말로 만드는 업무 대시보드
영업·CRM·제조의 질문을 지표·조건·권한·현재 업무에 연결합니다.
상세 안내 →홈 / AI 보고서의 숫자는 누가 검증할까? 영업·CRM·매출·제조 불량률 확인 방법
PIENCE · 파이언스
AI 보고서의 숫자는 누가 검증할까? 영업·CRM·매출·제조 불량률 확인 방법
문의 120건이 유효 문의 90건이 되는 이유, 환불·중복 합산과 불량률 분모를 가상 예시로 설명합니다. 원본·집계 기준·계산·누락을 검증하는 AI 보고서 설계, 다이어그램 3개와 열두 항목 점검표를 제공합니다.
파이언스 · 데이터 검증 AX 구현 가이드 · 2026년 10월 28일
스타트업 · 영업·CRM · 제조 · 데이터 분석 AX
보고서를 빨리 만드는 AI에서, 근거를 확인하고 다음 일을 돕는 AI로
“이번 달 유효 문의가 몇 건인가요?”, “매출이 왜 줄었나요?”, “어느 공정의 불량률이 높나요?” 같은 질문은 문장을 잘 쓰는 것만으로 답할 수 없습니다. 무엇을 한 건으로 세고, 어떤 기간과 상태를 포함했으며, 원본과 계산이 일치하는지 확인해야 합니다.
파이언스가 제안하는 AI 보고서 검증은 질문 확인 → 지표·집계 기준 합의 → 허용된 원본 조회 → 계산·중복·누락 대사 → 근거와 검증 상태 표시 → 담당 판단·후속 업무를 연결하는 AX입니다. AI는 모호한 질문과 이상 징후를 좁히고 근거를 설명하며, 수치 계산은 정해진 규칙으로 재현할 수 있게 설계합니다.
모든 수량·금액·기록은 이해를 돕는 가상 예시입니다. 고객사 이름·실제 거래·연락처를 포함하지 않습니다. 확인된 개발 기반과 앞으로 구축할 적용안을 구분합니다.
현재 AI 보고서에서 먼저 확인할 것
보고서의 숫자 하나를 골라 “분모는 무엇인가?”, “원본까지 돌아갈 수 있는가?”, “빠진 자료가 있어도 0이라고 답하지 않는가?”를 확인해 보세요.
AI가 만든 문장과 검증된 숫자는 어떻게 연결할까요?
| 확인할 층 | 물어볼 질문 |
|---|---|
| 업무 의미 | 문의는 고객 수인가 상담 건수인가? 매출은 주문·결제·정산·회계 인식 중 무엇인가? 불량은 제품 수인가 결함 건수인가? |
| 조회·접근 | 올바른 자료와 기간을 읽었는가? 사용자가 볼 수 있는 조직·공장·고객 범위인가? 조회가 끝났고 전체 범위를 받았는가? |
| 집계·계산 | 표 연결로 원본이 반복되지 않았는가? 분자·분모와 단위·수식이 맞는가? 합계와 세부 내역을 대사했는가? |
| 설명·판단 | 증가·감소를 사실로 확인했는가? 원인 가설과 확인된 원인을 구분했는가? 미확정·담당 검토가 필요한 곳을 표시했는가? |
보고서에는 숫자 + 지표 정의 + 대상 기간·시간대 + 원본 갱신 시각 + 포함·제외 + 계산식 + 조회 범위 + 검증 상태를 묶어 보여줍니다. 원본 행의 확인은 권한 있는 담당자에게 제공하며 개인·거래 정보나 전체 질의를 공개 보고서에 그대로 싣지 않습니다.
예시 1. 영업·CRM 문의 120건은 유효 문의 120건일까요?
