ChatGPT Data agent로 표 데이터 분석하기

🤔 AI가 뽑은 매출이 재무팀 숫자와 다를 때

회사 데이터에 AI를 연결해 "지난 분기 매출이 얼마였어?"라고 물으면 숫자는 금방 나옵니다. 그런데 그 숫자를 회의에 올리면 재무팀이 쓰는 매출과 몇 퍼센트씩 어긋나는 때가 있습니다. 한쪽은 환불을 빼고 셌고, 다른 쪽은 결제 시점 기준으로 셌기 때문입니다.

ChatGPT Data agent는 데이터를 가져오는 곳과 숫자의 뜻을 가져오는 곳을 나눠서 연결합니다. 데이터만 연결하고 뜻을 정해 두지 않으면 앞의 매출처럼 결과가 어긋납니다. 지금부터 연결 대상과 질문하는 방법, 결과를 받아 확인하는 순서를 2026년 9월 28일 공식 문서 기준으로 정리합니다.

🔑 ChatGPT Data agent의 정의

ChatGPT Data agent는 ChatGPT Work와 Codex에서 회사의 데이터 웨어하우스와 문서에 연결해 질문에 답하고 대시보드를 만드는 데이터 분석 기능입니다.

OpenAI가 2026년 9월 10일 공개했고, 플러그인 목록에는 "Data"라는 이름으로 올라 있습니다. 대화창에서 @Data로 부르거나, 데이터 질문을 하면 ChatGPT가 알아서 이 플러그인을 쓰기도 합니다. 데이터 웨어하우스(data warehouse)는 회사의 여러 시스템에서 나온 데이터를 분석용으로 한곳에 모아 둔 저장소를 말합니다.

어느 요금제에서 Data agent를 쓸 수 있는지는 발표문과 도움말 어디에도 표로 적혀 있지 않습니다. 발표문은 기업 관리자가 연결을 여는 흐름을 중심으로 설명하므로, 개인 Plus 계정에서 같은 연결을 쓸 수 있는지는 2026년 9월 28일 기준으로 확인하지 못했습니다.

🧭 파일 업로드 분석과 Data agent의 차이

ChatGPT에서 표 데이터를 분석하는 길은 두 가지입니다. 엑셀 파일을 대화창에 올려 분석하는 기존 방식과, 회사 저장소에 연결하는 Data agent입니다. 둘은 쓰는 상황이 다릅니다.

파일 업로드 분석은 올린 파일을 파이썬으로 계산합니다. 도움말에 따르면 이 계산 환경은 외부 웹 요청을 보낼 수 없고, 스캔한 PDF나 이미지 속 표는 값을 정확히 뽑지 못할 수 있습니다. 한 번 뽑아 보는 분석에는 파일 업로드가 빠르고, 매주 같은 지표를 같은 기준으로 봐야 한다면 Data agent 쪽이 맞습니다.

🔌 Data agent가 연결하는 세 종류

Data agent의 연결 대상은 하는 일에 따라 세 종류로 나뉩니다. 하나로 묶어 "연결 가능한 서비스"라고 부르면 무엇이 빠졌을 때 어떤 문제가 생기는지 보이지 않습니다.

• 데이터를 가져오는 곳: Amazon Redshift, ClickHouse, Databricks, Google BigQuery, MongoDB, Snowflake. 문서와 파일은 Google Drive와 SharePoint에서 가져옵니다
• 뜻을 가져오는 곳: Databricks Genie Ontology, dbt, GitHub, Snowflake Horizon, 기존 BI 대시보드
• 대시보드를 만드는 곳: Omni, Oracle BI, Power BI, Sigma, Tableau, ThoughtSpot. 도구와 권한에 따라 할 수 있는 작업이 달라집니다

발표문의 데이터 소스 목록에는 Datadog도 들어 있는데, 도움말 목록에는 빠져 있습니다. 모니터링 데이터를 연결하려는 경우라면 연결 화면에서 직접 확인하는 편이 안전합니다. 웨어하우스를 처음 접한다면 빅쿼리 이해하기를 먼저 보면 연결 대상이 어떤 저장소인지 감이 옵니다.

