자연어 질문 → 차트 스펙 매핑 (단어별 색 밑줄 → 측정값 · X축 · 색 · 필터 · 차트 종류 칸으로 날아감 → 선 차트 생성)
Natural-language query to chart spec: each parsed phrase gets a typed colour underline and flies into its encoding slot (measure, x-axis, colour, filter, mark) before the chart renders
"지난 6개월 지역별 매출 추이, 서울 제외"라는 질문을 입력하면 구절마다 역할 색 밑줄이 그어지고, 그 구절이 칩이 되어 왼쪽 "해석된 스펙" 칸(측정값 · X축 · 색 구분 · 필터 · 차트)으로 날아가 꽂힌 뒤 오른쪽에 선 차트가 그려집니다. 사용자가 AI가 무엇을 무엇으로 이해했는지 차트보다 먼저 확인할 수 있게 하는 자연어 질의(NLQ) 화면입니다.
프롬프트
자연어 질의 → 차트 스펙 매핑 화면을 만들어줘. 흐름: 입력창(높이 36px, 반경 18px, ✦ 아이콘) → Enter → LLM이 구조화 출력 {measure:{field:"revenue",agg:"sum"}, x:{field:"order_month",range:"last_6_months"}, color:{field:"region"}, filters:[{field:"region",op:"!=",value:"서울"}], mark:"line", spans:[{text:"지난 6개월",role:"x",start:0,end:6},…]} 를 돌려줌. spans로 원문 구절에 역할 색 밑줄(2.5px, 측정값 #4F46E5 · 시간 #14B8A6 · 차원 #F59E0B · 필터 #DC2626 · 차트 종류 #7C3AED)과 10% 배경을 160ms 간격으로 왼→오 그린다(각 400ms cubic-bezier(.16,1,.3,1)). 이어서 구절 칩이 구절 위치에서 왼쪽 스펙 패널(236px 폭, 5행 × 47px, 빈 칸은 1px 점선)의 해당 칸으로 이차 베지어 경로를 따라 500ms ease-in-out으로 날아가고(280ms 스태거), 도착하면 칸이 역할 색 10% 배경 + 굵은 값 + 오른쪽 모노 필드명(SUM(revenue), region != '서울')으로 채워진다. 그동안 차트 영역은 시머 골격, 다 꽂히면 Vega-Lite 스펙으로 렌더 → 선마다 120ms 스태거로 1.4초 그려지기, 선 끝 라벨. 칸 클릭 = 그 값만 수정하는 드롭다운(재질문 없이 스펙 수정), 바닥 메타 "파싱 120ms · 쿼리 0.4s · 24점". 규칙: 해석 못 한 구절은 회색 점선 밑줄 + "무시됨" 툴팁, 스펙 칸이 비면 차트를 만들지 말고 그 칸을 강조해 되묻기.
라이브 데모 열기 — 자연어 질문 → 차트 스펙 매핑 (단어별 색 밑줄 → 측정값 · X축 · 색 · 필터 · 차트 종류 칸으로 날아감 → 선 차트 생성)
모호한 단어 되묻기 (“잘한” 물결 밑줄 → 기준 선택 팝오버 → 팀 기본값 기억 → 순위 막대 재정렬)
Ambiguity clarification for NL queries: a vague word gets a wavy underline and a criteria popover, the choice is remembered as a team default and the ranking re-sorts
"이번 분기 가장 잘한 매장은?"처럼 기준이 여러 개인 질문에서 AI가 임의로 고르지 않고, 모호한 단어 "잘한"에 호박색 물결 밑줄을 긋고 기준(매출 합계 · 전년 대비 성장률 · 객단가)을 묻습니다. 고른 기준은 질문 아래 알약으로 남고 "팀 기본값으로 기억"하면 용어집에 저장되며, 매출 순 미리보기 막대가 성장률 순으로 FLIP 재정렬됩니다.
프롬프트
자연어 질의의 모호성 확인 UI를 만들어줘. 서버 응답: {status:"needs_clarification", span:{text:"잘한",start:8,end:10}, options:[{id:"revenue",label:"매출 합계",default:true},{id:"yoy",label:"전년 대비 성장률"},{id:"aov",label:"객단가"}], preview:{by:"revenue",rows:[…]}}. 화면: ① 해당 구절에 #D97706 물결 밑줄(진폭 1px, 파장 4px) + 10% 배경, 그 아래 240×116px 팝오버(그림자 0 8px 24px rgba(17,24,39,.14), 160ms scale .96→1 + fade) — 제목 "✦ '잘한'을 어떤 기준으로 볼까요?", 라디오 행 3개(28px), 맨 아래 체크박스 "이 팀의 기본값으로 기억". ② 팝오버가 열린 동안 결과 영역은 매출 기준 미리보기 막대를 opacity .35 + "기준 확인 중" 라벨로만 보여 줌(빈 화면 금지). ③ 선택 → 팝오버 닫힘 → 질문 아래 알약 "기준: 전년 대비 성장률 ✎"(클릭하면 팝오버 재오픈) → 막대가 새 값으로 길이 600ms cubic-bezier(.2,0,0,1) + 행 순서 FLIP(같은 600ms, 행 높이 34px), 막대 라벨은 중간 지점에서 "18.2억" → "+4.1%"로 교체, 1위 막대만 #7C3AED. ④ 기억 체크 시 토스트 "팀 용어집에 저장: 잘한 = 성장률" 2.5초, 다음 질문부터는 묻지 않고 알약만 표시. 규칙: 되묻기는 질문당 1회, 선택지는 최대 4개 + "직접 입력", 기본 선택지에 "(기본)" 표기, 키보드 ↑↓ Enter.
라이브 데모 열기 — 모호한 단어 되묻기 (“잘한” 물결 밑줄 → 기준 선택 팝오버 → 팀 기본값 기억 → 순위 막대 재정렬)
대화형 분석 맥락 알약 (이어받은 기간 · 지역 표시 · 알약 × 로 해제 → 이전 답변 재계산)
Conversational analytics with context pills: follow-up turns inherit period and region filters shown as pills, and removing a pill recomputes the dependent answer
첫 질문 "3분기 서울 매출 보여줘"의 기간 · 지역이 다음 질문 "카테고리별로는?"에 그대로 상속되고, 오른쪽 "현재 맥락" 패널에 출처 턴 번호가 붙은 알약으로 쌓입니다. 지역 알약의 ×를 누르면 그 맥락에 기대던 답변 2가 시머 후 전체 지역 기준으로 다시 계산되고 대화에 "맥락 변경" 기록이 남아, 후속 질문에서 숨은 필터가 따라오는 문제를 눈에 보이게 합니다.
프롬프트
대화형 데이터 분석의 맥락 상속 UI를 만들어줘. 상태: context=[{key:"period",label:"기간",value:"3분기",fromTurn:1},{key:"region",label:"지역",value:"서울",fromTurn:1},{key:"split",label:"분할",value:"카테고리",fromTurn:2}], turns=[{q, answer:{spec, usedContext:["period","region"]}}]. 레이아웃: 왼쪽 대화 열(최대 640px) + 오른쪽 280px "현재 맥락" 패널. 각 AI 답변 카드 위에 "이어받은 맥락: 3분기 · 서울" 회색 한 줄(새로 추가된 맥락은 보라 점), 맥락 패널의 알약은 라벨 · 값 · "←턴1" 출처 배지 · × 버튼(24px 히트 영역). 상속 규칙: 후속 질문이 같은 키를 언급하면 덮어쓰기(알약 값 롤링 240ms), 언급 없으면 상속, "전체"/"모든"이 나오면 해제. 알약 × → 알약이 취소선 120ms 후 높이 0으로 접힘(200ms), 그 맥락을 usedContext에 가진 답변만 시머 오버레이 → 재질의 → 차트 막대 400ms cubic-bezier(.2,0,0,1)로 새 값, 답변 수치 카운트업, 대화에 시스템 줄 "맥락 변경: 지역 필터 해제 → 답변 2 다시 계산" 삽입. Undo 토스트 5초. 접근성: 맥락 변경은 aria-live polite로 낭독.
라이브 데모 열기 — 대화형 분석 맥락 알약 (이어받은 기간 · 지역 표시 · 알약 × 로 해제 → 이전 답변 재계산)
자연어로 위젯 고치기 (“가로 막대로, 상위 5개만, 전월 대비” → 스펙 diff 줄 → 막대 회전 모핑 → 되돌리기)
Natural-language widget editing: a typed instruction becomes a visible spec diff (− / + lines) and the chart morphs from 10 vertical bars to a top-5 horizontal ranking, with one-click undo
이미 있는 "카테고리별 매출" 위젯 머리의 ✦ 입력칸에 "가로 막대로, 상위 5개만, 전월 대비 표시"라고 쓰면, 오른쪽에 바뀐 스펙이 빨강 − / 초록 + diff 줄로 하나씩 찍히고, 세로 막대 10개가 가로 막대 5개로 회전 모핑하며 전월 대비 증감 라벨이 붙습니다. 변경은 diff로 확인하고 "되돌리기"로 원래 위젯으로 돌아갈 수 있습니다.
