신뢰할 수 있는 답변

어떤 AI든 여러분의 숫자에 대해 자신 있는 문단을 쓸 수 있습니다. 어려운 부분, 즉 그 답변을 바탕으로 행동할 수 있는지를 결정하는 부분은 언제 신뢰해야 하는지를 아는 것입니다. PlaidCloud는 바로 이를 위해 만들어졌습니다.

연결된 AI 어시스턴트에게 데이터를 설명해 달라고 요청하면 PlaidCloud는 숫자만 돌려주지 않습니다. 그 숫자를 얼마나 신뢰할 수 있는지 등급을 매기고, 근거가 약한 부분을 쉬운 말로 알려 주며, 자체 계산을 대조 검증하고, 어떤 것도 지어내지 않습니다. 이것이 그럴듯하게 들리는 어시스턴트와 CFO 앞에 내놓을 수 있는 어시스턴트의 차이입니다.

모든 답변에 신뢰도 신호가 포함됩니다

PlaidCloud는 자체 답변에 높음, 보통, 낮음 중 하나로 신뢰도를 매기고 그 이유를 함께 알려 줍니다. 모든 요인이 깔끔하게 귀속된 결과는 높음으로 반환됩니다. 비교하려는 두 기간의 완성도가 같지 않거나 변동의 일부를 하나의 원인으로 특정할 수 없으면, PlaidCloud는 불확실한 숫자를 확실한 것처럼 제시하지 않고 그 사실을 알리면서 스스로 신뢰도를 낮춥니다.

어시스턴트가 확신하는지 궁금해할 필요가 없습니다. 답변 맨 앞에서 알려 줍니다.

신뢰도 등급은 자신이 다루는 범위를 밝힙니다. 답변은 한 줄 요약으로 시작하며, 이 요약에는 가능성이 높은 원인을 밝히고, 변동의 대부분을 만든 멤버를 짚고, 변화 규모를 전년과 비교한 내용이 담길 수 있습니다. 그다음에 신뢰도 등급으로 마무리됩니다. 이 등급이 다루는 것은 한 가지입니다. 변화를 기여한 부분으로 얼마나 잘 분해했고, 그것을 만들어 낸 단계들을 거슬러 얼마나 잘 추적했는가입니다. 위에 언급된 원인에 대한 판정이 아닙니다. 이제 이 줄은 그 점을 명시하며, “분해에 대한 신뢰도이며, 변동 이유에 대한 신뢰도는 아님: 높음”이라고 표시합니다. 요약에서 원인을 언급하지 않았다면 뒷부분은 생략하므로, 하지 않은 주장을 부정하는 일이 없습니다. 이 요약은 단독으로 전달되거나 주변 페이지 없이 어시스턴트가 읽을 가능성이 가장 큰 부분이므로 특히 중요합니다.

등급을 한정하는 내용은 별도의 문장으로 이어지며 “주의 사항:“이라는 머리말이 붙습니다. 예전에는 등급과 한정 내용이 대시로 연결되어 때문에처럼 읽혔습니다. 그래서 높음 뒤에 대시와 한계가 오면, 등급이 바로 옆의 그 한계에 근거한 것으로 해석되었습니다. 이제는 두 개의 문장이므로 둘 사이에 어떤 관계도 주장하지 않습니다. 한정 내용 자체는 그대로이며, 답변 아래쪽에 여전히 전체가 나열됩니다.

등급이 낮아진 이유는 등급에 붙는 각주가 아니라 명시된 한계입니다. 변화의 일부가 하나의 효과가 아니라 여러 효과가 동시에 움직여서 생긴 경우, 그 비중이 등급을 높음 아래로 붙잡아 두는 요인이 됩니다. 그리고 이는 정직한 한계 아래에, 그것이 무엇을 의미하고 무엇에 영향을 주는지와 함께 답변의 다른 모든 한계와 나란히 명시됩니다. 등급 자체는 짧은 레이블로 유지됩니다. 여러 열을 다루는 답변은 단일 수치가 모든 열을 대표할 수 없으므로, 열 전반에서 측정한 범위를 등급 줄에 명시합니다.

열마다 판단이 엇갈리면, 이유는 가장 설명이 필요한 열에서 가져옵니다. 같은 등급이 매겨진 여러 값 열을 다루는 답변은 예전에는 가장 먼저 나온 열의 이유와 그 열의 잔여 비중을 답변 전체의 것으로 가져왔습니다. 그래서 최악의 열에서 변동의 대부분이 어느 단일 요인으로도 설명되지 않는 부분에 있더라도, 작은 비중이 옆에 표시된 채 거의 깔끔한 답변으로 게시될 수 있었습니다. 이제는 어떤 열이든 변동이 분리할 수 없는 효과에 좌우되면 그것이 명시되는 이유가 되며, 다른 열에서 측정한 비중은 함께 인용되지 않습니다.

반대 방향의 움직임으로 변화가 상쇄되었다고 말하면서 같은 분해를 깔끔하다고 평가하지 않습니다. 한 멤버 자체의 변화가 전체 순변화보다 크면 양방향 움직임이 부분적으로 상쇄된 것입니다. 그런데 그 멤버를 지목하는 줄은 변화가 순변화를 간신히 넘자마자 그렇게 말했지만, 옆에 있는 등급은 상쇄를 훨씬 더 뒤에 가서야 중요한 것으로 취급했습니다. 그래서 가장 큰 멤버가 순변화를 근소하게 넘은 답변이 움직임이 상쇄되었다고 말하면서 같은 페이지에서 같은 분해를 깔끔함으로 평가했고, 어느 쪽을 믿어야 하는지 알려 주는 것이 없었습니다. 이제 이 줄은 상쇄가 등급을 낮출 만큼 클 때만 움직임이 서로 상쇄된다고 말합니다. 그 미만이면 멤버의 비중을 대신 제시합니다. “line=PERSONAL_AUTO = 델타의 101.6% — 이는 풀 내 비중의 이동이 아니라 해당 멤버 자체의 변화임”처럼 표시하며, 100%를 넘는 경우 소수점 이하 한 자리까지 표시하므로 100%를 근소하게 넘는 부분이 반올림으로 왜곡되지 않습니다. 상쇄가 중요한 답변은 이전과 똑같이 읽히며, 어떤 요인이 움직였는지 따로 알려 주는 줄은 그대로입니다.

요약은 답변에 한계가 있을 때마다 신뢰도를 밝힙니다. 답변 뒤의 어떤 단계에서도 자체 경고가 나오지 않은 경우, 답변 전체가 전년 대비 변화 규모를 산정하지 못한 것과 같은 한계를 가졌더라도 등급이 아예 생략되었습니다. 이 줄은 가장 자주 단독으로 전달되는 줄이므로, 침묵은 한계가 아래에 나와 있다가 아니라 할 말이 없다로 읽혔습니다. 이제 요약은 등급을 밝히고 한계를 명시합니다. “분해에 대한 신뢰도: 높음. 주의 사항: 이 변동은 전년도 변화와 비교한 규모가 산정되지 않았습니다.” 표시할 것이 없는 답변은 이전처럼 이 문장 없이 끝납니다.

