임베디드 분석에서의 대화형 분석

ChatGPT는 사람들이 정보와 상호 작용하는 방식을 변화시켰습니다. 질문을 입력하면 몇 초 만에 명확한 답변을 얻을 수 있습니다. 이 간단한 패턴은 이제 모든 앱의 모든 부분에 대한 기대치를 형성하고 있으며, 임베디드 분석도 그 흐름을 따르고 있습니다. 사용자들은 추가 단계 없이 데이터 질문에 대한 직접적인 답변을 원합니다. 대화형 분석이 이러한 경험을 제공합니다.

보고서는 여전히 사용자가 데이터를 탐색하는 데 도움을 주지만, 많은 사용자가 이미 마음속에 가지고 있는 통찰력에 더 빠르게 도달하는 방법을 원합니다. 그들은 질문을 형성하고, 마치 ChatGPT에서 아이디어를 얻는 것처럼, 그 질문에 맞는 차트를 얻기를 원합니다. 이러한 변화는 다양한 기술 수준을 가진 사용자에게 마찰을 제거하기 때문에 모든 산업에 영향을 미칩니다. 결과적으로, 많은 SaaS 제품 팀은 이제 대화형 분석을 미래 분석 계층의 핵심 부분으로 간주합니다.

기술 리더의 73%가 내년에 AI 사용을 확장할 계획이라고 밝히면서, 기대치가 얼마나 빠르게 변화하고 있는지 보여줍니다. 자연어는 분석을 사용하기 더 쉽게 만들고 파워 유저를 넘어 통찰력에 대한 접근성을 확장합니다. 또한 더 빠른 답변이 더 빠른 의사결정으로 이어지기 때문에 고객이 제품 가치를 판단하는 방식도 변화시킵니다.

이 아이디어는 간단하게 들리지만, 대부분의 대화형 분석 소프트웨어는 실제 SaaS 제품 내부에서 실패합니다. 많은 도구들이 외부 AI 서비스에 의존하여 새로운 개인 정보 보호, 제어 및 데이터 노출 문제를 만듭니다. 이러한 위험은 고객 대면 분석 계층에서는 받아들이기 어렵습니다. 이것이 바로 팀들이 로드맵에 추가하기 전에 대화형 분석이 아키텍처 수준에서 어떻게 작동하는지 이해해야 하는 이유입니다.

대화형 분석이란 무엇인가

대화형 분석은 사용자가 자연어를 사용하여 데이터에 대한 질문을 하고, 차트, 측정항목 또는 요약의 형태로 답변을 받는 것을 가능하게 합니다. 보고서를 만들거나 편집기를 탐색하는 대신, 사용자는 보고 싶은 것을 설명합니다. 시스템은 분석 계층의 나머지 부분을 구동하는 것과 동일한 논리를 사용하여 해당 요청을 시각화 또는 통찰력으로 변환합니다.

간단한 예는 다음과 같습니다. 사용자가 SaaS 애플리케이션을 열고 “플랜별 월별 이탈률을 보여주세요”라고 질문합니다. 제품은 앱의 다른 모든 대시보드와 동일한 필터, 권한 및 데이터 규칙을 따르는 차트로 응답합니다. 보고서 구축 과정이 없습니다. 스키마 지식이 필요하지 않습니다. 단지 비즈니스 질문에 대한 직접적인 답변만 있습니다.

이는 간단해 보이지만, 이를 고객 대면 제품 내에 제공하는 것은 대부분의 도구가 처리하도록 설계되지 않은 제약 조건을 도입합니다. 바로 그곳에서 대부분의 격차가 발생합니다.

대부분의 대화형 분석 도구가 SaaS 제품에 맞지 않는 이유

많은 팀들이 대화형 분석의 잠재력을 인식하지만, 대부분의 도구는 실제 SaaS 제품의 요구 사항을 충족하지 못합니다. 이들은 새로운 위험을 만들거나, 핵심 제품 규칙을 위반하거나, 팀들이 통제할 수 없는 외부 시스템에 의존하도록 강요합니다. 이러한 문제들은 구현 초기에 나타나며 사용자 기반이 확장됨에 따라 빠르게 커집니다.

