임베디드 분석의 대화형 분석

ChatGPT는 사람들이 정보를 다루는 방식을 바꿨습니다. 질문을 입력하면 몇 초 만에 명확한 답변을 얻을 수 있습니다. 이 단순한 패턴이 이제 모든 앱의 모든 부분에 대한 기대치를 형성하며, 내재된 분석도 이를 따라가고 있습니다. 사용자들은 추가 절차 없이 데이터 질문에 대한 직접적인 답변을 원합니다. 대화형 분석은 이러한 경험을 제공합니다.

보고는 여전히 사용자가 데이터를 탐색하는 데 도움을 주지만, 많은 이들은 이미 염두에 둔 인사이트를 더 빠르게 얻고 싶어 합니다. 그들은 질문을 만들고 그에 맞는 차트를 얻고 싶어 하며, ChatGPT에서 아이디어를 얻는 것과 같습니다. 이 변화는 다양한 기술 수준의 사용자들에게 마찰을 없애주기 때문에 모든 산업에 영향을 미칩니다. 그 결과, 많은 SaaS 제품 팀들이 대화형 분석을 미래 분석 계층의 핵심 요소로 보고 있습니다.

기술 리더의 73%가 내년에 AI 활용을 확대할 계획이며, 이는 기대치가 얼마나 빠르게 변하고 있는지를 보여줍니다. 자연어는 분석을 더 쉽게 활용할 수 있게 하고, 파워 유저를 넘어 인사이트에 대한 접근성을 확장합니다. 또한 빠른 답변이 더 빠른 결정을 이끌어내기 때문에 고객이 제품 가치를 평가하는 방식도 바뀝니다.

아이디어는 단순해 보이지만, 대부분의 대화형 분석 소프트웨어는 실제 SaaS 제품 내에서는 실패합니다. 많은 도구들이 외부 AI 서비스에 의존하여 새로운 프라이버시, 통제, 데이터 노출 문제를 야기합니다. 이러한 위험은 고객 대면 분석 계층에서는 받아들이기 어렵습니다. 이 때문에 팀은 대화형 분석이 아키텍처 수준에서 어떻게 작동하는지 이해한 후 로드맵에 추가해야 합니다.

대화형 분석이란 무엇인가요

대화형 분석은 사용자가 자연어를 사용해 데이터에 대해 질문하고 차트, 지표, 요약 형태로 답변을 받을 수 있게 합니다. 보고서를 작성하거나 편집자를 탐색하는 대신, 사용자는 보고 싶은 것을 설명합니다. 시스템은 그 요청을 시각화나 인사이트로 변환하며, 나머지 분석 계층을 구동하는 동일한 논리를 사용합니다.

간단한 예는 다음과 같습니다. 사용자가 SaaS 애플리케이션을 열고 "플랜별로 월별 이탈 내역을 표시하세요"라고 묻습니다. 제품은 앱 내 다른 모든 대시보드와 동일한 필터, 권한, 데이터 규칙을 따르는 차트로 응답합니다. 보고서 쌓기도 없고. 스키마에 대한 지식이 전혀 없습니다. 그냥 비즈니스 질문에 대한 직접적인 답변입니다.

이것은 간단해 보이지만, 고객 대상 제품 내에서 이를 구현하면 대부분의 도구가 감당할 수 없는 제약을 초래합니다. 대부분의 공백이 바로 그 지점에서 나타납니다.

대부분의 대화형 분석 도구가 SaaS 제품에 적합하지 않은 이유

많은 팀이 대화형 분석의 가능성을 보고 있지만, 대부분의 도구는 실제 SaaS 제품의 요구에 부합하지 않습니다. 이들은 새로운 위험을 만들고, 핵심 제품 규칙을 위반하며, 팀이 통제할 수 없는 외부 시스템에 의존하도록 강요합니다. 이러한 문제들은 구현 초기에 나타나며 사용자 기반이 확장될수록 빠르게 증가합니다.
 