명시된 깊이는 그중 얼마나 많은 단계가 수치를 가져왔는지도 알려 줍니다. 요약은 답변이 몇 단계까지 거슬러 추적했는지를 밝히며 끝나는데, 그 줄에서 어디까지 도달했는지 알려 주는 것은 이 횟수뿐이므로 독자는 이를 뒷받침 근거로 받아들입니다. 추적이 도달했지만 숫자를 돌려받지 못한 단계는 그에 해당하지 않습니다. 이제 추적한 단계 중 하나라도 빈 결과를 반환하면, 그중 몇 개가 수치를 반환했는지 이 줄에 표시됩니다. “2개 단계 상류까지 추적했으나 2개 중 1개만 수치를 반환했으며, 나머지는 수치가 전혀 없음.” 변화가 측정되었지만 단일 생성 단계로 특정할 수 없었던 단계는 측정된 변화가 근거이므로 여전히 계산에 포함됩니다. 귀속할 수 없었다는 사실은 정직한 한계 아래에 따로 명시됩니다. 모든 단계가 수치를 반환한 요약은 이전과 똑같이 읽힙니다.

주의가 필요할 때 알려 줍니다

PlaidCloud는 가정을 감추지 않고 답변에 붙는 쉬운 말의 주의 안내로 드러냅니다.

답변이 표시하는 내용…	의미…
“전체 풀을 설명합니다”	이 수치는 합계입니다. 멤버(지역, 제품, 코스트 센터) 사이에서 어떻게 이동하는지 보려면 특정 멤버에 대해 질문하십시오. 이 안내는 답변에 멤버별 분해가 표시되지 않을 때만 나타납니다. 분해가 표시되면 이 안내는 사실이 아니므로 출력되지 않습니다. 이 안내가 체인의 앞선 단계를 지목하는 경우(“단계 2(…)”로 시작) 질문 범위를 좁혀도 그 단계에는 닿지 않으므로, 해당 단계의 테이블을 직접 추적하십시오.
“기간의 완성도가 같지 않습니다”	한 기간이 불완전한 달이거나 짧은 구간일 수 있으므로, 변동의 일부가 실제 변화가 아니라 누락된 데이터일 수 있습니다. 인용된 행 수는 전체 결과에 대한 것이며, 여러 배부 브랜치를 다시 결합한 테이블에서는 모든 브랜치를 합친 값입니다.
“세부 항목이 완전히 일치하지 않습니다”	세부 분해의 합이 헤드라인 숫자와 정확히 일치하지 않습니다. 분해 결과는 정확한 값이 아니라 참고용으로 보십시오.
“정확한 원인은 부분적입니다”	합계는 정확하지만, 보유한 데이터만으로는 변화의 정확한 동인을 완전히 귀속시킬 수 없습니다.
“일부 대상은 측정할 수 없었습니다”	가정 분석(what-if)에서 한 단계의 계산이 실패하여, 그 단계가 기록하는 결과에는 추측값이 아니라 수치가 아예 없습니다. 합계에는 측정된 것만 포함되며, 그 단계의 하위에 있는 항목은 그로부터 추정하지 않고 제외됩니다.
“현재 비중 기준으로 추정됨”	가정 분석 추정치는 영향을 받는 결과 각각의 현재 풀 내 비중에 따라 변화를 나눕니다. 그래서 수치의 합이 맞지만, 이는 비중이 이동했을 수 있는 미래에 대한 정밀한 예측이 아니라 현재 모델이 구성된 방식을 반영합니다.

이것은 작은 글씨로 된 단서가 아닙니다. 자신 있게 들리는 답변이 데이터가 실제로 뒷받침하는 것 이상을 은근슬쩍 부풀리지 않도록 막아 주는 안전장치입니다.

결과의 일부만 설명하는 안내는 어느 부분인지 밝힙니다. 안내는 결과 전체가 아니라 일부에서 발생할 수 있으며, 그 경우 수치는 그 부분에만 해당하므로 안내가 그 부분의 이름으로 시작합니다. 여러 배부 브랜치를 결합한 결과에서는 “브랜치 4(관리 비용): …“처럼 표시됩니다. 여러 값 열을 한꺼번에 배부하는 결과에서는 “열 margin: …“처럼 열 이름을 밝힙니다. 접두어가 없는 안내는 요청한 결과에 대한 것으로, 접두어가 있는 안내는 그 부분에 대한 것으로 읽으십시오.

둘 이상의 부분에 적용되는 경우에는 모두 나열합니다. 예를 들어 “열 revenue, margin: …“과 같습니다. 따라서 그 목록에 없는 열은 안내가 적용되지 않는 열이며, 이것이 목록을 만드는 이유입니다. 열이 세 개인 결과에서 두 열이 하나의 안내를 공유하는데 그중 하나만 이름을 밝히면 나머지는 해당하지 않는 것처럼 읽히기 때문입니다. 모든 부분에서 발생한 안내는 구별할 대상이 없으므로 접두어가 전혀 붙지 않습니다.

한 가지 경우는 의도적으로 다르게 읽힙니다. 각 부분이 자신의 수치로 안내를 발생시킨 경우, 표시되는 안내는 한 부분의 것이므로 한 부분의 숫자 앞에 여러 이름을 인용하면 숫자를 잘못 귀속시키게 됩니다. 그래서 그 부분의 이름을 밝히고 나머지는 그 뒤에 나열합니다. “열 revenue(margin도 발생시킴): …” 이 문장의 수치는 revenue의 것이며, margin은 자신의 수치로 같은 종류의 안내를 발생시켰습니다.

무엇을 비교했는지 밝히며, 이를 시간이라고 부르지 않습니다

수치가 왜 움직였는지 묻는다는 것은 그 사이에서 비교할 두 대상을 지정한다는 뜻입니다. 대개 지난달과 이번 달, 2025년과 2026년처럼 두 기간이며, 답변도 그에 맞게 작성됩니다. 기간을 명시하고, 1년 전 같은 구간과 비교해 변화 규모를 산정하며, 한 기간이 다른 기간보다 덜 완성된 것으로 보이면 경고합니다.

그러나 두 대상이 반드시 기간일 필요는 없습니다. 비교 대상을 시나리오, 버전, 케이스 또는 예산 대 실적으로 지정하면, 둘 중 어느 쪽이 움직였는지, 무엇이 원인이었는지, 어떤 멤버가 그 변화를 이끌었는지에 대해 충분히 타당한 설명을 얻게 됩니다. 이것은 작동하며 활용할 가치가 있습니다.

문제는 그 주변 표현이었습니다. 버전 7과 버전 8을 비교할 때 답변은 한 단계 거슬러 올라가 버전 6에 대한 변화 규모를 산정하는 “전년 대비” 판정을 보고했습니다. “작년 변동의 275% 규모, 6 → 7은 -$400,000 변동”이라는 식이었으며, 문장 안의 모든 수치는 맞았지만 문장의 주어가 틀렸습니다. 두 버전을 기간처럼 말하고, 행이 더 적은 쪽은 아직 로드 중일 수 있다고 말했습니다.

