여러 데이터의 복합 질문을 AI가 처리하는 방법

복합 질문을 AI가 처리하려면 무엇이 필요할까요?

여러 데이터에 걸친 복합 질문을 AI가 처리하려면 문서를 찾아 나열하는 것만으로는 부족해요. 같은 업무 대상을 식별하고 데이터 사이의 관계를 연결한 뒤, 답변의 출처와 신뢰도를 확인할 수 있어야 해요. 질문이 실제 업무로 이어진다면 답변과 실행 단계도 구분해야 해요.

한 문서에서 계약일을 찾는 질문과 여러 현장의 원가·공정·계약 정보를 비교하는 질문은 구조가 달라요. 전자는 검색으로 접근할 수 있지만, 후자는 어떤 현장과 계약이 연결되는지를 알아야 맥락에 맞는 답을 구성할 수 있어요.

객체·속성·관계로 만드는 질문의 맥락

복합 질문의 기반은 흩어진 정보를 일관된 업무 객체로 정리하는 일이에요. ERP·CRM·문서 저장소에 나뉜 정보를 현장, 공정, 원가, 계약처럼 실제 업무에서 사용하는 대상으로 묶으면 AI가 무엇을 비교하고 연결해야 하는지 파악하기 쉬워져요.

객체를 구분하려면 법인명, 사업자등록번호, 프로젝트 코드 같은 식별 속성이 필요해요. 그다음 현장과 원가, 계약과 법인처럼 데이터 사이의 관계를 연결해요. 같은 이름처럼 보여도 식별 기준이 다르면 다른 대상일 수 있으므로, 연결 기준을 먼저 정리해야 해요.

답변을 판단할 때는 문장이 자연스러운지만 보지 말고 어떤 원본과 관계를 근거로 삼았는지 확인해야 해요. Ontokit은 각 정보와 연결에 출처와 신뢰도를 기록하고, 근거가 충분하지 않으면 답변을 보류하도록 설계돼 있어요. 변경 이력과 승인 기록도 함께 남기면 답변이 만들어진 과정을 추적하는 데 도움이 돼요.

복합 질문을 처리하는 단계별 설계 방법

먼저 질문에서 필요한 업무 객체와 비교 속성을 나눠야 해요. 예를 들어 여러 현장의 원가 상태를 비교한다면 현장은 객체가 되고, 프로젝트 코드와 원가 정보는 대상을 식별하거나 비교하는 기준이 돼요. 질문의 범위가 불분명하면 어떤 데이터를 연결해야 하는지도 흐려져요.

다음으로 각 객체가 어느 데이터에 있고 어떻게 이어지는지 정리해요. RDB, 엑셀, PDF, 한글 문서의 원본을 바꾸지 않고 동일한 현장·법인·계약 정보를 연결할 수 있어요. 문서 검색과 데이터 관계 탐색을 함께 활용하면 여러 출처에 걸친 질문의 맥락을 구성할 수 있어요.

마지막으로 답변 확인과 업무 실행을 분리해 설계해야 해요. 조회 결과를 보여주는 단계와 알림 발송, 업무 요청, 시스템 반영 같은 후속 행동은 영향 범위가 달라요. 실행이 필요한 작업은 승인 절차를 거치고, 승인 이력과 감사 로그를 남길 수 있는지 살펴보는 것이 좋아요.

상황별 선택 기준과 자주 묻는 질문

Q. 단순 검색과 관계 기반 접근은 어떻게 구분하나요?

한 출처에서 특정 내용을 찾는 질문이라면 검색 중심 접근을 고려할 수 있어요. ERP·그룹웨어·엑셀·문서처럼 출처가 나뉘고 동일 대상의 비교나 연결이 필요하다면, 식별 기준과 데이터 관계를 함께 점검하는 편이 적절해요.

Q. 기업 AI 도입 전에 보안과 배포 구조는 무엇을 확인해야 하나요?

민감 정보를 어떤 범위에서 식별하고 연결하는지 먼저 확인해야 해요. 고객 환경과 보안 정책에 맞춰 전용 클라우드 또는 고객 VPC 배포 구조를 선택할 수 있는지, 영향이 있는 실행에 승인 절차가 적용되는지도 함께 살펴보세요.

복합 질문 처리의 핵심 정리

복합 질문을 처리하는 핵심은 데이터를 한곳에 모으는 데 있지 않아요. 객체·속성·관계·실행 구조를 통해 질문의 업무 맥락을 만들고, 출처와 신뢰도를 확인할 수 있어야 해요.

질문이 한 출처의 단순 조회인지, 여러 데이터의 비교와 후속 실행까지 필요한지 먼저 구분해 보세요. 데이터가 분산되고 관계가 복잡할수록 검색과 관계 탐색, 승인 기반 실행을 함께 설계하는 접근이 필요해요.