프롬프트
자연어 위젯 편집 기능을 만들어줘. 위젯 머리에 ✦ 아이콘 입력칸(높이 24px) → 입력 → LLM이 현재 Vega-Lite 스펙과 지시문을 받아 RFC 6902 JSON Patch 배열을 반환([{op:"replace",path:"/encoding/x",…},{op:"add",path:"/transform/-",value:{window:[{op:"rank",as:"r"}]}},{op:"add",path:"/transform/-",value:{filter:"datum.r<=5"}},{op:"add",path:"/layer/1",value:{mark:"text",encoding:{text:{field:"mom_pct"}}}}]). 화면 오른쪽 200px 패널에 사람이 읽는 diff — 줄마다 모노 10px, 삭제 #FEE2E2 바탕 − 빨강, 추가 #DCFCE7 바탕 + 초록, 200ms 간격 스태거 등장. 적용: 막대마다 x · y · width · height를 보간해 세로 → 가로로 900ms cubic-bezier(.65,0,.35,1) 모핑, 6–10위 막대는 opacity 0 + 폭 0으로 빠지고, 남은 막대 끝에 "+12% 전월 대비" 라벨이 페이드(증가 #16A34A, 감소 #DC2626). 위젯 바닥에 "AI가 수정함 · 3개 변경 · 되돌리기 ⌘Z" 칩, 되돌리기 = 역 patch로 같은 모핑을 거꾸로. 규칙: 데이터 쿼리를 바꾸는 patch(새 필드)는 미리보기 후 승인 필요, 표현만 바꾸는 patch는 즉시 적용; 해석 불가 지시는 "‘전월 대비’ 필드가 없어요 — prev_month_revenue를 쓸까요?" 되묻기.
라이브 데모 열기 — 자연어로 위젯 고치기 (“가로 막대로, 상위 5개만, 전월 대비” → 스펙 diff 줄 → 막대 회전 모핑 → 되돌리기)
자연어 가정 질문 (“광고비 20% 늘리면?” → 가정 칩 추출 · 칩 숫자 고치기 → 시나리오 선 · 체감 효과 표기)
Natural-language what-if: the question is parsed into editable assumption chips (lever, period, elasticity, ceteris paribus) and editing a chip re-runs the scenario line with diminishing-returns notes
"광고비를 20% 늘리면 11월 매출은?"이라는 질문에서 AI가 레버(광고비 +20%) · 기간(11월) · 근거 모델(탄력성 0.34, 과거 18개월) · "그 외 동일" 가정을 칩으로 꺼내 보여 주고, 기준 예측 대비 시나리오 점과 80% 구간을 그립니다. 사용자가 +20% 칩을 +35%로 고치면 숫자가 굴러가며 시나리오가 다시 계산되고 "추가 15%p의 효과는 +1.8%p뿐(체감)"이라는 설명이 붙습니다.
프롬프트
자연어 what-if 분석 패널을 만들어줘. LLM 함수 호출: run_scenario({lever:"ad_spend",change_pct:20,period:"2026-11",model:"elasticity",elasticity:0.34,hold_others:true}) → {baseline:6120, scenario:6340, p10:6210, p90:6470, marginal:[…]}. 화면: 질문 입력창 아래 가정 칩 줄(높이 20px, 수정 가능한 칩은 점선 밑줄 + ✎, 모델 칩은 "근거" 아이콘 → 클릭 시 과거 18개월 산점도 팝오버), 왼쪽 차트(6월–10월 실적 실선 + 11월 기준 예측 회색 점 + 시나리오 보라 점과 80% 구간 세로 막대, 기준 → 시나리오 화살표), 오른쪽 결과 카드("₩61.2억 → ₩63.4억 (+3.6%)", 구간, 필요한 추가 광고비 ₩1.8억, ROAS 1.22). 칩 편집: 클릭 → 인라인 스테퍼(±5%p, 직접 입력), 값이 바뀌면 300ms 디바운스 후 재계산, 숫자는 세로 롤링 280ms, 시나리오 점은 500ms cubic-bezier(.2,0,0,1)로 이동, 직전 시나리오는 고스트 점으로 2초 남김. 체감 수익: 오목 반응곡선 r=(1+x)^0.34−1을 결과 카드 아래 32px 미니 곡선으로 보여 주고 현재 x 위치 표식. 규칙: 모델 범위(과거 관측 ±40%)를 벗어나면 칩을 호박색으로 바꾸고 "관측 범위 밖 — 신뢰도 낮음" 경고, 인과 모델이 아니면 결과 카드에 "상관 기반 추정" 배지.
라이브 데모 열기 — 자연어 가정 질문 (“광고비 20% 늘리면?” → 가정 칩 추출 · 칩 숫자 고치기 → 시나리오 선 · 체감 효과 표기)
의미 기반 지표 검색 (“고객이 떠나는 비율” → 이탈률 · 동의어 일치 하이라이트 · 유사도 막대 · 인증 배지 · 정의 미리보기)
Semantic metric search over a governed metric catalog: everyday wording matches certified metrics via synonyms and embeddings, with similarity bars, match reasons and a definition preview
"고객이 떠나는 비율"처럼 지표 이름을 몰라도 일상어로 검색하면, 시맨틱 레이어의 지표 카탈로그에서 이탈률(인증) · 해지율(구독) · 재구매 실패율(비인증)을 유사도 순으로 찾고 "떠나는 ≈ 이탈(동의어)" 같은 일치 이유를 칩으로 보여 줍니다. 행에 올리면 오른쪽에 공식 · 소유 팀 · 검토일 · 사용 중인 대시보드 수가 미리보기로 떠서, AI가 엉뚱한 지표로 답하는 일을 막습니다.
프롬프트
시맨틱 지표 검색(지표 카탈로그 검색)을 만들어줘. 데이터: metrics=[{id:"churn_rate",name:"이탈률",synonyms:["떠나는","해지","churn"],formula:"해지 고객 ÷ 기간 시작 활성 고객",owner:"그로스팀",certified:true,reviewedAt:"2026-09-12",usedIn:24,embedding:[…]}]. 검색: 입력 150ms 디바운스 → 하이브리드 점수 = 0.6×코사인 유사도(pgvector) + 0.3×동의어 일치 + 0.1×사용 빈도, 결과 최대 6행(행 34px, 120ms 스태거 페이드 + translateY 4px). 행 구성: 지표명 · 모노 id · 인증 배지(✓ 초록, 비인증은 호박색 "검토 전"), 유사도 막대 48×3px(그라디언트 #7C3AED→#2563EB) + 0.92 숫자, 일치 이유 칩("‘떠나는’ ≈ 이탈 · 동의어"), 입력어와 일치한 글자는 #EDE9FE 하이라이트. 오른쪽 260px 미리보기: 정의 공식 블록, 소유 팀 · 검토일, 최근 값 + 12주 스파크라인, "24개 대시보드에서 사용", 주의 문구(예: "구독 상품만 포함"), 기본 버튼 "이 지표로 차트 만들기". 키보드 ↑↓로 행 이동 = 미리보기 교체 180ms 크로스페이드. 규칙: 인증 지표를 항상 위로(같은 점수면), 비인증만 있으면 결과 위에 "인증 지표 없음" 안내, LLM 답변은 이 검색을 거쳐 고른 지표 id만 쓰게 강제.
라이브 데모 열기 — 의미 기반 지표 검색 (“고객이 떠나는 비율” → 이탈률 · 동의어 일치 하이라이트 · 유사도 막대 · 인증 배지 · 정의 미리보기)
다시 쓰이는 자동 서술 요약 (필터 전환 → 문단 시머 재생성 · 바뀐 숫자 노란 플래시 · 숫자 칩 호버 → 해당 막대 연결선)
Dynamic smart narrative: an auto-written summary regenerates when the filter changes, changed figures flash, and every number chip is bound to its chart mark
차트 옆 "✦ 자동 요약" 문단이 숫자를 직접 쓰지 않고 차트 데이터에서 계산한 값을 숫자 칩으로 끼워 넣습니다. 필터를 전체 → 모바일로 바꾸면 막대가 모핑하는 동안 문단이 시머로 덮였다가 새 문장으로 스트리밍되고, 바뀐 숫자는 노란색으로 잠깐 깜박이며, 숫자 칩에 올리면 그 숫자가 나온 막대만 남고 연결선이 그어집니다.
