- 약 500명 규모 회사에서 AI 생성 HTML 대시보드 서비스가 8개월 만에 Looker와 비슷한 주간 사용자를 확보하고, Looker 사용량은 약 3분의 1 줄어듦
- 고정된 차트와 배치 대신 원하는 디자인과 버튼, 자동 갱신을 프롬프트로 구현하면서 재무와 운영, 마케팅 직원까지 사용이 확산
- Claude가 화면을 만들고, dbt가 데이터 모델을 제공하며, Snowflake가 조회자의 데이터 접근 권한을 관리하는 구조
- 초기 HTML 호스팅에 대시보드별 실행 격리와 자격 증명 분리, 게시 후 검사를 더해 자유로운 제작 방식을 유지하면서 보안을 개선
- 자체 분석 에이전트의 대시보드 생성 토큰 비용은 건당 약 0.50달러, 플랫폼의 연간 예상 지출은 약 2만 달러이며 엔지니어 3명의 투입 시간은 별도
- 하지만, Looker를 완전히 대체한 상태는 아님. 기존 데이터 플랫폼과 전담 팀이 있는 경우에 유리하며, 지금 처음 시작한다면 Claude Dashboards를 먼저 검토할 만함
- 회사 규모는 약 500명, 데이터 플랫폼 엔지니어는 3명이며, Looker는 약 300석을 사용함
- 비교용 라이선스 비용은 연 15만 달러로 잡았으며, Vendr의 355건 거래 평균을 인용한 Coefficient 자료에 근거함
- 팀은 평소 Snowflake 데이터 적재, 2,000개가 넘는 dbt 모델, Airflow, Airbyte, DataHub, Kubernetes 운영을 맡고 있음
- 2026년 2월 팀원 한 명이 오후 시간을 들여 HTML 파일 호스팅 서비스를 만듦
- 8개월 뒤 주간 사용자가 Looker와 비슷하거나 더 많아졌고, Looker 사용량은 약 3분의 1 감소함
- 소프트웨어의 종말이나 SaaS 구독을 취소하고 직접 구현했다는 사례가 확산되는 가운데, 실질적인 질문은 기존 기업용 BI를 자체 도구로 대체할 수 있는지였음
- 관련 논의에는 AI Is Killing B2B SaaS, AI agents are starting to eat SaaS, SaaS is just vendor lock-in with better branding, Every SaaS business will become a harness around a model, 반대쪽의 why SaaS isn't doomed가 있음
- 추세 그래프는 자체 호스팅 GitHub 저장소 비중과 Hacker News 댓글의 “slop” 언급 비중을 비교함
- 두 계열 모두 2023년 초를 1배로 맞추고 3개월 단위로 평활화함
- GitHub는 봇이 만드는 빈 저장소를 제외하기 위해 실제 설명이 있는 신규 저장소를 분모로 삼고, Hacker News는 해당 월 전체 댓글 대비 언급 비중을 사용함
- 초기의 데이터 대화형 데모는 테이블 4개짜리 예제에서는 좋아 보였지만 실제 규모에서는 제대로 작동하지 않았음
- SQL이 오류 없이 실행돼도 수치가 틀렸으며, 이는 실행 오류보다 더 나쁜 문제였음
- Claude Code와 Opus 4.5가 저장소와 사내 도구를 사용하고, 답변 전에 쿼리로 수치를 확인할 수 있게 되면서 1월 초 사내 도입이 급증함
- 몇 주 만에 터미널을 써본 적 없는 재무, 운영, 마케팅 직원들도 프롬프트를 일상적으로 사용하기 시작함
- Claude가 분석 결과를 차트가 포함된 단일 HTML 파일로 만들기 시작했지만, 결과물이 개인 Downloads 폴더에 남아 Slack 첨부파일로 공유되는 문제가 있었음
- 이는 Anthropic이 2026년 6월 Team과 Enterprise에 공유 가능한 아티팩트를 제공하기 전이었음
- 첫 서비스는 S3 저장소와 SSO, 사내 도메인, 일부 테스트로 구성됨
- 기존 Kubernetes 환경 덕분에 Terraform 모듈과 Helm 차트를 추가하는 정도로 배포할 수 있었음
- Python 업로드 스크립트를 Claude 플러그인으로 묶어, 사용자가 HTML을 생성하고 올리면 동료가 링크로 열 수 있게 함
- 3월에는 조회자의 Snowflake OAuth 토큰을 사용하는 실시간 쿼리 API를 추가하고, 4월에는 Snowflake OAuth를 유일한 로그인 수단으로 삼음
