기존 기업 데이터 분석 시스템은 사용자가 명확한 질문을 가지고 있어야만 작동하는 '질문 중심(Question-First)' 모델이었습니다. 이는 비전문가에게는 낯선 데이터 스키마 앞에서 막막한 빈 쿼리 창을 마주하게 하는 한계가 있었습니다. 상업용 '능동형(proactive)' 도구들도 통계적 이상 징후를 감지하는 수준에 머물렀고, 학술 연구는 과거 쿼리 로그에 의존해 새로운 데이터셋에는 적용하기 어려웠습니다. 이러한 문제를 해결하기 위해, 최근 발표된 연구는 상호작용 모델을 '분석가 중심(Analyst-First)'으로 전환하는 새로운 생산 분석 시스템 아키텍처를 제안했습니다.
이 새로운 시스템은 두 가지 핵심 아이디어를 기반으로 합니다. 첫째는 '도메인 전문가 스킬(domain-expert skill)' 추상화입니다. 이는 특정 주제에 대한 지식 팩(매니페스트, 프롬프트, 키워드 기반 참조, 보고서 템플릿 등)을 폴더 형태로 구성하고, 데이터셋에 따라 자동으로 선택되어 분석 파이프라인의 모든 단계에 적용됩니다. 이 스킬은 자체 포함된 폴더 형태로 확장 가능한 마켓플레이스 역할을 할 수 있습니다. 둘째는 '오프라인 지식 컴파일 루프(offline knowledge-compilation loop)'입니다. 에이전트가 DuckDB를 통해 데이터셋을 오프라인으로 탐색하고, 테이블별 수렴 및 데이터 유효성 검사를 거쳐 영구적인 스키마 지식을 생성합니다. 이 지식은 모든 지표가 재검증된 전문가 보고서를 생성하고, 보고서 내용을 반영하는 질문들을 제안하여 사용자가 쿼리 상자를 사용하기 전에 능동적으로 인사이트를 제공합니다.
이러한 '분석가 중심' 접근 방식은 기업의 데이터 활용 방식을 혁신할 잠재력을 가집니다. 사용자가 질문을 고안하는 데 드는 시간과 노력을 줄이고, 검증된 인사이트를 미리 제공함으로써 더 빠르고 정확한 의사결정을 가능하게 합니다. 특히, 데이터 분석 전문성이 부족한 현업 사용자들에게 큰 도움이 될 수 있습니다. 도메인 전문가의 지식을 시스템에 통합하고 이를 지속적으로 검증하는 메커니즘은 분석의 신뢰성을 높이고, 기업이 데이터 기반 문화를 구축하는 데 중요한 기반을 제공할 것입니다. 이는 단순히 질문에 답하는 것을 넘어, 기업이 미처 인지하지 못했던 중요한 비즈니스 기회나 위험을 선제적으로 발견하는 데 기여할 수 있습니다.