외부 AI 서비스가 데이터를 환경 외부로 밀어냄

대부분의 대화형 분석 소프트웨어는 사용자 프롬프트와 메타데이터를 환경 외부에서 처리하는 클라우드 호스팅 모델에 의존합니다. 이는 민감한 기록을 처리하는 SaaS 플랫폼의 보안 태세를 무너뜨립니다. 기술 리더의 51%가 2025년 최고의 개발 과제로 보안을 지적합니다. 분석 쿼리를 타사 모델을 통해 라우팅하는 것은 이러한 위험을 증가시키고 새로운 규정 준수 문제를 야기합니다.

일반 모델은 제품 보안 규칙을 따를 수 없음

외부 모델은 사용자의 행 수준 보안 또는 테넌시 로직을 적용할 수 없습니다. 어떤 고객, 역할 또는 그룹이 어떤 필드를 볼 수 있는지 알지 못합니다. 사용자가 간단한 질문을 할 수도 있지만, 모델은 내부 규칙을 위반하는 데이터를 가져올 수 있습니다. 이는 신뢰를 깨뜨리고 팀의 지원 부담을 증가시킵니다.

대화형 분석은 제품 UX와 일치해야 함

대부분의 일반 도구는 제품과 일치하지 않는 채팅 창을 제공합니다. 이들은 앱의 나머지 부분과 단절된 것처럼 느껴지는 레이아웃, 요소 및 흐름을 도입합니다. 이는 경험을 약화시키고 팀들이 일관성 없는 UI 계층을 유지하도록 강요합니다. SaaS 제품은 기존의 임베디드 분석 경험에 맞는 대화형 워크플로우가 필요합니다.

SaaS 팀은 AI 동작 및 출력에 대한 통제력을 잃음

일반적인 대화형 분석 소프트웨어는 종종 예측할 수 없는 결과를 만듭니다. 관련 없는 필드를 반환하거나, 측정항목을 지어내거나, 제품 로직을 따르지 않는 차트를 만듭니다. 이는 기능을 신뢰할 수 없게 만들고 잘못된 결정의 위험을 증가시킵니다. 제품 팀은 특히 분석이 비즈니스 결과에 영향을 미칠 때 예측 가능성을 필요로 합니다.

이러한 과제들은 대화형 분석이 자체 환경 내에서 실행되어야 하는 이유를 보여줍니다.

대화형 분석이 자체 환경 내에서 실행되어야 하는 이유

SaaS 리더들은 보안을 약화시키거나 제품에 대한 통제력을 잃지 않으면서 대화형 분석을 지원하는 모델이 필요합니다. 많은 도구들이 환경 외부의 또 다른 계층을 추가하기 때문에 실패합니다. 더 나은 모델은 모든 것을 데이터, 규칙 및 사용자 근처에 유지합니다.

모든 데이터와 로직을 자체 환경 내에 유지

안전한 접근 방식은 모든 처리를 네트워크 내에 유지합니다. 애플리케이션이 내부 서비스로 요청을 보냅니다. 해당 서비스는 자체 자격 증명을 사용하여 언어 모델과 통신합니다. 원시 데이터는 절대 공급업체의 서버로 가지 않습니다. 이는 대화형 AI 분석을 위험한 추가 기능에서 통제된 워크플로우로 바꿉니다. 또한 팀이 사용자 속도를 늦추지 않으면서 엄격한 거버넌스 규칙을 충족하는 데 도움을 줍니다.

모델이 SQL을 작성하도록 내버려 두는 대신 기존 데이터 모델 사용

많은 대화형 분석 소프트웨어 도구는 사용자 프롬프트에서 직접 SQL을 생성합니다. 이는 위험합니다. 이는 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 기존의 인증, 행 수준 보안 및 필터링 로직을 통해 이동합니다. 이는 모든 쿼리에서 접근 규칙을 일관되고 예측 가능하게 유지합니다.