프롬프트
필터에 반응하는 자동 서술 요약(스마트 내러티브) 위젯을 만들어줘. 구조: 서버가 쿼리 결과에서 사실(facts)을 먼저 계산 — [{id:"f1",type:"total",value:23.2,unit:"억",markRef:null},{id:"f3",type:"max",value:8.4,markRef:"bar:검색"},{id:"f4",type:"fastest_growth",value:0.184,markRef:"bar:SNS"}] — LLM은 사실 id만 참조하는 템플릿 문장을 쓰고("{f3}으로 가장 크고"), 렌더러가 id를 숫자 칩으로 치환(LLM이 숫자를 직접 생성하지 못하게). 칩 스타일: 높이 1.45em, 반경 3px, 중립 #7C3AED 12% · 증가 #16A34A 12% · 감소 #DC2626 12% 바탕, 굵게. 필터 변경 시: 차트 막대 600ms cubic-bezier(.2,0,0,1) 모핑과 동시에 문단 opacity .3 + 시머 줄 3개, 새 사실 도착 → 문장을 글자당 18ms로 스트리밍, 이전 값과 달라진 칩은 #FACC15 55% 배경이 1초 동안 0으로 페이드. 칩 hover → markRef 막대만 opacity 1(나머지 .35), 칩 → 막대 꼭대기까지 점선 베지어 연결선(1px #7C3AED), 막대 hover도 반대로 칩 강조. 하단 메타 "자동 생성 · 수치는 차트 데이터와 연결 · 10:42 갱신". 규칙: 문장 수 3개 이하, 같은 사실 반복 금지, 사실이 없으면(데이터 0행) 요약 대신 "요약할 데이터가 없어요".
라이브 데모 열기 — 다시 쓰이는 자동 서술 요약 (필터 전환 → 문단 시머 재생성 · 바뀐 숫자 노란 플래시 · 숫자 칩 호버 → 해당 막대 연결선)
이상 지점 원인 가설 패널 (빨간 고리 클릭 → “왜 떨어졌나요?” 가설 3개 · 기여 % · 신뢰도 · 근거 미니 차트 → 플랫폼 분할 적용 · 도움됨 피드백)
Anomaly "why" panel: clicking a flagged dip opens ranked root-cause hypotheses with contribution, confidence and evidence sparklines, and applying the top one splits the chart by platform
결제 성공률 선에서 기대 범위를 벗어난 21시 하락 지점에 빨간 고리가 맥동하고, 누르면 아래에 "✦ 왜 떨어졌나요?" 패널이 열려 원인 가설 3개(iOS 5.2.0 배포 78% · PG사 응답 지연 15% · 정상 변동 7%)를 기여도 막대 · 신뢰도 알약 · 근거 미니 차트로 보여 줍니다. 1순위 가설의 "차트에 적용"을 누르면 선이 iOS와 나머지로 갈라져 iOS만 떨어진 것이 보이고, "도움됨" 피드백이 모델에 쌓입니다.
프롬프트
이상 지점 원인 설명(Why) 패널을 만들어줘. 데이터: series=[{ts,value,expectedLo,expectedHi}] 48시간, anomalies=[{ts:"21:00",delta:-6.3,unit:"%p"}], hypotheses=[{rank:1,title:"iOS 앱 5.2.0 배포 직후 iOS 결제만 하락",contribution:0.78,confidence:"high",evidence:{type:"split",dim:"platform",series:{ios:[…],other:[…]}},action:{type:"split",dim:"platform"}},{rank:2,title:"PG사 A 응답 지연 p95 2.1s",contribution:0.15,confidence:"medium"},{rank:3,title:"정상 변동 범위",contribution:0.07,confidence:"low"}]. 차트: 기대 범위 띠(회색 12%), 이상 점은 반지름 3px 빨강 + 1.6초 주기 고리 맥동(반지름 3→10px, opacity .5→0), 라벨 "21:00 −6.3%p". 클릭 → 차트 아래 패널이 높이 0→auto 320ms cubic-bezier(.2,0,0,1)로 열리고 가설 행(36px)이 80ms 스태거로 등장. 행: 순위, 제목, 근거 미니 차트 48×14px, 기여도 막대(빨강 농도 = 기여도) + %, 신뢰도 알약(높음 초록 · 보통 호박 · 낮음 회색). 1순위 행 hover → "차트에 적용" 버튼 → 본 차트가 iOS(빨강) · 그 외(파랑) 두 선으로 500ms 갈라지고(공통 경로에서 분기) 차트 머리에 "분할: 플랫폼 ×" 알약. 패널 바닥 "도움됨 · 아님" 피드백 → 가설 순위 모델 학습 로그로 전송. 규칙: 기여도 합 100%, "정상 변동" 가설을 항상 후보에 포함, 근거 없는 가설(데이터 연결 없음)은 표시 금지.
라이브 데모 열기 — 이상 지점 원인 가설 패널 (빨간 고리 클릭 → “왜 떨어졌나요?” 가설 3개 · 기여 % · 신뢰도 · 근거 미니 차트 → 플랫폼 분할 적용 · 도움됨 피드백)
핵심 영향 요인 (이탈 = 예를 높이는 요인 목록 · “2.6배” · 요인 선택 → 값별 이탈률 막대와 평균선 · 상위 세그먼트 탭)
Key influencers visual: ranked factors that make churn = yes more likely ("2.6×"), selecting one shows churn rate per value against the average line
"무엇이 이탈을 예 쪽으로 움직이나요?"에 대해 계약 유형 = 월 단위(2.6배) · 고객센터 문의 3회 이상(2.1배) · 가입 6개월 미만(1.8배)처럼 요인을 배수 크기 순으로 나열하고, 요인을 고르면 오른쪽에 그 요인의 값별 이탈률 막대와 평균 이탈률 11.2% 점선이 나타나 영향력 있는 값 막대만 강조됩니다. 업무 담당자가 "왜 이탈하나"를 분석 지식 없이 읽게 하는 AI 영향 요인 화면입니다.
프롬프트
핵심 영향 요인(Key influencers) 비주얼을 만들어줘. 분석: 목표 = churn ∈ {예, 아니오}, 설명 변수 = 계약 유형 · 문의 횟수(구간화) · 가입 기간 · 결제 수단 · 월 요금; 범주 값마다 로지스틱 회귀(또는 값 = 1 vs 나머지 비율 비교)로 "이 값일 때 이탈 확률이 평균 대비 몇 배"를 계산하고 p < 0.05인 것만 배수 내림차순. 데이터: influencers=[{factor:"계약 유형",value:"월 단위",multiplier:2.6,rate:0.291,n:2140,breakdown:[{value:"월 단위",rate:.291},{value:"1년",rate:.074},{value:"2년",rate:.028}]}…], avgRate:0.112. 레이아웃: 상단 질문 문장 드롭다운("무엇이 [이탈]을 [예] 쪽으로 움직이나요?") + 탭 [핵심 영향 요인 | 상위 세그먼트], 왼쪽 목록(행 50px: "계약 유형이 월 단위면" + 큰 숫자 "2.6배" + 배수 막대), 오른쪽 열 차트(값별 이탈률 막대, 영향 값만 #7C3AED · 나머지 #CBD5E1, 평균선 점선 + "평균 11.2%" 라벨, 위에 결론 문장 "계약 유형이 '월 단위'면 이탈 가능성이 2.6배 높아요"). 상호작용: 행 클릭 → 선택 행 왼쪽 3px 강조선 + #EEF2FF, 오른쪽 막대가 0에서 80ms 스태거로 500ms cubic-bezier(.2,0,0,1) 성장. 연속 변수는 구간 막대 대신 산점도 + 추세선으로 전환. 규칙: 표본 수 n < 100 요인은 숨김(목록 아래 "표본 부족 2개 숨김"), 상관이며 인과가 아님을 바닥 각주로 표기.
라이브 데모 열기 — 핵심 영향 요인 (이탈 = 예를 높이는 요인 목록 · “2.6배” · 요인 선택 → 값별 이탈률 막대와 평균선 · 상위 세그먼트 탭)
AI가 고르는 분해 트리 (매출 → 채널 → 카테고리 → 지역 · 단계마다 “✦ 최고값 분할” · 고른 이유 = 차원별 분산 막대)
AI-split decomposition tree: each level the AI picks the next dimension and the highest-value node, with a "why this split" popover comparing dimension variance
매출 38.2억에서 시작해 단계마다 AI가 "가장 차이가 큰 차원"을 골라 다음 열(채널 → 카테고리 → 지역)을 펼치고 그중 최고값 노드로 경로를 이어 가는 분해 트리입니다. 열 머리의 "✦ AI 분할" 칩에 올리면 후보 차원들의 하위 값 분산(지역 0.21 · 기기 0.34 · 카테고리 0.58)이 막대로 비교돼 왜 그 차원을 골랐는지 확인할 수 있습니다.
