최종 업데이트: 2024년 9월 27일

ChatGPT는 사람들이 정보와 상호 작용하는 방식을 변화시켰습니다. 질문을 입력하면 몇 초 안에 명확한 답변을 얻을 수 있습니다. 이 간단한 패턴은 이제 모든 앱의 모든 부분에 대한 기대치를 형성하고 있으며, 임베디드 분석도 이에 따릅니다. 사용자는 추가 단계를 거치지 않고 데이터에 대한 직접적인 답변을 원합니다. 대화형 분석은 이러한 경험을 제공합니다.

보고서는 여전히 사용자가 데이터를 탐색하는 데 도움이 되지만, 많은 사용자는 이미 염두에 두고 있는 인사이트에 더 빠르게 접근할 수 있는 방법을 원합니다. 질문을 하고 ChatGPT에서 얻는 것처럼 해당 질문에 맞는 차트를 얻고 싶어합니다. 이러한 변화는 모든 산업에 영향을 미치는데, 이는 다양한 기술 수준의 사용자를 위한 마찰을 줄이기 때문입니다. 결과적으로 많은 SaaS 제품 팀은 대화형 분석을 미래의 분석 계층의 핵심 요소로 보고 있습니다.

73% 기술 리더의 상당수가 내년에 AI 사용을 확대할 계획이며, 이는 기대치가 얼마나 빠르게 변화하고 있는지를 보여줍니다. 자연어는 분석을 더 쉽게 사용할 수 있도록 하고, 숙련된 사용자 이상의 사용자에게 인사이트에 대한 접근성을 확장합니다. 또한 고객이 제품 가치를 평가하는 방식도 변화시키는데, 더 빠른 답변은 더 빠른 의사 결정으로 이어지기 때문입니다.

이 아이디어는 간단하게 들리지만, 대부분의 대화형 분석 소프트웨어는 실제 SaaS 제품 내에서 제대로 작동하지 못합니다. 많은 도구는 외부 AI 서비스를 사용하므로 새로운 개인 정보 보호, 제어 및 데이터 노출 문제가 발생합니다. 이러한 위험은 고객이 직접 사용하는 분석 계층에서 받아들이기 어렵습니다. 따라서 팀은 로드맵에 추가하기 전에 대화형 분석이 아키텍처 수준에서 어떻게 작동하는지 이해해야 합니다.

대화형 분석이란 무엇입니까?

대화형 분석을 통해 사용자는 자연어를 사용하여 데이터에 대한 질문을 하고 차트, 지표 또는 요약 형태로 답변을 받을 수 있습니다. 보고서를 작성하거나 편집기를 탐색하는 대신 사용자는 보고 싶은 내용을 설명합니다. 그런 다음 시스템은 해당 요청을 시각화 또는 인사이트로 변환하며, 이는 분석 계층의 나머지 부분을 지원하는 동일한 논리를 사용합니다.

간단한 예시는 다음과 같습니다. 사용자가 SaaS 애플리케이션을 열고 “플랜별 월별 이탈률을 표시”라고 질문합니다. 제품은 앱의 다른 모든 대시보드와 동일한 필터, 권한 및 데이터 규칙을 따르는 차트로 응답합니다. 보고서 작성은 필요 없습니다. 스키마에 대한 지식도 필요 없습니다. 비즈니스 질문에 대한 직접적인 답변만 제공됩니다.

이것은 간단하게 들리지만, 고객이 직접 사용하는 제품 내에서 제공하려면 대부분의 도구가 처리하도록 설계되지 않은 제약 조건이 발생합니다. 대부분의 격차가 바로 여기에 나타납니다.

대부분의 대화형 분석 도구가 SaaS 제품에 적합하지 않은 이유는 무엇입니까?

많은 팀이 대화형 분석의 가능성을 보고 있지만, 대부분의 도구는 실제 SaaS 제품의 요구 사항을 충족하지 못합니다. 새로운 위험을 초래하고, 핵심 제품 규칙을 위반하거나, 팀이 제어할 수 없는 외부 시스템에 의존하도록 강요합니다. 이러한 문제는 구현 초기에 나타나고 사용자 기반이 확장됨에 따라 빠르게 증가합니다.

외부 AI 서비스는 데이터를 귀사의 환경 외부로 전송합니다.

대부분의 대화형 분석 소프트웨어는 사용자 프롬프트 및 메타데이터를 귀사의 환경 외부에서 처리하는 클라우드 기반 모델에 의존합니다. 이는 민감한 기록을 처리하는 SaaS 플랫폼의 보안 태세를 훼손합니다. 51% 기술 리더의 상당수가 2025년의 최우선 개발 과제로 보안을 지목합니다. 분석 쿼리를 타사 모델을 통해 라우팅하면 이러한 위험이 증가하고 새로운 규정 준수 문제가 발생합니다.