같은 접수 기간의 원본 120개 행을 중복·시험·스팸 규칙으로 분류했다고 가정해 봅시다. 아래 제외 항목은 서로 겹치지 않게 분류했습니다. 중복에 해당하면서 스팸인 행을 두 번 빼지 않습니다.
| 구분 | 수량과 뜻 |
|---|---|
| 원본 접수 행 | 120행. 재전송·중복과 제외 대상도 포함한 출발점입니다. |
| 중복 행 | 20행 제외. 고객 이름만으로 합치지 않고 동일 상담 식별자·정한 규칙을 확인합니다. |
| 시험·스팸 행 | 앞선 중복 제외와 겹치지 않는 10행 제외. 사유를 보관합니다. |
| 유효 문의 | 120 − 20 − 10 = 90건. 서로 다른 유효 상담 건이며 고유 고객 90명이라는 뜻은 아닙니다. |
| 담당 인수 | 90건 중 60건 인수, 30건 미인수. 할 일 생성·알림 발송만으로 인수 처리하지 않습니다. |
| 데모 일정 합의 | 인수된 60건 중 18건이 합의했다고 가정합니다. 전체 유효 문의 대비 18÷90=20%, 인수 건 대비 18÷60=30%입니다. |
AI가 “데모 전환율 30%”만 쓰면 전체 유효 문의의 전환율로 오해할 수 있습니다. 분모가 유효 문의인지 담당 인수 건인지 숫자 옆에 표시합니다. 데모 일정 합의는 계약·매출 성사가 아닙니다.
같은 기간에 접수한 집단을 이후 특정 기준 시각까지 추적하는 코호트(같은 출발 집단) 분석과, 기간 중 발생한 모든 데모 활동을 세는 분석도 다릅니다. 이전 달 문의의 데모를 이번 달 신규 문의의 분자에 섞지 않습니다. AI는 미인수 30건의 담당·기한·현재 상태를 좁혀 보여주고, 허용된 범위에서 확인할 질문과 후속 할 일을 제안할 수 있습니다.
예시 2. 매출 보고서에서 환불과 중복 합산을 어떻게 확인할까요?
먼저 보고할 지표를 같은 통화·정한 기간의 결제 확정액에서 같은 기간 처리한 환불액을 뺀 운영 지표로 정해 봅시다. 결제 확정액 100,000원, 환불 처리액 20,000원이면 결제 기준 순액은 80,000원입니다. 이 지표는 과거 주문의 기간 내 환불을 포함할 수 있어, 특정 주문 집단의 최종 순액과 다를 수 있습니다.
아직 결제되지 않은 주문 취소 10,000원이 처음 100,000원에 포함되지 않았다면 다시 빼지 않습니다. 수수료·세금·통화 환산·정산액·회계 매출 인식은 이 예시에서 다루지 않은 별도 기준이며, 실제 보고서의 목적과 사내 회계 기준에 맞춰 정의합니다.
주문과 품목을 연결했더니 100,000원이 160,000원으로 보인다면
| 원본 주문 | 품목 연결 후 보이는 금액 | 확인할 집계 |
|---|---|---|
| 주문 A: 60,000원 | 품목 2행에 주문 전체 금액 60,000원이 각각 반복 | 주문 A 합계는 60,000원이며 120,000원이 아닙니다. |
| 주문 B: 40,000원 | 품목 1행에 40,000원 표시 | 주문 B 합계는 40,000원입니다. |
| 전체 주문 합계 | 행별 금액을 그대로 더하면 160,000원 | 주문 단위 원본 합계는 100,000원입니다. |
주문별 금액을 먼저 집계하거나, 실제 품목별 금액을 올바르게 합산하도록 데이터 구조에 맞게 설계합니다. 같은 금액인 서로 다른 주문까지 제거하는 ‘금액 중복 제거’는 해법이 아닙니다. 주문·결제·환불마다 고유 식별자와 기준 단위가 필요합니다. 연결 전후 고유 주문 수와 금액, 연결되지 않은 자료를 함께 대사합니다.
AI는 “매출이 줄었다”는 문장을 쓰기 전에 기간·상품·채널·환불·연결 중복의 차이를 비교하고 차이가 시작된 범위를 찾아줍니다. 환불이 늘어난 사실과 그 원인이 제품 품질이라는 가설은 구분하고, 원인 확인에 필요한 상담·반품·품질 근거를 추가로 검토하도록 안내합니다.