프롬프트
AI 분할 분해 트리(Decomposition tree)를 만들어줘. 데이터: root={label:"매출",value:38.2}, 각 단계 API /split?path=[…]&mode=high|low → {dimension:"카테고리",reason:{candidates:[{dim:"지역",score:.21},{dim:"기기",score:.34},{dim:"카테고리",score:.58}],metric:"정규화 분산"},children:[{label,value}]}. 레이아웃: 열 폭 64px · 열 간격 20px, 노드 높이 22px(라벨 + 값 + 부모 대비 비중 막대 3px), 열 머리 = 차원 이름 + "✦ AI 분할 · 최고값" 칩(사용자가 직접 고른 차원은 칩 없음). 상호작용: 노드 클릭 → 다음 열이 왼쪽에서 24px 밀려 나오며 300ms fade, 노드는 60ms 스태거; 선택 경로는 2px 강조 베지어(수평 탄젠트), 나머지 연결은 표시하지 않음; 열 머리 칩 hover → 팝오버 "AI가 '카테고리'를 고른 이유" + 후보 차원 점수 막대(선택 차원 #7C3AED) + "하위 값 차이가 가장 커요". 모드 토글 최고값 ↔ 최저값(문제 찾기), 열 머리 × = 그 단계부터 제거. 다크 패널 #141824, 노드 #1C2232, 강조 #A78BFA. 규칙: 노드 값 합 = 부모 값(나머지는 "기타"로), 경로는 URL에 저장해 공유, AI 분할 근거 점수는 항상 열람 가능.
라이브 데모 열기 — AI가 고르는 분해 트리 (매출 → 채널 → 카테고리 → 지역 · 단계마다 “✦ 최고값 분할” · 고른 이유 = 차원별 분산 막대)
근거를 보여 주는 AI 예측 (자동 모델 칩 · 백테스트 토글 → 과거 예측선 겹쳐 오차 칠하기 · MAPE 카운트 · 넓어진 구간 이유 툴팁)
Forecast with evidence: an auto-selected model chip, a backtest toggle that overlays past holdout forecasts with shaded error and a MAPE readout, and a tooltip explaining why the interval widens
AI 예측선을 그냥 믿으라고 하지 않고, "백테스트 보기"를 켜면 과거 시점(14 · 18 · 22주차)에 같은 모델이 했던 4주 예측이 호박색 점선으로 실제 위에 겹쳐지며 오차가 칠해지고 최근 12주 MAPE 4.2%가 카운트됩니다. 미래 구간에 올리면 12월 넷째 주 구간이 넓은 이유(작년 연말 주간 오차 2.8배)를 툴팁으로 설명해, 예측 신뢰도를 근거로 판단하게 합니다.
프롬프트
근거 있는 예측 차트를 만들어줘. 데이터: actual=[{week,value}]×26, forecast=[{week,yhat,lo80,hi80,reason?}]×8, model={name:"ETS(A,N,A)",season:"주 계절성",selectedBy:"auto",cvMape:0.042}, backtests=[{origin:14,pred:[…4]},{origin:18,…},{origin:22,…}]. 차트: 실적 실선 1.4px #111827, 오늘 세로 점선 + "오늘" 라벨, 예측 점선 #7C3AED + 80% 구간 띠 16%. 머리: 제목 · 모델 칩 "✦ 자동 선택: ETS · 주 계절성"(클릭 → 후보 모델 3개 교차검증 오차 표) · 신뢰도 배지("높음" = MAPE < 5%, "보통" < 12%, "낮음") · 토글 "백테스트 보기". 토글 ON: 백테스트 창마다 600ms 간격으로 원점 점 → 4주 예측 점선(#D97706) 400ms 그리기 → 실제와의 차이를 #D97706 18%로 칠함, 우상단 "최근 12주 MAPE" 0 → 4.2% 카운트업 900ms. 미래 점 hover → 툴팁 "12월 4주 · 예측 14,200 · 80% 11,900–16,800" + 넓어진 이유 문장(사유 코드: holiday · low_history · regime_change). 바닥 설명 줄 "✦ 연말 주간은 작년 오차가 2.8배라 구간을 넓게 잡았어요". 규칙: 백테스트 원점은 실제 학습 데이터 끝 이전만, 예측 구간이 없으면 점선도 그리지 않음, 모델 재선택 시 이전 예측을 고스트로 1회 비교.
라이브 데모 열기 — 근거를 보여 주는 AI 예측 (자동 모델 칩 · 백테스트 토글 → 과거 예측선 겹쳐 오차 칠하기 · MAPE 카운트 · 넓어진 구간 이유 툴팁)
차트 구간 골라 “이 구간 설명” (브러시 드래그 → 떠 있는 동작 바 → 설명 팝오버 스트리밍 · 항목 호버 → 해당 날짜 점)
Explain a selection: brushing a date range on a chart reveals a floating action bar, and "Explain" streams a grounded popover whose bullets light up their data points
일 방문자 차트에서 8/12–8/19 구간을 드래그로 고르면 선택 영역 위에 "✦ 이 구간 설명 · 비교 · 주석" 동작 바가 뜨고, 설명을 누르면 옆 팝오버에 "구간 +38%" 제목과 근거 세 줄(캠페인 시작 후 SNS 유입 2.4배 · 8/16 최고 52,400명 · 캠페인 종료와 함께 하락)이 스트리밍됩니다. 항목에 올리면 해당 날짜 점이 차트에서 켜져 설명과 데이터가 서로 확인됩니다.
프롬프트
차트 선택 구간 AI 설명 기능을 만들어줘. 상호작용: ① x축 방향 브러시(visx Brush) 드래그 — 선택 영역 #7C3AED 10% + 양끝 2px 손잡이, 놓으면 선택 영역 위 6px에 떠 있는 동작 바(높이 22px, 반경 11px, 그림자, 160ms scale .9→1): "✦ 이 구간 설명 | 이전 기간과 비교 | 주석 달기". ② 설명 클릭 → POST /explain {metric:"visits",range:["2026-08-12","2026-08-19"],baseline:"prev_4w"} → 서버가 기간 통계 + 이벤트 테이블(캠페인 · 배포 · 공휴일)을 조회해 사실 목록을 만들고 LLM이 문장화: {title:"8/12–8/19 방문자 +38%",bullets:[{text,refs:[{date:"08-14"}]}],sources:["방문 로그","캠페인 일정"],confidence:"high"}. ③ 팝오버(220px, 선택 영역 오른쪽 · 공간 없으면 왼쪽 flip)에 제목 → 항목을 글자당 16ms로 스트리밍, 항목 앞 번호 원. ④ 항목 hover → refs 날짜 점 반지름 3px + 세로 점선, 다른 점 opacity .4. ⑤ 바닥 "근거: 방문 로그 · 캠페인 일정 · 신뢰도 높음" + 피드백. 규칙: 선택이 3점 미만이면 설명 버튼 비활성 + "구간을 3일 이상 선택하세요", 설명 중 브러시를 바꾸면 스트림 중단(AbortController) 후 새 요청, Esc로 팝오버 닫고 선택 유지.
라이브 데모 열기 — 차트 구간 골라 “이 구간 설명” (브러시 드래그 → 떠 있는 동작 바 → 설명 팝오버 스트리밍 · 항목 호버 → 해당 날짜 점)
스마트 알림 다이제스트 (원시 알림 14개 → AI 상관 분석 스캔 → 사건 3개로 흡수 · 영향 금액 · 데이터 지연은 “실제 변화 아님”)
Smart alert digest: fourteen raw alerts are scanned and absorbed into three correlated incidents with impact, probable trigger and a "not a real change" verdict for pipeline delays
09시대에 쏟아진 원시 알림 14개가 왼쪽 목록에 쌓이면 AI 스캔 줄이 훑고 지나간 뒤, 알림들이 점이 되어 오른쪽 사건 카드 3개(결제 API 지연이 전환 하락으로 번짐 · 광고 데이터 수집 지연 — 실제 변화 아님 · 가입 급증은 캠페인 영향)로 날아가 흡수됩니다. 사건마다 묶인 알림 수 · 최초 원인 · 시간당 영향 금액 · 다음 조치가 붙어 "14개 알림 → 사건 3개, 소음 11개 줄임"으로 읽힙니다.