일반 모델은 제품 보안 규칙을 따를 수 없습니다.

외부 모델은 귀사의 행 수준 보안 또는 테넌트 논리를 적용할 수 없습니다. 어떤 고객, 역할 또는 그룹이 어떤 필드를 보아야 하는지 알지 못합니다. 사용자가 간단한 질문을 할 수 있지만, 모델은 내부 규칙을 위반하는 데이터를 가져올 수 있습니다. 이는 신뢰를 훼손하고 팀의 지원 부담을 증가시킵니다.

대화형 분석은 제품 UX와 일치해야 합니다.

대부분의 일반 도구는 제품과 일치하지 않는 채팅 창을 제공합니다. 레이아웃, 요소 및 흐름을 도입하여 앱의 나머지 부분과 분리된 느낌을 줍니다. 이는 사용자 경험을 약화시키고 팀이 일관성 없는 UI 계층을 유지하도록 강요합니다. SaaS 제품은 기존 제품에 적합한 대화형 워크플로가 필요합니다. 임베디드 분석 경험.

SaaS 팀은 AI 동작 및 출력에 대한 제어권을 잃습니다.

일반적인 대화형 분석 소프트웨어는 종종 예측할 수 없는 결과를 생성합니다. 관련 없는 필드를 반환하거나, 지표를 발명하거나, 제품 논리를 따르지 않는 차트를 빌드할 수 있습니다. 이는 기능을 신뢰할 수 없게 만들고 잘못된 의사 결정의 위험을 증가시킵니다. 제품 팀은 특히 분석이 비즈니스 결과에 영향을 미칠 때 예측 가능성이 필요합니다.

이러한 과제는 대화형 분석이 반드시 귀사의 환경 내에서 실행되어야 하는 이유를 보여줍니다.

대화형 분석이 반드시 귀사의 환경 내에서 실행되어야 하는 이유

SaaS 리더는 보안을 약화시키거나 제품에 대한 제어권을 잃지 않고 대화형 분석을 지원하는 모델이 필요합니다. 많은 도구는 환경 외부의 또 다른 계층을 추가하기 때문에 실패합니다. 더 나은 모델은 모든 것을 귀사의 데이터, 규칙 및 사용자와 가깝게 유지합니다.

모든 데이터와 논리를 귀사의 환경 내에 유지합니다.

안전한 접근 방식은 모든 처리를 귀사의 네트워크 내에 유지합니다. 귀사의 애플리케이션은 내부 서비스에 요청을 보냅니다. 해당 서비스는 귀사의 자격 증명을 사용하여 언어 모델과 통신합니다. 귀사의 원시 데이터는 벤더의 서버로 전송되지 않습니다. 이를 통해 대화형 AI 분석은 위험한 추가 기능에서 제어되는 워크플로로 전환됩니다. 또한 팀이 엄격한 거버넌스 규칙을 준수하면서 사용자 속도를 늦추지 않도록 지원합니다.

모델이 SQL을 작성하는 대신 기존 데이터 모델을 사용합니다.

많은 대화형 분석 소프트웨어 도구는 사용자 프롬프트에서 직접 SQL을 생성합니다. 이는 위험합니다. 보안 규칙을 우회하고 종종 예측할 수 없는 결과를 생성합니다. 더 강력한 접근 방식은 원시 SQL 대신 대시보드 정의 또는 시각화 구성을 생성합니다. 그런 다음 요청은 기존 인증, 행 수준 보안 및 필터링 논리를 통해 이동합니다. 이를 통해 모든 쿼리에 걸쳐 액세스 규칙을 일관되고 예측 가능하게 유지합니다.

자연어를 단순한 채팅 창이 아닌 의도 계층으로 취급합니다.

최신 시스템은 자연어를 유연한 명령 계층으로 취급합니다. 사용자는 대시보드를 생성하고, 위젯을 추가하고, 필터를 적용하거나, 시각 자료를 요약하도록 요청할 수 있습니다. 이러한 대화형 분석 예시는 의도가 워크플로를 어떻게 유도하는지 보여줍니다. 채팅 패널, 검색 창 또는 컨텍스트 메뉴에서 질문하면 동일한 내부 논리가 트리거됩니다. 이를 통해 제품 전체에 걸쳐 일관된 경험을 제공하고 기존 워크플로와 원활하게 통합됩니다. AI 기반 분석 워크플로.

