매년 열리는 Tableau Conference는 신제품 발표부터 실무 노하우, 미래 전략까지 수백 개의 세션이 동시에 진행되는 자리입니다. 워낙 많은 세션이 열리다 보니, 어떤 세션을 골라 듣느냐가 곧 그해의 흐름을 읽는 일이 되기도 합니다. 그리고 그 중 가장 많은 청중이 몰린 세션은 ’10x Your Tableau Workflow with AI and Claude Code’입니다. AI 에이전트를 Tableau 업무에 결합하면 데이터 분석가의 일하는 방식이 어떻게 달라지는지, 그리고 그 변화가 왜 ’10배’라는 표현을 쓸 만큼 커지는 것인지를 다룬 세션이었습니다. 핵심 내용을 GDSK가 정리했습니다.
ㅤ
ㅤ
ㅤ
‘Generative → Reasoning → Agents’
세션은 ChatGPT 등장 이후 Stack Overflow 월간 질문 수가 급감한 차트로 시작했습니다. 개발자들이 검색 대신 AI에게 직접 묻고 있다는 신호입니다. AI는 생성형 → 추론 → 에이전트 단계를 지나, 이제 스스로 판단하고 실제 작업을 ‘실행’하는 단계에 들어섰습니다.
ㅤ
ㅤ
AI는 ‘노력’의 축을 무너뜨린다
일반적으로 업무 우선순위는 ‘노력(Effort)’과 ‘가치(Value)’ 두 축을 기준으로 네 개의 사분면으로 나뉩니다. 노력이 적게 들면서 가치가 높은 일이 가장 먼저 해야 할 영역(Do First), 그다음이 큰 프로젝트(Do Next), 그 다음이 후순위(Do Last)입니다. 반대로 노력이 많이 들면서 가치가 낮은 일은 피해야 할 영역(Avoid)입니다.
그런데 AI가 등장하면서 ‘노력’의 축 자체가 무너지고 있습니다. AI 도구가 노력의 비용을 급격히 낮추기 때문에, 예전 같으면 시도조차 못 했던 일들이 가능해지고 있습니다. 그 결과 기존 사분면 바깥에 훨씬 더 큰 가치를 만들어내는 새로운 영역(New Frontier)이 열립니다. 검토 대상에도 없던 일이 ‘반드시 해야 하는 일’이 되는 셈입니다.
ㅤ
ㅤ
ㅤ
AI는 사람을 대체하지 않는다 — 역량을 ‘확장’한다
여기서 ‘인접 역량(Adjacent Skill)’이라는 개념을 짚고 갈 필요가 있습니다. 인접 역량이란 내 핵심 업무 옆에 붙어 있는, 알아두면 도움은 되지만 깊이 다루기는 어려웠던 영역을 말합니다. 분석가에게는 데이터 엔지니어링이나 클라우드가, 개발자에게는 디자인이나 전략이 그런 영역입니다.
AI가 만들어내는 변화는 두 가지입니다. 첫째, 내가 잘하던 핵심 역량(Core Skill)을 ‘Cyborg’라 부를 만한 수준까지 끌어올립니다(전문가의 영역을 넘어선 자동화의 영역). 둘째, 그동안 잘 모르거나 손대지 못했던 인접 역량들도 ‘어느 정도 다룰 수 있는 수준’까지 함께 올려줍니다. 전에는 보이지 않던 영역이 시야에 들어오기 시작하는 것입니다.
ㅤ
ㅤ
‘수직 통합형 개발자’의 등장
데이터·분석 업무는 보통 여러 층(Layer)으로 나뉘어 있습니다. 데이터 생성, 소스 연결, 적재·통합, 저장·처리, 분석·BI, 액션, 전략까지 — 원래는 각 층마다 전담 전문가가 있었습니다. 한 사람이 위아래를 넘나들기는 쉽지 않았습니다.
그런데 AI가 인접 역량을 끌어올리면서, 이 경계를 어느 정도 자유롭게 넘나들 수 있는 상태가 됐습니다. BI 분석가가 데이터 파이프라인을 손보거나, 데이터 엔지니어가 대시보드 디자인까지 챙기는 식의 일이 가능해졌습니다. 세션은 이를 ‘수직 통합형 개발자(Vertically Integrated Developer)’라고 부릅니다. 한 사람이 스택의 위아래를 모두 다룰 수 있게 되면서, 자신의 역할과 커리어가 더는 고정된 칸 안에 머물지 않게 된다는 의미입니다. 데이터 스택의 한 층만 맡던 사람이 위아래를 아우르는 인재가 되는 것입니다.
ㅤ
ㅤ
ㅤ
‘10x 개발자’란 10배 똑똑한 사람이 아니다
‘10x 개발자’라는 표현을 들으면 흔히 ‘남들보다 10배 똑똑하고 코딩 잘하는 천재’를 떠올리기 쉽습니다. 하지만 세션에서의 정의는 다릅니다. 10x 개발자란 ‘10배의 레버리지(지렛대)를 가진 사람’, 즉 같은 시간과 같은 머리를 가지고도 결과물의 크기를 10배로 키울 수 있는 사람입니다. 차이를 만드는 건 두뇌의 성능이 아니라, 도구를 다루는 방식입니다.