프롬프트
알림 상관 묶음 다이제스트를 만들어줘. 입력: alerts=[{id,ts,source:"payment-api"|"ads-pipeline"|"signup",metric,severity,labels}]×14. 묶기: ① 같은 서비스 의존 그래프(결제 → pg-gateway → order-svc) 안에서 ±10분 → 같은 사건 후보, ② 지표 상관(|r| > .7, 동시 변화), ③ 데이터 파이프라인 신선도 지연과 겹치는 지표 알림은 "데이터 지연" 사건으로, ④ LLM은 묶음 결과에 제목 · 한 줄 원인 · 조치만 씀. 출력 incidents=[{title,severity,alertIds:[…],firstCause:{alertId,ts},impact:{metric:"revenue",perHour:-12400000},verdict:"real"|"data_delay"|"expected",action}]. 화면: 왼쪽 260px 원시 알림 목록(행 22px, 심각도 점 · 모노 이름 · 시각, 90ms 스태거로 쌓임) → AI 스캔 바(보라 그라디언트 2px, 위→아래 800ms) → 각 행에서 점(3px, 사건 색)이 해당 사건 카드 숫자 배지로 이차 베지어 500ms 비행, 도착 순간 배지 숫자 +1 펄스, 원본 행은 사건 색 왼쪽 띠 + opacity .45로 남김. 사건 카드(높이 96px): 심각도 띠, 제목, "알림 7개 묶음", 최초 원인 "pg-gateway timeout 09:02", 영향 "−₩12.4M/시간", 판정 배지(실제 · 데이터 지연 · 예상된 변화), 주 버튼. 헤더 요약 "14개 알림 → 사건 3개 · 호출 1건만 보냄". 규칙: 데이터 지연 · 예상된 변화 사건은 호출(페이지) 금지, 묶음을 사람이 풀 수 있는 "분리" 메뉴, 원시 알림은 지우지 않고 사건 안에서 펼쳐 보기.
라이브 데모 열기 — 스마트 알림 다이제스트 (원시 알림 14개 → AI 상관 분석 스캔 → 사건 3개로 흡수 · 영향 금액 · 데이터 지연은 “실제 변화 아님”)
제안 후속 질문 칩 (차트 아래 칩 클릭 → 칩이 빵부스러기로 올라감 · 차트가 채널별 누적 → 전년 비교로 변형 · 칩 세트 교체)
Suggested next-question chips: clicking a data-aware chip lifts it into the question breadcrumb, morphs the chart (stack by channel, then add prior year) and refreshes the chip set
월별 신규 가입 차트 아래 "✦ 이어서 물어보기" 칩이 데이터에서 계산된 질문(어느 채널이 늘었나요? · 작년 같은 기간과 비교 · 이탈도 늘었나요?)을 제안합니다. 칩을 누르면 칩이 위쪽 질문 경로로 날아가 붙고 막대가 채널별 누적으로, 다음엔 전년 고스트 막대가 붙는 비교로 변형되며, 남은 칩은 사라지고 새 맥락에 맞는 칩 세트가 스태거로 나타납니다.
프롬프트
데이터 기반 후속 질문 칩을 만들어줘. 칩 생성: 현재 차트 스펙과 결과에서 후보를 규칙 + LLM으로 만든다 — 분해 가능한 차원(channel · region)이 있으면 "어느 {차원}이 늘었나요?", 시간축이면 "작년 같은 기간과 비교", 관련 지표 그래프(signup → churn)가 있으면 "이탈도 늘었나요?"; 점수 = 예상 정보량(차원별 분산) × 최근 사용 빈도, 상위 3개. 칩: 높이 22px, 반경 11px, ✦ 아이콘 + 질문, hover 시 테두리 #7C3AED + 미리보기 툴팁(바뀔 차트 종류). 클릭 시퀀스: ① 칩 scale .96 100ms → ② 칩이 차트 위 빵부스러기(질문 경로) 끝으로 FLIP 비행 450ms cubic-bezier(.2,0,0,1), 이전 경로 항목 뒤에 › 구분자 ③ 나머지 칩 opacity 0 150ms ④ 차트 변형 600ms(단일 막대 → 채널 누적: 세그먼트가 기존 막대 높이 안에서 갈라짐; 전년 비교: 각 막대 왼쪽에 외곽선 고스트 막대가 0에서 자람 + "+38% YoY" 라벨) ⑤ 새 칩 3개 80ms 스태거 fade + translateY 4px. 경로 항목 클릭 = 그 단계로 되돌아가기. 규칙: 이미 답한 질문은 다시 제안하지 않음, 결과가 비는 질문(차원 값 1개)은 제외, 칩 클릭 로그로 제안 순위 학습.
라이브 데모 열기 — 제안 후속 질문 칩 (차트 아래 칩 클릭 → 칩이 빵부스러기로 올라감 · 차트가 채널별 누적 → 전년 비교로 변형 · 칩 세트 교체)
AI 차트 추천 점수 (필드 유형 감지 → 추천 4종 썸네일 · 적합 점수 카운트 · 파이 비추천 경고 · 추천 이유 3요소 막대)
AI chart recommendation: field types are profiled, four candidate charts are ranked with match scores, an unsuitable pie is flagged, and the reason panel breaks the score into fit, readability and task
주문일(날짜) · 카테고리(범주 5) · 매출 합계(수치)를 고르면 필드 유형 칩이 감지되고, 오른쪽에 다중 선 96 · 누적 막대 88 · 작은 배수 71 · 파이 40점 썸네일이 점수 순으로 나타납니다. 썸네일에 올리면 아래에 "날짜 1 + 범주 ≤ 7 + 수치 1 → 추세 비교에 최적" 같은 이유와 데이터 적합 · 읽기 쉬움 · 목적 일치 3요소 막대가 보이고, 시간축을 버리는 파이에는 비추천 경고가 붙습니다.
프롬프트
차트 추천(“Show Me”) 패널을 만들어줘. 입력: fields=[{name:"주문일",type:"temporal",grain:"month",distinct:12},{name:"카테고리",type:"nominal",distinct:5},{name:"매출",type:"quantitative",agg:"sum"}], task(선택): "trend"|"compare"|"composition". 점수 = 0.5×데이터 적합(규칙: temporal + nominal ≤ 7 + quantitative → line 1.0, stacked bar 0.9; nominal > 7이면 color 인코딩 감점; pie는 temporal 무시 시 0.3) + 0.3×읽기 쉬움(마크 수 · 색 수 · 겹침 추정) + 0.2×목적 일치(task 키워드). Draco 같은 제약 기반이면 비용을 점수로 뒤집어 표시. UI: 왼쪽 200px 필드 목록(유형 아이콘 칩: 날짜 #14B8A6 · 범주 #F59E0B · 수치 #4F46E5, 고유값 수), 오른쪽 2×2 썸네일 카드(120×64px, 실제 데이터로 그린 미니 차트, 우상단 점수 0 → n 카운트업 600ms, 1위 카드 #7C3AED 테두리 + "추천" 리본), 70점 미만은 회색 · 40점 미만은 경고 아이콘 + "비추천: 시간 흐름이 사라져요". hover/포커스 → 아래 이유 패널이 180ms 크로스페이드: 한 줄 규칙 설명 + 3요소 가로 막대(0–1) + "적용" 버튼. 클릭 = 현재 위젯 스펙 교체(700ms 모핑). 규칙: 추천은 최대 4개, 점수 근거는 항상 열람 가능, 사용자가 비추천을 고르면 막지 말고 경고만.
라이브 데모 열기 — AI 차트 추천 점수 (필드 유형 감지 → 추천 4종 썸네일 · 적합 점수 카운트 · 파이 비추천 경고 · 추천 이유 3요소 막대)
AI 위젯 제안 검토 · 열 역할 바로잡기 (CSV 열 역할 감지 → 제안 위젯 6개 골격 채움 · 우편번호를 수치로 오인 → 범주로 고치면 “합계” 위젯이 지역 막대로 재제안 · 체크 해제 → 만들기)
Reviewing AI-proposed dashboard widgets with role correction: column roles are detected, six proposals fill from skeletons, fixing a zip code misread as a number re-proposes its widget, then the user curates and creates
데이터셋을 넣으면 AI가 열마다 역할(시간 · 금액 · 범주 · ID 제외 · 개인정보)을 붙이고 위젯 6개를 제안하는데, 이 카드는 그 제안을 사람이 검토하는 화면입니다. zip_code를 수치로 잘못 읽어 "우편번호 합계"라는 엉뚱한 KPI가 제안되자 역할 칩을 범주(지역 코드)로 고치고, 그 위젯이 지역별 매출 막대로 다시 제안됩니다. 필요 없는 위젯은 체크 해제하고 "대시보드 만들기"로 확정합니다.