예시 3. 제조 불량률 3%와 결함 50건은 함께 맞을 수 있습니다
같은 최초 검사 집단에 속한 서로 다른 제품 1,000개 중 불량품이 30개이고, 한 제품에 여러 결함이 있어 결함 발생은 50건이었다고 가정해 봅시다.
| 지표 | 설명용 계산·주의점 |
|---|---|
| 최초 검사 불량품률 | 서로 다른 불량품 30개 ÷ 최초 검사 제품 1,000개 × 100 = 3%. 같은 제품의 결함을 중복 세지 않습니다. |
| 결함 발생 건수 | 50건. 제품 1,000개당 50건, 즉 100개당 5건입니다. 이를 불량품률 5%로 바꾸지 않습니다. |
| 재작업·재검사 | 불량품 중 20개를 재작업·재검사해 합격해도 최초 불량품 30개라는 기록은 유지합니다. 현재 미해결은 10개라고 별도 표시합니다. |
| 검사 회차 | 재검사 20회를 최초 검사 제품 1,000개에 더해 분모 1,020개로 만들지 않습니다. 제품 단위와 검사 회차 단위를 구분합니다. |
라인별 불량률을 단순 평균해도 될까요?
가상 라인 A가 100개 중 10개 불량으로 10%, 라인 B가 900개 중 0개로 0%라면, 전체는 (10 + 0) ÷ (100 + 900) = 1%입니다. (10% + 0%) ÷ 2 = 5%는 이 전체 불량품률이 아닙니다. 분자·분모를 합쳐 계산하고 서로 다른 검사 기준·품목·단위를 섞지 않습니다.
분모가 0이거나 검사 자료가 아직 도착하지 않았다면 “계산 불가·집계 대기”로 남깁니다. 누락을 정상 0%로 바꾸지 않습니다. AI가 특정 설비·공정·LOT의 비중을 좁혀도 원인을 확정하려면 작업·설비·자재·검사 기준과 실제 현장 검증이 필요합니다.
엑셀·CRM·ERP·MES와 현장 디바이스가 DX·AI·AX로 이어지는 방법
DX는 엑셀 파일·영업 상담·결제·검사 기록을 식별자·시간·상태·버전으로 연결하고 데이터의 뜻과 책임을 정하는 기반입니다. PDA·바코드·QR·태블릿에서 입력한 LOT(배치)·작업지시(공정표)·검사 결과와 설비 수집값도 대상이며, 수집 누락·재전송 중복·오프라인 동기화 시점을 함께 확인합니다.
AI는 질문을 지표로 풀고 조회 후보·이상 구간·누락·모순을 찾으며 근거와 확인할 일을 설명합니다. 합계·비율은 정한 코드·질의·계산 규칙으로 재계산하고 AI의 자연어 설명과 숫자가 일치하는지 확인합니다. AX는 검증 결과를 담당자의 판단, CRM 미인수 확인·환불 대사·검사 재확인 등 실제 업무와 결과 확인으로 연결하는 운영 변화입니다.
예를 들어 태블릿의 검사 기록과 보고서가 다르면 사무실 TV 현황판에 “검사 데이터 미수신·확인 중”을 표시하고, 권한 있는 현장 담당자에게 누락된 작업·검사 항목을 안내합니다. AI가 정상 수량을 임의로 채우지 않습니다. 재수신·담당 확인 뒤 집계를 갱신하고 어떤 근거가 바뀌었는지 남깁니다. 현황판은 조직별 공개 범위에 맞춰 요약하고 고객·거래 개인정보를 노출하지 않습니다.
파이언스가 제안하는 구현: 질문·조회·계산·검토를 함께 설계합니다
파이언스는 자체 개발·검증 중인 자연어 조회·화면 구성 기술에서 질문을 답변 가능·추가 질문 필요·처리 불가로 나누고, 질의 구조·금지 동작·허용 데이터·실행 계획과 비용, 제한 실행의 출력 구조를 확인하는 흐름을 다루고 있습니다. 조회 계획 검사와 소량 실행 검사는 전체 수치의 정확성을 보장하지 않습니다. 이 기반 위에 분야별 지표 정의·대사 규칙·근거 화면·담당 검토를 결합하는 적용안을 제안합니다.
