현대백화점 인재개발원 SQL 심화반 4주가 LangChain SQL Agent 구축과 미니 프로젝트로 끝났다. 실무자가 ChatGPT로 짠 쿼리가 틀리던 원인은 모델이 아니라 넘기지 못한 테이블 구조였다. SQL에 LLM을 붙이려면 Agent 코드보다 ERD를 누가 읽어 프롬프트에 넣는지부터 정해야 한다.
원문 2026년 1월 20일이 소개한 현대백화점그룹 인재개발원 SQL 심화반은 사전 인터뷰에서 시작한다. 한 실무자는 "ChatGPT로 SQL 짜보긴 했는데, 내 테이블/데이터베이스 정보를 모르니까 자꾸 틀리더라"고 말했다. 다른 고민도 방향이 같았다. 자기 쿼리가 맞는지 확신이 없고, JOIN이 늘어나면 읽기가 두렵고, 자주 쓰는 쿼리를 정리해 둘 방법을 모른다는 것이다.
네 고민은 모두 문법이 아니라 구조를 읽는 힘을 가리킨다. 테이블이 어떻게 연결돼 있는지 설명하지 못하면 사람에게도 LLM에게도 시킬 수 없다. 심화반은 그래서 "더 어려운 SQL을 배우는 것"이 아니라 "더 효율적이고 간단하게 쓰는 SQL"을 목표로 잡았고, 수단으로 LangChain SQL Agent를 택했다.
같은 기관의 뒤 회차 현대백화점 인재개발원 SQL 심화반, Gemini·Antigravity 회차가 채점표를 다뤘다면, 이 글은 Agent 코드보다 ERD 읽기를 먼저 둔 순서를 다룬다.
ChatGPT가 틀린 것은 문법이 아니라 테이블 구조를 받지 못했기 때문이다
원문은 SQL을 안 쓰는 조직은 거의 없지만 "쓰고는 있지만, 잘 쓰고 있는지는 모른다"는 상태가 문제라고 짚는다. JOIN이 길어질수록 쿼리는 읽기 어려워지고, 복잡한 쿼리는 특정 담당자에게 몰린다. 이 상태에서 ChatGPT에 쿼리를 맡기면 스키마를 모르는 모델은 테이블 이름과 관계를 추측할 수밖에 없다. 실무자가 겪은 오답은 모델의 한계가 아니라 입력의 결손이다.
교육 목표는 네 가지였다. 기존 SQL 사용자의 생산성 향상, 복잡한 데이터 구조를 읽고 설계하는 힘, SQL을 LLM·자동화와 연결하는 확장 경험, IT팀과 같은 언어로 대화할 기반이다. 넷 중 둘은 도구가 주고 둘은 사람이 구조를 읽고 설명하는 힘이다. 과정 순서도 뒤의 둘을 Agent 앞에 두었다.
Agent를 세우기 전에 ERD와 뷰 테이블을 읽는 단계를 앞에 두었다
흐름은 기본 문법을 빠르게 다시 정리해 수준 차이를 줄이는 구간에서 시작해, 데이터베이스 구조를 읽는 구간을 거쳐, LangChain으로 SQL Agent를 구축하고, 미니 프로젝트로 닫힌다.
논지는 두 번째 구간에 걸린다. ERD로 테이블 관계와 구조를 읽고, 비개발 직군이 가장 많이 전달받는 형태인 뷰 테이블을 이해하는 단계다. 이 단계의 목적은 하나다. 구조를 읽는 법을 배워야 프롬프트를 제대로 짤 수 있다. 참가자들이 "내가 지금까지 SQL을 너무 즉흥적으로만 썼구나"를 느끼기 시작한 지점도 여기였다.