자연어를 단순한 채팅 창이 아닌 의도 계층으로 취급

현대적인 시스템은 자연어를 유연한 명령 계층으로 취급합니다. 사용자는 대시보드 생성, 위젯 추가, 필터 적용 또는 시각화 요약 등을 요청할 수 있습니다. 이러한 대화형 분석 예시는 의도가 워크플로우를 어떻게 주도하는지 보여줍니다. 채팅 패널, 검색 창 또는 컨텍스트 메뉴에서 제기된 질문은 동일한 내부 로직을 트리거합니다. 이는 기존의 AI 우선 분석 워크플로우와 깔끔하게 맞는 제품 전반에 걸쳐 일관된 경험을 만듭니다.

테스트, 점수 지정 및 가드레일을 통해 AI를 신뢰하기 쉽게 만들기

AI는 SaaS 제품 내에서 사용될 때 예측 가능하게 작동해야 합니다. 강력한 시스템은 관련성 점수, 제어된 프롬프트 및 명확한 출력 규칙을 포함합니다. 또한 팀이 정확성과 속도를 평가하기 위해 알려진 대시보드에 대해 다양한 모델을 테스트할 수 있도록 합니다.

이러한 원칙을 기반으로 구축된 모델은 팀에게 대화형 분석에 대한 완전한 통제권을 부여합니다. 다음 단계는 보안이 이 접근 방식에 어떻게 맞는지, 그리고 왜 모든 설계 선택을 형성하는지 이해하는 것입니다.

보안 계층: AI, 데이터 및 분석을 통제하는 방법

팀들이 AI 데모에서 실제 대화형 분석의 프로덕션으로 이동할 때 보안이 가장 큰 위험이 됩니다. 사용자들은 빠른 답변을 원하지만, 고객들은 데이터에 대한 엄격한 통제를 기대합니다. 많은 도구들이 이 격차를 무시합니다. 그들은 외부 모델을 통해 SQL을 생성하고, 이를 환경 외부로 보내며, 공급업체가 모든 것을 안전하게 유지하기를 바랍니다.

Reveal은 다른 경로를 취합니다. 전체 대화형 분석 워크플로우를 제품의 보안 경계 내에 유지합니다. 원시 데이터는 환경을 벗어나지 않으며, AI 계층은 이미 적용하는 모든 규칙을 존중합니다.

AI를 공급업체 클라우드가 아닌 데이터 근처에 유지

대부분의 대화형 분석 소프트웨어는 사용자 프롬프트를 클라우드 모델로 보내고, 이 모델이 SQL을 작성합니다. 이는 보안 체인을 끊습니다. 왜냐하면:

• 모델은 사용자의 사용자 권한을 알지 못합니다.

• 행 수준 보안을 강제할 수 없습니다.

• 절대로 공개하지 않을 필드나 패턴을 노출할 수 있습니다.

Reveal은 이 패턴을 완전히 회피합니다. AI는 자체 클라우드 계정 또는 자체 인프라를 통해 실행되며, 앱은 모델과 통신하는 유일한 시스템으로 남아 있습니다. 모델은 원시 데이터가 아닌 메타데이터를 받습니다. 이는 소유권과 통제권을 있어야 할 곳, 즉 팀에게 유지합니다.

기존 보안 모델을 통해 대시보드 생성

Reveal은 AI가 SQL을 생성하도록 절대 허용하지 않습니다. 대신, SDK DOM을 사용하여 자연어를 대시보드 JSON 정의로 변환합니다. 해당 정의는 제품의 모든 대시보드에 사용되는 것과 동일한 서버 수명 주기를 거칩니다. 이를 통해 모든 기존 제어가 적용되도록 보장합니다:

• 인증

• 데이터 소스 항목

• 행 수준 보안

• 필터

• 사용자 컨텍스트

사용자가 일반 대시보드에서 측정항목을 볼 수 없다면, 대화형 분석을 통해서도 볼 수 없습니다. 이것이 팀들이 임베디드 분석 내에서 안전한 대화형 AI를 위해 Reveal을 선택하는 핵심 이유 중 하나입니다.

AI 접근을 위한 두 번째 보안 계층 추가

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

• 테이블 및 뷰 화이트리스트. AI가 각 데이터 소스 내의 특정 데이터 세트로 제한됩니다.

