지 사실을 유추할 수 있습니다. 첫째, GitHub이 dbt와 함께 나열되어 있다는 것은 버전 관리되는 코드 내의 지표 정의가 단순한 문서가 아니라 신뢰할 수 있는 단일 원천(source of truth)으로 취급된다는 점을 시사합니다. 둘째, 이 기능의 가치는 기업이 정의 작업을 얼마나 미리 해두었는지에 따라 달라집니다. 잘 구축된 dbt 프로젝트를 보유한 팀은 그렇지 않은 팀과 완전히 다른 경험을 하게 될 것입니다.

이것이 바로 이번 발표 전반에 깔려 있는 숨겨진 전제 조건입니다. OpenAI는 자체 도입 과정을 설명하면서 이를 명확히 밝혔습니다. OpenAI의 데이터 팀은 "공유 비즈니스 정의를 생성하고, 액세스 규칙을 설정하며, 민감한 데이터를 위한 보호 조치를 마련함으로써 이를 가능하게 만들었습니다."

생성되는 결과물

공식적으로 밝힌 결과물은 정적인 답변이 아닌 대화형 대시보드입니다.

페이지에 따르면, 사용자는 "분석 결과를 시각화 기능이 내장된 대화형 대시보드로 전환"할 수 있으며, "팀원들은 필요에 따라 이를 편집, 공유 및 새로 고침할 수 있습니다." 브랜드 가이드라인을 제공하여 결과물이 조직의 고유한 스타일(look and feel)과 일치하도록 설정할 수도 있습니다.

기존에 사용 중인 툴로 데이터를 다시 기록하는(write-back) 경로도 지원합니다. Data 에이전트는 "Omni, Oracle BI, Power BI, Sigma, Tableau, ThoughtSpot 내에서 대시보드를 구축하고 상호 작용할 수도 있습니다." 이러한 설계 방식은 보기보다 훨씬 중요합니다. 결과물이 굳이 ChatGPT Work 내에 머무르지 않아도 유용하게 쓰일 수 있음을 의미하기 때문입니다. 덕분에 이미 특정 BI 툴을 표준으로 사용하고 있는 기업에서도 이 기능을 도입해 보는 데 따르는 부담이 줄어듭니다.

분석 결과는 다른 채널로도 전달할 수 있습니다. 에이전트는 "Slack이나 이메일을 통해 결과를 공유하고, 연결된 툴을 통해 사용자가 승인한 작업을 수행"할 수 있습니다.

마지막 문구는 주목할 필요가 있습니다. 추천과 실행 사이에 '승인' 단계가 존재한다는 것은, 에이전트가 사람의 개입 없이 독단적으로 행동하도록 내버려 두지 않는다는 뜻입니다. 또한 페이지에서는 "ChatGPT Work에 다음 단계를 추천하고 누가 참여해야 하는지 파악하도록 요청"할 수 있다고 설명합니다. 따라서 업무 라우팅(routing)은 별도의 단계가 아니라 분석의 일부로 처리됩니다.

액세스 권한 제어 주체

이번 발표는 이 부분에 대해 이례적일 정도로 직설적이며, 도입 리스크를 평가하고 있다면 가장 눈여겨보아야 할 섹션입니다.

"엔터프라이즈 관리자는 어떤 데이터 연결을 사용할 수 있고 어떤 역할이 이를 사용할 수 있는지 선택"합니다. 이후 쿼리는 "테이블, 행, 열 제한을 포함하여 연결된 계정의 기존 권한을 그대로 적용"합니다.

이는 두 개의 독립된 레이어로 작동합니다. 관리자는 어떤 커넥터가 존재할지 자체를 통제합니다. 그리고 모든 쿼리에는 기존 웨어하우스의 권한이 그대로 적용됩니다. 어제 급여 열(column)을 볼 수 없었던 직원은 오늘 에이전트를 통해서도 이를 볼 수 없습니다.

활성화 방법

페이지에 설명된 설정 경로는 글로벌 토글 스위치가 아니라 플러그인 시스템을 통해 진행됩니다.

Data 에이전트는 "ChatGPT Work의 Plugins 디렉터리에 Data라는 이름으로 표시"되어 있습니다. 관리자는 "Workspace settings > Plugins를 통해 팀원들이 사용할 수 있도록 설정하거나 설치"할 수 있습니다. 또한 "Databricks 및 Snowflake와 같은 관련 데이터 소스 플러그인을 활성화 및 구성하고, 이를 사용할 수 있는 사람을 관리"할 수 있습니다.

아직 설치되지 않은 경우, 디렉터리에서 Install plugin을 선택하고 계정 연결 단계를 완료한 다음 @Data와 대화를 시작하면 됩니다.

발표에서 다루지 않은 내용

이러한 공백이 이 서비스의 타겟층을 결정하므로 명확히 짚고 넘어갈 필요가 있습니다.

페이지에는 Data 에이전트의 별도 요금제 정보가 나와 있지 않습니다. 또한 ChatGPT Work의 어떤 요금제 등급(seat tiers)에 이 기능이 포함되는지도 명시되어 있지 않습니다. 정식 출시(general availability) 날짜도 언급되지 않았습니다. 언급된 Alpha 프로그램 참여 기업들은 이미 이 기능을 사용 중인 것으로 설명되어 있으며, 여기에는 NTT DATA, Thermo Fisher Scientific, ServiceTitan, Zipline 등이 포함됩니다.

연결된 시스템에 데이터가 없는 사용자를 위한 경로는 설명되어 있지 않습니다. 문서화된 모든 진입점은 웨어하우스 연결이나 관리자가 활성화한 Google Drive 또는 SharePoint 계정을 전제로 합니다.

