최근 중국 스타트업 Manus가 흥미로운 AI 데이터 시각화 도구를 선보이며, OpenAI의 ChatGPT와 비교하는 논의가 활발히 일어나고 있습니다. 이 글에서는 두 도구의 기능과 사용 사례를 비교하고, 기업 환경에 적합한 방향성을 함께 고민해보고자 합니다.
기업 데이터 시각화의 현재: 왜 여전히 CSV를 사용할까?
AI와 데이터 분석 기술이 빠르게 발전했지만, 많은 기업에서는 여전히 스프레드시트에 의존하고 있습니다. 최근 조사에 따르면 재무 책임자의 58%는 KPI를 추적하는 데 여전히 Excel만을 사용하고 있고, 90%에 가까운 기업이 전략 보고서 작성에 스프레드시트를 주요 도구로 활용하고 있다고 합니다.
이렇게 된 배경에는 기업 내부 시스템의 복잡성이 있습니다. 데이터 웨어하우스는 권한 관리가 까다롭고, 쿼리 작성과 대시보드 구성에도 시간이 많이 소요되기 때문입니다. 결국 보고서 마감 시점에는 누군가가 데이터를 CSV로 추출해 Excel이나 Google Sheets에서 다시 정리하게 됩니다. 이를 흔히 ‘데이터 라스트 마일 문제’라고 부릅니다.
Manus의 제안: 누구나 바로 사용할 수 있는 차트 도구
이 ‘라스트 마일’ 문제에 새로운 방식으로 접근한 것이 바로 Manus입니다. 사용자는 데이터가 정리되어 있지 않은 CSV 파일을 업로드하고, 자연어로 원하는 결과를 지시하기만 하면 됩니다. 이후 AI가 자동으로 데이터를 정리하고, 차트를 만들어 PNG 형태로 바로 회의에 쓸 수 있는 결과물을 제공합니다.
예를 들어 “최근 12개월간 월별 매출 추이를 보여주고, 이상치는 강조해줘”라는 문장만 입력하면, AI가 데이터를 분석하여 적절한 시각화를 만들어주는 식입니다.
ChatGPT의 기능: 속도는 빠르지만 정제 능력은 한계
OpenAI의 ChatGPT 역시 최근 ‘Advanced Data Analysis’ 기능을 통해 데이터 시각화를 지원합니다. 사용자는 CSV 파일을 업로드하고, 텍스트로 분석을 요청할 수 있습니다.
그러나 실제 테스트에서는 데이터가 정제되어 있는 경우에는 빠르게 결과를 도출했지만, 오류가 포함된 데이터에는 취약한 모습을 보였습니다. 예를 들어 날짜 포맷 오류나 누락된 값, 중복 값 등을 스스로 처리하지 못하고, 엉뚱한 결과를 시각화하는 일이 발생했습니다.
실제로 데이터 품질에 따라 두 도구의 성능은 크게 달라졌습니다. 깨끗한 데이터에서는 ChatGPT가 빠른 결과를 보여주었지만, 품질이 낮은 데이터에서는 Manus가 더 정확하게 트렌드를 파악했습니다.
Manus의 한계: 불투명한 데이터 처리 과정
Manus의 가장 큰 약점은 결과를 만들어가는 과정을 사용자에게 보여주지 않는다는 점입니다. 기업 입장에서는 단순히 시각화된 차트보다는, 그 차트가 ‘어떻게’ 만들어졌는지가 훨씬 중요합니다.
예를 들어 CFO가 회의 중 “2분기 시스템 통합 중 발생한 중복 거래 데이터는 어떻게 처리했나요?”라는 질문을 받았을 때, 그에 대한 설명이 없다면 보고서의 신뢰도가 떨어지게 됩니다. Manus는 이와 관련된 과정을 보여주지 않기 때문에, 분석을 검증하거나 감사할 수 없다는 점에서 불안 요소로 작용할 수 있습니다.
반면, ChatGPT나 Claude는 Python 코드 형태로 처리 과정을 공개하지만, 이를 이해하고 검토할 수 있는 사람이 팀 내에 없을 경우 오히려 또 다른 장벽이 되기도 합니다.
감사 추적성과 투명성, 기업이 신뢰할 수 있는 근거
차트를 얼마나 빠르게 만드는가는 중요한 지표입니다. 그러나 기업 관점에서는 오류에 대비해 언제든 데이터 처리 과정을 검토할 수 있어야 합니다. 이런 감사 가능성(auditability)과 투명성(transparency)이 보장되지 않으면, AI 도구는 단순히 시각화만 제공하는 ‘보조 도구’ 그 이상으로는 활용하기 어려운 것이 현실입니다.
