2026년 1월, OpenAI는 가장 실용적인 내부 구축물 중 하나를 공개했습니다: 직원들이 복잡한 비즈니스 질문에서 검증된 데이터 기반 답변으로 신속히 도달할 수 있도록 설계된 사내 AI 데이터 에이전트입니다. OpenAI의 사내 데이터 에이전트에 대해 알고 싶다면, 저희가 도와드리겠습니다!
이 글에서는 OpenAI의 자체 데이터 에이전트를 살펴보고 그 작동 방식을 탐구해 보겠습니다.
준비되셨나요?
자세히 알아봅시다!
TL; DR
- OpenAI는 자체 데이터 플랫폼, 권한 및 워크플로우를 탐색하고 추론하기 위해 내부 전용 맞춤형 AI 데이터 에이전트를 구축했습니다.
- 에이전트는 엔지니어링, 데이터 사이언스, 재무, 시장 진출 전략, 연구 부서 전반에서 팀이 질문을 몇 분 만에 통찰력으로 전환하도록 지원합니다.
- GPT 5.2 기반으로 구동되며, 직원들이 이미 작업 중인 환경(Slack, 웹 UI, IDE, MCP를 통한 Codex CLI, MCP를 통한 내부 ChatGPT)에 통합됩니다.
- 핵심 차별화 요소: 컨텍스트 레이어(사용, 주석, 코드에서 도출된 의미, 조직적 지식, 기억, 실시간 런타임 검사).
- 회사 데이터와 연동되는 데이터 에이전트를 구축하고 싶다면, TextCortex 그 해결책입니다.
OpenAI 데이터 에이전트 리뷰
데이터가 모든 것을 좌우합니다: 제품 결정, 출시, 신뢰성, 재무, 성장. 그러나 고통스러운 현실은 데이터 중심 접근이 종종 다음과 같이 변질된다는 점입니다:
- 이 12개의 비슷한 테이블 중 진짜는 어느 것입니까?
- 왜 내 조인이 조용히 내 메트릭을 폭파시켰을까?
- "왜 나는 실제 질문에 답하는 것보다 SQL 디버깅에 더 많은 시간을 보내고 있는 걸까?"
OpenAI는 해결책을 구축했습니다: 내부 전용 AI 데이터 에이전트로, 데이터 플랫폼을 탐색하고 SQL을 작성 및 실행하며 결과가 잘못된 것으로 보일 때 전체 프로세스를 반복하고, 그 과정에서 수행한 작업을 설명할 수 있습니다.
OpenAI가 맞춤형 도구가 필요했던 이유
OpenAI의 내부 데이터 플랫폼은 3,500명 이상의 사용자에게 서비스를 제공하며, 600페타바이트 이상의 규모를 자랑하고 70,000개의 데이터셋을 포함합니다. 이러한 규모에서는 첫 번째 장애물이 분석이 아닌 데이터 탐색인 경우가 많습니다.
테이블을 찾은 후에도 두 번째 장애물은 정확성입니다:
- 다대다 조인
- 필터 푸시다운 오류
- null 처리
- 겉보기에는 똑같이 보이는 테이블들 사이의 미묘한 의미론적 차이
OpenAI의 데이터 에이전트는 어떻게 작동하나요?
이 에이전트는 GPT-5.2로 구동되며 OpenAI 데이터 플랫폼에서 직접 추론하도록 설계되었습니다. Slack, 웹, IDE, MCP 연결 환경(Codex CLI 및 내부 ChatGPT 커넥터 포함)과 같은 일반적인 작업 플랫폼에서 접근할 수 있습니다. 진정한 팀원처럼 느껴지는 이유는 분석을 처음부터 끝까지 수행할 수 있기 때문입니다:
- 질문을 해석하다
- 관련 데이터 세트/테이블 찾기
- SQL 작성
- 실행하다
- 중간 결과를 검증하다
- 뭔가 이상해 보이면 수정하세요
- 가정과 함께 결과를 요약하고 결과에 대한 링크를 포함하세요
OpenAI 데이터 에이전트 구조
OpenAI는 에이전트를 실제 조직의 진실에 기반하도록 하기 위해 여섯 겹의 맥락(햄버거처럼)을 구축했습니다.
레이어 1: 테이블 사용
스키마 메타데이터 + 계보 + 과거 쿼리 패턴은 에이전트가 테이블 간의 관계와 실제 사용 방식을 이해하는 데 도움을 줍니다.
레이어 2: 인간 주석
도메인 전문가는 열 이름만으로는 절대 추론할 수 없는 선별된 설명, 주의사항 및 의미론을 추가합니다.
