Looker Data Apps 뜻과 활용, AI 에이전트가 만드는 데이터 앱

기존 대시보드의 한계와 실무 맥락

대시보드는 표준화된 캔버스와 정해진 차트 라이브러리 위에서 돌아가요. 그래서 분석이 CSV 내보내기로 끝나고 다른 시스템으로 넘어가는 일이 흔합니다. 임원 브리핑이나 고객용 포털처럼 머릿속 화면은 분명한데 그리드 타일로는 조립이 안 되는 경우도 있어요.

해결책은 늘 맞춤 앱 개발이었습니다. AI 덕분에 프로토타입은 하루 오후면 나오지만, 거버넌스가 걸린 데이터, 행 단위 보안, 인프라 담당자, 보안 검토 경로가 없으면 LLM이 짠 도구는 운영에 올리지 못하는 시제품으로 끝난다는 게 원문의 문제의식이에요. Data Apps는 이 간극을 메우려는 기능입니다.

이번에 공개된 내용

Data App은 AI 에이전트가 생성하고 Looker 안에서 호스팅하는 맞춤형 인터랙티브 웹 앱이에요. 대시보드가 위에서 내려다보는 가시성을 준다면, 데이터 앱은 특정 업무 흐름에 맞춘 실행용 시스템 역할을 합니다. 원문이 꼽은 특징은 다음과 같습니다.

• 특정 역할이나 과업에 맞춘 맞춤 레이아웃을 구성할 수 있어요.
• 업무 담당자가 파라미터를 입력하고, 시나리오를 테스트하고, 실시간 시뮬레이션을 돌리고, 원본 레코드를 갱신할 수 있습니다.
• 데이터 분석을 Salesforce나 Jira 같은 도구로 이벤트를 보내는 실행 작업과 연결합니다.
• Claude Code나 Antigravity CLI로 만든 앱을 데이터 앱으로 배포할 수도 있어요.

대시보드를 대체하는 게 아니라 확장하는 위치입니다. KPI 대시보드를 볼 때든 앱에서 예산을 조정할 때든 모든 로직은 LookML 시맨틱 레이어로 중앙에서 관리돼서 지표 불일치와 hallucination을 줄입니다.

엔터프라이즈 운영 관점의 포인트

원문은 네 가지를 강조해요.

• 모든 측정값이 시맨틱 레이어에 근거합니다. 앱은 기존 시맨틱 모델, 행 단위 보안, 접근 제어를 그대로 물려받고, 내장된 쿼리 점검 기능으로 생성된 SQL을 한 줄씩 감사할 수 있어요.
• 기본값은 노코드입니다. 에이전트가 생성한 React 애플리케이션을 코드 없이 Looker 안에 배포합니다.
• 런타임 토큰 비용이 없습니다. LLM 토큰은 앱을 설계하고 생성할 때만 쓰이고, 이후 사용자 상호작용은 Looker 네이티브 API와 모델로 돌아가요. 원문은 사용자가 50명이든 5,000명이든 한계 비용이 변하지 않는다고 설명합니다.
• 대시보드 임베드와 같은 워크플로로 외부 포털에 배포할 수 있습니다. 새 파이프라인이나 별도 앱 코드, 두 번째 권한 모델이 필요 없다는 설명이에요.

실무 적용 체크리스트

프리뷰 단계라 정식 도입 전에 작은 업무 하나로 검증하는 방식이 현실적입니다.

• 대시보드로 해결이 안 돼 CSV 내보내기나 별도 시스템으로 넘어가는 업무가 있는지 목록으로 정리해 보세요.
• 임원 브리핑, 고객용 포털, 시나리오 시뮬레이션처럼 원문이 든 사례 중 우리 팀 업무에 맞는 후보를 고르세요.
• 지표 정의가 LookML 시맨틱 레이어에 정리돼 있는지 먼저 점검하세요. 앱이 이 레이어를 상속하니 지표 정의가 흔들리면 앱도 같이 흔들립니다.
• 행 단위 보안과 접근 제어 설정을 확인하고, 보안 검토를 받을 때 어떤 항목을 근거로 설명할지 미리 정해 두세요.
• 생성된 SQL을 쿼리 점검 기능으로 확인하는 절차를 검수 단계에 넣으세요.

자주 묻는 질문

Looker Data Apps란 무엇인가요?

AI 에이전트가 자연어 요구사항을 받아 만든 맞춤형 웹 애플리케이션을 Looker 안에서 호스팅하는 기능이에요. 현재 프리뷰이고, 기존 Looker의 시맨틱 모델과 보안 설정을 상속합니다.

대시보드와 데이터 앱은 어떻게 다른가요?

대시보드는 집계 가시성과 수동적 리포팅에 강하고, 데이터 앱은 파라미터 입력, 시뮬레이션, 레코드 갱신, 외부 도구로의 이벤트 전송 같은 실행에 강합니다. 대체 관계가 아니라 기존 대시보드와 시맨틱 레이어 위에서 만들 수 있는 범위를 넓히는 관계예요.

AI가 만든 앱이 엉뚱한 수치를 내지는 않나요?

앱의 모든 로직이 LookML 시맨틱 레이어로 중앙 관리되기 때문에 지표 불일치와 hallucination을 줄이도록 설계됐습니다. 원문은 쿼리 점검 기능으로 생성된 SQL을 감사할 수 있다고 설명해요.

사용자가 늘면 AI 사용 비용도 늘어나나요?

원문에 따르면 LLM 토큰은 앱을 설계하거나 생성할 때만 소비됩니다. 이후 사용자 상호작용은 Looker 네이티브 API와 모델에서 처리돼서 사용자 수가 늘어도 한계 비용은 변하지 않는다고 해요.