모든 현업을 위한 데이터 분석 도구 , HEARTCOUNT의 36번째 뉴스레터
매월 HEARTCOUNT 소식을 전달 드립니다 💌 |
안녕하세요, HEARTCOUNT팀입니다.
한해의 첫 달 잘 보내셨나요? 긴 연휴 덕에 유난히 빠르게 흘러간 1월이네요.
2024년 2월 뉴스레터는 최근 뜨거운 관심을 받고 있는
AI Agent 특별호로 구성했습니다.
📌 2025 AI Agent의 모든 것 & 2월 웨비나
📌 HEARTCOUNT, Analytical AI Agent
📌 1월 발행 콘텐츠 다시보기
재밌게 읽어주세요! 그럼, 다음 달에 다시 뵙겠습니다 😉 |
📈 2025 AI Agent의 모든 것 (2월 웨비나) |
업무 자동화 플랫폼인 Glean은 설립 4년이 채 못 되어 연 매출 4천만 달러를 달성하였고, AI 변호사인 Harvey는 3년 만에 5천만 달러의 매출을 기록하였습니다. AI 코딩 도구인 Cursor는 월 매출이 6개월 만에 35만 달러에서 400만 달러로 증가했으며, Digital Worker를 개발하는 스타트업 11x는 2023년 말에 서비스를 출시(아래 그림)하여 2024년에 1천만 달러 매출(ARR)을 달성했다고 합니다. |
AI를 기업에 팔기 위해(업체들), AI를 활용해 덜 쓰고 더 벌기 위해(기업들) 챗봇을 뛰어넘는 AI use case에 대한 담화가 활발하고, 이 모든 이야기들이 "AI Agent"라는 키워드로 수렴하고 있습니다.
다가오는 하트카운트 웨비나에서 AI Agent에 대해 아래와 같은 내용으로 이야기를 나누고자 합니다. 많은 관심 부탁드립니다.
|
웨비나에서 다룰 내용들
💡 AI Agent Overview
Google과 Anthropic에서 작성한 백서를 바탕으로 AI Agent의 기본 개념과 구조에 대해 살펴보고 AI Agent가 해결해야 하는 당면 과제에 대해 논의합니다. 실제 기업 내 구축 시 참고할 수 있는 MARS(Multi-Agent RAG System)에 대해서도 소개하겠습니다.
💡 AI Agent Use Cases
산업 및 역할(개발, 영업 등)에 따른 기업용 주요 AI Agent들을 함께 살펴보도록 하겠습니다.
💡 AI Agent for Data Analysis
(정형) 데이터 분석에서 AI Agent가 어떤 구조로 어떻게 활용되고 있는지 유관 산업과 연구 동향을 살펴보고, 당장의 한계와 그 극복 방안에 대한 제 생각을 공유하고자 합니다.
|
HEARTCOUNT, Analytical AI Agent |
 |
"실무자에게 데이터 분석이란 지표와 관련한 그때 그때의 질문(ad-hoc questions)에 (정형) 데이터를 사용하여 빠르고 정확하게 답변하는 일"이고, "HEARTCOUNT가 실무자들이 이 일을 해내는데 제법 요긴한 도구"라는 이야기를 처음 한 것이 벌써 3년 전입니다.
우리 앞에 놓인 "답변"이 질문에 대해 (정형) 데이터가 답할 수 있는 최선의 답변이고, 그 사실을 우리가 신뢰할 수 있다면, "답변"이 생성되는 과정은 몰라도 되는, 알고 싶지도 않은 일일 수도 있겠다는 생각을 요즘 하고 있습니다. 데이터 분석이 실무자가 모두 익혀야 마땅한 스킬(data literacy)이 아니라 AI가 대신할 수 있는 지루한 기계적 절차일 수도 있겠다는 생각입니다.