이제 답변은 비교 대상 열이 기간인지 여부를 열의 유형, 이름, 지정한 값의 형태에서 판단합니다. 기간이 아닌 경우:

첫 줄이 비교한 기간이 아니라 비교한 값이라고 말하며, 열과 그 두 값을 밝힙니다.
전년 대비 판정은 제공되지 않습니다. 거슬러 올라갈 이전 연도가 없기 때문이며, 답변은 비교를 설명 없이 측정하지 않은 채로 두지 않고 정직한 한계 아래에 그 사실을 밝힙니다. 철회되는 수치는 없습니다.
양쪽의 행 수 차이는 아직 로드 중일 수 있는 기간이 아니라 각 쪽이 다루는 범위의 차이로 설명됩니다. 두 시나리오 사이에서는 더 작은 쪽이 의도된 경우가 많습니다. 이 설명은 비교한 값과 행 수가 모두 출력되는 순서를 기준으로 둘 중 어느 쪽이 적은지를 첫 번째 쪽 또는 두 번째 쪽으로 밝힙니다. 예전에는 이를 “더 얇은 쪽”이라고 불렀는데, 이는 행이 더 적은 쪽으로 정의되므로 문장이 짧은 쪽이 짧다고만 말하는 결과가 되었습니다. 첫 줄도 같은 방식으로 지목합니다. 예전에는 “나중 쪽”이라고 했으나, 이는 달력이 없는 비교에 달력 용어를 쓴 것입니다.

이 판단은 의도적으로 신중하게 이루어집니다. 열은 유형이 기간임을 나타내거나, 또는 이름이 그러하거나, 또는 지정한 값이 날짜, 월, 분기 또는 연도처럼 보이면 기간으로 간주됩니다. 하나만 충족해도 충분하므로 정수형 fiscal_year와 텍스트형 2026-03은 모두 여전히 기간으로 읽히며, 날짜, 기간, 월, 분기 또는 연도 열에 걸친 비교는 달라지지 않습니다.

어떤 모집단을 측정했는지 밝힙니다

하나의 테이블에 대한 두 답변은 비슷해 보이지만 의미가 크게 다를 수 있습니다. 하나는 모든 행을 다루고, 다른 하나는 단일 사업 부문, 엔터티 또는 프로그램을 다룹니다. 하나를 읽고 이어서 다른 하나를 읽으면, 범위를 좁힌 수치를 더 넓은 수치의 일부로 쉽게 오해하게 됩니다. 그러나 반드시 그렇지는 않습니다. 제외된 멤버가 반대 방향으로 움직일 수 있고, 때로는 좁힌 변화가 전체 테이블의 변화보다 커질 만큼 크게 움직일 수 있기 때문입니다.

각 답변은 첫 줄에서 어느 쪽인지 밝힙니다. 범위를 좁히지 않은 답변은 수치가 각 기간의 테이블 자체 합계이며 모든 멤버가 포함되어 있다고 밝힙니다. 범위를 좁힌 답변은 수치가 각 기간의 해당 멤버 자체 합계이며 테이블의 나머지는 제외했다고 밝히고, 수치가 양수이면 퍼센트가 더 큰 무언가의 비중을 측정하는 것이 아니라 그 두 합계를 비교한 것이라고 덧붙입니다. 범위를 좁힌 답변의 수치가 양쪽 끝에서 모두 음수이면 이 마지막 안내는 생략됩니다. 답변이 이미 잔액이 0보다 더 아래로 내려갔다고 알려 주므로, 여기서 퍼센트를 일반적인 비교라고 부르면 요점이 흐려지기 때문입니다.

두 줄 모두 제외된 멤버가 어떻게 움직였는지는 말하지 않습니다. 답변은 그들을 측정하지 않았으므로 그들의 특성을 단정하지 않습니다.

답변이 자체 작업에서 이미 공백을 보고한 경우에는 범위를 좁히지 않은 줄이 생략됩니다. 여러 배부를 다시 결합한 테이블에 대한 질문은 브랜치별로 답변되며, 그 브랜치 중 하나를 귀속시킬 수 없었다면 답변은 아래쪽에서 그렇게 밝힙니다. 그 위의 첫 줄에서 모든 멤버가 포함되었다고 하면 아무것도 제외되지 않았다는 주장으로 읽힐 것입니다. 다시 결합한 테이블 자체의 변화를 읽을 수 없었던 경우에도 마찬가지입니다. 이때는 그 줄이 설명할 전체 테이블 수치가 없습니다.

범위 좁히기를 적용할 수 없었을 때 알려 줍니다

범위 좁히기는 열을 지정하는데, 답변이 보고하는 테이블에 그 열이 없을 수 있습니다. 없으면 필터링할 기준이 없으므로, 쿼리는 범위를 좁히지 않고 실행되며 반환되는 모든 수치가 전체 테이블을 대상으로 합니다.

예전에는 페이지에 이를 알리는 것이 아무것도 없었습니다. 답변은 범위 좁히기를 언급하는 모든 곳에서 계속 이를 언급했습니다. 첫 문장, 위의 모집단 줄, 전체 테이블 블록의 제목, 멤버 목록의 제목, 요약 줄, 마지막의 단계별 설명입니다. 여섯 곳 모두 수치가 대상으로 하지 않는 모집단을 지칭했고, 범위를 좁힌 수치를 전체 테이블과 비교하기 위한 블록은 비교를 약속하는 제목 아래에 같은 수치를 두 번 출력했습니다. 그런 페이지를 본 독자는 질문한 멤버가 우연히 전체 사업과 같은 테이블과 이 페이지를 구별할 수 없었습니다.

이제 답변은 어떤 수치보다 먼저 이를 맨 앞에 둡니다.

간단한 답변: entity=DE를 분리할 수 없었으며(cost_line_admin에 entity 열이 없음) 따라서 이는 전체 테이블입니다. 합계는 26.2% 감소했습니다($4,200,000.00에서 $3,100,000.00으로).

정정이 먼저 나오고 숫자는 그에 종속됩니다. 첫 줄은 단독으로 전달될 가능성이 가장 큰 줄이고, 숫자 뒤에 나오는 정정은 읽고 지나치게 되기 때문입니다. 정정은 전달한 설정이 아니라 누락된 열의 이름을 밝히므로, 열 이름을 잘못 지정했는지 테이블을 잘못 지정했는지 즉시 알 수 있습니다. 또한 범위 좁히기가 적용되지 않았다고 하지 않고 적용할 수 없었다고 말합니다. 전자는 필터가 실행되었지만 차이가 없었던 것처럼 읽히며, 범위 좁히기에서는 질문한 멤버가 전체 사업이라는 뜻이 되기 때문입니다.

그 외에는 페이지 어디에서도 범위 좁히기를 언급하지 않습니다. 모집단 줄, 전체 테이블 블록, 멤버 목록의 범위, 요약의 범위 좁히기 표시가 모두 없습니다. 단계별 설명은 범위를 좁히지 않고 실행된 단계를 필터링한 단계가 아니라 범위를 좁히지 않은 단계로 표시합니다.

범위 좁히기가 정상적으로 적용된 답변은 달라지지 않으며, 어느 경우에도 수치는 움직이지 않습니다.