프롬프트
데이터셋 → 자동 대시보드 생성 흐름을 만들어줘. ① 드롭: 파일을 DuckDB-WASM으로 로드, 열 프로파일 {name,type,distinct,nullPct,min,max,sample}을 계산(1만 행 샘플). ② 역할 감지: 규칙(날짜 파싱 성공률 > 95% → time, 숫자 + 통화 기호/이름에 amount → money, distinct ≤ 30 → category, distinct ≈ 행 수 → id = 제외) + LLM이 열 이름 의미로 보정; 왼쪽 220px 목록에 열 칩이 80ms 스태거로 역할 배지(시간 #14B8A6 · 금액 #4F46E5 · 범주 #F59E0B · ID 회색 취소선)와 함께 나타남. ②-1 역할 수정: 역할 칩 클릭 → 드롭다운(시간 · 금액 · 수치 · 범주 · 지역 코드 · ID · 제외), 신뢰도 < 0.8 칩은 호박색 "?" 표시, 역할을 바꾸면 그 열을 쓰는 제안 위젯만 다시 생성(시머 400ms → 새 차트), 수정은 데이터셋 메타데이터에 저장. ③ 위젯 제안: 역할 조합 → 템플릿(money 합계 KPI, time×money 선, category×money 막대 상위 8, 상태 category ≤ 6 → 도넛) 후 LLM이 제목 · 순서 결정, 최대 6개. 격자: 12열 · 간격 12px, KPI 3열 · 차트 6열. 각 위젯은 골격(시머 1.2s 주기) → 쿼리 완료 순서대로 400ms 크로스페이드로 실제 차트, 우상단 체크박스(기본 선택). ④ 바닥 고정 바 "6개 중 5개 선택 · 대시보드 만들기"(기본 버튼) → 생성 후 편집 모드로 진입 + 토스트. 규칙: ID · 개인정보 열은 차트에 쓰지 않음(목록에 "개인정보 1열 제외" 표기), 결측 30% 이상 열은 경고 배지, 제안 근거는 위젯 hover 툴팁("금액 × 날짜 → 추세").
라이브 데모 열기 — AI 위젯 제안 검토 · 열 역할 바로잡기 (CSV 열 역할 감지 → 제안 위젯 6개 골격 채움 · 우편번호를 수치로 오인 → 범주로 고치면 “합계” 위젯이 지역 막대로 재제안 · 체크 해제 → 만들기)
AI 데이터 품질 점검 (14열 스캔 진행 → 단위 혼재 · 결측 급증 · 중복 키 · 미래 날짜 이슈 행 · 미니 근거 차트 → “÷1,000 변환” 미리보기로 위젯 스파이크 교정)
AI data-quality scan: a column-by-column scan surfaces unit mix-ups, null spikes, duplicate keys and future dates with evidence minis, and previewing the suggested fix corrects the spike in a live widget
대시보드 원천 테이블을 열마다 점검하는 진행 바가 지나가면, 단위 혼재 의심(0.4% 값이 1,000배) · 8/14부터 region 결측 12% · user_id 중복 312건 · 미래 날짜 3건이 심각도 순 이슈 행으로 쌓이고 각 행에 근거 미니 차트와 수정 제안 버튼이 붙습니다. "÷1,000 변환 미리보기"를 누르면 오른쪽 일 매출 위젯의 가짜 스파이크가 꺼지고 품질 경고 배지가 2 → 1로 줄어듭니다.
프롬프트
AI 데이터 품질 점검 패널을 만들어줘. 점검 엔진: 열마다 규칙 검사(Great Expectations 스타일 — 결측률 급변, 고유키 중복, 범위 · 미래 날짜, 분포 모드 분리) + 이상 통계(값/중앙값 비 > 500인 군집 → 단위 혼재 의심), LLM은 결과에 사람말 설명과 수정 제안만 씀. 데이터: issues=[{column:"order_amount",type:"unit_mismatch",severity:"high",share:0.004,evidence:{hist:[…]},fix:{type:"transform",expr:"amount/1000 where amount>5e6",preview:true}},{column:"region",type:"null_spike",since:"2026-08-14",rate:0.12},{column:"user_id",type:"duplicate_key",count:312},{column:"created_at",type:"future_date",count:3}]. UI: 상단 진행 줄 "14열 점검 중 9/14"(열 이름이 모노로 롤링, 2px 진행 바), 이슈 행(높이 60px, 300ms 간격 등장): 심각도 아이콘(높음 빨강 · 중간 호박 · 낮음 회색) · 모노 열 이름 · 한 줄 설명 · 근거 미니 차트 56×18px(히스토그램 끝 군집 빨강, 결측률 계단, 중복 배지) · 수정 제안 버튼. 이 테이블을 쓰는 위젯에 "품질 경고 n" 호박색 배지. 수정 미리보기: 위젯 선이 변환 적용 값으로 600ms 모핑, 원래 값은 점선 고스트로 남김, 버튼 "적용(원천 뷰에 반영)" · "취소". 규칙: 원천 데이터는 직접 수정하지 않고 변환 뷰로만, 모든 수정은 감사 로그, 거짓 양성 신고 버튼("정상 값") → 규칙 예외로 저장.
라이브 데모 열기 — AI 데이터 품질 점검 (14열 스캔 진행 → 단위 혼재 · 결측 급증 · 중복 키 · 미래 날짜 이슈 행 · 미니 근거 차트 → “÷1,000 변환” 미리보기로 위젯 스파이크 교정)
AI가 쓰는 주간 리포트 (헤드라인 → KPI 줄 삽입 → 문단 → 미니 차트 → 주의할 점 · 제안 스트리밍 · 섹션별 출처 레일 · 검토 요청 → 승인 · 발송 예약)
AI-written weekly business report: headline, KPI strip, paragraph, inline chart, watch-outs and next steps stream in section by section with a per-section source rail and a review-and-approve gate
"주간 비즈니스 리포트 · 10월 3주" 문서가 AI 초안으로 섹션 순서대로 써집니다 — 헤드라인 문장, KPI 3칸 줄이 팝 삽입되고, 해설 문단, 8주 막대 미니 차트, 주의할 점 2개, 다음 주 제안. 오른쪽 레일에는 섹션마다 근거 테이블 칩이 같은 높이에 붙고, 끝나면 검토 요청 → 승인 → 월요일 09:00 발송 예약 상태 카드로 사람의 승인을 거쳐 나갑니다.
프롬프트
AI 주간 리포트 생성 화면을 만들어줘. 파이프라인: ① 지표 스냅샷 쿼리(매출 · 주문 · 신규 고객 · 환불률 · 채널별) → ② 변화 탐지(전주 대비 |z| > 2 또는 목표 대비 ±5%) → ③ LLM이 섹션 스키마 {headline, kpis:[3], narrative, chart:{type:"bar",metric:"revenue",weeks:8}, watchouts:[≤3], nextSteps:[≤2]}를 채움(숫자는 스냅샷 id 참조만) → ④ Tiptap 문서로 렌더. 표시: 문서 폭 640px, 섹션이 순서대로 스트리밍(헤드라인 18px 굵게 → KPI 카드 3개가 scale .9→1 + fade 240ms 스태거 80ms → 문단 글자당 14ms → 차트 블록이 높이 0→120px 300ms 후 막대 성장 → 글머리 목록). 문서 위 상태 칩 "AI 초안 · 작성 중 4/6". 오른쪽 180px 출처 레일: 각 섹션 상단 높이에 맞춰 근거 칩(테이블 · 기간 · 쿼리 링크)이 페이드, 클릭 시 해당 SQL 패널. 편집: 모든 문장 직접 수정 가능, 사람 수정 부분은 노란 밑줄로 추적. 승인 흐름: "검토 요청" → 검토자 아바타 + 상태(검토 중 → 승인됨) → "월 09:00 메일 · 슬랙 발송 예약" 스탬프(회전 −6°, 240ms 팝). 규칙: 승인 전 발송 불가, 데이터 신선도 지연 시 헤더에 경고 + 발송 보류, 이전 주 리포트와 같은 문장 반복 금지.
라이브 데모 열기 — AI가 쓰는 주간 리포트 (헤드라인 → KPI 줄 삽입 → 문단 → 미니 차트 → 주의할 점 · 제안 스트리밍 · 섹션별 출처 레일 · 검토 요청 → 승인 · 발송 예약)
AI 인사이트 검토 큐 (수정 → 변경 추적 → 승인 후 피드로 비행 · 버리기 사유 칩 → 학습 로그 · 큐 0개 완료 상태)
Human-in-the-loop insight review queue: edit with tracked changes then approve into the published feed, dismiss with a reason chip that writes a learning-log entry, until the queue is empty
AI가 찾은 인사이트가 바로 대시보드에 게시되지 않고 검토 큐 카드로 쌓입니다. 분석가가 첫 카드의 "−4.2%" 문장을 수정하면 취소선 + 초록 삽입으로 변경이 추적된 채 승인되어 오른쪽 게시 피드로 날아가고, 두 번째 카드는 "이미 알려진 사실" 사유로 버려져 학습 로그에 "요일 패턴 인사이트 가중치 −0.2"가 남으며, 세 번째를 승인하면 큐가 비어 완료 상태가 됩니다.