실무자의 일을 도와주는(augmentation) 데이터 도구와 실무자의 일을 대신하는(automation) 데이터 도구 사이의 경계가 당장은 모호합니다. 하지만, 기술과 산업은 우리의 생산성보다는 회사의 생산성을 높이는 방향으로 발전할 것이고, 결국 실무자들이 전통적인 방식으로 데이터를 분석하고 보고서를 작성하는 일은 사라질 것입니다. 그리고, 답변이 생성되는 과정에는 무심한 채 그 결과만을 소비하게 되었을 때 우리가 치러야 할 대가가 무엇일지 잘 모르겠습니다. 그래도 우리는 어떻게든 잘 적응하겠지요.
데이터 분석 질문에 답변을 척척 해주는 AI 도구를 요즘 유행하는 AI Agent에 Analytical을 더해 "Analytical AI Agent"라고 명명해 봅니다. 우리가 AI Agent에 백지위임장(Carte Blanche)과 같은 전권을 부여할 수 있기까지는 아직 시간이 좀 더 필요할 것입니다. 하지만, 하나의 정답이 없는 복잡하고 어려운 질문(hard question)을 하위 질문들로 분해(Planning/Reasoning)하고, 외부 도구(SQL, 분석 알고리즘 등)을 활용하여 답변을 생성해내는 AI Agent는 이미 당장 실현 가능한 기술이 되었습니다.
|
|
HEARTCOUNT에는 이미 아래와 같은 Analytical AI Agent 기능이 구현되어 있습니다.
✔️ 데이터셋(엑셀, csv)을 연동하는 경우
Data Q&A
간단한 집계성 질문(descriptive analytics)에 대한 답변 자동화 기능. 개방형 질문을 이해하고 문맥에 맞는 질문을 추천하기 위해 LLM과 TTS(Text-to-SQL) 기술을 사용.
Dialogue
왜, 어떻게와 같은 하나의 정답이 없는 hard questions에 답하기 위한 기능. 분석 의도를 파악한 후 분석 목적에 맞는 최적의 패턴을 제공하기 위해 ML, 자체 통계분석 알고리즘을 사용.
⚙️ DW(DB)와 연동하는 경우 (ABI 고객)
RAG-based TTS
복잡한 스키마에 대한 개방형 질문에 답할 수 있는 SQL 생성 정확도를 높이기 위해 RAG 기술을 사용
Data Q&A for Schema
RAG 기반 TTS 엔진을 사용하여 특정 스키마(관련된 DB 테이블 집합)에 대한 개방형 질문에 차트, 결과 테이블, 설명을 제공하는 기능 (25년 3월 공식 출시 예정)
|
지금 바로 시작해 보세요. 관련 문의 사항이 있다면 support@idk2.co.kr로 연락주세요.
|
이 달의 콘텐츠 #1
RAG로 강화된 HEARTCOUNT ABI의 Text to SQL 2.0과 메타데이터 관리 |
자연어로 데이터베이스에 질문하면 SQL을 자동 생성해주는 Text-to-SQL 기술,
단순한 질문만으로는 정확한 쿼리를 생성하기 어려운 이유가 있습니다.
이 문제를 해결하기 위해 등장한 RAG와 메타데이터가 어떤 역할을 하는지 소개하고,
HEARTCOUNT ABI의 Text to SQL 2.0는
메타데이터를 어떻게 저장하고 활용하는지 알아봅니다.
|
이 달의 콘텐츠 #2
보안 우려를 뛰어 넘는 하트카운트만의 기술, 데이터 난독화 |
데이터 보안은 분석을 통해 유의미한 인사이트 얻는것 만큼 중요합니다.
HEARTCOUNT는 데이터 난독화 보안 기술을 적용해
기업의 민감한 정보를 보호하면서도 분석에 활용할 수 있도록 설계되었습니다.
데이터를 클라우드 서버에 저장하지 않고 분석 결과를 보여주는
HEARTCOUNT의 보안 원칙과 독자적인 기술을 확인해 보세요.
|
커뮤니티 홈에서 더 많은 콘텐츠를 접해 보세요. |
© IDK SQUARED, Inc All rights reserved
HEARTCOUNT (04518) 서울특별시 중구 정동길 35 |
|
|
|
|
|
|