비교군이 되는 1x 워크플로우는 ‘도구에 묶인’ 일하기 방식입니다. UI가 허락하는 범위 안에서만 움직이고, API가 필요해지면 엔지니어링 팀에 넘기며, 반복 작업은 그대로 감내합니다. 누군가 같은 요청을 다시 하면 같은 자산을 처음부터 또 만들어냅니다.
반면 10x 워크플로우는 ‘도구를 확장하는’ 일하기 방식입니다.
- 핸드오프 없이 end-to-end로 처리한다
- 반복 작업을 감내하지 않고 자동화한다
- UI를 넘어 API·스크립트·메타데이터까지 직접 활용한다
- 일회성 요청도 다음에 다시 쓸 수 있는 자산으로 만든다
ㅤ
ㅤ
“코드는 아껴 써야 할 자원이 아니라, 모든 워크플로우에 흘려보내야 할 유틸리티다.”
ㅤ
ㅤ
코드와 자동화 워크플로우를 ‘특별한 사람만 쓰는 도구’으로 여기지 않고
수도·전기 같은 일상 인프라로 끌어들이는 사고방식이 10x 워크플로우의 출발점입니다.
ㅤ
ㅤ
Tableau와 Claude Code, 어떻게 결합되는가
이 변화의 중심에 Claude Code가 있습니다. 자연어를 실제 작업으로 바꿔주는 에이전트형 도구로, 파일을 읽고 명령을 실행하고 코드를 편집하며 도구를 호출하는 ‘터미널에 사는 동료’라 할 수 있습니다. 사람은 목표(의도)만 전달하고 실행은 에이전트가 맡습니다. Anthropic은 2025년 말부터 모델과 기능을 거의 매달 업데이트하며 빠르게 발전하고 있습니다.
Tableau의 REST·Metadata·Embedding API에 Claude Code의 파일·Git·Python·MCP 같은 인접 도구를 더하면 두 세계가 하나의 워크플로우로 엮입니다.
대표 패턴은 다음과 같습니다.
- REST API 연동 — 외부 데이터를 변환해 Tableau Cloud에 자동 게시
- Embedding API — 대시보드 임베딩 웹 앱 자동 빌드
- 자연어 데이터 질의 — 에이전트가 데이터 서비스에 직접 질의·분석
- CLAUDE.md — 프로젝트 정보를 한 번 정의하면 에이전트가 자율 접근
ㅤ
ㅤ
ㅤ
[데모] Embedding API로 대시보드를 ‘웹서비스’로 만들다
세션 마지막에는 앞서 설명한 Embedding API 결합 패턴을 실제로 구현하는 라이브 데모가 이어졌습니다. Tableau Public에 게시된 대시보드를 외부 웹페이지에 임베딩하고, 웹페이지의 필터 UI와 대시보드를 직접 연동하는 과정을 AI 코딩 도구로 빠르게 만들어내는 시연이었습니다.
① 데이터 준비와 코드 작성을 AI가 대신
발표자는 Visual Studio Code에서 AI 코딩 도구를 실행해, Kaggle 공개 데이터셋을 내려받고 Tableau에서 쓸 수 있는 형태로 정리했습니다. 보통 며칠이 걸리는 데이터 수집·전처리 작업을, AI에게 자연어로 지시해 짧은 시간에 처리한 것이 핵심입니다.
ㅤ
② 단순 임베딩에서 출발
정리한 데이터로 만든 Orders Dashboard를 Tableau Public에 게시한 뒤, AI에게 자연어로 ‘이 대시보드를 임베딩하는 웹페이지를 만들어 달라’고 요청합니다.
처음에는 대시보드만 페이지에 들어간 기본 임베딩 형태입니다.
ㅤ
③ 외부 필터 UI와 대시보드를 연동 — 데모의 핵심
후속 요청을 거듭하며 페이지가 발전합니다. 왼쪽에 Region·Category·Segment·Time Period 필터 패널과 Reset 버튼을 자연어를 통해 추가하고, 대시보드 테마에 맞춰 스타일을 입혔습니다. 이 필터들은 Tableau 안에 원래 있던 것이 아니라 웹페이지 바깥에 따로 만든 UI입니다. 그런데 Embedding API를 통해, 사용자가 이 외부 필터를 조작하면 임베딩된 대시보드가 즉시 반응합니다.
ㅤ
바로 이 지점이 Embedding API의 핵심 가치입니다. 대시보드를 단순히 ‘붙여넣는’ 것을 넘어, 웹페이지의 버튼·필터·입력창과 Tableau 시각화를 직접 연결할 수 있습니다.
기업은 자사 서비스의 UX를 그대로 유지하면서 Tableau의 분석 기능을 자연스럽게 녹여낼 수 있습니다.
ㅤ
데모가 말해주는 것
이 데모는 Tableau가 단순한 리포팅 화면을 넘어, 웹서비스·고객 포털·사내 시스템 안에서 작동하는 데이터 인터페이스로 확장될 수 있음을 보여줍니다. 반복되는 데이터 수집·게시 작업은 자동화하고, 분석가는 코드 작성 대신 ‘어떤 데이터 경험을 제공할지’에 집중할 수 있습니다.
대시보드를 사내 시스템이나 포털에서 운영하는 일, 데이터 수집·게시부터 사용자 관리까지 자동화하는 일이 막연하게 느껴지신다면, BI의 구축부터 설계, 운용까지 모든 단계를 GDSK가 함께하겠습니다.
ㅤ