외부 AI 서비스는 데이터를 외부 환경으로 밀어냅니다

대부분의 대화형 분석 소프트웨어는 사용자 프롬프트와 메타데이터를 외부 환경에서 처리하는 클라우드 기반 모델에 의존합니다. 이로 인해 민감한 기록을 다루는 SaaS 플랫폼의 보안 태세가 무너집니다. 기술 리더의 51%가 2025년 개발 과제로 보안을 꼽았습니다. 분석 쿼리를 제3자 모델을 통해 라우팅하면 이러한 위험이 증가하고 새로운 컴플라이언스 우려가 발생합니다.

일반 모델은 제품 보안 규칙을 준수할 수 없습니다

외부 모델은 행 수준의 보안이나 테넌시 로직을 적용할 수 없습니다. 어떤 고객, 역할, 그룹이 어떤 필드를 봐야 하는지 모릅니다. 사용자가 간단한 질문을 할 수 있지만, 모델은 내부 규칙을 위반하는 데이터를 가져올 수 있습니다. 이것은 신뢰를 깨뜨리고 팀의 지원 부담을 증가시킵니다.

대화형 분석은 제품 UX와 맞아야 합니다

대부분의 일반 도구는 제품과 맞지 않는 채팅 창을 제공합니다. 이들은 레이아웃, 요소, 흐름을 도입하는데, 이는 앱의 나머지 부분과 단절된 느낌을 줍니다. 이로 인해 경험이 약화되고 팀들이 UI 레이어를 일관되지 않게 유지하게 됩니다. SaaS 제품은 기존 임베디드 분석 경험에 맞는 대화형 워크플로우가 필요합니다.

SaaS 팀이 AI 행동과 출력에 대한 통제권을 잃습니다

일반적인 대화형 분석 소프트웨어는 종종 예측 불가능한 결과를 만듭니다. 관련 없는 필드를 반환하거나, 지표를 만들어내거나, 제품 로직에 맞지 않는 차트를 만들 수도 있습니다. 이로 인해 기능이 신뢰성이 떨어지고 잘못된 결정 위험이 커집니다. 제품 팀은 특히 분석이 비즈니스 결과를 형성할 때 예측 가능성을 필요로 합니다.

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

왜 대화형 분석이 환경 내에서 실행되어야 하는지

SaaS 리더들은 보안을 약화시키거나 제품 통제권을 잃지 않으면서도 대화형 분석을 지원하는 모델이 필요합니다. 많은 도구가 실패하는 이유는 환경 외부에 또 다른 층을 더하기 때문입니다. 더 나은 모델은 모든 것을 데이터, 규칙, 사용자와 가깝게 유지합니다.

모든 데이터와 논리는 자신의 환경 내에 보관하세요

안전한 접근법은 모든 처리 과정을 네트워크 내에 유지합니다. 신청서가 내부 서비스에 요청을 보냅니다. 그 서비스는 사용자의 자격 증명을 사용하여 언어 모델과 통신합니다. 원시 데이터는 절대 벤더 서버로 가지 않습니다. 이로 인해 대화형 AI 분석은 위험한 부가가 아닌 통제된 워크플로우로 전환됩니다. 또한 팀이 엄격한 거버넌스 규칙을 준수하면서 사용자 속도를 늦추지 않도록 돕습니다.

기존 데이터 모델을 사용하세요, 모델이 SQL을 작성하도록 내버려 두지 마세요

많은 대화형 분석 소프트웨어 도구는 사용자 프롬프트에서 직접 SQL을 생성합니다. 이건 위험해. 보안 규칙을 우회하며 종종 예측 불가능한 결과를 낳습니다. 더 강력한 접근법은 원시 SQL 대신 대시보드 정의나 시각화 구성을 생성합니다. 요청은 기존의 인증, 행 수준 보안, 필터링 로직을 거칩니다. 이로 인해 모든 쿼리에서 접근 규칙이 일관되고 예측 가능하게 유지됩니다.

자연어를 단순한 채팅창이 아니라 의도 계층으로 다루세요

현대 시스템은 자연어를 유연한 명령 계층으로 취급합니다. 사용자는 대시보드 생성, 위젯 추가, 필터 적용, 시각화 요약 등을 요청할 수 있습니다. 이러한 대화형 분석 예시들은 의도가 업무 흐름을 어떻게 이끌는지를 보여줍니다. 채팅 패널, 검색창, 컨텍스트 메뉴에서 질문을 하면 같은 내부 논리가 작동한다. 이로 인해 제품 전반에 걸쳐 일관된 경험이 제공되며, 기존 AI 기반 분석 워크플로우와 깔끔하게 맞출 수 있습니다.

