온톨로지 AI (Ontology AI)

온톨로지 AI는 EXAWin+ 화면 오른쪽에서 열리는 자연어 기반 근거 분석 패널입니다. 사용자는 딜, 활동, 고객 관계, 베이지안 판단, 온톨로지 그래프, 공식 문서, 블로그/이론 문서를 자연어로 탐색할 수 있습니다.

이 기능은 단순한 챗봇이 아닙니다. EXAWin+에 축적된 실제 업무 데이터와 온톨로지 관계, 공개 문서 자산, 이론 문서가 함께 작동해 사용자의 질문을 근거 중심으로 분석하도록 설계된 기능입니다.

위치: 상단 헤더 → AI-Agent 아이콘 → Ontology AI 패널

무엇을 할 수 있는가

Ontology AI는 사용자가 자연어로 묻는 질문을 현재 권한 범위 안에서 해석합니다. 질문은 특정 딜에 대한 질문일 수도 있고, 현재 화면의 사용 목적에 대한 질문일 수도 있으며, 회사의 전체 프로젝트 포트폴리오, 공식 문서, 블로그/이론 문서에 대한 질문일 수도 있습니다.

특정 딜을 분석하려면 질문 안에 프로젝트 코드와 딜명을 함께 적거나, Ontology AI 패널의 프로젝트 선택에서 해당 프로젝트를 지정해야 합니다. 예를 들어 “프로젝트 코드 [코드], 딜명 [딜명]의 수주 가능성이 낮아진 원인을 근거와 함께 설명해줘”처럼 질문해야 합니다. 또는 “EXAWin의 베이지안 판단 구조를 고객 설명용으로 요약해줘”라고 물을 수도 있습니다. 특정 화면을 보고 있다면 “현재 화면의 목적과 확인 순서를 설명해줘”처럼 화면 사용 맥락을 묻는 질문이 가능합니다.

답변은 가능한 경우 업무 데이터, 문서 근거, 그래프 근거를 분리해서 보여줍니다. 따라서 사용자는 단순한 일반론이 아니라, 현재 시스템 안의 실제 근거와 공식 문서 기반 설명을 함께 받을 수 있습니다.

패널 열기와 기본 구성

상단 헤더의 AI-Agent 아이콘을 클릭하면 오른쪽에서 Ontology AI 패널이 열립니다. 패널에는 질문 입력창, 질문 유형 보기, 세션 영역, 범위 선택, 프로젝트 선택, 답변 영역이 있습니다.

세션 영역은 질문 흐름을 나누어 관리하는 공간입니다. 새 질문을 시작하거나 이전 질문 흐름을 다시 확인할 수 있습니다.

질문 유형 버튼을 열면 자주 사용하는 질문 범주를 볼 수 있습니다. 이 범주는 사용자가 무엇을 질문할 수 있는지 빠르게 파악하도록 도와줍니다.

답변 영역에는 자연어 답변뿐 아니라, 필요한 경우 근거 목록과 그래프 근거가 함께 표시됩니다. 그래프 근거가 있을 때는 노드와 관계를 통해 답변이 어떤 객체에 연결되는지 확인할 수 있습니다.

질문 범위 선택

Ontology AI는 질문 범위를 구분합니다. 범위를 잘 선택하면 답변 품질이 좋아집니다.

전체 지식은 업무 데이터, 공식 문서, 블로그/이론 문서를 함께 사용해 답합니다. 제품 이해, 딜 판단, 이론 설명을 섞어 질문할 때 적합합니다.

현재 화면은 사용자가 보고 있는 화면의 경로와 제목 같은 화면 식별 맥락을 함께 전달합니다. 화면 안의 모든 데이터나 사용자가 보고 있는 프로젝트가 자동으로 분석 범위가 된다는 뜻은 아닙니다. 특정 화면에서 무엇을 확인해야 하는지, 그 화면의 목적과 확인 순서를 묻는 경우에 적합합니다.

현재 프로젝트는 Ontology AI 패널에서 선택되었거나 URL에서 프로젝트 ID가 식별된 프로젝트와 확인 가능한 연결 데이터에 초점을 맞춥니다. 특정 딜의 위험, 병목, 다음 확인 질문을 물을 때 사용합니다. URL이나 패널 선택으로 프로젝트가 분명하지 않다면 프로젝트 코드와 딜명을 질문에 함께 적어야 합니다.

