[📪정보] 오픈AI, 내부용 ‘AI 데이터 에이전트’ 공개.

[회색(counsel8318)]

오픈AI, 내부용 ‘AI 데이터 에이전트’ 공개...

오픈AI가 내부에서 사용하는 데이터 분석 도구를 공개했다. 스스로 추론하고 학습하는 AI 에이전트를 업무 전반에 투입해 데이터 분석의 속도와 신뢰도를 동시에 끌어올렸다고 강조했다.

오픈AI는 29일(현지시간) 방대한 내부 데이터를 빠르고 정확하게 분석하기 위해 자체 개발한 내부 전용 AI 데이터 에이전트를 공개했다.

이 에이전트는 임직원이 자연어로 질문하면 데이터 탐색부터 SQL 실행, 결과 해석과 보고서 작성까지 전 과정을 자동으로 수행해, 기존 수작업 분석에 걸리던 시간을 획기적으로 줄이는 것이 특징이다.

오픈AI에 따르면, 이 에이전트는 외부에 판매되는 제품이 아닌 내부 업무용 맞춤 도구다. 회사의 데이터 구조와 접근 권한, 업무 흐름에 맞게 설계됐다.

'GPT-5.2'를 중심으로 '코덱스', 임베딩 API, 이밸스(Evals) API 등 오픈AI가 개발자들에게 제공하는 동일한 기술 스택이 활용됐다.

현재 엔지니어링, 데이터사이언스, 재무, 영업, 연구 조직 등 전사적으로 사용되고 있다. 오픈AI 직원들은 “질문에서 통찰을 얻기까지 며칠이 아니라 몇분이면 충분하다”라고 평했다. 제품 출시 성과 평가, 비즈니스 건전성 분석, 복합 지표 산출 등 고난도 분석도 자연어 대화만으로 가능하다.

오픈AI의 데이터 플랫폼에는 3500명 이상의 내부 사용자가 접근하며, 7만여개 데이터셋과 600페타바이트(PB)에 달하는 데이터가 축적돼 있다. 이처럼 방대한 환경에서는 적절한 테이블을 찾고 관계를 이해하는 데만도 상당한 시간이 소요됐다. 유사한 테이블이 많고, 포함 범위나 필드 정의가 미묘하게 달라 오류 위험도 컸다.

또 정확하고 신뢰할 수 있는 답변은 풍부하고 정확한 맥락에 달려 있다. 맥락이 부족하면 아무리 성능이 뛰어난 모델이라도 사용자 수를 크게 잘못 추정하거나, 내부 용어를 오해하는 등 심각한 오류를 낼 수 있다. 오픈AI는 이런 실패를 피하기 위해 데이터 에이전트를 다층적인 맥락 구조 위에 구축했다.

첫번째 층은 테이블 사용 메타데이터다. 컬럼 이름과 타입 같은 스키마 정보로 SQL 작성을 보조하고, 테이블 계보를 통해 데이터 간 관계를 이해한다. 과거 쿼리 이력을 학습해 어떤 테이블이 함께 조인되는지도 파악한다.

두번째 층은 인간 전문가의 주석이다. 도메인 전문가가 테이블과 컬럼의 의도, 의미, 비즈니스 맥락, 주의 사항을 설명해 메타데이터만으로는 알기 어려운 차이를 보완한다. 단순 구조가 아니라 데이터가 어떻게 만들어졌는지가 핵심이라는 판단에서다.

세번째 층은 코덱스 기반 코드 수준 맥락이다. 테이블을 생성하는 코드 정의를 분석해 데이터의 실제 내용과 파생 과정, 값의 고유성, 업데이트 주기, 범위와 한계를 이해한다. 이를 통해 겉보기에는 비슷하지만 결정적으로 다른 테이블을 구분할 수 있으며, 이 정보는 자동으로 갱신된다.

네번째 층은 조직 지식이다. 슬랙, 구글 문서, 노션 등에 흩어진 출시 이력, 장애 기록, 내부 코드명, 핵심 지표 정의 등을 임베딩해 권한 기반으로 검색·활용한다.

다섯번째 층은 메모리 시스템이다. 사용자의 교정이나 분석 과정에서 발견된 미묘한 제약과 필터 조건을 저장해 다음 질문부터는 더 정확한 출발점을 제공한다. 전사 공통 메모리와 개인 메모리로 구분되며, 사용자가 직접 관리할 수 있다.

여섯번째 층은 실행 시점의 실시간 맥락이다. 기존 정보가 없거나 오래됐을 경우, 데이터 웨어하우스에 직접 쿼리를 날려 스키마와 데이터를 즉시 확인하고, 필요하면 메타데이터 서비스나 워크플로 시스템과도 연동한다.