📖 시맨틱 레이어, 집집마다 다른 가계부 항목 규칙

시맨틱 레이어(semantic layer)라는 말은 웨어하우스보다 상대적으로 낯설 수 있습니다. 쉽게 말하면 회사가 쓰는 업무 용어와 지표 계산식을 한곳에 정해 둔 약속 모음입니다.

가계부를 쓰는 집마다 외식비에 배달 음식을 넣는지, 커피값을 식비로 보는지가 다릅니다. 영수증 묶음이 같아도 항목 규칙이 다르면 이번 달 식비가 달라집니다. 회사 데이터도 같아서 "매출"에 환불을 빼는지, "활성 사용자"를 며칠 기준으로 세는지가 정해져 있지 않으면 같은 테이블에서 다른 숫자가 나옵니다. OpenAI는 Data agent가 업무 용어와 지표 정의, 사용자 정의 계산식, 데이터 사이의 관계를 써서 숫자를 해석한다고 설명합니다.

시맨틱 레이어 도구를 쓰지 않는 회사라면 지표 사전 한 장부터 만드는 방법이 있습니다. 아래는 가상의 예입니다.

이 표를 브리프의 자료 칸에 붙이거나 dbt 같은 도구의 정의로 옮기면, 같은 질문에 부서마다 다른 답이 나오는 일이 줄어듭니다. 지표를 목표로 관리하는 방법은 KPI 이해하기에 있습니다.

💬 Data agent에 물을 수 있는 질문

OpenAI 문서가 예로 든 질문은 분기별 매출 비교, 리텐션 하락 원인 찾기, 지역별 영업 파이프라인 대시보드 만들기, 경영진 보고 자료 만들기, 주간 활성 사용자 변화 진단 같은 것들입니다. 여기서 차이를 만드는 것은 질문에 기준을 얼마나 담았는지입니다.

기간과 비교 대상, 나눠 볼 기준을 적으면 Data agent가 어떤 테이블과 지표 정의를 써야 하는지 좁혀집니다. 이 형식은 GPT-6 아스트라 업무 브리프 쓰는 법에서 다룬 목적과 자료 칸을 질문 한 줄에 옮긴 것입니다.

🔒 권한과 공유에서 확인할 것

Data agent의 권한은 새로 생기지 않습니다. 관리자가 워크스페이스 설정의 플러그인 항목에서 어떤 연결을 열지, 어느 역할이 쓸지를 고르고, 실제 조회는 연결한 계정이 원래 가진 테이블과 행, 열 제한을 그대로 따릅니다. 권한이 넓은 공용 계정으로 연결하면 그 범위가 그대로 열리므로, 연결 계정을 고르는 일이 권한 설계의 첫 단계가 됩니다.

만든 결과를 밖으로 내보낼 때도 조건이 있습니다.

• 대시보드: 편집과 공유, 새로고침을 할 수 있고 클라우드 자동화로 주기적으로 갱신할 수 있습니다
• Slack과 이메일 공유: 사용자가 승인한 뒤에만 보냅니다
• Sites 게시: 대시보드를 OpenAI Sites로 게시하면 분석에 쓴 데이터가 사이트에 복사된다고 도움말이 밝히고 있습니다

세 번째 조건은 특히 조심할 대목입니다. 복사된 데이터는 원본 웨어하우스의 권한 설정이 아니라 사이트 쪽 공개 설정의 영향을 받는다고 보는 편이 안전합니다.

✅ 결과를 받은 뒤 확인하는 순서

OpenAI 도움말은 Data agent의 결과를 쓰기 전에 출처와 기간, 필터, 지표 정의를 확인하고, 기존 보고서와 숫자가 다르면 차이를 비교해 달라고 요청하라고 안내합니다. 실무에서는 이 순서로 봅니다.