테스트, 점수 및 가드레일을 통해 AI를 쉽게 신뢰할 수 있도록 합니다.

AI는 SaaS 제품 내에서 사용될 때 예측 가능한 방식으로 작동해야 합니다. 강력한 시스템에는 관련성 점수, 제어된 프롬프트 및 명확한 출력 규칙이 포함됩니다. 또한 팀이 알려진 대시보드를 사용하여 다양한 모델을 테스트하여 정확도와 속도를 평가할 수 있도록 합니다.

이러한 원칙을 기반으로 구축된 모델은 팀에게 대화형 분석에 대한 완전한 제어권을 제공합니다. 다음 단계는 보안이 이 접근 방식에 어떻게 적용되는지, 그리고 왜 모든 디자인 선택을 형성하는지 이해하는 것입니다.

보안 계층: AI, 데이터 및 분석을 귀사의 통제 하에 유지

팀이 AI 데모에서 프로덕션 대화형 분석으로 전환하면 보안이 가장 큰 위험이 됩니다. 사용자는 빠른 답변을 원하지만 고객은 데이터에 대한 엄격한 제어를 기대합니다. 많은 도구는 이 격차를 무시합니다. 외부 모델을 통해 SQL을 생성하고, 외부로 전송한 다음, 벤더가 모든 것을 안전하게 유지할 것이라고 희망합니다.

Reveal은 다른 접근 방식을 취합니다. 전체 대화형 분석 워크플로를 제품의 보안 경계 내에 유지합니다. 원시 데이터는 귀사의 환경을 벗어나지 않으며 AI 계층은 귀하가 이미 적용하는 모든 규칙을 존중합니다.

AI를 벤더의 클라우드에 두지 않고 귀사의 데이터 옆에 둡니다.

대부분의 대화형 분석 소프트웨어는 사용자 프롬프트를 클라우드 모델로 전송하여 SQL을 작성합니다. 이는 보안 체인을 훼손하기 때문입니다.

• 모델은 귀사의 사용자 권한을 알지 못합니다.

• 행 수준 보안을 적용할 수 없습니다.

• 절대 공개하지 않을 필드 또는 패턴을 노출할 수 있습니다.

Reveal은 이 패턴을 완전히 피합니다. AI는 귀사의 클라우드 계정 또는 귀사의 인프라에서 실행되며, 귀사의 앱은 모델과 통신하는 유일한 시스템으로 유지됩니다. 모델은 원시 데이터가 아닌 메타데이터를 받습니다. 이를 통해 소유권과 제어권을 귀사의 팀에 속하도록 합니다.

기존 보안 모델을 통해 대시보드를 생성합니다.

Reveal은 AI가 SQL을 생성하도록 허용하지 않습니다. 대신 SDK DOM을 사용하여 자연어를 대시보드 JSON 정의로 변환합니다. 그런 다음 해당 정의는 제품의 모든 대시보드에 사용되는 동일한 서버 수명 주기를 거칩니다. 이를 통해 모든 기존 제어가 적용됩니다.

• 인증

• 데이터 소스 항목

• 행 수준 보안

• 필터

• 사용자 컨텍스트

사용자가 일반 대시보드에서 지표를 볼 수 없는 경우 대화형 분석을 통해서도 볼 수 없습니다. 이것이 팀이 안전한 대화형 AI를 임베디드 분석 내에 선택하는 주요 이유 중 하나입니다. Reveal 안전한 대화형 AI를 임베디드 분석 내에 선택하는 주요 이유 중 하나입니다.

AI 액세스에 대한 두 번째 보안 계층을 추가합니다.

Reveal은 기존 보안 모델 위에 또 다른 제어 계층을 추가합니다. AI가 작업할 수 있는 데이터 세트와 액세스가 제한되는 데이터 세트를 결정합니다. 여기에는 다음이 포함됩니다.

• 테이블 및 뷰 화이트리스트. 각 데이터 소스 내에서 AI를 특정 데이터 세트로 제한합니다.

• 메타데이터 재정의. 스키마를 변경하지 않고 ”작업 티켓” 또는 ”사례 코드”와 같은 도메인 용어를 기본 필드에 매핑합니다.

• 의도 수준 제어. 대시보드 생성, 편집, 요약 또는 분석을 의미가 있는 경우에만 허용합니다.

이러한 옵션을 통해 예측 가능하고 안전한 대화형 분석 환경을 만들 수 있습니다. 자연어의 유연성을 얻으면서 제품, 규칙 또는 규정 준수 요구 사항을 이해하지 못하는 모델에 권한을 부여하지 않습니다.

