AI 데이터 에이전트 도입법: 대시보드보다 먼저 만드는 질문·권한 카드

9월 10일 OpenAI는 회사 데이터를 연결해 질문을 조사하고 대시보드로 정리하는 Data agent를 공개했습니다. 이런 서비스가 늘수록 “우리 데이터에도 AI를 붙이자”는 요청은 자연스러워집니다. 하지만 연결 버튼보다 먼저 정해야 할 것은 질문의 범위입니다. 같은 “이번 달 매출이 왜 줄었나?”도 환불을 포함하는지, 확정 매출만 보는지, 어느 지역을 비교하는지에 따라 전혀 다른 답이 나옵니다.

이 글은 특정 서비스를 도입하라고 권하지 않습니다. 해외 제품 발표에서 보이는 흐름을 계기로, 회사 데이터에 AI를 연결하기 전에 팀이 합의할 최소 단위를 정리합니다. 데이터 에이전트는 보고서를 대신 읽어 주는 도구가 될 수 있지만, 지표의 의미와 접근 범위까지 스스로 정해 주지는 않습니다.

대시보드보다 질문 카드가 먼저인 이유

사람이 만드는 대시보드에는 이미 많은 결정이 들어가 있습니다. 어떤 지표를 쓸지, 기간은 어떻게 자를지, 비정상 값은 숨길지, 누구에게 보일지가 그렇습니다. AI에게 질문을 던질 때 이 결정이 말 한마디 뒤로 숨으면, 그럴듯한 설명을 검증하기 어려워집니다.

첫 파일럿의 목표는 “AI가 똑똑한지”를 보여 주는 것이 아니라, 같은 질문에 같은 근거를 붙여 답할 수 있는지를 확인하는 일입니다. 그러려면 질문 카드가 입력과 결과의 경계를 잡아야 합니다. 카드가 있으면 담당자가 바뀌어도 무엇을 다시 확인해야 하는지 남고, 데이터 연결을 넓힐 때도 기준을 복사할 수 있습니다.

첫 파일럿에 맞는 질문 고르기

좋은 첫 질문은 답이 하나여서가 아니라, 사람이 답을 대조할 수 있어서 좋습니다. 이미 주간 보고서가 있는 지표, 담당 부서가 분명한 데이터, 설명이 틀려도 외부 고객에게 바로 영향을 주지 않는 주제를 고르세요. 예를 들어 “지난주 문의는 어떤 유형이 늘었고, 근거가 되는 티켓은 무엇인가?”처럼 범위를 좁힐 수 있습니다.

질문·권한 카드는 네 줄이면 시작됩니다

문서를 길게 만들 필요는 없습니다. 아래 양식을 팀 문서나 티켓에 붙여 넣고, 한 질문에 한 장씩 작성하세요. 데이터 팀, 현업 담당자, 검수자가 같은 카드를 볼 수 있어야 합니다. 특히 “보여도 되는 사람”과 “원본을 다시 확인할 사람”을 분리하면, 분석의 편의가 데이터 공개 범위를 넓히지 않게 됩니다.

질문: 지난주 신규 문의에서 가장 많이 늘어난 유형은 무엇인가?
데이터: 2026-09-07~2026-09-13에 확정된 문의 분류 집계와 원문 링크
열람 범위: 운영 리드와 고객지원 담당자만, 개인 식별 정보는 제외
완료 기준: 유형별 건수·전주 대비·근거 링크·확인 불가 항목을 함께 제시
검수자: 고객지원 담당자 / 발표 전 원본 집계와 대조
금지 행동: 고객에게 답장 발송, 고객 상태 변경, 원본 데이터 내려받기

여기서 “확인 불가”는 실패가 아닙니다. 데이터가 비어 있거나 권한이 부족한 경우, 에이전트가 빈칸을 추정으로 채우지 않도록 결과 형식에 포함하는 것이 중요합니다. 숫자 0과 데이터가 없다는 말도 분리해 적으세요.

출처와 기간을 결과 화면에 남기세요

AI가 낸 설명을 검토하려면 다시 원본을 찾을 수 있어야 합니다. 결과에 긴 사고 과정을 공개할 필요는 없지만, 다음 네 가지는 사람이 읽을 수 있게 남기는 편이 좋습니다. 데이터의 기준일, 사용한 보고서나 테이블 이름, 적용한 필터, 제외하거나 찾지 못한 항목입니다.

이 네 가지는 UX writing의 문제이기도 합니다. “분석이 완료됐습니다”보다 “9월 7~13일 확정 문의만 분석했습니다. 미분류 12건은 제외했습니다.”가 다음 행동을 분명하게 합니다. 숫자 아래에 작은 문장으로 붙여도 충분합니다. 사용자는 결과가 어디까지 믿을 만한지 바로 판단할 수 있습니다.

일주일 파일럿은 이렇게 운영합니다

첫날에는 카드 한 장과 비교할 기존 보고서 하나를 정합니다. 이틀째에는 읽기 전용 환경에서 세 번 정도 같은 질문을 돌리고, 데이터 기간과 근거 링크가 빠지지 않는지 봅니다. 셋째 날부터는 현업 담당자가 답변을 보고 “쓸 수 있음·수정 필요·판단 불가”로만 표시하세요. 정교한 점수보다 실패 이유를 모으는 편이 빠릅니다.

마지막 날에는 한 장짜리 회고를 남깁니다. 사람이 원본을 찾는 시간이 줄었는지, 어떤 용어가 헷갈렸는지, 접근해서는 안 되는 필드가 있었는지 적습니다. 그 결과가 좋다면 그때 두 번째 질문을 추가하세요. 좋지 않다면 모델을 바꾸기 전에 카드의 질문과 데이터 정의부터 고치는 것이 보통 더 빠릅니다.

도입 결정을 위한 짧은 점검

• 질문을 한 문장으로 제한했는가?
• 결과를 대조할 기존 보고서 또는 원본 담당자가 있는가?
• 읽을 데이터와 제외할 데이터가 적혀 있는가?
• 숫자와 함께 기준일·출처·제외 항목을 보이는가?
• 분석 결과가 외부 발송이나 금액·고객 상태 변경으로 바로 이어지지 않는가?

데이터 에이전트의 가치는 더 많은 차트를 만드는 데 있지 않습니다. 팀이 같은 질문을 같은 근거로 다시 물을 수 있게 하는 데 있습니다. 그 작은 기준이 잡힌 뒤에야 더 많은 데이터와 더 긴 자동화를 안전하게 검토할 수 있습니다.

출처: OpenAI의 Data agent 발표를 2026년 9월 19일 확인했습니다. 이 글의 질문·권한 카드와 운영 순서는 LeanX의 제안입니다.