1. 어느 테이블에서 왔는지: 답변에 기준 테이블이 적혀 있는지 봅니다
2. 기간과 필터: 달력상 한 달인지 최근 30일인지, 테스트 계정을 뺐는지 봅니다
3. 지표 정의: 순매출인지 총매출인지처럼 계산식이 회사 기준과 같은지 봅니다
4. 기존 보고서와 비교: 숫자가 다르면 Data agent에게 두 숫자의 차이가 어디서 생겼는지 나눠 보여 달라고 합니다

⚠️ 자주 하는 실수

• 정의 합의보다 연결을 먼저 합니다: 지표 정의가 부서마다 다르면 연결 뒤에 부서마다 다른 답이 나옵니다
• 권한이 넓은 공용 계정으로 연결합니다: 조회 범위가 계정 권한을 따르므로 보면 안 되는 데이터가 답에 섞일 수 있습니다
• 대시보드를 Sites로 바로 게시합니다: 분석 데이터가 사이트에 복사된다는 점을 확인하지 않고 공개 범위를 넓힙니다
• 답변의 숫자만 옮겨 적습니다: 기준 테이블과 기간을 함께 적지 않으면 한 달 뒤 같은 숫자를 다시 뽑을 수 없습니다

❓ 자주 묻는 질문

Plus 요금제에서도 Data agent를 쓸 수 있나요?

2026년 9월 28일 기준 공식 문서에서 요금제별 제공 여부를 확인하지 못했습니다. 발표문과 도움말은 Data agent가 ChatGPT Work와 Codex에서 동작한다고 설명하고, 연결은 관리자가 워크스페이스 설정에서 여는 흐름으로 안내합니다. 개인 계정이라면 플러그인 목록에 Data가 보이는지 직접 확인하는 편이 정확합니다.

대화창에 올린 엑셀 파일도 Data agent가 분석하나요?

Data agent 도움말은 파일 쪽 연결로 Google Drive와 SharePoint만 적고 있어서, 대화창에 직접 올린 파일을 Data agent가 다루는지는 확인하지 못했습니다. 엑셀이나 CSV 한두 개를 한 번 분석하는 일이라면 일반 Chat의 파일 업로드 분석으로 충분합니다. 이때 CSV와 스프레드시트는 약 50MB가 한도입니다.

GA4 데이터도 연결할 수 있나요?

공식 연결 목록에 GA4는 없습니다. GA4에서 BigQuery로 내보내기를 설정해 두었다면 BigQuery가 목록에 있으므로 그 경로로 연결할 수 있습니다. 다만 GA4 화면의 지표와 BigQuery 원본의 값이 어긋나는 때가 있어 어느 쪽을 기준으로 삼을지 먼저 정해야 합니다. 이 차이는 ChatGPT Data agent 정리에서도 다뤘습니다.

시맨틱 레이어 도구가 없으면 쓸 수 없나요?

연결 자체는 웨어하우스만 있어도 됩니다. 다만 지표 정의를 가져올 곳이 없으면 Data agent가 테이블 이름과 열 이름으로 뜻을 짐작하게 되므로, 자주 쓰는 지표 열 개 정도를 사전으로 정리해 요청문에 함께 주는 편이 결과가 안정적입니다.

📋 3줄 요약

1. ChatGPT Data agent는 2026년 9월 10일 공개된 ChatGPT Work와 Codex의 데이터 분석 기능이고 BigQuery와 Snowflake 같은 웨어하우스에 연결해 질문에 답하고 대시보드를 만듭니다.

2. 숫자의 뜻은 dbt와 Snowflake Horizon 같은 시맨틱 레이어의 지표 정의에서 가져오고 조회 범위는 연결 계정이 원래 가진 테이블과 행과 열 권한을 그대로 따릅니다.

3. OpenAI 도움말은 결과를 쓰기 전에 출처와 기간, 필터, 지표 정의를 확인하고 기존 보고서와 숫자가 다르면 차이를 비교하도록 요청하라고 안내합니다.

📚 참고 자료

• OpenAI 발표, Now everyone can put data to work: https://openai.com/index/put-data-to-work/
• OpenAI 도움말, Using the Data plugin in ChatGPT Work and Codex: https://help.openai.com/en/articles/20001518-using-the-data-plugin-in-chatgpt-work-and-codex
• OpenAI 도움말, Data analysis with ChatGPT: https://help.openai.com/en/articles/8437071-data-analysis-with-chatgpt
• OpenAI 도움말, Using Library to manage files in ChatGPT: https://help.openai.com/en/articles/20001052-using-library-to-manage-files-in-chatgpt