테이블이 여러 배부를 다시 결합한 것이면 브랜치는 별개의 테이블이며 서로 다를 수 있습니다. 한 브랜치에는 열이 있고 다른 브랜치에는 없을 수 있습니다. 이 경우 답변은 범위를 좁힐 수 있었던 브랜치가 나머지를 대변하게 하지 않고, 범위 좁히기를 모집단으로 어디에서도 언급하지 않습니다. 단계별 설명은 범위를 좁힌 브랜치와 그렇지 않은 브랜치를 계속 구별합니다. 무슨 일이 있었는지는 답변이 자체 표현으로 밝히며, 아래의 재결합된 테이블에서 좁힐 수 있었던 것과 없었던 것을 밝힙니다를 참조하십시오.

범위 좁히기의 어느 부분이 적용되었는지 밝힙니다

범위 좁히기는 여러 열을 지정할 수 있고, 테이블은 그중 일부만 가지고 있을 수 있습니다. lob은 있지만 region은 없는 테이블에서 lob=COMMERCIAL과 region=WEST에 대해 질문하면, 수치는 사업 부문으로 좁혀지고 모든 지역을 포함하여 반환됩니다.

그것이 유용한 답변이며 실제로 받게 되는 답변입니다. 예전 페이지는 이를 두 조건이 모두 적용된 것처럼 보고했습니다. 첫 문장, 모집단 줄, 전체 테이블 제목, 멤버 목록 제목, 요약 줄, 단계별 설명에서 region=WEST를 언급했지만, 그 옆의 수치는 지역으로 필터링된 적이 없었습니다. 모든 수치는 맞았지만 그 수치가 무엇을 다루는지에 대한 설명은 모두 틀렸습니다.

이제 답변은 수치를 실제로 좁힌 것만 지칭하고, 적용되지 않은 것을 먼저 밝히며 시작합니다.

간단한 답변: region을 분리할 수 없었으며(cost_line_admin에 region 열이 없음) 따라서 이 수치는 모든 region 값을 포함합니다. lob=COMMERCIAL의 합계는 26.2% 감소했습니다($4,200,000.00에서 $3,100,000.00으로).

침묵 속에서 lob=COMMERCIAL로 좁히는 것은 그 자체로 답변이 요청한 내용을 다룬다는 주장이 됩니다. 그래서 페이지는 부족한 부분을 독자가 인용하는 두 곳, 즉 첫 줄과 아래쪽의 정직한 한계 목록에 모두 밝히며, 후자에는 수치가 측정된 모집단도 함께 명시합니다.

이름은 지정했지만 값이 전혀 없는 열도 같은 방식으로 처리되지만 원인이 다르기 때문에 다르게 표현됩니다. 열은 테이블에 있고 없는 것은 값입니다. 이때 답변은 필터가 열을 지정했지만 값을 주지 않았다고 말합니다. 부족한 것은 데이터가 아니라 필터이며, 누락된 열과 달리 다시 질문하면 해결할 수 있습니다.

단계별 설명은 범위를 좁히지 않고 실행된 단계에 이미 쓰던 표현으로 단계마다 같은 구별을 합니다.

단계 1(배부): cost_line_admin [cost] (lob=COMMERCIAL, 모든 region 값) — 델타 -$1,100,000.00.

테이블이 여러 배부를 다시 결합한 것이고 브랜치마다 해당 열에 대한 상태가 다르면, 답변은 한 브랜치의 테이블을 그 열이 없는 테이블로 지목하지 않습니다. 그 열이 어느 브랜치에도 없으면 “모든 테이블에 있는 것은 아니다”라는 표현이 일부 브랜치는 범위가 좁혀졌다는 뜻으로 읽히지 않도록 이를 분명히 말합니다. 일부에 있다면 각 열을 모든 브랜치의 테이블에 있는 것은 아니라고 따로 명시합니다. 각 테이블이 둘 중 하나씩 가진 페이지에서는 “모든 테이블에 lob 또는 region 열이 있는 것은 아니다”라는 말이 사실이 아니기 때문입니다.

이 구별은 답변이 이후에 무엇을 다룬다고 주장하는지와 관련해 중요합니다. 열이 있는 브랜치는 실제로 요청한 값으로 좁혀졌으므로, 수치가 그 열의 모든 값을 포함한다고 말하면 한 브랜치에는 맞고 다른 브랜치에는 틀립니다. 그렇게 안내받은 독자는 요청한 것의 일부인 수치를 합리적으로 버릴 수도 있습니다. 그래서 답변은 범위 좁히기가 각 브랜치의 테이블이 허용하는 곳에서만 해당 브랜치에 미쳤다고 대신 말합니다.

간단한 답변: region을 분리할 수 없었으며(east_lines에 region 열이 없음) 따라서 각 브랜치는 해당 테이블에 그 열이 있는 곳에서만 region으로 좁혀집니다. lob=COMMERCIAL의 경우 재결합된 2개 브랜치 전반에서 2개 모두 감소했습니다.

“모든 값을 포함한다”는 표현은 실제로 사실인 경우, 즉 어느 브랜치의 테이블에도 그 열이 없어 어디에서도 범위가 좁혀지지 않은 경우에 유지됩니다.

대신 어떤 기준으로 좁힐 수 있는지 알려 줍니다

범위 좁히기를 적용할 수 없는 답변은 예전에는 그렇다고 말하는 데서 멈췄습니다. 실행할 수 없는 필터를 흉내 내지 않는 것은 올바른 거부였지만, 눈앞의 숫자가 원했던 숫자가 아니라는 것만 알려 줄 뿐 대신 요청할 수 있는 것은 아무것도 제시하지 않았습니다.

이제 답변은 그 테이블이 실제로 가진 열로 끝납니다. 추측이 아니라 테이블 자체에서 읽어 옵니다.

더 알아보기: 일부만 분리하려면 cost_line_admin 자체의 열 중 하나인 account, cost_center 또는 product를 지정한 target_filter와 해당 열의 값으로 다시 질문하십시오.

이 목록은 어시스턴트가 직접 구분 기준을 찾을 때 검색할 열이므로, 제시되는 열은 답변이 실제로 다룰 수 있는 열입니다. 이는 전체 스키마 목록이 아니라 제안입니다. 이름이 답변 자체에 명시된 한계의 표현과 충돌하는 열은 제외되므로, 제안의 어떤 내용도 답변이 말하는 한계로 오해되지 않습니다.

테이블에 있는 열을 지정했지만 값을 비워 둔 경우에는 그 열이 제안의 맨 앞에 나옵니다. 그래서 페이지를 바로잡는 단 한 번의 재질문이 알파벳순 목록에 묻히지 않습니다.

더 알아보기: entity는 cost_line_admin의 열이며 entity의 값만 누락되었습니다. 일부만 분리하려면 cost_line_admin 자체의 열 중 하나인 account, cost_center, entity 또는 product를 지정한 target_filter와 해당 열의 값으로 다시 질문하십시오.