소규모 팀의 한계

전제 조건들을 종합해 보면 하나의 패턴이 나타납니다. 웨어하우스, 시맨틱 레이어, 커넥터를 승인할 수 있는 관리자, 그리고 데이터를 다시 기록할 BI 툴을 모두 갖추고 있을 때 가장 큰 혜택을 볼 수 있다는 점입니다.

이는 실제로 존재하는 규모가 큰 기업들의 범주에 해당합니다. 하지만 내보낸 파일(exports)을 기반으로 운영되는 6인 규모의 소규모 팀에는 해당되지 않습니다. 이들의 입력 데이터는 결제 시스템에서 내보낸 CSV, 운영 팀장이 관리하는 스프레드시트, 그리고 협력업체가 매달 보내주는 PDF 파일이 전부이기 때문입니다.

후자의 그룹에게 병목 현상은 쿼리 접근 권한이 아니었습니다. 진짜 병목은 데이터가 파일 형태로 전달된다는 점이며, 질문을 던지기 전에 이 파일들을 먼저 대조하고 정리해야 한다는 사실입니다.

데이터가 파일 형태로 존재할 때의 대안

입력 데이터가 웨어하우스가 아니라 폴더인 경우, 도구는 다른 지점에서 시작해야 합니다. 즉, '연결'이 아니라 '업로드'에서 시작해야 합니다.

Powerdrill Bloom은 바로 이러한 출발점을 위해 설계되었습니다. 스프레드시트, CSV, PDF 및 문서를 직접 업로드하기만 하면 됩니다. 자연어로 질문하면 원본 행(row) 데이터가 첨부된 차트, 표, 내보내기 파일이 결과로 제공됩니다. 홈페이지에서는 이 작동 방식을 "작업 과정을 보여주는" 분석가에 비유합니다. 모든 숫자는 "해당 페이지, 행, 그리고 그 뒤에 숨겨진 수치와 함께 제공"됩니다.

이러한 추적 가능성 요구사항은 웨어하우스 연결 방식이 시맨틱 레이어를 통해 해결하려는 것과 동일합니다. 에이전트에게 통제된 정의를 직접 가리켜 보여줄 수 없을 때, 그 다음으로 확실한 보증은 어떤 행이 어떤 숫자를 만들어냈는지 직접 보여주는 것입니다.

업무상 겪는 마찰이 어디에 있느냐에 따라 다른 해결 경로도 존재합니다. 데이터가 이미 Google Sheets에 있지만 용량 한계가 불만이라면, 최고의 Google Sheets 대안에서 더 큰 그리드를 처리할 수 있도록 설계된 도구들을 확인해 보세요. 더 넓은 범주의 정의를 먼저 알고 싶다면, AI 데이터 에이전트란 무엇인가에서 이러한 시스템들의 공통점을 확인하실 수 있습니다.

자주 묻는 질문(FAQs)

ChatGPT Work의 Data 에이전트란 무엇인가요? 2026년 9월 10일 OpenAI가 발표한 플러그인입니다. 승인된 회사 데이터 소스에 연결하고, 변경 사항을 조사하며, 팀원들이 편집하고 공유할 수 있는 대화형 대시보드를 구축합니다.

어떤 데이터베이스에 연결할 수 있나요? 발표에서는 Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB, Snowflake를 언급했으며 더 많은 데이터베이스가 지원된다고 밝히고 있습니다. 또한 Google Drive 및 SharePoint에서 파일을 가져올 수도 있습니다.

Power BI나 Tableau에서 대시보드를 생성할 수 있나요? 네, 가능합니다. 발표 페이지에 따르면 Omni, Oracle BI, Power BI, Sigma, Tableau, ThoughtSpot 내에서 대시보드를 구축하고 상호 작용할 수 있습니다.

에이전트가 어떤 데이터에 접근할 수 있는지는 누가 결정하나요? 엔터프라이즈 관리자가 어떤 연결을 사용할 수 있고 어떤 역할이 이를 사용할 수 있는지 선택합니다. 또한 각 쿼리는 연결된 계정의 기존 테이블, 행 및 열 권한을 그대로 적용합니다.

데이터가 웨어하우스가 아니라 스프레드시트에 있는 경우는 어떻게 하나요? 이 기능에 대해 문서화된 모든 설정 경로는 연결된 시스템이나 활성화된 Drive 또는 SharePoint 계정을 전제로 합니다. 반면 파일 중심 도구는 업로드를 직접 받기 때문에, 내보낸 파일 형태로 데이터를 받는 팀에 더 적합합니다.

결론

Data 에이전트 발표는 전제 조건에 관한 선언으로 이해하는 것이 가장 좋습니다. 커넥터, 시맨틱 레이어, 관리자 승인, BI 대상이 모두 명시적으로 언급되어 있습니다. 이러한 기초 작업이 얼마나 잘 되어 있느냐에 따라 이 기능의 가치가 극대화됩니다.

따라서 통제된 데이터(governed data)에 투자해 온 기업에는 매우 적합한 기능입니다. 반면, 여전히 첨부 파일 형태로 수치를 전달받는 팀에는 적합성이 떨어집니다. 입력 데이터가 테이블이 아니라 파일이라면, 파일이 있는 곳에서부터 시작하십시오. Powerdrill Bloom을 무료로 체험하고 내보낸 파일을 하나 업로드하여, 가공되지 않은 행 데이터가 공유 가능한 답변으로 변환되는 과정을 직접 확인해 보세요.

출처: OpenAI, "Now everyone can put data to work," 2026년 9월 10일. https://openai.com/index/put-data-to-work