테스트, 점수 산정, 가드레일을 통해 AI를 쉽게 신뢰할 수 있게 만드세요

AI는 SaaS 제품 내에서 사용될 때 예측 가능하게 행동해야 합니다. 강력한 시스템은 관련성 점수, 통제된 프롬프트, 명확한 출력 규칙을 포함합니다. 또한 팀들이 알려진 대시보드를 통해 다양한 모델을 테스트하여 정확성과 속도를 평가할 수 있습니다.

이러한 원칙을 중심으로 구축된 모델은 팀이 대화 분석을 완전히 통제할 수 있게 합니다. 다음 단계는 보안이 이 접근법에 어떻게 부합하는지, 그리고 왜 모든 설계 선택에 영향을 미치는지 이해하는 것입니다.

보안 계층: AI, 데이터, 분석을 통제하에 두기

팀이 AI 데모에서 본용 대화형 분석으로 전환할 때 보안은 가장 큰 위험이 됩니다. 사용자들은 빠른 답변을 원하지만, 고객들은 자신의 데이터에 대한 엄격한 통제를 기대합니다. 많은 도구들이 이 격차를 무시합니다. 그들은 외부 모델을 통해 SQL을 생성하고, 이를 외부 환경 외부로 보내며, 공급업체가 모든 것을 안전하게 지켜주길 바라는 것입니다.

Reveal 다른 길을 택합니다. 이 시스템은 전체 대화형 분석 워크플로우를 제품의 보안 경계 내에 유지합니다. 원시 데이터는 환경 밖으로 나가지 않으며, AI 계층은 이미 적용한 모든 규칙을 준수합니다.

AI는 공급업체의 클라우드가 아니라 데이터 옆에 두세요

대부분의 대화형 분석 소프트웨어는 사용자 프롬프트를 클라우드 모델에 보내고, 그 모델은 SQL을 작성합니다. 이로 인해 보안 사슬이 끊어집니다. 왜냐하면 다음과 같습니다:

• 모델은 사용자의 권한을 모릅니다.

• 행 수준의 보안을 강제할 수 없습니다.

• 이 과정에서 절대 공개하지 않을 장이나 패턴이 드러날 수 있습니다.

Reveal이 패턴을 완전히 피합니다. AI는 여러분의 클라우드 계정이나 인프라를 통해 실행되며, 여러분의 앱만이 모델과 통신합니다. 모델은 메타데이터를 받고, 원시 데이터는 받지 않습니다. 이렇게 하면 소유권과 통제권이 제자리에 머무르는 것이 중요합니다: 바로 팀 안에서.

기존 보안 모델을 통해 대시보드를 생성하세요

Reveal AI가 SQL을 생성하게 하지 않습니다. 대신 SDK DOM을 사용해 자연어를 대시보드 JSON 정의로 변환합니다. 이 정의는 제품 내 모든 대시보드에 사용되는 동일한 서버 수명주기를 거칩니다. 이를 통해 모든 기존 통제가 적용되도록 보장합니다:

• 입증

• 데이터 소스 항목

• 행 수준 보안

• 필터

• 사용자 맥락

사용자가 일반 대시보드에서 지표를 볼 수 없다면, 대화형 분석으로도 볼 수 없습니다. 이것이 팀들이 내장형 분석 내에서 안전한 대화형 AI를 Reveal 선택하는 핵심 이유 중 하나입니다.

AI 접근을 위한 두 번째 보안 계층 추가하기

Reveal 기존 보안 모델 위에 또 다른 통제 계층을 추가합니다. AI가 다룰 수 있는 데이터셋과 금지된 데이터셋을 결정하는 것은 여러분입니다. 여기에는 다음이 포함됩니다:

• 테이블 및 뷰 화이트리스트. AI는 각 데이터 소스 내의 특정 데이터셋으로 제한하세요.

• 메타데이터가 덮어쓰입니다. "작업 티켓"이나 "케이스 코드" 같은 도메인 용어는 스키마를 변경하지 않고 기본 필드에 매핑할 수 있습니다.

• 의도 수준 제어. 대시보드 생성, 편집, 요약, 분석을 적절한 경우에만 허용하세요.

