xAI 데이터 사이언스 팀의 Sally Xu는 11월 2일 공식 사이트에 글을 올려, 팀이 Grok Bot 안에 만든 공유 봇 Data Bot을 소개했다. 데이터 웨어하우스를 조회하고 분석을 수행하며, 질문한 사람이 선호하는 형식으로 결과를 돌려주고, Slack 채널에도 들어갈 수 있다. 글은 원래 데이터 사이언스 팀에 떨어졌을 업무 가운데 지난주 약 70시간 분량을 이 봇이 처리한 것으로 추산했다.
이 수치는 내부 추산이며 산출 방법에 대한 설명은 없다. 페이지 서명은 SpaceXSI로 되어 있는데, xAI는 올해 SpaceX와 합병했다. 팀 규모에 대해서도 글은 "작다"고만 할 뿐 인원수를 밝히지 않아, 70시간이 전체 업무에서 어느 정도 비중인지 외부에서는 계산할 수 없다.
가르친 것은 네 가지 규칙
Data Bot은 Grok Bot의 팀 봇 기능 위에서 돌아가며, 능력은 데이터 팀이 관리하는 공유 스킬에서 나온다. 스킬은 네 종류다.
- 지표와 분석: 활성 사용자, 매출 같은 핵심 지표의 정의를 통일하고 원본 테이블과 쿼리 로직을 명시한다. 지표가 출렁이면 먼저 세그먼트와 지역별로 쪼개고, 휴일과 제품 변경 기록을 대조한 뒤에야 결론을 낸다.
- 실험: A/B 테스트 설계, 검정력 분석, 노출 균형과 표본 편향 점검, 확대 적용 계획. 검정력이 충분해진 뒤에 결론 보고서를 쓴다.
- 차트와 대시보드: 추세는 꺾은선, 항목 비교는 가로 막대 차트를 쓰고 팀의 테마와 스타일 가이드를 적용한다. 대화 속 차트는 Databricks나 Hex 대시보드로 만들 수 있다.
- 데이터 엔지니어링: dbt 모델 작성과 리뷰 규범, 파이프라인 알림 규칙, 새 기능이 출시될 때 계측을 추가하는 방법.
또 하나는 공유 메모리다. 특정 파이프라인을 누가 맡고 있는지, 어떤 지표 하락이 사실은 지역 휴일 때문이었는지 같은 내용을 기록한다. 이런 새 메모리는 관리자 승인을 거쳐야 모든 사용자에게 적용된다. 한 사람이 가르친 내용을 다음 사람이 다시 가르칠 필요가 없고, 잘못된 기억을 걸러내는 관문도 하나 있는 셈이다.
누가 쓰고 있나
글은 데이터 직군이 아닌 동료 세 명의 활용 사례를 들었다.
프로덕트 매니저 Kevin Niparko는 동료에게 묻듯 질문해 몇 분 만에 답을 얻고, 후속 질문을 할 때 분석을 처음부터 다시 돌릴 필요가 없다. 그는 짧은 결론에 차트를 곁들인 형태를 좋아하고, Data Bot은 그 습관대로 결과를 내놓는다. 그의 표현은 이렇다.
"having a data scientist in his pocket" (주머니 속에 데이터 사이언티스트를 넣고 다니는 셈)
라이프사이클 마케팅의 Jon Brenner는 Braze 캠페인 ID를 넘기고, 이메일을 연 사람들이 이후 무엇을 했는지 묻는다. X Subscription 프로모션에서는 이 방법으로 수신자 중 실제로 요금제를 바꾼 사람이 몇 명인지 집계했다. Braze 자체 지표로는 답할 수 없던 질문이다.
매출 성장 디렉터 Katy Abbaszadeh는 캠페인이 영업 파이프라인과 기존 거래를 얼마나 움직였는지 측정하고, 주간 목표를 추적하고, 진행이 어디서 막혔는지 확인한 뒤, 결과를 발표용 차트로 만드는 데 쓴다.
Slack에 들어간 뒤에는 일정에 따라 작업을 실행할 수도 있다. 예를 들어 데이터 팀의 규범에 맞춰 특정 지표를 추적하거나 주간 리포트를 보내는 식이다. 동료는 리포트에 바로 후속 질문을 하거나 이상 변동을 조사해 달라고 요청할 수 있다. 더 많은 판단이 필요한 복잡한 분석은 여전히 데이터 팀 몫이라고 글은 밝혔고, 팀도 이 봇에 어떤 추가 지침이 필요한지 아직 탐색 중이라고 인정했다.
사내 도구와 제품, 두 갈래 길
나란히 놓고 보면, 지난 1년 사이에 비교할 만한 사례가 몇 가지 있다.
Anthropic은 6월에 내부 방식을 공개했다. 업무 데이터를 Claude에 곧바로 연결했을 때 정확도는 21%에 그쳤지만, 먼저 지표 기준과 규칙을 입력하자 데이터 분석 질문의 약 95%에 Claude가 스스로 답할 수 있었다고 한다. OpenAI는 9월 ChatGPT Work에 Data agent를 추가했다. 이쪽은 제품 노선으로, Snowflake와 BigQuery 같은 데이터 소스에 연결해 Tableau, Power BI 등 여섯 가지 도구에서 곧바로 대시보드를 만든다.
이번 xAI 글은 Anthropic 쪽에 더 가깝다. 내부 팀이 암묵지를 스킬로 적어 두고 모델은 실행자일 뿐이다. 다만 Anthropic과 달리 xAI는 정확도를 공개하지 않았다. 도입 전후 비교도 없고, 틀린 답을 어떻게 발견하는지도 설명하지 않았다. 질문하는 프로덕트 매니저와 마케터는 SQL 한 줄도 직접 검증하기 어려운 경우가 많은데, 다른 회사가 따라 할 수 있느냐에는 70시간보다 이 공백이 더 큰 영향을 준다.
권한도 마찬가지다. 글은 메모리 업데이트에 승인이 필요하다고만 언급했을 뿐, 누가 어떤 테이블을 조회할 수 있는지는 다루지 않았다. 전사에 열려 있고 데이터 웨어하우스에 연결된 봇에서 매출과 사용자 데이터의 접근 범위를 어떻게 나누는지는 글에 설명이 없다.
Data Bot 자체를 외부에 판매할 계획이 있는지도 글에는 적혀 있지 않다. 페이지의 Grok Bot은 내려받을 수 있고 영업팀에 문의할 수 있으며, 10월부터는 사용자에게 전용 이메일 주소를 배정하기 시작했다. 팀 봇 기능을 외부 고객이 같은 수준으로 쓸 수 있을지는 xAI의 후속 제품 안내를 지켜봐야 한다.
참고 출처: xAI 공식 블로그, CocoLoop, Grok Bot 공식 계정. 70시간은 팀 내부 추산 기준이며, Anthropic과 OpenAI 비교 수치는 두 회사가 앞서 공개한 설명에서 가져왔다.