이 모든 맥락은 오프라인 파이프라인을 통해 통합·정규화된 뒤 임베딩으로 저장되며, 질의 시에는 검색 증강 생성(RAG) 방식으로 가장 관련 있는 정보만 불러온다. 그 결과 수만개 테이블 환경에서도 겉보기에는 비슷하지만 의미가 다른 테이블을 구분하고, 잘못된 조건이나 필터로 인한 오류를 크게 줄였다.

이 에이전트의 또 다른 특징은 고정된 스크립트를 따르지 않는 추론 방식이다. 중간 결과가 이상하면 스스로 원인을 점검하고 접근 방식을 수정하며, 그 과정에서 얻은 학습을 다음 단계와 이후 대화에 반영한다. 반복적인 시행착오를 사람이 아닌 에이전트가 담당함으로써 분석 품질과 속도를 동시에 끌어올렸다는 설명이다.

이 에이전트는 슬랙, 웹 인터페이스, IDE, 내부 챗GPT 등 다양한 업무 환경에서 사용할 수 있다. 사용자는 분석 도중 방향을 바꾸거나 추가 질문을 던질 수 있으며, 에이전트는 이전 맥락을 유지한 채 대화를 이어간다. 지시가 불명확하면 스스로 질문을 하거나 합리적인 기본값을 적용해 분석을 진행한다.

품질 유지를 위해 오픈AI는 이밸스 API를 활용한 상시 평가 체계를 운영한다. 자연어 질문과 ‘정답 SQL’을 쌍으로 구성해 결과를 비교하고, 구문 차이는 허용하되 실제 데이터 결과의 정확도를 기준으로 점수를 매긴다. 이는 소프트웨어의 유닛 테스트처럼 작동해 기능 확장 과정에서의 품질 저하를 조기에 포착한다.

보안과 접근 제어도 기존 체계를 그대로 따른다. 사용자는 원래 권한이 있는 데이터만 조회할 수 있으며, 에이전트는 모든 분석 과정과 가정을 요약해 투명하게 제시한다. 쿼리 결과는 원본 데이터로 연결돼 검증도 가능하다.

오픈AI는 “이 에이전트는 단순한 자동화 도구가 아니라, 함께 사고하고 방향을 조정하는 팀원 같은 존재”라며 “AI가 일상적인 의사결정과 분석 업무에서 어떤 실질적 가치를 만들 수 있는지 보여주는 사례”라고 설명했다.

출처 : AI타임스(https://www.aitimes.com)

헐.

[EXERCENS(exercens02)]

갈릭 좀 제발

[익명(sleep9291)]

올해는 에이전트의 해.

[행복한천국으로(adjust7431)]

[회색(counsel8318)]

가즤아!!!

[행복한천국으로(adjust7431)]

[POKUDONS(allow4383)]

[회색(counsel8318)]

가자!!!!!

[핥(puredragon)]

으아아악 - dc App

[ㅇㅇ 1(116.37)]

이게 그 자동화 연구원 인턴급인가?>

[익명(shore1232)]

그건 9월 예정이니까 이건 연구인턴 미만따리임

[익명(enough2752)]

이거 큰거 맞냐??????????????????????????

[익명(s5evlbd7gj51)]

[천사다천사(jjtheman999)]

[익명(pizza8396)]

[ㅇㅇ 2(220.119)]

좆망회사 - dc App

[익명(hydoki)]

이런점이 내가 OpenAI 싫어하는 이유임. 맨날 무슨 내부모델이 어쩌고, 한달 200불 이상 내거나 질문 하나만 하면 요금 폭/탄 나오는 API 모델 가지고 무슨 벤치 1등 이렇게 일반인들이 접하기 힘들거나 불가능한 모델로 하입질 하는게 역겹고 보기 싫음. 어떻게든 포장해서 투자 받으려고 발광해야 살아남는건 알겠는데 적당히 해야지

[EXERCENS(exercens02)]

구글은 200불 나오는 울트라로도 난제 못 풀고 내부 특화모델로만 풀잖아 ㅋㅋ 난제 풀 수 있는 모델 개방해주기라도 하는 OAI가 낫지

[익명(hsyang0811)]

언제는 GPT5 나오기전에 아가리 털드만이 내 자신이 쓸모없어진걸 느꼈다니 뭐니 호들갑은 다 처 떨었었는데 지금 이것도 호들갑이라고 보면 될려나?

[풸촬(biology8300)]

그래 SaaS기업들 배좀 갈라보자 걔네한테 갈 수급 에이전트 관련 스타트업으로 가고 올해 엔트로픽 상장하면 거기로 가고 ㄱㄱㄱㄱ

[디시콘발사대(fcbjsjmu1t9f)]

"단순한 ~가 아니라" ㅋㅋㅋ 평범한 문장인데 공식적으로 쓰는 거 보니까 왤케 웃기지 유튜브 싸구려 AI영상에 기계음으로나 나올법한 문장이 됐네

[ㅇㅇ 3(1.244)]

통계 석사중인데 ㅈ됐네 ㅋㅋㅋ - dc App