이러한 옵션들은 대화형 분석에 있어 예측 가능하고 안전한 환경을 만듭니다. 제품, 규칙, 준수 요구를 이해하지 못하는 모델에 권한을 주지 않고도 자연어의 유연성을 얻을 수 있습니다.

대화형 분석이 실제로 제품 내에서 어떻게 작동하는지에 대해

대화형 분석이 실제로 작동하는 모습을 보면 이 기능이 실제 제품 내에서 무엇을 할 수 있는지 이해할 수 있습니다. 아래 영상은 Reveal 워크플로우를 단계별로 안내하며, 자연어 쿼리가 실시간으로 안전한 대시보드, 요약, 업데이트로 어떻게 전환되는지 보여줍니다. 임베디드 환경 내에서 사용자가 기대할 수 있는 정확한 동작을 보여줍니다.

대화형 분석이 임베디드 분석 내에서 어디에 위치하는지에 대해

대부분의 사용자는 목적을 가지고 앱을 엽니다. 그들은 빠른 답변이나 어제 이후 무엇이 변했는지 명확히 보고 싶어 합니다. 대시보드는 도움이 되지만, 사람들이 근무 중에 묻는 모든 질문을 다 다루지는 못합니다. 이럴 때 대화형 분석이 유용해집니다. 탐험과 액션 사이의 공간을 채워 사용자가 직접 필요한 것을 요청할 수 있도록 합니다.

대화형 분석은 대시보드 뒤에 있는 데이터가 동일하기 때문에 기존 워크플로우에 잘 어울립니다. 단지 사용자가 연결된 데이터 소스를 통해 더 빠르게 접근할 수 있게 해주며, 그 소스들이 어떻게 구조화되어 있는지 이해하지 않아도 됩니다.

기존 대시보드 내에서 더 빠른 답변

사용자들은 종종 대시보드를 열어 추세와 주요 지표를 확인합니다. 무엇이 변했는지 알 수 있을 정도는 보이지만, 한 가지 더 필요한 부분이 있다. 이럴 때 대화형 분석이 가장 빠른 선택이 됩니다. 국가별 내역, 지난달과의 비교, 또는 새로운 시각을 만들지 않고도 최고 성과자 목록을 요청할 수 있습니다.

짧은 쿼리가 메뉴를 클릭하거나 대시보드를 바꾸는 것보다 종종 더 쉽습니다. 사용자는 작업에 집중하며 깊은 탐색의 마찰을 피합니다.

비기술적인 사용자들이 필요한 것을 만들 수 있도록 돕습니다

많은 사용자가 원하는 결과를 알고 있지만, 그것을 제공하는 대시보드를 어떻게 조립해야 할지 모릅니다. 그들은 테이블, 조인, 필드, 또는 집합을 이해하지 못합니다. 대화형 분석은 그 장벽을 제거합니다. 간단한 질문으로 그들이 생각한 것과 일치하는 차트, 표, 위젯을 반환할 수 있습니다.

이는 매일 앱에 의존하지만 전체 편집기에 익숙하지 않은 사용자에게 도움이 됩니다. 또한 지원팀과 제품 팀에 가해지는 부담도 줄어듭니다. 사용자가 쉽게 질문할 수 있을 때, 스키마를 탐색하는 데 도움이 필요하지 않습니다.

예시는 다음과 같습니다:

• 지역 내역을 빠르게 원하는 관리자들.

• 볼륨이나 예외를 확인해야 하는 운영자.

• 대시보드를 다듬기 전에 출발점을 원하는 분석가들.

데이터와 액션 간의 마찰 감소

사용자들은 종종 새로운 대시보드보다는 작은 변경이 필요합니다. 위젯을 추가하거나, 필터를 조정하거나, 간단한 보고서를 생성하고 싶어할 수도 있습니다. 대화형 분석은 작업 흐름을 중단하지 않고 이를 가능하게 합니다.

이는 임베디드 분석의 흐름에 자연스럽게 녹아들어 사용자가 자신의 작업 맥락을 파악하면서도 행동할 수 있게 합니다. 화면을 떠나거나 빌더를 열거나 메뉴를 검색할 필요가 없습니다.