Agent 구간은 그 위에 얹혔다. Google Colab에서 Python을 처음 보는 사람도 따라올 수 있게 단기 속성으로 진행했고, LangChain으로 OpenAI LLM을 연결했다. Gemini와 Solar API 크레딧도 열어 두었다. 프롬프트로 SQL을 생성·개선할 때 여러 JOIN이 필요하면 앞 구간에서 읽은 ERD 구조를 그대로 넘기게 했다. ChatGPT에 묻는 것과 내부 SQL Agent에 스키마를 넘기는 것의 차이는 보안, 재현성, 업무 연결성 세 관점에서 짚었다. 수강생 중에는 그룹사 DBA도 있었다.
미니 프로젝트는 쿼리 완성이 아니라 "그래서 뭘 해야 하나"로 끝났다
미니 프로젝트는 온라인 소매점 데이터(주문·고객·상품·재고)로 매출 및 고객 분석, 재고 관리 최적화, 고객 유지 및 마케팅 전략, 운영 효율성 개선 네 가지 미션을 수행했다. 쿼리 작성에서 멈추지 않고 "그래서 우리는 뭘 해야 하나요?"까지 연결하는 것이 과제였다.
반응은 두 방향으로 갈렸다. 기본반을 듣지 못하고 온 참가자도 4주를 마치고 미니 프로젝트를 완수했다. 한 참가자는 "IT팀이 무슨 말 하는지 이제 좀 알겠다"고 했고, 다른 참가자는 "나도 이 흐름 위에 올라탄 느낌이다"라고 적었다. 반대편에는 "중간부터 멘탈이 나갔습니다…"와 "확실히 초급보다 훨씬 어렵네요"가 있었다. 난이도가 있는 채로 완주가 됐다는 뜻이다.
원문은 단기간에 SQL 고수를 만드는 과정이 아니라고 못 박고, 남는 것을 셋으로 적었다. SQL을 어떻게 설계할지, 프롬프트에 무엇을 넣을지, 어디까지 더 배울지다.
가져갈 것
- 참가자가 SQL을 이미 쓰되 복잡한 쿼리는 부담스러워하는 층인가
- Agent 실습 전에 ERD로 테이블 관계를 읽고 뷰 테이블을 이해하는 단계를 따로 두었는가
- 여러 JOIN이 필요한 질문에서 ERD 구조를 프롬프트에 그대로 넘기는 연습이 있는가
- Google Colab과 LangChain으로 OpenAI·Gemini·Solar 중 하나의 API에 붙을 수 있는 망과 크레딧이 있는가
- ChatGPT 사용과 내부 SQL Agent의 차이를 보안·재현성·업무 연결성 세 관점에서 비교하는가
- 마지막 프로젝트가 쿼리 제출이 아니라 "그래서 무엇을 할 것인가"를 답하는 형태인가
안 되는 경우
- SQL을 처음 배우는 집단. 기본 문법은 빠르게 다시 정리하는 수준이었고, 기본반을 못 듣고 온 참가자는 어려워했다.
- Google Colab과 외부 LLM API 호출이 막힌 보안망. Agent 구축이 이 환경 위에서 진행됐고, 폐쇄망 대체 구성은 원문에 없다.
- 사내 실데이터로 바로 성과를 내야 하는 팀. 실습은 온라인 소매점 데이터였고, 사내 DB 연결은 원문에 없다.
- 원문이 밝히지 않은 것: 참가 인원, 실시 일자와 회당 시간, 실습 DB 종류, OpenAI 모델명, 참가자 소속·직무 분포, 만족도 수치, 교육 후 Agent 현업 배포 여부.
SQL에 LLM을 붙이려는 조직이 이번 주에 바꿀 것은 하나다. ChatGPT에 쿼리를 시키기 전에 관련 테이블의 ERD 한 장을 프롬프트에 먼저 붙이고, 결과가 어떻게 달라지는지 팀 안에서 확인하는 일이다. 그 차이가 보여야 Agent를 어디까지 만들지, ERD를 누가 관리할지가 정해진다. SQL 실무자 대상 LLM·Agent 교육은 조녁컴퍼니 사업영역에서 확인할 수 있다. 사업영역 →