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

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

이러한 옵션들은 대화형 분석을 위한 예측 가능하고 안전한 환경을 만듭니다. 제품, 규칙 또는 규정 준수 요구 사항을 이해하지 못하는 모델에 힘을 실어주지 않으면서 자연어의 유연성을 얻을 수 있습니다.

제품 내부에서 대화형 분석이 실제로 작동하는 방식

대화형 분석이 작동하는 것을 보면, 이 기능이 실제 제품 내부에서 실제로 무엇을 할 수 있는지 이해하는 데 도움이 됩니다. 아래 비디오는 Reveal 워크플로우를 단계별로 안내하며, 자연어 쿼리가 실시간으로 안전한 대시보드, 요약 및 업데이트로 변환되는 방법을 보여줍니다. 이는 사용자가 임베디드 환경 내에서 기대할 수 있는 정확한 동작을 보여줍니다.

임베디드 분석 내에서 대화형 분석이 들어맞는 곳

대부분의 사용자는 목적을 가지고 앱을 엽니다. 그들은 빠른 답변이나 어제 이후에 무엇이 변경되었는지에 대한 명확한 보기를 원합니다. 대시보드는 도움이 되지만, 업무 시간 동안 사람들이 묻는 모든 질문을 다루지는 못합니다. 바로 여기에 대화형 분석이 유용해집니다. 이는 사용자가 필요한 것을 요청하는 직접적인 방법을 제공함으로써 탐색과 행동 사이의 공간을 채웁니다.

대화형 분석은 대시보드 뒤의 데이터가 동일하기 때문에 기존 워크플로우에 잘 맞습니다. 단순히 연결된 데이터 소스를 이해하도록 강요하지 않고, 연결된 데이터 소스를 가로질러 작동함으로써 사용자에게 더 빠르게 도달하는 방법을 제공합니다.

기존 대시보드 내의 빠른 답변

사용자들은 종종 추세와 주요 측정항목을 확인하기 위해 대시보드를 엽니다. 무엇이 변경되었는지 알기에 충분한 것을 보지만, 여전히 한 가지 세부 정보가 더 필요합니다. 이때 대화형 분석이 가장 빠른 옵션이 됩니다. 그들은 새 보기(view)를 만들지 않고 국가별 세분화, 지난달과의 비교 또는 최고 성과자 목록을 요청할 수 있습니다.

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

비기술적 사용자가 필요한 것을 구축하도록 도움

많은 사용자는 원하는 결과는 알지만, 그것을 제공하는 대시보드를 어떻게 조립해야 하는지 모릅니다. 그들은 테이블, 조인, 필드 또는 집계에 대해 이해하지 못합니다. 대화형 분석은 그 장벽을 제거합니다. 간단한 질문만으로도 그들이 마음속에 가지고 있던 것과 일치하는 차트, 테이블 또는 위젯을 반환할 수 있습니다.

이는 매일 앱에 의존하지만 전체 편집기에 익숙하지 않은 사용자에게 도움이 됩니다. 또한 지원 및 제품 팀의 부담을 줄여줍니다. 사용자가 일반 언어로 질문할 수 있으면, 스키마를 탐색하는 데 도움을 받을 필요가 없습니다.

예시에는 다음이 포함됩니다:

• 빠른 지역별 분석을 원하는 관리자.

• 볼륨 또는 예외를 확인해야 하는 운영자.

• 대시보드를 개선하기 전에 시작점을 원하는 분석가.

데이터와 행동 사이의 마찰 감소

사용자는 종종 새 대시보드보다는 작은 변경이 필요합니다. 위젯을 추가하거나, 필터를 조정하거나, 간단한 보고서를 생성하고 싶을 수 있습니다. 대화형 분석은 워크플로우를 방해하지 않으면서 이를 수행하도록 돕습니다.

이는 임베디드 분석의 흐름에 자연스럽게 통합되어, 사용자가 작업의 컨텍스트를 눈앞에 유지하면서 작업을 수행할 수 있도록 합니다. 화면을 떠나거나, 빌더를 열거나, 메뉴를 검색할 필요가 없습니다.

이는 제품을 더 빠르고 더 지원적으로 느끼게 만듭니다. 일단 사용자들이 이 수준의 편리함을 경험하면, 어디에서든 기대하게 됩니다.