테이블에 없는 열 하나와 있지만 값이 없는 열 하나를 함께 요청하면, 답변은 두 실패에 하나의 이유를 대지 않고 각각의 원인을 밝힙니다. 두 번째가 복구 가능한 쪽이므로, 첫 번째 이유를 그대로 적용하는 독자는 효과가 있었을 방법을 시도하지 않게 됩니다.

범위 좁히기가 적용된 답변은 달라지지 않습니다. 해 줄 조언이 없으므로 조언하지 않습니다.

재결합된 테이블에서 좁힐 수 있었던 것과 없었던 것을 밝힙니다

여러 배부를 다시 결합한 테이블은 여러 개의 테이블이며 각각 고유한 스키마를 가지므로, 범위 좁히기가 일부 브랜치에는 닿고 다른 브랜치에는 닿지 않을 수 있습니다. 이는 예외적인 경우가 아닙니다. 합집합이 존재하는 일반적인 이유입니다.

두 경우 모두 예전에는 범위 좁히기를 어디에서도 언급하지 않고 아무것도 설명하지 않는 페이지를 만들었습니다. 이제 둘은 서로 다르게 읽힙니다. 서로 다른 상황이며, 두 경우에 모두 맞는 문장은 어느 쪽도 알려 주지 못하기 때문입니다.

어느 브랜치의 테이블에도 해당 열이 없으면 어디에서도 범위가 좁혀지지 않았습니다.

간단한 답변: region을 분리할 수 없었으며(어느 브랜치의 테이블에도 region이라는 열이 없음) 따라서 이 수치는 모든 region 값을 포함합니다. 결합 합계는 26.2% 감소했습니다($8,400,000.00에서 $6,200,000.00으로). 재결합된 2개 브랜치 전반에서 2개 모두 감소했습니다.

일부 브랜치는 범위가 좁혀졌고 다른 브랜치는 좁힐 수 없었던 경우, 답변은 이를 밝히고 다른 곳에 인용될 가능성이 가장 큰 수치인 결합 합계에 표시를 합니다.

간단한 답변: region=WEST는 일부 브랜치에는 적용되고 다른 브랜치에는 적용되지 않았으며(east_lines에 region 열이 없음) 따라서 이 수치는 해당 슬라이스와 전체 테이블이 섞여 있습니다. 결합 합계는 26.2% 감소했습니다($5,100,000.00에서 $3,740,000.00으로). 하지만 이는 region=WEST 수치가 아닙니다. 재결합된 2개 브랜치 전반에서 2개 모두 감소했습니다.

그 아래의 브랜치별 목록은 각 브랜치를 그것이 기록하는 테이블 이름으로 지목하므로, 첫 줄에서 언급된 브랜치를 목록에서 찾을 수 있습니다.

범위 좁히기가 모든 브랜치에 닿은 재결합 답변은 이전과 똑같이 읽힙니다.

전체 테이블이 어떻게 움직였는지 밝힙니다

한 사업 부문의 수치는 그것만으로는 의미가 크지 않습니다. 6.2% 줄어든 전체 안에서 4.2% 늘어난 부문은 성장한 전체 안에서 늘어난 부문과 전혀 다른 이야기인데, 같은 숫자가 둘 다를 설명합니다. 범위를 좁힌 답변은 예전에는 그 숫자만 주고 비교는 독자에게 맡기면서, 범위를 좁힌 변화를 비교한 기준으로는 바로 전체 테이블의 변화를 언급했습니다.

그래서 이제 범위를 좁힌 답변은 자체 수치 옆에, 보고하는 각 열에 대해 같은 기간 동안 전체 테이블이 어떻게 움직였는지 나열합니다. 범위를 좁힌 행은 그 합계의 일부이며, 답변은 독자가 계산해 보도록 두지 않고 이를 밝힙니다. 두 수치의 부호가 서로 다른 경우, 예를 들어 해당 부문은 기간 양쪽 끝에서 음수인데 테이블은 양쪽 끝에서 양수인 경우, 알아채지 못할 수도 있는 마이너스 기호에 맡기지 않고 말로 명시합니다.

이를 위해 새로 측정하는 것은 없습니다. 전체 테이블 수치는 범위를 좁힌 변화를 비교한 기준으로 이미 존재했으며, 단지 표시된 적이 없었을 뿐입니다.

그러나 나란히 놓인 두 수치는 여전히 뺄셈을 남기며, 이야기를 담고 있는 것은 그 뺄셈입니다. 어느 부문이 전체 테이블보다 더 많이 올랐다면, 그 부문 밖의 모든 것이 내려갔다는 뜻입니다. 즉 그 부문은 반대로 움직이는 풀에서 비중을 얻었으며, 이는 상승하는 수치만 볼 때 읽히는 의미와 정반대입니다. 따라서 범위를 좁힌 행 밖의 움직임이 그 행과 반대 방향이면 답변은 이제 그 금액, 방향, 해당하는 열을 명시합니다. 같은 방향으로 움직이는 일반적인 경우에는 아무것도 추가되지 않습니다. 해당 부문과 같이 움직이는 나머지는 행동으로 옮길 만한 정보를 주지 않기 때문입니다. 이를 도출하는 데 쓰인 두 수치는 모두 그 위에 출력되므로, 추가 요청 없이 계산을 직접 확인할 수 있습니다.

범위를 좁히지 않은 답변에는 이 블록이 제공되지 않습니다. 이미 전체 테이블을 보고하므로, 반복하면 같은 수치가 두 개의 레이블 아래 중복될 것입니다.

여러 배부를 다시 결합한 테이블에 대한 답변은 별도의 버전을 갖습니다. 그 브랜치는 별개의 테이블이므로 이름을 붙일 단일 전체 테이블이 없으며, 각 브랜치 줄은 그 브랜치가 비교된 기준으로 자신의 풀의 변화를 명시합니다. 이제 이런 테이블에 대해 범위를 좁힌 답변은 같은 두 기간 동안 각 브랜치의 전체 테이블을 나열하며, 모든 줄에 테이블 이름을 붙이고 범위를 좁힌 행이 그 안에 포함되어 있음을 표시합니다. 실제 모델 하나에서 독일의 비용이 왜 감소했는지 물었을 때 네 개 브랜치가 각각 약 58% 감소했고, 그 네 테이블 자체도 거의 같은 비율로 감소한 것으로 나타났습니다. 따라서 무엇이 움직였든 독일에만 일어난 일이 아니었으며, 답변은 이제 표시하지 않은 수치로부터 독자가 추론하게 두지 않습니다.

멤버 목록은 누구의 변화를 분해하는지 밝힙니다

멤버 목록은 답변에서 통째로 복사될 가능성이 가장 큰 부분인데, 예전에는 분해 기준만 제목에 있었습니다. “계정별 전체 변동 항목”처럼 그 행들이 어느 모집단에 속하는지 말해 주는 것이 없었습니다. 범위를 좁힌 답변에서는 같은 열에 대한 전체 테이블의 변화가 그 제목 위에 출력되므로, 내려가면서 마지막으로 전달되는 범위가 잘못된 모집단을 지칭하고 행의 합은 그 위의 수치와 맞지 않습니다.