이로 인해 제품이 더 빠르고 지지력이 높아집니다. 사용자들은 이런 수준의 편리함을 경험하면 어디서나 기대하게 됩니다.

Reveal의 접근법: SaaS를 위한 유연하고 안전한 대화형 분석

대부분의 팀은 실제 제품 안에 담으려고 하면 일반적인 대화형 분석 소프트웨어의 한계에 도달합니다. 그들은 빠른 대응, 정확한 인사이트, 기존 규칙을 존중하는 안전한 아키텍처가 필요합니다. Reveal AI를 환경 내에 두고, 개발자에게 완전한 통제권을 제공하며, 모든 사용자에게 예측 가능한 경험을 제공함으로써 이러한 요구를 충족합니다.

Reveal 당신의 데이터를 건드리지 않습니다. 앱은 선택한 모델과 클라우드 계정이나 인프라를 통해 통신합니다. 아무것도 환경을 벗어나지 않으며, AI 계층은 이미 내장된 대시보드를 통해 강제하는 동일한 제어 내에서 작동합니다.

당신의 환경 안에서 작동하는 AI

Reveal 데이터와 AI 워크플로우를 모두 통제할 수 있게 해줍니다. 시스템은 인증, 클라우드 계정, 거버넌스 모델을 사용합니다. 이는 분석 공급업체가 외부 서비스에 프롬프트와 쿼리를 보낼 때 발생하는 보안 공백을 피할 수 있습니다.

주요 장점은 다음과 같습니다:

• 모델을 선택하세요: Azure OpenAI, 로컬 소형 언어 모델, 또는 기타 제공자.

• AI는 메타데이터를 받고, 원시 데이터가 아닙니다.

• Reveal 쿼리, 데이터셋, 결과를 전혀 못합니다.

• 모든 AI 기능은 선택 사항이며 완전히 설정할 수 있습니다.

• 모든 데이터가 데이터 옆에서 실행되기 때문에 예측 가능한 성능입니다.

이로 인해 대부분의 AI 기반 분석 플랫폼이 따라올 수 없는 수준의 통제력을 팀에 부여합니다.

실제 제품을 위한 안전한 아키텍처

Reveal SDK DOM을 사용해 자연어 요청을 SQL 대신 안전한 대시보드 정의로 변환합니다. 모든 결과는 Reveal 서버 수명주기를 거치므로, 기존 규칙이 모든 단계에서 스스로 적용됩니다.

다음과 같은 혜택을 받을 수 있습니다:

• 모든 쿼리에 대해 행 단위 보안.

• 모든 필터와 사용자 컨텍스트가 자동으로 적용됩니다.

• AI가 사용할 수 있는 테이블과 뷰를 제어할 수 있습니다.

• 고객이 사용하는 도메인 용어의 메타데이터가 덮어쓰입니다.

• 안전한 실행은 모델이 SQL을 작성하지 않기 때문입니다.

이렇게 하면 대화 분석에서 가장 흔한 실패 지점을 제거하고 준수 태세를 유지할 수 있습니다.

개발자와 제품 팀을 위해 설계되었습니다

Reveal 분리된 챗봇이 아니라 진정한 임베디드 솔루션으로 작동합니다. AI 기능을 UX 어디에나 배치할 수 있고, SDK를 통해 전체 경험을 제어할 수 있습니다. 이렇게 하면 대화 분석 도구를 제품에 자신의 조건에 맞게 자유롭게 적용할 수 있습니다.

Reveal 제품 팀을 지원합니다:

• 채팅, 요약, 대시보드 편집, 분석을 위한 완전한 API 서피스입니다.

• 활성화하고자 하는 워크플로우에 따라 각 AI 의도를 제어할 수 있습니다.

• 앱 내 어떤 화면에도 인사이트를 추가할 수 있는 깔끔한 경로입니다.

• 사용자에 따라 증가하지 않는 고정된 연간 비용입니다.

• ​AI 기반 분석을 위한 안전하고 확장 가능한 기반입니다.

이것이 팀이 채택률을 높이고, 임베디드 분석 고객 유지율을 높이며, 신기능 출시 시간을 단축 하는 방법입니다. 또한 제품 분석, 수익, 데이터 수익화 기회를 통해 장기적인 성장을 지원합니다.

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