전체 프로젝트는 회사의 프로젝트 포트폴리오를 집계적으로 봅니다. 진행 지연 리스크가 큰 딜 유형이나 threshold를 넘은 프로젝트를 묻는 질문에 적합합니다.

공식 문서는 홈페이지의 공식 문서와 사용자 매뉴얼 기반 설명으로 제한합니다. 고객 설명, 내부 교육, 기능 사용법을 확인할 때 유용합니다.

블로그/이론은 블로그와 이론 문서 기반으로 답합니다. 베이지안 엔진, 침묵, momentum, Auto Tuner 같은 개념을 깊게 이해할 때 사용합니다.

일반 질문은 업무 데이터와 분리된 일반 지식 질문으로 처리됩니다. 제품 안의 실제 데이터가 필요 없는 질문에 사용합니다.

질문 유형

패널에는 질문 유형이 준비되어 있습니다. 이 유형은 사용자가 질문을 더 쉽게 시작하도록 돕는 안내입니다.

베이지안 계산 구조에서는 P(Win), threshold, k, Bayesian update, stage와 signal 계산 구조를 질문합니다.

시간 감쇠와 모멘텀에서는 time decay, silence penalty, momentum P(Win)이 판단에 어떻게 반영되는지 묻습니다.

문서 기반 이론/매뉴얼에서는 공식 문서, 사용자 매뉴얼, 블로그, 이론 문서에 근거한 설명을 요청합니다.

포트폴리오/딜 분석에서는 실제 프로젝트, 고객, 단계, 확률, 리스크 비교를 묻습니다.

고객/담당자/활동 관계에서는 고객사, 담당자, 활동, 참석자, buying center 관계를 질문합니다.

근거 그래프에서는 답변이 어떤 문서, 업무 온톨로지, 그래프 근거와 연결되는지 확인합니다.

Auto Tuner / 분석 근거에서는 Auto Tuner가 무엇을 학습하고 어떤 분석 결과와 근거를 사용하는지 질문합니다.

전체 온톨로지 커버리지에서는 회사, 사용자, 고객, 딜, 활동, 시그널, 스냅샷의 전체 관계를 묻습니다.

좋은 질문 예시

특정 딜을 분석하려면 프로젝트 코드와 딜명을 함께 지정하십시오. 현재 화면에서 이미 딜이 선택되어 있더라도, 교육용 질문 예시는 항상 코드와 딜명을 포함하는 습관을 권장합니다.

“프로젝트 코드 [코드], 딜명 [딜명]의 현재 P(Win)이 낮아진 이유를 활동과 시그널 근거로 설명해줘.”

“프로젝트 코드 [코드], 딜명 [딜명]에서 다음 미팅 전에 반드시 확인해야 할 질문을 제안해줘.”

“프로젝트 코드 [코드], 딜명 [딜명]의 최근 활동, 베이지안 상태, 공식 문서를 함께 보고 고객에게 설명할 핵심 근거를 정리해줘.”

전체 포트폴리오를 보고 있다면 이렇게 질문할 수 있습니다.

“현재 전체 프로젝트에서 진행 지연 리스크가 큰 딜은 어떤 유형인가?”

“threshold를 넘은 딜과 아직 막혀 있는 딜을 구분해서 설명해줘.”

제품과 이론을 이해하려면 이렇게 질문할 수 있습니다.

“EXAWin의 베이지안 판단 구조를 고객 설명용으로 요약해줘.”

“침묵 패널티가 왜 필요한지 이론 문서 기준으로 설명해줘.”

“Auto Tuner가 완료된 won/lost history에서 무엇을 학습하는지 설명해줘.”

답변을 읽는 방법

Ontology AI의 답변은 하나의 문장만 보는 것이 아니라, 답변이 어떤 근거에서 나왔는지 함께 확인해야 합니다.