레이어 3: 코덱스 강화
OpenAI는 Codex를 활용하여 테이블의 내용, 도출 방식, 세분화/키, 최신성 및 SQL 기록에 나타나지 않는 미묘한 차이에 대한 코드 수준의 정의를 도출합니다.
레이어 4: 제도적 지식
에이전트는 Slack, Google Docs, Notion 같은 소스에서 회사 관련 정보를 가져올 수 Notion 출시, 사고, 지표 정의 및 내부 용어를 이해합니다.
레이어 5: 메모리
수정될 때(또는 중요한 뉘앙스를 발견할 때) 다음을 위한 학습 내용을 저장할 수 있어 같은 실수가 영원히 반복되지 않도록 합니다. 기억은 전역적이거나 개인적일 수 있으며 편집 가능합니다.
레이어 6: 런타임 컨텍스트
컨텍스트가 누락되거나 오래된 경우 에이전트는 실시간으로 스키마를 검사하고 가정을 검증하기 위해 라이브 쿼리를 실행할 수 있습니다.
그런 다음 OpenAI는 오프라인 파이프라인을 실행하여 이러한 신호를 정규화하고 임베딩한 후, RAG를 통해 쿼리 시점에 관련 컨텍스트만 추출합니다. 이를 통해 대규모 환경에서도 지연 시간을 예측 가능하게 유지합니다.
TextCortex - 단 몇 초 만에 기업 데이터 에이전트 구축하기
회사 데이터를 활용하여 사내 데이터 에이전트를 구축해야 하는 경우, TextCortex 가 해결책입니다. TextCortex 반복적인 업무를 자동화하고 사용자의 지식 관리를 가속화하여 직원들의 부담을 덜어주는 선도적인 지식 관리 및 워크플로 자동화 TextCortex .
TextCortex 데이터 에이전트를 구축하는 방법이 궁금하다면, 계속 읽어보세요!
TextCortex 통해 데이터 에이전트를 구축하는 방법?
TextCortex AI 에이전트를 구축하는 TextCortex 간단하고 TextCortex . TextCortex 생성한 후 TextCortex 애플리케이션으로 이동하세요. 그런 다음 화면 왼쪽의 "에이전트" 탭으로 가서 작은 "+" 기호를 클릭합니다. 이 단계에서 AI 에이전트를 수동으로 생성하거나, "AI로 생성" 버튼을 클릭하여 저희가 준비한 AI 에이전트 빌더를 사용할 수 있습니다.
수동 생성 과정
AI 에이전트를 수동으로 생성하기로 결정했다면, 해당 에이전트의 배경 설명을 작성하고 어조를 선택하며, 반드시 따라야 할 규칙과 절대 따라서는 안 될 규칙을 정의해야 합니다. 에이전트 구축을 완료한 후에는 게시 전 최종 검토를 위해 미리보기 채팅 섹션을 활용할 수 있으며, 출력 결과를 바탕으로 맞춤형 에이전트를 미세 조정할 수 있습니다.
AI 프로세스로 창작하기
TextCortex 에이전트 빌더를 사용하면 대화 형식으로 AI 에이전트를 구축할 수 있습니다. AI 에이전트 빌더가 묻는 질문에 답변하기만 하면, 짠! 바로 사용할 수 있는 에이전트가 완성됩니다!
에이전트를 데이터 에이전트로 전환하세요
AI 에이전트 생성 과정에서 보시다시피, 데이터셋과 지식베이스를 AI 에이전트에 통합할 수 있습니다. 내부 데이터와 연동되는 AI 에이전트를 구축하려면 문서들을 TextCortex Google Drive, Notion, Slack 등의 데이터베이스를 TextCortex 됩니다. 보안에 대한 걱정은 필요 없습니다. 모든 데이터는 안전하게 보호됩니다. 자세한 내용은 이 링크를 참조하세요.
자주 묻는 질문
OpenAI의 사내 데이터 에이전트는 일반인에게 공개되어 있나요?
아니요. OpenAI 자체 데이터, 권한 및 워크플로를 중심으로 특별히 구축된 내부 전용 도구입니다.
어떤 모델이 에이전트를 구동합니까?
OpenAI는 GPT-5.2로 구동된다고 밝혔습니다.
OpenAI 데이터 에이전트에 접근하는 방법은 무엇인가요?
OpenAI 플랫폼을 통해 OpenAI 데이터 에이전트 기능에 접근할 수 있습니다.
.png)
.png)
.png)