Reveal의 접근 방식: SaaS를 위한 유연하고 안전한 대화형 분석

대부분의 팀은 실제 제품 내에 배포하려고 할 때 일반적인 대화형 분석 소프트웨어의 한계에 도달합니다. 그들은 빠른 응답, 정확한 통찰력, 그리고 기존 규칙을 존중하는 안전한 아키텍처가 필요합니다. Reveal은 AI를 환경 내에 유지하고, 개발자에게 완전한 제어권을 부여하며, 모든 사용자에게 예측 가능한 경험을 제공함으로써 이러한 요구 사항을 처리합니다.

Reveal은 데이터에 손대지 않습니다. 앱은 자체 클라우드 계정 또는 인프라를 통해 선택한 모델과 통신합니다. 아무것도 환경을 벗어나지 않으며, AI 계층은 임베디드 대시보드를 통해 이미 적용하는 것과 동일한 제자 내에서 작동합니다.

환경 내에서 실행되는 AI

Reveal은 데이터와 AI 워크플로우 모두를 통제합니다. 시스템은 사용자의 인증, 클라우드 계정 및 거버넌스 모델을 사용합니다. 이는 분석 공급업체가 프롬프트와 쿼리를 외부 서비스로 보내는 경우에 발생하는 보안 격차를 방지합니다.

주요 장점은 다음과 같습니다:

• 모델 선택: Azure OpenAI, 로컬 소형 언어 모델 또는 기타 공급업체.

• AI는 원시 데이터가 아닌 메타데이터를 받습니다.

• Reveal은 쿼리, 데이터 세트 또는 결과를 절대 볼 수 없습니다.

• 모든 AI 기능은 옵트인이며 완전히 구성 가능합니다.

• 모든 것이 데이터 근처에서 실행되므로 예측 가능한 성능을 제공합니다.

이는 대부분의 AI 우선 분석 플랫폼이 따라잡을 수 없는 수준의 통제권을 팀에게 제공합니다.

실제 제품을 위한 안전한 아키텍처

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

사용자는 다음을 얻습니다:

• 모든 쿼리에 대한 행 수준 보안.

• 모든 필터 및 사용자 컨텍스트가 자동으로 적용됩니다.

• AI에 사용 가능한 테이블 및 뷰에 대한 제어.

• 고객이 사용하는 도메인 용어에 대한 메타데이터 재정의.

• 모델이 절대 SQL을 작성하지 않으므로 안전한 실행.

이는 대화형 분석의 가장 일반적인 실패 지점을 제거하고 규정 준수 태세를 온전하게 유지합니다.

개발자 및 제품 팀을 위해 설계됨

Reveal은 분리된 챗봇이 아니라 진정한 임베디드 솔루션으로 작동합니다. UX의 어느 곳이든 AI 기능을 배치할 수 있으며 SDK를 통해 전체 경험을 제어할 수 있습니다. 이는 대화형 분석을 제품에 원하는 조건으로 맞출 수 있는 자유를 제공합니다.

Reveal은 다음을 통해 제품 팀을 지원합니다:

• 채팅, 요약, 대시보드 편집 및 분석을 위한 전체 API 표면.

• 원하는 워크플로우에 따라 각 AI 의도에 대한 제어.

• 앱의 모든 화면에 통찰력을 추가하기 위한 깔끔한 경로.

• 사용자 증가에 따라 증가하지 않는 고정 연간 비용.

• AI 우선 분석을 위한 안전하고 확장 가능한 기반.

이것이 팀이 채택률을 개선하고, 임베디드 분석을 통한 고객 유지율을 높이며, 새로운 기능을 위한 시장 출시 시간 단축 능력을 가속화하는 방법입니다. 또한 제품 분석 수익 및 데이터 수익화 기회를 통해 장기적인 성장을 지원합니다.

Reveal은 데이터에 의존하는 제품을 위해 구축되었습니다. 보안 모델을 온전하게 유지하고, 예측 가능한 도구로 팀을 지원하며, 사용자가 신뢰할 수 있는 대화형 분석 경험을 제공합니다.

데이터의 힘을 활용하세요

실시간 컨텍스트 데이터로 비즈니스를 성장시키세요.

데모 요청