대화형 분석이 제품 내에서 실제로 어떻게 작동하는가

실제 제품 내에서 대화형 분석을 사용하면 기능이 실제로 무엇을 할 수 있는지 이해하는 데 도움이 됩니다. 아래 비디오는 Reveal 워크플로를 단계별로 보여 주며, 자연어 쿼리가 실시간으로 안전한 대시보드, 요약 및 업데이트로 변환되는 방식을 보여줍니다. 이는 임베디드 환경 내에서 사용자가 기대할 수 있는 정확한 동작을 보여줍니다.

대화형 분석이 임베디드 분석 내에서 어떤 역할을 하는가

대부분의 사용자는 특정 목적을 가지고 귀사의 앱을 엽니다. 빠른 답변이나 어제 이후의 변경 사항에 대한 명확한 보기를 원합니다. 대시보드는 도움이 되지만 사람들이 업무 중에 던지는 모든 질문을 다루지는 않습니다. 바로 이 때 대화형 분석이 유용해집니다. 사용자가 필요한 것을 직접 요청할 수 있는 방법을 제공하여 탐색과 작업 사이의 간극을 메웁니다.

대화형 분석은 기존 워크플로에 잘 맞기 때문에 대시보드 뒤에 있는 데이터는 동일하게 유지됩니다. 단순히 사용자가 연결된 소스에 걸쳐 작동하여 해당 소스가 구조화된 방식을 이해하지 않아도 더 빠르게 접근할 수 있도록 합니다. 데이터 소스 워크플로.

기존 대시보드 내에서 더 빠른 답변

사용자는 종종 대시보드를 열어 추세와 주요 지표를 확인합니다. 무엇이 변경되었는지 알 수 있을 만큼 충분히 확인하지만, 여전히 추가 세부 정보가 필요합니다. 이 때 대화형 분석이 가장 빠른 옵션이 됩니다. 국가별 분석, 지난달과의 비교 또는 상위 성과자 목록을 요청할 수 있으며, 새 보기를 빌드할 필요가 없습니다.

짧은 쿼리는 메뉴를 클릭하거나 대시보드를 전환하는 것보다 쉬운 경우가 많습니다. 사용자는 작업에 집중하고 더 깊은 탐색의 마찰을 피합니다.

기술적 지식이 없는 사용자가 필요한 것을 구축하도록 지원

많은 사용자는 원하는 결과를 알고 있지만 해당 결과를 제공하는 대시보드를 조립하는 방법을 모릅니다. 테이블, 조인, 필드 또는 집계를 이해하지 못합니다. 대화형 분석은 이러한 장벽을 제거합니다. 간단한 질문은 사용자가 염두에 두고 있던 것과 일치하는 차트, 테이블 또는 위젯을 반환할 수 있습니다.

이는 앱에 매일 의존하지만 전체 편집기에 익숙하지 않은 사용자를 지원합니다. 또한 지원 및 제품 팀의 부담을 줄입니다. 사용자가 일반 언어로 질문할 수 있으면 스키마를 탐색하는 데 도움을 받을 필요가 없습니다.

예는 다음과 같습니다.

• 빠른 지역별 분석을 원하는 관리자.

• 볼륨 또는 예외를 확인해야 하는 운영자.

• 대시보드를 개선하기 위한 시작점을 원하는 분석가.

데이터와 작업 사이의 마찰을 줄입니다.

사용자는 종종 새로운 대시보드보다는 작은 변경이 필요합니다. 위젯을 추가하거나, 필터를 조정하거나, 간단한 보고서를 생성하려는 경우가 많습니다. 대화형 분석은 사용자가 워크플로를 중단하지 않고도 이를 수행할 수 있도록 지원합니다.

이는 임베디드 분석의 흐름에 자연스럽게 통합되어 사용자가 작업을 수행하면서 작업의 컨텍스트를 유지할 수 있도록 합니다. 화면을 벗어나거나 빌더를 열거나 메뉴를 검색할 필요가 없습니다.

이를 통해 제품이 더 빠르고 지원적인 느낌을 받게 됩니다. 사용자가 이러한 수준의 편의성을 경험하면 모든 곳에서 이를 기대하게 됩니다.

