모두가 데이터를 다루는 AI 시대, 지난 1년간 데이터 팀은 어떻게 달라졌을까?

핵심 내용

• 데이터가치화팀이 지난 1년간 AI를 팀 업무와 플랫폼, 조직 역할에 어떻게 통합해 왔는지 공유
• SQL 초안 작성, 장애 원인 탐색, MCP 기반 데이터 조회 등 반복 작업이 빨라지고 진입장벽이 낮아짐
• 업무의 중심이 구현보다 문제 정의, 검증, 설계, 우선순위 판단으로 이동

구조와 흐름

• data-mcp를 통해 BigQuery, Lineage, KarrotMetrics, Superset, Event, Experiment를 자연어로 조회하는 환경 구성
• LLM이 전체 스키마를 무작정 탐색하지 않도록 라우팅, 권한, 도메인 지식을 MCP 계층에서 제어
• 데이터 제품이 UI 중심에서 UI + LLM 인터페이스 구조로 확장

주의할 점

• AI 생성 SQL과 요약 결과가 비즈니스 로직이나 맥락을 놓칠 수 있는 위험
• 셀프서비스 확산에 비해 지표 정의, 메타데이터, 리니지, 권한, 품질 기반이 약하면 오답과 혼란이 커질 수 있음
• 답이 없는 경우를 포함해 검증 가능한 문화와 안전장치가 필요

적용해볼 점

• 지표 정의·오너·최신성·계산 로직을 함께 노출하는 데이터 경험 설계
• 컬럼 레벨 리니지와 권한 제어를 LLM 사용 흐름에 포함
• AI 결과물을 초안으로 두고 검증하는 조직 문화 정착