프롬프트
AI 인사이트 검토(사람 승인) 큐를 만들어줘. 데이터: insights=[{id,text,facts:[…],confidence:0.82,status:"pending"|"approved"|"edited"|"dismissed",edits:[{op:"del",text:"−4.2%"},{op:"ins",text:"…"}],reason?}]. 큐 카드(높이 88px): AI 신뢰도 알약, 본문, 근거 칩, 버튼 3개 [승인(기본) · 수정 · 버리기]. 수정: 본문이 그 자리에서 Tiptap 편집기로 바뀌고 삭제는 빨간 취소선, 삽입은 초록 밑줄(변경 추적), Enter = "수정 후 승인". 승인 애니메이션: 카드가 오른쪽 "게시된 인사이트" 피드 맨 위로 FLIP 비행 450ms cubic-bezier(.2,0,0,1) → 피드 항목에 "수정 후 승인 · 박민지" 태그, 큐의 남은 카드는 위로 300ms 접힘. 버리기: 사유 칩 팝오버 [이미 알려진 사실 · 틀림 · 중요하지 않음 · 기타] → 선택 시 카드가 높이 0 + opacity 0(240ms), 학습 로그에 "{인사이트 유형} 가중치 −0.2" 줄 추가(사유 → 랭킹 모델 피처). 헤더 카운터 "검토 대기 3 → 0" 롤링, 비면 체크 원 + "검토할 인사이트가 없어요". 규칙: 신뢰도 < 0.6은 자동 게시 금지 + 필수 검토, 승인자 · 수정 내역은 감사 로그, 같은 유형이 3회 연속 버려지면 생성 빈도를 낮추고 관리자에게 알림.
라이브 데모 열기 — AI 인사이트 검토 큐 (수정 → 변경 추적 → 승인 후 피드로 비행 · 버리기 사유 칩 → 학습 로그 · 큐 0개 완료 상태)
자동 세그먼트 발견 (나이 × 주문 시각 산점도 AI 스캔 → 규칙 상자 2개 · 전환 2.3배 · 규모 4.1% · 점수 = 향상도 × 규모 → 세그먼트로 저장)
Automatic segment discovery: an AI scan over an age × order-hour scatter surfaces rule boxes with conversion lift and coverage, ranks them by lift × size and saves one as a reusable segment
고객 점이 나이 × 주문 시각 평면에 흩어진 상태에서 AI 스캔이 격자를 훑고 지나가면, 전환이 몰린 영역이 규칙 상자로 떠오릅니다 — "모바일 · 22–29세 · 21–24시"는 전환 2.3배 · 고객 4.1%, "데스크톱 · 35–44세 · 점심 11–14시"는 1.7배 · 6.8%. 오른쪽 표가 향상도 × 규모 점수로 순위를 매기고, "세그먼트로 저장"하면 필터 · 타기팅에 쓰는 세그먼트가 만들어집니다.
프롬프트
자동 세그먼트(서브그룹) 발견 화면을 만들어줘. 알고리즘: 목표 = converted, 후보 조건 = 나이 구간 · 시간대 구간 · 기기 · 지역의 2–3개 결합(빔 서치 폭 20), 품질 = WRAcc(규모 × (세그먼트 전환율 − 전체 전환율)), 최소 규모 1%, 다중 검정 보정(FDR 0.05). 출력 segments=[{rule:[{dim:"age",range:[22,29]},{dim:"hour",range:[21,24]},{dim:"device",eq:"mobile"}],lift:2.3,coverage:0.041,n:1284,conv:0.162}]. 화면: 왼쪽 산점도(x 나이 18–60, y 주문 시각 0–24시, 점 2px, 전환 #7C3AED · 미전환 #CBD5E1 50%), "✦ 세그먼트 찾기" 실행 시 스캔 셀(12×8)이 왼→오 700ms로 밝아졌다 꺼짐 → 발견 세그먼트가 점선 사각형으로 그려지고(stroke-dashoffset 500ms) 안의 점만 opacity 1, 상자 모서리에 "2.3×" 배지. 오른쪽 표: 순위 · 규칙 칩(조건마다 하나) · 향상도 · 규모 막대 · 점수, 행 hover ↔ 상자 강조 양방향. "세그먼트로 저장" → 이름 자동 제안("야간 2030 모바일") + 토스트 "세그먼트 저장 · 1,284명". 규칙: 규칙 조건은 최대 3개(해석 가능성), 겹치는 세그먼트는 상위 하나만 표시 + "비슷한 세그먼트 2개 접힘", 인과 아님 각주.
라이브 데모 열기 — 자동 세그먼트 발견 (나이 × 주문 시각 산점도 AI 스캔 → 규칙 상자 2개 · 전환 2.3배 · 규모 4.1% · 점수 = 향상도 × 규모 → 세그먼트로 저장)
어제 이후 바뀐 것 (기준 시각 스크러버 끌기 → 타일 값 크로스페이드 · 크게 바뀐 타일만 보라 고리 · 순위 목록 4개 · 항목 호버 ↔ 타일 펄스)
What changed since yesterday: dragging a baseline scrubber crossfades every KPI tile, rings only the materially changed ones and lists the top four changes with one-line AI reasons linked back to their tiles
대시보드 위 스크러버를 "어제 09:00 → 지금"으로 끌면 KPI 타일 6개의 값이 어제 값에서 지금 값으로 넘어가고, 의미 있게 바뀐 타일(환불 요청 +38% · ROAS 3.1 → 2.4 · 재고 부족 SKU 12 → 19 · 앱 평점)에만 보라 고리와 증감 배지가 붙으며 나머지는 "변화 없음"으로 흐려집니다. 오른쪽 "어제 이후 바뀐 4가지"는 크기 순 목록과 한 줄 원인을 보여 주고, 항목에 올리면 해당 타일이 맥동합니다.
프롬프트
"어제 이후 바뀐 것" 보기를 만들어줘. 데이터: snapshots={base:"2026-10-23T09:00",now:"2026-10-24T09:00"}, tiles=[{id,label,base,now,unit,polarity:"up_good"|"down_good",noiseBand:0.03}], changes=[{tileId,score,reason}] — score = |now−base|/base ÷ noiseBand(지표별 평소 일변동 σ), score ≥ 2만 "의미 있는 변화". 화면: 상단 스크러버(전체 폭, 높이 18px, 왼쪽 끝 = 기준 시각 칩 "어제 09:00", 오른쪽 = "지금", 손잡이 12px 원) — 끄는 동안 타일 숫자가 base ↔ now 보간(정수 · 소수 자리 유지), 손잡이를 놓으면 의미 있는 타일에 2px #7C3AED 고리 + 바깥 글로우가 200ms 페이드, 증감 배지(나쁜 방향 빨강 · 좋은 방향 초록, polarity 반영), 그 외 타일은 opacity .55 + "변화 없음" 라벨. 오른쪽 280px 목록: 점수 순 4개, 행 = 순위 · 지표 · "84 → 116 (+38%)" · ✦ 한 줄 원인("가전 파손 문의와 같은 시간대") · 근거 링크. 행 hover → 해당 타일 scale 1.03 펄스 + 연결 점선, 타일 hover → 행 강조. 기준 칩 클릭 = 기준 시각 바꾸기(지난 방문 · 어제 · 지난주 같은 요일). 규칙: 변화가 하나도 의미 없으면 "어제와 비슷해요" 한 줄만, 목록은 최대 5개, 원인 문장은 근거 쿼리가 있을 때만.
라이브 데모 열기 — 어제 이후 바뀐 것 (기준 시각 스크러버 끌기 → 타일 값 크로스페이드 · 크게 바뀐 타일만 보라 고리 · 순위 목록 4개 · 항목 호버 ↔ 타일 펄스)
AI 주석 제안 (점선 고스트 핀 3개 · 출처 캘린더 · 배포 로그 · 캠페인 → 수락하면 실선 핀 · 거절하면 사라짐 · 문구 수정 후 수락)
AI annotation suggestions: ghost pins proposed from calendar, deploy-log and campaign sources sit on the chart until the user accepts (solid pin), dismisses or edits the label first
일 주문 차트의 변곡점마다 AI가 점선 고스트 핀 3개(추석 연휴 · 가격 페이지 개편 배포 · 10월 쿠폰 캠페인)를 출처 아이콘과 함께 제안하고, 오른쪽 "주석 제안" 목록에서 수락 · 거절 · 수정을 고릅니다. 수락한 핀은 실선 라벨 핀이 되어 팀의 모든 차트에 표시되고, 거절한 핀은 사라지며, 수정은 문구를 고친 뒤 수락됩니다.