- 정의와 기준선: 한 보고서의 지표·단위·기간·권한을 합의하고 원본과 기존 수작업 결과의 차이를 확인합니다.
- 통제된 조회: 허용된 읽기 경로, 접근 범위·시간·결과 제한, 조회 실패·자료 지연 상태를 구현합니다. 실행 계획과 실제 실행을 구분합니다.
- 결정된 계산과 대사: 고유 건수·중복·누락·합계·비율, 연결 전후 증감을 자동 점검하고 대표 및 예외 표본을 원본과 대조합니다.
- 근거 있는 보고서: 지표 정의·수식·버전·시각·검증 상태와 원인 가설을 분리해 보여주고 담당자가 정정·승인합니다.
- 후속 업무: 확인할 담당·기한·다음 행동을 연결합니다. 재고·가격·CRM 변경이나 외부 통보는 보고서 생성과 분리해 정한 권한·승인·결과 검증을 적용합니다.
조회가 타임아웃이거나 일부 공장만 접근 가능한 경우, “전사 불량 0건” 대신 “허용 범위 집계·일부 미완료”를 표시합니다. 대표 표본 몇 건의 일치로 전체를 통과 처리하지 않으며 전체 대사와 예외 검토를 함께 진행합니다. 두 보고서의 차이는 원본 스냅샷·조회 시각·정의 버전·필터 차이부터 비교합니다.
이 글의 영업·CRM·매출·품질 통합 검증 전체가 이미 고객에게 납품됐다는 뜻은 아닙니다. 실제 파일·시스템·데이터 품질·API·권한과 운영 책임에 맞춰 구축 범위를 정합니다.
AI 보고서 숫자 검증 열두 항목 점검표
| 점검 항목 | 확인 질문 |
|---|---|
| □ 업무 질문 | 무엇을 결정할 보고서인지, 모호한 지표는 확인 질문으로 좁혔는가? |
| □ 집계 단위 | 문의 건·고객·주문·품목·제품·검사 회차 중 한 행과 한 건의 뜻을 정했는가? |
| □ 기간·시점 | 대상 기간·시간대·마감 시각·데이터 갱신 시점이 같은가? |
| □ 포함·제외 | 중복·시험·스팸·취소·환불·재검사의 포함 규칙과 제외 사유가 있는가? |
| □ 원본·권한 | 근거 데이터·버전·원본 식별자와 조직·사용자 접근 범위를 확인하는가? |
| □ 조회 통제 | 허용 데이터·읽기 권한·조회 시간·실행 비용을 제한하고 실패를 표시하는가? |
| □ 연결·중복 | 표 연결 전후 고유 건수·금액과 누락·증가한 행을 대사하는가? |
| □ 수식·단위 | 결정된 계산 규칙으로 합계·비율·통화·환산·반올림을 재계산하는가? |
| □ 누락·불일치 | 빈 값·분모 0·수집 지연·대조 차이를 확인하고 미확정을 남기는가? |
| □ 원본 대조 | 전체 대사와 대표·예외 표본을 원본에서 확인하고 차이를 설명하는가? |
| □ 검토·실행 | 검증 상태·담당 승인·보고서 정정과 후속 실행 권한을 분리했는가? |
| □ 운영·평가 | 같은 조건의 검증 시간·정정률·예외 발견·검토 부담을 비교하는가? |
효과는 보고서 생성 속도와 검증 품질을 함께 봅니다
요청부터 검증된 보고서까지 걸린 시간, 원본 대사 차이·정정률·미확정 항목, 누락·중복 발견과 해결 시간, 담당 검토 부담과 후속 업무 완료를 비교합니다. 같은 데이터 범위·지표 정의·복잡도의 질문으로 평가하고 틀렸는데 통과한 건도 별도로 봅니다. 이 글에는 실제 정확도·절감률·매출 상승 실적을 제시하지 않습니다.
자주 묻는 질문
AI가 계산한 보고서는 다른 AI에게 다시 물으면 검증되나요?