진화하는 대안들: 데이터 웨어하우스 기반 시각화 도구
최근 기업의 데이터 분석 흐름은 CSV 파일 업로드 중심에서, 데이터 웨어하우스에 직접 연결하여 실시간으로 시각화하는 방식으로 변화하고 있습니다.
예를 들어 구글의 Gemini in BigQuery는 SQL 자동 생성과 시각화를 하나의 과정으로 묶어 제공하면서, 기존 데이터 보안 정책을 그대로 유지할 수 있습니다. 마이크로소프트 Fabric의 Copilot 역시 Power BI에서 실시간 분석과 함께 감사 가능성까지 제공합니다. 여기에 GoodData의 AI 어시스턴트처럼, 자체 데이터 모델을 유지하면서 자연어 기반 쿼리도 가능한 도구들도 등장하고 있습니다.
이러한 도구들은 데이터의 다운·업로드 과정 없이 작업 환경 내에서 문제를 해결할 수 있도록 설계되어, 보안성과 효율성 모두를 충족시킵니다.
Manus는 어떤 용도에 적합할까?
Manus는 접근성이 뛰어나고, 직관적인 인터페이스를 제공합니다. 이러한 특징은 BI 도구에 익숙하지 않은 마케팅팀, 영업팀 등에서 빠르게 보고서용 차트를 생성해야 할 때 유용합니다. 특히 중소기업이나 스타트업, 그리고 분석 전문가가 부족한 조직이라면 좋은 도입 효과를 기대할 수 있습니다.
그러나 아래와 같은 환경에서는 활용에 한계가 있습니다. 예를 들어 금융, 의료, 공공기관처럼 감사성이 중요한 산업군이나, 실시간 데이터가 필요한 환경, 또는 코드 리뷰가 어려운 조직에서는 사용에 주의가 필요합니다.
결론적으로 Manus는 ‘입문용’ 또는 ‘경량 분석용’ 도구로서는 의미가 있지만, 기업의 핵심 데이터 전략 의사결정에 활용하기에는 아직 보완해야 할 점들이 많습니다.
AI 데이터 시각화, 어디로 흘러갈까?
AI 기반 시각화는 분명 기업 데이터 분석의 새로운 흐름을 만들고 있습니다. 기술적 장벽을 낮추고, 누구나 직관적으로 데이터를 다룰 수 있게 만들어 준다는 점에서 긍정적인 변화임은 분명합니다.
하지만 AI가 기업에서 신뢰할 수 있는 분석 도구로 자리잡기 위해서는 단순한 자동화 기능을 넘어서야 합니다. 특히 다음 세 가지 요소는 필수적입니다.
첫째, 데이터가 어떻게 처리되었는지를 투명하게 보여주는 기능. 둘째, 실시간 데이터 웨어하우스와 직접 연결되는 구조. 셋째, 다양한 포맷 지원과 대화형 시각화 옵션입니다.
이러한 조건을 만족하는 AI 도구는 향후 단순한 보고서 작성 수준을 넘어 경영 판단과 전략 수립까지도 영향력을 넓혀갈 것입니다.
마무리하며: 단순한 차트를 넘어, 믿을 수 있는 분석으로
오늘날 기업이 요구하는 것은 예쁜 차트가 아닙니다. 그 차트를 뒷받침하는 데이터의 진실성과 분석 과정의 투명성, 그리고 그 결과에 신뢰를 둘 수 있는 설명력입니다.
AI 데이터 시각화는 아직 발전의 여지가 많지만, Manus처럼 새로운 방식으로 접근하는 도구들이 시장을 자극하고 있다는 점은 고무적입니다. 우리는 단순히 ‘빠르게 차트를 만들어주는 AI’가 아니라, ‘신뢰할 수 있는 분석 파트너’를 요구하고 있습니다.
다가오는 시대, AI와의 협업은 선택이 아닌 필수가 될 것입니다. 기업은 이 변화 속에서 자신에게 맞는 도구를 선별하고, 데이터 기반의 전략을 더욱 정교하게 다듬어야 할 때입니다.
 | AX 100배의 법칙 – 나와 조직의 능력을 100배 높이는 AI 경영의 실제 도서 구매 |
함께 읽으면 좋은 글:
디지털 트랜스포메이션: 조직의 습관을 바꾸는 일, 도서 구매