- 수년간 유지해 온 Snowflake 역할을 그대로 활용하므로, 원래 읽을 수 없는 테이블은 대시보드에서도 읽을 수 없음
- 고정된 타일, 차트 종류, 색상에 묶인 Looker와 달리 자유형 HTML은 사용자가 원하는 모습이 나올 때까지 프롬프트로 수정할 수 있었음
- 4월에는 이메일과 Slack 내보내기, 5월에는 매개변수를 추가했고, 주간 조회자는 3월 23명에서 6월 136명으로 늘어남
- 경영진이 링크를 공유하기 시작했으며, 사용자들은 예약 재생성, 버튼, 기존 BI 도구에서는 만들기 어려운 디자인과 사용자 경험을 직접 구현함
- 초기 보안은 대규모 XSS 취약점에 가까웠음
- 대시보드 JavaScript가 사용자 세션과 같은 출처에서 실행됐고, 콘텐츠별 권한이 없어 모든 직원이 모든 대시보드를 읽을 수 있었음
- 악성 대시보드는 이를 연 사람의 권한으로 코드를 실행하고 데이터를 가져갈 수 있었음
- 팀은 이 문제를 알고도 사내 VPN과 SSO 뒤에서 운영했고, 같은 역할을 할 다른 도구가 없다는 이유로 출시를 유지함
- 회사 절반가량이 사용하게 되자, 팀은 기존 서비스를 정식 BI 도구로 재설계하기로 함
- 같은 S3 버킷을 유지하고, 마이그레이션이나 기존 사용자 기능 중단 없이 보안 모델을 고치려 했음
- 템플릿과 승인된 위젯 목록, 별도 검토 절차 없이 HTML을 게시하는 자유를 유지하기로 함
- 대시보드 제작에 제약을 추가할수록 사용자가 다시 Downloads 폴더로 돌아간다고 판단함
- 핵심 거버넌스는 이미 상류의 dbt 모델과 Snowflake 역할에서 수행하므로, 대시보드 자체는 유연하게 유지할 수 있다고 봄
- 저장소 2개와 플러그인에 서로 다르게 복제된 업로드 스크립트를 단일 원격 MCP 커넥터로 교체함
- claude.ai, Claude Code, Claude in Slack, 자체 분석 에이전트가 동일한 도구를 호출함
- 커넥터가 Snowflake 토큰을 전달하고, API는 SELECT CURRENT_USER()로 사용자를 확인함
- AI가 업로드한 결과는 초안으로 저장되며, 사람이 Publish를 눌러야 게시됨
- Claude가 대시보드를 작성하더라도 소유자는 요청한 사람이며, 해당 사용자의 Snowflake 신원에 귀속됨
- 임의의 JavaScript를 동료 브라우저에서 실행하는 것이 제품 기능인 만큼, 모든 대시보드가 악성일 수 있다는 가정에서 보안을 설계함
- 각 대시보드는 독립된 출처의 샌드박스 iframe에서 실행되며, 쿠키를 받지 않고 엄격한 CSP를 적용받음
- 통신은 postMessage를 통한 부모 페이지와의 연결로 제한함
- 부모 페이지가 발신자를 검증하고 세션을 붙여 API를 호출함
- 콘텐츠 토큰은 1시간 동안 유효하며 대시보드 하나, 조회자 한 명, 호스트 하나에만 적용됨
- 대시보드 코드는 자격 증명을 직접 다루지 않고, 쿼리는 항상 조회자 권한으로 실행됨
- 별도의 메타데이터 서비스가 새 버전을 비동기로 읽어 HTML, Snowflake 쿼리, 로드하는 스크립트, 데이터 전송 목적지를 추출하고 규칙으로 검사함
- dbt 모델 대신 원시 데이터를 읽는 경우, 스크립트 버전을 고정하지 않은 경우, 90일간 열리지 않은 대시보드는 주로 경고만 남김
- 사내에서 사용한 적 없는 패키지의 스크립트나 CSP로 차단할 수 없는 WebRTC 연결 등은 차단 대상이 될 수 있음
- 차단된 대시보드는 바로 실행되지 않으며, 조회자가 경고를 확인하고 수락해야 실행됨
- 검사는 게시 후에 수행하므로 게시자가 검사 완료를 기다리지 않음
- 데이터 접근 권한은 Snowflake에 위임함
- 모든 쿼리는 조회자 자신의 토큰으로 실행되므로 대시보드를 공유해도 데이터 접근 권한까지 공유되지는 않음
- 로그인하는 모든 사용자가 적절한 역할을 가진 Snowflake 계정을 이미 보유해 별도의 데이터 권한 체계를 만들거나 유지할 필요가 없었음
- 콘텐츠 관리는 약 일주일간 바이브 코딩으로 구현했으며, Google Drive의 익숙한 권한 모델을 따름
- 공간, 폴더, 공유에 조회자/편집자/소유자 역할을 적용하고, 권한은 폴더 트리를 따라 상속되며 가장 강한 권한이 우선함
- 버전은 콘텐츠 해시로 저장하고, 이전 버전을 복원하면 초안이 생성됨