Reveal의 접근 방식: SaaS를 위한 유연하고 안전한 대화형 분석

대부분의 팀은 실제 제품 내에서 배포하려고 할 때 일반적인 대화형 분석 소프트웨어의 한계에 도달합니다. 빠른 응답, 정확한 인사이트 및 기존 규칙을 존중하는 안전한 아키텍처가 필요합니다. Reveal은 AI를 귀사의 환경 내에 유지하여 개발자에게 완전한 제어권을 제공하고 모든 사용자를 위한 예측 가능한 경험을 제공함으로써 이러한 요구 사항을 처리합니다.

Reveal은 사용자의 데이터를 건드리지 않습니다. 사용자의 앱은 사용자가 선택한 클라우드 계정 또는 인프라를 통해 선택한 모델과 통신합니다. 어떠한 데이터도 사용자의 환경을 벗어나지 않으며, AI 레이어는 이미 임베디드 대시보드를 통해 적용하고 있는 제어 내에서 작동합니다.

사용자 환경 내에서 실행되는 AI

Reveal은 사용자의 데이터와 AI 워크플로를 모두 사용자의 제어 하에 유지합니다. 이 시스템은 사용자의 인증, 클라우드 계정 및 거버넌스 모델을 사용합니다. 이를 통해 분석 벤더가 프롬프트와 쿼리를 외부 서비스로 전송할 때 발생하는 보안 격차를 방지할 수 있습니다.

주요 이점은 다음과 같습니다.

• 사용자는 Azure OpenAI, 로컬 소형 언어 모델 또는 기타 제공업체를 선택할 수 있습니다.

• AI는 원시 데이터가 아닌 메타데이터를 수신합니다.

• Reveal은 사용자의 쿼리, 데이터 세트 또는 결과를 보지 않습니다.

• 모든 AI 기능은 선택 사항이며 완전히 구성 가능합니다.

• 모든 것이 사용자의 데이터 옆에서 실행되므로 예측 가능한 성능을 제공합니다.

이를 통해 사용자의 팀은 대부분의 AI 기반 분석 플랫폼이 따라올 수 없는 수준의 제어 기능을 갖게 됩니다.

실제 제품을 위한 안전한 아키텍처

Reveal은 SDK DOM을 사용하여 자연어 요청을 SQL 대신 안전한 대시보드 정의로 변환합니다. 모든 결과는 Reveal 서버 라이프사이클을 거치므로 기존 규칙이 모든 단계에서 자체적으로 적용됩니다.

다음과 같은 결과를 얻을 수 있습니다.

• 모든 쿼리에 대한 행 수준 보안.

• 모든 필터 및 사용자 컨텍스트가 자동으로 적용됩니다.

• AI에 사용할 수 있는 테이블 및 뷰에 대한 제어.

• 고객이 사용하는 도메인 용어에 대한 메타데이터 재정의.

• 모델이 SQL을 작성하지 않으므로 안전한 실행.

이를 통해 대화형 분석에서 가장 흔한 실패 지점을 제거하고 규정 준수 상태를 유지합니다.

개발자와 제품 팀을 위해 설계됨

Reveal은 독립 실행형 챗봇이 아닌 진정한 임베디드 솔루션으로 작동합니다. AI 기능을 UX의 모든 곳에 배치하고 SDK를 통해 전체 환경을 제어할 수 있습니다. 이를 통해 대화형 분석을 사용자의 제품에 맞게 자유롭게 통합할 수 있습니다.

Reveal은 제품 팀을 다음과 같은 방식으로 지원합니다.

• 챗, 요약, 대시보드 편집 및 분석을 위한 완전한 API 표면.

• 사용자가 활성화하려는 워크플로를 기반으로 각 AI 의도에 대한 제어.

• 앱의 모든 화면에 인사이트를 추가할 수 있는 간편한 경로.

• 사용자 수에 따라 증가하지 않는 고정 연간 비용.

• 안전하고 확장 가능한 기반 AI 기반 분석.

이것이 바로 팀이 사용률을 높이고, 임베디드 분석을 통해 고객 유지율을 높이고,, 새로운 기능에 대한 기능을 가속화하는 방법입니다. 또한 제품에 분석 기능을 추가할 때 기회를 통해 장기적인 성장을 지원합니다. 제품 분석 수익을 높입니다. 및 데이터 수익 창출을 위한 Reveal은 데이터에 의존하는 제품을 위해 구축되었습니다. 보안 모델을 유지하고, 예측 가능한 도구를 통해 팀을 지원하며, 사용자가 신뢰할 수 있는 대화형 분석 환경을 제공합니다.

Reveal을 사용하여 첫 번째 비즈니스 인텔리전스 대시보드를 만드는 방법

데이터의 힘을 활용하십시오.

실시간 컨텍스트 데이터를 통해 비즈니스를 성장시키십시오.

데모 요청