이 중 겉으로 잘못되어 보이는 것은 없습니다. 행은 정확하고 범위를 좁힌 변화와 정확히 합산되므로, 위에서부터 대조하는 독자는 다시 살펴볼 계기가 전혀 없는 자체적으로는 일관된 잘못된 답을 얻습니다. 그리고 회사 전체 변동에서 각 멤버가 차지하는 비중은 나머지 테이블이 한 만큼 틀려집니다. 나머지 테이블이 반대 방향으로 움직였다면 과대평가되고, 같은 방향으로 더 움직였다면 과소평가됩니다.

이제 범위를 좁힌 답변의 멤버 목록은 제목에서 분해 기준과 행을 순위 매기는 열 사이에 모집단을 밝힙니다. “entity=EU_DIST 내 계정별 전체 변동 항목”, “lob=COMMERCIAL 내 브랜치별 전체 변동 항목 — net_contribution”처럼 표시합니다. 분해 기준이 계정인 경우가 많고 “entity=EU_DIST에 대한 계정별”이라고 쓰면 범위로 읽히기 전에 동사로 읽히므로 for가 아니라 within에 해당하는 표현을 씁니다.

범위는 열 앞에, 그리고 “(표시된 가장 큰 항목)” 앞에 의도적으로 놓입니다. 열 뒤에 오면 열 이름의 일부로 읽히고, “(표시된 가장 큰 항목)” 뒤에 오면 그것과 무관한 완전성에 관한 서술 뒤에 붙게 됩니다.

전체 테이블을 다루는 답변은 달라지지 않습니다. 그 행들은 이미 테이블의 것이며, 거기에 범위를 붙이면 유일하게 존재하는 모집단의 이름을 말하는 셈이기 때문입니다.

순위가 무엇을 차감하는지 밝힙니다

테이블이 소득과 거기서 공제되는 비용, 또는 매출과 비용처럼 여러 열을 동시에 보고하는 경우, 답변 옆의 멤버 목록은 그중 한 열을 기준으로 순위가 매겨집니다. 그러면 이 목록과 답변의 나머지 부분이 서로 어긋나 보일 수 있습니다. 비용 열에서 변화의 대부분으로 지목된 브랜치가 순위에서는 맨 아래에 있을 수 있습니다. 소득과 함께 비용도 줄어든 멤버는 순변화가 거의 0이 되기 때문입니다. 둘 다 사실이지만, 사이에 아무 설명 없이 함께 읽으면 둘 중 하나가 틀렸다는 결론이 자연스럽게 나옵니다.

그래서 이제 멤버 목록은 행 위에 순위가 어떤 열을 차감하는지, 따라서 그 열에서 큰 멤버가 목록에서는 작게 순위가 매겨질 수 있다는 점을 밝힙니다. 그러면 비용 열에서 크고 순액에서는 작은 멤버가 실수가 아니라 산술로 읽힙니다.

이 줄은 일어날 수 있는 일을 말하며, 일어난 일을 말하지 않습니다. 특정 멤버의 움직임이 상쇄되었다고 말하려면 답변이 항상 가지고 있지는 않은 측정값이 필요하며, 한 멤버를 지목하는 문장은 살펴볼 가치가 있는 멤버가 다른 멤버인 테이블에서는 잘못된 멤버를 가리킬 것입니다. 관계를 명시하면 어떤 멤버를 보든 그 관계를 적용할 수 있습니다.

두 가지 답변에는 이 줄이 붙지 않습니다. 열들이 서로 합산되지 않는 답변에는 아무것도 붙지 않습니다. 그 수치에서 비용을 식별할 단서가 없고 답변은 추측하지 않기 때문입니다. 어떤 열에서도 집중된 멤버가 보고되지 않은 경우에도 붙지 않습니다. 순위와 모순되어 보일 두 번째 서술이 없기 때문입니다.

요인과 멤버는 서로 다른 기준의 구분임을 밝힙니다

추적의 단계 줄은 하나의 변화에 대해 두 가지 서술을 담을 수 있습니다. 첫째는 그 뒤에 있는 요인을 지목합니다. 수치가 도출된 풀이 움직였으며, 이 슬라이스의 풀 내 비중이 움직인 것이 아니라는 것입니다. 둘째는 변화가 자리한 멤버를 지목합니다. 한 브랜치가 그 변화의 70%라는 것입니다.

둘 다 옳으며, 서로 다른 축에 대한 구분입니다. 하나는 변화를 그것을 만든 요인들 사이에서 나누고, 다른 하나는 변화가 귀착된 멤버들 사이에서 나눕니다. 왼쪽에서 오른쪽으로 읽으면 하나의 질문에 대한 경쟁하는 답처럼 보이고, 더 구체적인 쪽이 이기는 것처럼 보입니다. 페이지만 받은 독자들은 “풀 합계가 감소했다”와 “한 브랜치가 그 70%다”를 모순으로 받아들이고 하나를 골랐습니다.

답변이 이미 보존된 풀을 멤버별로 분해하는 경우, 두 가지가 별개의 측정이라고 말했으며, 이는 그것이 서술된 유일한 형태였습니다. 한 사업 부문, 엔터티 또는 프로그램으로 좁힌 답변은 바로 지목된 요인이 풀 합계인 경우가 가장 많고 집중된 멤버가 범위 좁히기 안에 있는 경우이지만, 어디에서도 이를 밝히지 않았습니다.

이제 이러한 답변은 정직한 한계 아래에서 이를 한 번 밝힙니다. 변화에 대해 지목된 요인과 변화가 집중된 멤버는 별개의 측정이며, 변화가 거의 전적으로 풀 합계의 움직임에서 비롯되었으면서도 거의 전적으로 한 멤버에 자리할 수 있다는 것입니다. 이는 단계 줄이 두 서술을 모두 담고 있고 페이지의 다른 곳에서 아직 이를 밝히지 않은 경우에만 추가되므로, 이전에도 이를 다루던 답변에는 두 번째 사본이 생기지 않습니다.

자체 계산을 검증합니다

PlaidCloud는 숫자가 왜 움직였는지 설명할 때 처음 나온 그럴듯한 이야기에서 멈추지 않습니다. 부분을 전체와 대조 검증하고, 맞지 않으면 그 사실을 알리면서 신뢰도를 낮춥니다. 따라서 데이터의 미묘한 차이는 거짓 정밀도가 아니라 주의 사항으로 드러납니다.

숫자를 지어내지 않습니다

모든 수치는 여러분의 데이터에 대한 실제 쿼리에서 나옵니다. 질문에 접근 권한이 없는 데이터가 필요하거나 데이터가 아예 없으면, PlaidCloud는 추측하지 않고 그 사실을 분명하게 알립니다. PlaidCloud는 아무것도 지어내지 않습니다. 환각으로 만든 합계도, 지어낸 계정 이름도, 꾸며 낸 추세도 없습니다.

서면 요약은 작성만 하지 않고 검증합니다

어시스턴트가 분석을 읽기 쉬운 문단으로 바꿀 때에는 조용한 위험이 있습니다. 산문이 주의 사항을 빠뜨리거나, 데이터가 말한 적 없는 수치로 반올림할 수 있다는 것입니다. PlaidCloud는 이 틈을 막습니다. 구조화된 결과와 함께 분석에서 직접 만들어진 쉬운 말의 요약을 반환할 수 있으며, 이 요약은 신뢰도 수준을 밝히고, 모든 주의 사항을 담으며, 데이터에 대한 실제 쿼리에서 나오지 않은 수치를 포함하지 않습니다.