업무 데이터 기반 답변이라면 해당 딜, 고객, 활동, 시그널, 스냅샷 같은 실제 객체가 근거가 됩니다. 문서 기반 답변이라면 사용자 매뉴얼, 공식 문서, 블로그, 이론 문서가 근거가 됩니다. 그래프 근거가 제공되면 어떤 객체와 관계가 답변에 연결되는지 시각적으로 확인할 수 있습니다.

답변이 충분하지 않다면 후속 질문을 던지는 것이 좋습니다. 예를 들어 “그 판단의 근거가 된 활동만 다시 정리해줘”, “공식 문서 근거와 실제 딜 근거를 분리해줘”, “다음 고객 미팅에서 확인할 질문으로 바꿔줘”처럼 질문을 좁히면 더 유용한 답변을 얻을 수 있습니다.

보안과 권한 경계

Ontology AI는 사용자의 권한 범위 안에서만 답합니다. 다른 회사, 다른 테넌트, 접근 권한이 없는 프로젝트에 대한 질문은 답변하지 않습니다.

또한 Ontology AI는 데이터를 직접 수정하지 않습니다. “프로젝트 코드 [코드], 딜명 [딜명]을 수정해줘”, “활동을 삭제해줘”, “시그널 값을 바꿔줘” 같은 요청은 실행 대상이 아닙니다. 데이터를 변경해야 할 때는 해당 운영 화면에서 사용자가 직접 처리해야 합니다.

이 경계는 불편함이 아니라 안전장치입니다. 영업 데이터와 베이지안 판단은 회사 운영에 영향을 주는 정보이기 때문에, 자연어 패널이 임의로 데이터를 변경하지 않도록 설계되어 있습니다.

Decision Console과 함께 쓰는 방법

Decision Console에서 딜을 검토하다가 설명이 더 필요하면 Ontology AI를 열어 질문할 수 있습니다. 이때 프로젝트가 패널에서 선택되어 있거나 질문 안에 프로젝트 코드와 딜명이 명시되어 있어야 딜 단위 근거 분석이 정확해집니다. 예를 들어 Decision Console이 병목을 보여주면, “프로젝트 코드 [코드], 딜명 [딜명]에서 이 병목을 만든 활동과 시그널 근거를 설명해줘”라고 물을 수 있습니다.

Decision Console의 권고를 채택하기 전에 “프로젝트 코드 [코드], 딜명 [딜명]에서 이 권고를 실행하기 전에 확인해야 할 고객 질문은 무엇인가”라고 물을 수도 있습니다. 이때 Ontology AI는 지정된 딜의 근거와 문서적 설명을 함께 사용해 답변할 수 있습니다.

다만 권고 채택, 후속 활동 기록, 실제 고객 접촉 결과 입력은 Decision Console과 Activity War Room의 표준 workflow를 따라야 합니다. Ontology AI는 판단을 설명하고 질문을 정리하는 도구이며, 운영 기록을 대신 작성하는 도구가 아닙니다.

좋은 사용 습관

질문은 가능한 한 구체적으로 작성하십시오. “이 딜 어때?”처럼 대상을 생략한 질문은 피해야 합니다. “프로젝트 코드 [코드], 딜명 [딜명]의 P(Win)이 낮아진 원인을 최근 활동과 선택된 시그널 기준으로 설명해줘”처럼 대상을 명확히 지정하는 질문이 좋은 질문입니다.

답변 범위를 의식하십시오. 특정 딜의 실제 근거가 필요하면 현재 프로젝트 범위를 사용하고, 문서 기반 설명이 필요하면 공식 문서 또는 블로그/이론 범위를 사용하십시오.

답변을 그대로 고객에게 전달하기 전에 회사의 표현 기준과 실제 영업 맥락에 맞게 검토하십시오. Ontology AI는 설명을 돕지만, 고객 커뮤니케이션의 최종 책임은 사용자에게 있습니다.

다음에 읽을 문서

Ontology AI가 사용하는 온톨로지 원칙을 이해하려면 온톨로지 운영 원칙을 읽으십시오.

딜 판단과 AI 분석을 함께 검토하는 방법은 디시전 콘솔을 읽으십시오.

실제 객체 관계를 읽기 전용으로 확인하려면 온톨로지 인스펙터를 읽으십시오.