- 검색, 좋아요, 예약 내보내기를 추가하고, 인사 시스템에서 팀 정보를 매시간 동기화함
- 정식 도구 전환에는 몇 주의 개발이 필요했으며, 실질적인 설계 고민은 대부분 보안 모델에 집중됨
- 이후 Slack에서 Claude를 태그해 대시보드를 받거나, 분석 에이전트와 저장소 CI에서 직접 게시하는 방식까지 확산됨
- 대부분의 사용자는 여전히 자신의 Claude에서 직접 게시함
- 8개월간 결과물은 325개 커밋, 약 7만 4,000줄의 코드였으며, 이 중 약 2만 줄은 테스트임
- 엔지니어 3명이 본업과 병행하고 동료들이 PR로 기여했으며, Claude 토큰 비용은 약 6,400달러였음
- 코드 대부분은 Claude가 작성했지만, 팀이 설계 논의와 전체 검토를 맡음
- Looker 사용량은 급락보다 점진적인 이탈에 가까웠으며, 아직 Looker를 주로 쓰는 팀과 대체되지 않은 대시보드가 남아 있음
- 제작 비용을 측정하기 위해 실행별 토큰과 비용, 게시 결과를 연결해 기록하는 자체 분석 에이전트를 대리 지표로 사용함
- 첫 질문부터 완성된 페이지까지 대시보드 하나에 약 100만 토큰이 필요했음
- Opus 5.5로 옮긴 뒤 같은 작업의 토큰 비용이 약 2.50달러에서 0.50달러로 내려감
- 쿼리를 시각화하는 작업의 비용이 크게 낮아지면서, 그 부분만을 위해 연 15만 달러 라이선스를 지불할 근거가 약해졌다고 봄
- 2026년 2월부터 10월까지 8개월간 직접 지출은 8,300달러였음
- Claude 토큰 6,400달러, AWS 1,900달러를 합친 금액임
- 연 15만 달러를 기준으로 같은 기간 Looker 라이선스 비용은 10만 달러여서, 직접 지출만 비교하면 약 12배 차이가 남
- 자체 데이터베이스를 갖춘 현재 AWS 비용은 연 약 6,000달러이며, 7월 이후 기능 추가에 쓰는 Claude 비용은 월 약 1,300달러임
- 연간 총액을 약 2만 달러로 추산하며, 상당 부분은 기존 운영 유지보다 새 기능 개발에 쓰임
- 기존 Looker 구매 가치였던 차트 UI, 권한 모델, 의미 계층, 호스팅을 다른 구성 요소가 나눠 맡게 됨
- Claude가 차트를 만들고, Snowflake가 권한을 맡으며, dbt가 의미 계층을 제공하고, HTML 호스팅에는 월 약 500달러가 듦
- Replit의 Amjad Masad도 Platformer 인터뷰에서 웨어하우스와 프로덕션 Postgres를 연결해 보고서를 직접 만들 수 있게 된 뒤 분석 제품 대부분을 취소하거나 축소했다고 밝힘
- 비용표에는 가장 큰 비용인 엔지니어들의 시간이 빠져 있음
- 3명이 8개월 동안 파이프라인, dbt, 웨어하우스, Kubernetes, 온콜 업무와 병행했으며, 정확한 투입 시간을 산정할 수 없음
- 이를 위해 새 팀을 채용해야 한다면 경제성은 달라짐
- 이 회사가 대체한 부분은 기존 dbt와 Snowflake 위에서 대시보드를 만들고 보여주는 계층임
- 모델, 권한, 데이터가 이미 준비돼 있고 이를 잘 아는 팀이 있었기 때문에 구축 비용을 낮출 수 있었음
- 직접 구축의 경계는 규모의 우위에 있다고 봄
- AWS와 Snowflake의 데이터센터, 페타바이트 규모 저장 비용, 다수 고객이 공유하는 저렴한 연산 자원은 바이브 코딩으로 만들 수 없음
- 반면 BI의 가치가 대시보드 제작과 표현에 많이 놓인 조직에서는 자체 대체가 더 가능해질 수 있음
- Anthropic은 10월 8일 Claude Dashboards 베타를 발표함
- 자체 구축을 시작한 8개월 전에는 없었지만, 지금 처음 시작한다면 먼저 검토할 가능성이 높음
- AI 네이티브이며 Looker의 렌더링 문제가 없으므로, 현재 도구가 없는 팀에는 적절한 선택일 수 있다고 봄
- 기존 자체 도구는 에이전트 제어 계층, 분석 플랫폼, Slack과 맞춤 워크플로에 연결돼 있음
- Claude Dashboards가 일부를 지원하더라도 연결 방법을 다시 검토해야 하며, 기능 변경이나 가격 인상에도 대응해야 함
- 필요한 업무에 맞는 소프트웨어를 원하고, 이를 운영할 기존 플랫폼과 전담 팀이 있다면 직접 구축할 만하지만, 제품의 경쟁력이 규모에서 나온다면 예외로 둘 필요가 있음