여기에는 어시스턴트가 자체적으로 다시 쓴 버전에 실행할 수 있는 충실도 검사가 함께 제공됩니다. 신뢰도 수준을 유지했는지, 모든 주의 사항을 유지했는지, 수치를 지어내지 않았는지 확인합니다. 다시 쓴 내용이 어긋나면 이 검사가 잡아냅니다. 그 결과 단지 유창한 것이 아니라 아래 숫자에 입증 가능하게 충실한 서술이 됩니다.

“만약 이렇게 바꾸면” 답변도 같은 방식으로 처리됩니다. 예전에는 수치와 메모 목록만 반환하고 이야기는 독자가 직접 조립하게 맡겼습니다. 이제는 변화의 얼마만큼을 몇 개의 결과에 걸쳐 설명할 수 있는지 밝히며 시작하고, 변화가 직접 닿는 결과를 적용한 변화에서 각 결과가 차지하는 비중과 함께 나열하며, 일부만 측정할 수 있었던 결과와 전혀 측정할 수 없었던 결과는 같은 목록에 표시 없이 섞어 두지 않고 별도의 섹션에 둡니다. 다른 결과의 결과로서만 움직이는 결과는 따로 나열하고 위 수치에 이미 계산되었다고 표시하므로, 그 위에 더해 계산하는 일이 없습니다. 변화를 전혀 따라갈 수 없는 경우 답변은 수치가 아니라 그 이유로 시작합니다.

검사는 가정 분석을 다시 쓴 내용이 답변이 측정하지 못한 부분에 충실하도록 요구합니다. 답변이 측정하지 못한 결과는 영향이 0이 아니라 알 수 없는 것인데, 예전에는 다시 쓴 버전이 다른 결과의 수치를 그 결과 옆에 인용해도 검사를 통과할 수 있었습니다. 이제는 그런 결과를 수치와 함께 명시하는 절이 측정되지 않았음도 함께 밝혀야 합니다. 그렇지 않은 경우 검사는 수정 방법을 알려 줍니다. 수치를 그것이 속한 결과나 합계 옆에 두고 그 결과가 측정되지 않았다고 말하거나, 그 결과에 부여된 수치를 철회하십시오. 또한 결과의 이름에 달러 금액이 포함되어 있다는 이유로 가정 분석 답변 자체의 표현을 더 이상 거부하지 않습니다.

다음 질문을 제안합니다

좋은 분석가는 답하는 데서 그치지 않고, 다음에 무엇을 물어야 할지 알려 줍니다. 각 요약은 분석이 실제로 발견한 내용에서 도출한 자연스러운 후속 질문을 제안합니다. 수치가 전체 풀의 합계이면 단일 멤버로 범위를 좁히고, 어떤 차원이 원인으로 보이면 그 차원별로 변화를 분해하며, 결과 테이블이 둘 이상의 단계로 만들어졌다면 특정 단계를 지목합니다. 정확한 표현을 몰라도 제안에 따라 행동할 수 있으며, 그저 요청하면 됩니다.

이들은 모두 어느 것에 답합니다. 어느 멤버, 어느 필드, 어느 단계입니다. 추가 제안 하나는 언제에 답합니다. 답변이 주요 요인을 지목하고 거기에 퍼센트를 붙이는 경우, 그 퍼센트는 비교한 기간 전체에 걸쳐 한 번만 측정되므로, 한 번에 일어난 움직임과 꾸준히 쌓인 움직임이 같은 수치를 냅니다. 어시스턴트는 더 좁은 여러 기간에 걸쳐 다시 실행하고 그 결과를 서로 비교하자고 제안하며, 이것이 둘을 구별하는 방법입니다. 더 좁은 기간 하나만으로는 같은 두 지점 비교가 반복될 뿐입니다. 같은 문장에서 더 좁은 기간의 수치는 위의 수치와 합산되지 않는다고도 밝히는데, 각 기간이 독립적으로 측정되기 때문입니다. 풀, 동인, 분할이 모두 그 기간에 맞게 다시 도출되므로, 그 비중은 더 넓은 기간의 나눗셈이 아니라 자체적인 답입니다. 특정 기간은 지정하지 않습니다. 범위 중 어느 부분이 중요한지는 여러분이 선택할 몫이며, 이를 추측하는 것은 분석이 내리지 않은 결론이 되기 때문입니다. 기간이 아닌 두 대상, 즉 두 시나리오, 두 버전 또는 예산 대 실적을 비교한 경우 실행할 더 좁은 범위가 없고 어시스턴트가 그 비교를 시간으로 설명하지 않으므로 이 제안은 전혀 나타나지 않습니다.

이 제안은 두 가지 경우에 추가로 보류됩니다. 두 경우 모두 제안이 요청한 답변에서 멀어지게 만들기 때문입니다. 답변이 이미 두 기간 중 하나의 행이 다른 쪽보다 훨씬 적다고 보고하고 변화를 신뢰하기 전에 로드를 확인하라고 요청한 경우, 그 기간을 더 좁은 기간으로 나누면 부족분이 해소되지 않고 흩어지며, 의문을 일으킨 행 수는 더 좁은 구간마다 더 약해집니다. 그리고 답변이 여러 값 열을 다루는데 답변이 선두로 삼는 열에 자체 퍼센트가 없는 경우, 제안이 한정할 모든 퍼센트가 요청하지 않은 열에 속하므로, 답변의 어느 부분도 건드리지 않으면서 답변에 대한 한계처럼 읽힙니다. 선두 열이 직접 퍼센트를 제시하는 답변에는 여전히 이 제안이 붙습니다.

제안을 실행하면 이미 보고 있는 것을 그대로 돌려받게 되는 경우에도 그 제안은 생략됩니다. 단일 열을 다루는 답변에서는 어시스턴트가 최선의 설명으로 고른 필드가 멤버 테이블이 이미 그룹화된 필드이므로, “그 필드별로 변화를 분해하라”는 같은 테이블을 돌려주었고, 옆의 메모는 수치가 페이지의 수치와 정확히 일치하는데도 일치하지 않을 것이라고 말했습니다. 분해가 다른 열에서 실제로 답을 줄 수 있는 경우에는 제안이 유지됩니다.

분석이 둘 사이에서 추측하지 않을 여러 후보를 찾은 경우, 예컨대 둘 다 테이블을 만드는 두 단계, 또는 변화의 설명으로 구분하기에 너무 가까운 여러 필드의 경우, 무엇 중에서 고르는지 말하지 않은 채 선택하라고 요구하는 대신 각각을 별도의 제안으로 제시합니다. 쓰여 있는 그대로 실행할 수 있는 제안이 먼저 나옵니다.