두 AI가 같은 결론을 내도 같은 잘못된 자료·집계 기준을 공유할 수 있습니다. 합의된 지표 정의, 권한 있는 원본, 정해진 계산과 대사, 담당 검토를 연결하고 AI의 재검토는 보조 수단으로 사용합니다.
SQL이 정상 실행되면 숫자도 맞는 것 아닌가요?
실행 성공은 문의·매출·불량의 업무 정의나 연결 중복·누락이 맞다는 뜻이 아닙니다. 고유 건수와 집계 단위, 포함·제외, 원본 합계와의 차이를 별도로 확인합니다.
ERP나 MES 없이 엑셀부터 시작할 수 있나요?
파일별 기준일·버전·열의 뜻과 원본 식별자를 정해 같은 방식으로 검증할 수 있습니다. 파일 중복·수식·수정 이력·빈 값부터 확인하고 현재 데이터 범위의 한계를 표시합니다.
불량 50건을 제품 1,000개로 나누면 불량률 5%인가요?
50이 결함 발생 건수인지 서로 다른 불량품 50개인지 먼저 확인합니다. 본문의 가상 예시에서는 불량품 30개에 결함 50건이 있어 최초 검사 불량품률은 30÷1,000=3%입니다.
이 글의 CRM·매출·품질 보고서가 모두 납품된 사례인가요?
자체 개발·검증 중인 자연어 조회와 질의·출력 검증 기술을 바탕으로 한 적용 제안입니다. 분야별 통합 검증 흐름과 숫자는 가상 예시이며 전체 고객 구축 완료 실적으로 제시하지 않습니다.
설계를 뒷받침하는 공식 기술자료
Microsoft Learn · 다대다 관계와 집계 단위: 서로 다른 단위의 표를 연결할 때 관계·필터·합계의 의미를 확인하는 데이터 모델링 자료입니다. 본문의 주문·품목 중복 합산 예시는 이를 설명하기 위한 자체 가상 예시입니다.
ASQ · 품질 용어집: 결함과 하나 이상의 결함을 가진 불량품, 최초 통과 수율 등의 개념을 구분하는 참고 자료입니다. 본문의 불량률은 명시한 최초 검사 모집단에 대한 설명용 정의입니다.
PostgreSQL · EXPLAIN: 조회 계획·비용 추정과 실제 실행을 구분합니다. ANALYZE 옵션은 문장을 실제 실행하므로 일반 EXPLAIN과 다르게 취급해야 합니다.
자료 확인: 2026년 10월 28일. 참고 기술 원리와 파이언스의 구축 완료 실적을 구분합니다.
함께 읽으면 좋은 AX 구현 가이드
해결 경험을 회사의 지식으로
실제 해결 근거를 후보·검토·버전·현재 업무에 연결해 재사용합니다.
상세 안내 →AI 업무의 실제 완료 검증
CRM·주문·제조에서 실제 반영·부분 성공·복구 결과를 확인합니다.
상세 안내 →커뮤니티 신고·콘텐츠 승인 AX
AI의 맥락 요약과 운영자 판단·조치·안내·이의제기를 연결합니다.
상세 안내 →다국어 AI 제품·영업·CRM 운영
문의·인수·후속 실행을 구분하고 운영 비용과 결과를 확인합니다.
상세 안내 →고객 맥락을 반영하는 영업·제안 지원
확인한 사실과 질문·제안·후속 업무를 연결합니다.
상세 안내 →주문·배송·정산 이상 대응
상태 차이와 실패 원인을 좁히고 실제 처리 결과를 확인합니다.
상세 안내 →사내 지식과 현재 업무를 함께 읽는 AI
문서 근거와 현재 상태·시점·접근 범위를 함께 봅니다.
상세 안내 →데이터 분석·업무 보고서 연결
원본부터 지표·대시보드·AI 해석·업무 활용까지 설계합니다.
상세 안내 →파이언스 공식 프로젝트 문의
구축하려는 업무, 현재 사용하는 시스템, 필요한 기능과 희망 일정을 알려주세요. 필요한 업무부터 단계적으로 구축하며, 범위와 예산은 상담 후 협의합니다.