그 후보가 필드인 경우에는 이제 그 아래의 제안에서만이 아니라 결과 자체에 이름이 밝혀집니다. 각 필드는 가장 강한 멤버와 그 멤버 자체의 수치가 얼마나 움직였는지, 그리고 전체 열의 변화와 비교한 내용과 함께 제시되므로, 동률인 이야기 중 어느 것이 더 큰지 선택하기 전에 알 수 있습니다. 비슷하게 점수가 나왔다고만 말하면 이것이 가려졌습니다. 한 자동차 모델에서 동률인 두 멤버 모두 전체 열보다 더 크게 움직였고 두 수치의 합이 그 열의 네 배를 넘었는데, “여러 개가 비슷하게 점수를 받았다”는 말만 받은 독자는 둘을 교환 가능한 것으로 보고 먼저 나온 것을 보고했습니다. 답변은 같은 문장에서 후보가 풀을 나누는 것이 아니라 서로 겹친다고도 밝힙니다. 각각이 같은 변화를 다른 방식으로 자른 것이므로, 수치는 하나의 합계의 부분이 아니며 더하면 아무것도 설명하지 못합니다. 또한 필드 쌍은 검색이 점수를 매긴 적 없는 관점이므로, 교차 집계는 분석이 측정한 것이 아니라 실행해 볼 다음 단계로서 제안됩니다. 즉 두 필드로 한꺼번에 변화를 분해하는 것입니다.

아무것도 찾지 못한 검색도 알려 줄 가치가 있습니다. 변화를 분해할 필드를 지정하지 않으면 어시스턴트는 변화를 가장 잘 설명하는 필드를 찾으며, 시도한 어느 것도 보고할 만큼 충분히 설명하지 못한 경우 조용히 넘어가지 않고 그렇게 밝힙니다. 변화는 전체 풀에 걸친 광범위한 움직임으로 읽히며, 가장 가까웠던 필드가 여기 있고, 그 필드의 가장 큰 멤버와 그 멤버가 설명하는 변화의 비중을 밝힙니다. 멤버를 밝히는 이유는 이것이 답변이 확신하지 못하는 유일한 결과라서 가장 확인할 수 있어야 하기 때문이며, 후속 질문이 다른 멤버를 선두로 내세울 수 있다는 함께 제공되는 경고를 직접 시험해 볼 수 있게 해 줍니다. 그 필드는 쓰여 있는 그대로 실행할 수 있는 제안으로 제시되며, 검색이 설명력이 없다고 판단했으므로 근소한 차이가 아니라 약한 필드 중 가장 강한 것으로 설명됩니다. 아무것도 선택되지 않았으므로 할인할 추측이 없어서 수치에 대한 신뢰도는 이 때문에 낮아지지 않습니다.

이 마지막 두 가지는 서로 다른 결과이며, 표현이 둘을 구분합니다. 여러 필드가 똑같이 잘 점수를 받으면 후보에 이름과 규모가 붙은 제안이 각각 하나씩 나오고 두 필드를 함께 나누자는 제안이 따라오며, 충분히 잘 점수를 받은 것이 없으면 가장 가까운 것 하나가 그대로 그렇다고 제안됩니다.

값 열이 여러 개인 결과에서는 메모가 검색한 열을 밝힙니다. 비용, 매출, 마진이 나란히 있는 것 같은 결과는 한 번에 한 열씩 검색되지만, 답변 자체는 요약 열로 시작합니다. 따라서 “아무것도 찾지 못함” 결과는 전체 결과에 대한 판정처럼 읽히지 않고, 어느 열의 변화를 다루는지 밝힙니다. 이름이 밝혀진 열에 대한 것으로 읽으십시오. 같은 결과의 다른 열에는 그것을 설명하는 필드가 있을 수도 있으며, 그 분해를 직접 요청하면 알 수 있습니다.

비슷해 보이는 두 퍼센트는 구별됩니다. 어시스턴트가 변화를 가장 잘 설명하는 필드를 고를 때 보고하는 수치는 풀에서 해당 필드의 비중이 이동한 크기입니다. 여러분이 직접 필드별로 변화를 분해할 때 수치는 각 멤버 자체의 변화입니다. 이는 서로 다른 합계에 대한 서로 다른 측정이며 둘 다 올바르므로, 각각 어느 것인지 밝히며 둘 다 변화의 평범한 퍼센트로 읽히지 않게 합니다. 어느 쪽도 두 숫자가 다를 것이라고 약속하지는 않습니다. 멤버 분해는 멤버별 퍼센트를 전혀 출력하지 않고 행이 금액이므로, 불일치로 표현된 경고는 비교할 수 없는 비교를 찾아 헤매게 했고, 확인할 수 없는 경고는 무시하게 됩니다. 각각 두 측정이 무엇인지 말하고 거기서 멈춥니다.

위의 가장 가까운 후보 메모에도 마찬가지로 적용되며, 이 경우 검색은 아무것도 확정하지 않았습니다. 가장 가까웠던 필드에 대해 인용되는 비중도 비중의 이동이며, 그 필드별 분해는 다른 측정을 보고합니다. 기준에 못 미친다는 것은 검색에 대한 진술이며, 분해가 보여 줄 수치의 상한이 아닙니다.

동률에도 적용되며, 이때는 두 측정이 한 문장에 함께 놓입니다. 후보는 같은 비중 이동으로 점수가 같았고, 옆에 출력되는 수치는 그 멤버들 자체의 변화입니다. 그래서 답변은 금액이 점수 매기기에서 비교된 것처럼 보이게 두지 않고 두 측정을 모두 밝힙니다. 두 측정이 다른 크기로 나온다고까지 주장하지는 않습니다. 그것을 확인할 비중 수치가 거기에 출력되지 않으며, 확인할 수 없는 경고는 무시하게 되기 때문입니다.

왜 다른가

대부분의 AI 분석 도구는 옳든 그르든 자신 있게 말합니다. 대시보드에 덧붙인 일반 챗봇은 유창하고 권위 있게 들리는 답변을 내놓으면서, 탄탄한 답변과 틀린 답변을 구별할 방법은 알려 주지 않습니다. 그런 도구에서는 모든 숫자가 그냥 숫자일 뿐입니다.

PlaidCloud는 반대로 만들어졌습니다. 신뢰도 등급, 자체 대조 검증, 정직한 주의 사항이 모든 답변의 일부인 이유는 신뢰할 수 없는 답변은 가질 가치가 없기 때문입니다. 그 정직함이 핵심입니다. AI가 만든 설명을 이사회 자료, 예측, 의사결정에 직접 사용하면서 일일이 다시 확인하지 않아도 되게 해 주는 것이 바로 이 정직함입니다.

이미 사용 중인 AI와 함께 작동합니다

이를 위해 새로운 도구를 도입할 필요가 없습니다. PlaidCloud의 정직한 분석은 팀이 이미 사용하는 어시스턴트를 통해 제공됩니다.

Microsoft 365 Copilot팀 전체가 Teams, Outlook, Microsoft 365 앱에서 질문합니다. 한 번 로그인하면 되며, 기본값은 읽기 전용입니다.

AI 코딩 에이전트(MCP)Model Context Protocol을 통해 Claude Code, Cursor, Claude Desktop, ChatGPT 또는 Gemini를 연결합니다.