프롬프트
AI 주석 제안 기능을 만들어줘. 후보 생성: 시계열 변화점 탐지(PELT 또는 기울기 변화 |Δ| > 2σ)와 ±2일 이내 이벤트 소스(공휴일 캘린더, 배포 로그, 캠페인 일정, 가격 변경 이력)를 조인 → 매칭 점수(시간 근접 × 영향 크기 × 소스 신뢰도) ≥ 0.6만 제안, LLM은 라벨 문구(12자 이내)만 작성. 데이터: suggestions=[{date:"2026-09-17",label:"추석 연휴",source:"calendar",score:.91,changeRef:{pct:-24}}]. 차트: 제안 핀 = 세로 점선(#7C3AED 50%) + 끝에 점선 외곽 원 + 출처 아이콘(캘린더 · 코드 · 확성기), 수락 핀 = 실선 1px + 채운 원 + 라벨 알약(차트 위 18px 레인, 겹치면 위 · 아래 교대). 오른쪽 240px 패널 "✦ 주석 제안 3": 행 = 출처 아이콘 · 라벨 · 날짜 · 변화(−24%) · [✓ 수락][✕ 거절][✎ 수정]. 수락: 고스트 → 실선 300ms(stroke-dasharray 0으로), 라벨 알약 scale .8→1 BK 이징, 행이 "추가됨"으로 바뀌고 접힘. 거절: 핀 opacity 0 200ms + 행 사유 메뉴(관련 없음 · 날짜 틀림). 수정: 라벨이 인라인 입력으로 → Enter = 수정 후 수락. 바닥 "팀 주석 2개 추가 · 모든 차트에 표시". 규칙: 제안은 사용자가 수락하기 전엔 공유되지 않음, 거절 사유로 소스별 신뢰도 갱신, 한 화면 제안 최대 5개.
라이브 데모 열기 — AI 주석 제안 (점선 고스트 핀 3개 · 출처 캘린더 · 배포 로그 · 캠페인 → 수락하면 실선 핀 · 거절하면 사라짐 · 문구 수정 후 수락)
계산 방식 공개 (답변 문장 ↔ 생성 SQL 절 색 연결 · “지난달” → WHERE 날짜 · “신규 고객” → JOIN · “매출” → SUM + 지표 정의 · 인증 지표 · 스캔 행 수)
Show-the-work answer: the generated SQL expands under an AI answer and each underlined phrase is colour-linked to the clause that implements it, with certified metric, tables, rows scanned and run time
"지난달 신규 고객 매출은 ₩4.82억이에요"라는 답 아래 "계산 방식 보기"를 펼치면 생성된 SQL이 나오고, 답변의 밑줄 구절에 올릴 때마다 "지난달(9월)"은 WHERE 날짜 두 줄, "신규 고객"은 JOIN과 first_order_month 조건, "매출"은 SUM(net_amount)과 지표 정의(결제 − 환불 − 쿠폰)에 같은 색으로 불이 들어옵니다. 인증 지표 · 테이블 2개 · 1.2M행 스캔 · 0.8초 배지와 함께, AI 답이 무엇으로 계산됐는지 검증하게 하는 환각 방지 UI입니다.
프롬프트
답변 ↔ SQL 연결 공개 UI를 만들어줘. LLM text-to-SQL 응답 스키마: {answer:"지난달(9월) 신규 고객 매출은 {v1}이에요", values:{v1:{sql_col:"revenue",format:"krw_eok"}}, sql:"…", spans:[{text:"지난달(9월)",sqlLines:[4,5],color:"#0EA5E9"},{text:"신규 고객",sqlLines:[3,6],color:"#F59E0B"},{text:"매출",sqlLines:[1],color:"#7C3AED",metric:"net_revenue"}], meta:{certifiedMetric:"net_revenue",tables:["orders","customers"],rowsScanned:1200000,ms:820}}. 숫자는 실행 결과에서 채움(LLM 생성 금지). 답변 카드: 구절마다 해당 색 점선 밑줄 1px, 배지 줄(인증 지표 ✓ 초록 · 테이블 2 · 스캔 1.2M행 · 0.8s). "계산 방식 보기 ▾" → 코드 패널이 높이 0→auto 300ms cubic-bezier(.2,0,0,1)로 열림(배경 #0F1420, Shiki 구문 색, 줄 번호). 구절 hover → 연결된 SQL 줄 배경을 구절 색 18%로 칠하고 줄 왼쪽 2px 색 막대, 나머지 줄 opacity .45, 구절은 같은 색 15% 배경; SQL 줄 hover도 역방향. metric 구절은 패널 오른쪽에 지표 정의 카드("net_amount = 결제 − 환불 − 쿠폰 · 재무팀 인증"). 패널 바닥: SQL 복사 · 노트북에서 열기 · "이 SQL이 틀렸어요" 신고. 규칙: 인증 지표를 못 쓰면 배지를 호박색 "임시 계산"으로, 스캔 행 > 1억이면 실행 전 확인, SQL은 읽기 전용 권한으로만 실행.
라이브 데모 열기 — 계산 방식 공개 (답변 문장 ↔ 생성 SQL 절 색 연결 · “지난달” → WHERE 날짜 · “신규 고객” → JOIN · “매출” → SUM + 지표 정의 · 인증 지표 · 스캔 행 수)
답변 신뢰도 3단계 (검증됨 = 인증 지표 직접 조회 · 추정 포함 = 가정 칩 · 답변 보류 = 정의 3개 중 선택 → 검증됨으로 전환)
Three-tier answer confidence: verified (certified metric lookup), includes assumptions (editable assumption chip) and withheld (ambiguous definition with choices) that resolves to verified once the user picks
같은 질문 상자라도 AI 답의 근거 수준을 세 단계로 다르게 그립니다 — "9월 매출은?"은 인증 지표를 직접 조회한 검증됨(초록, 근거 1/1), "달러로는?"은 환율 1,380원 가정 칩이 붙은 추정 포함(호박색), "활성 사용자 몇 명?"은 정의가 3개라 숫자를 지어내지 않고 답변을 보류한 뒤 선택지를 냅니다. 사용자가 "주 1회 이상"을 고르면 보류 카드가 검증됨 답으로 바뀝니다.
프롬프트
AI 답변 신뢰도 3단계 UI를 만들어줘. 판정 규칙(서버): verified = 인증 지표 정의로만 계산 + 모든 숫자가 쿼리 결과에서 옴; estimated = 외부 값 · 가정 · 보간이 1개 이상(assumptions[] 필수); withheld = 지표 정의 후보 ≥ 2이고 점수 차 < 0.15, 또는 근거 행 0 → 숫자를 내지 말고 clarify 옵션 반환. 카드(폭 300px): 상단 질문, 판정 배지(검증됨 #16A34A 방패 체크 · 추정 포함 #D97706 물결 · 답변 보류 #6B7280 물음표), 근거 미터(3칸 막대: 인증 지표 · 쿼리 결과 · 외부 가정 없음 — 충족 칸만 채움), 본문. estimated는 가정 칩("환율 1,380원 · 9월 평균 · 외부 API ✎") 클릭 → 값 수정 → 재계산; withheld는 "‘활성’ 정의가 3개라 고를 수 없어요" + 선택지 칩 [하루 1회 · 주 1회 이상 · 결제 기준] → 선택 시 카드가 shimmer 400ms 후 verified로 전환(배지 색 크로스페이드 300ms, 숫자 카운트업 600ms), 선택은 팀 용어집 기본값 제안. 스포트라이트 데모: 카드 하나씩 그림자 강조. 규칙: verified 배지는 서버 판정으로만(LLM 자기평가 금지), estimated 숫자 앞에 "약", withheld에서 "그냥 추정해줘"는 estimated로만 허용.
라이브 데모 열기 — 답변 신뢰도 3단계 (검증됨 = 인증 지표 직접 조회 · 추정 포함 = 가정 칩 · 답변 보류 = 정의 3개 중 선택 → 검증됨으로 전환)
팔로우 지표 브리핑 (내 순서 → “중요도순” 전환 FLIP 재정렬 · 평소와 다름 점수 막대 · 한 줄 해설 · 행 펼침 → 동인 칩 3개)
Followed-metrics briefing: switching from my order to "importance" FLIP-reorders the list by an unusualness score, each row carries a one-line AI note, and expanding a row reveals its top drivers
내가 팔로우한 지표 6개를 매일 아침 한 목록으로 받는 브리핑입니다. "중요도순"을 누르면 평소와 다름 점수(놀라움 × 영향 × 관련성) 순으로 행이 FLIP 재정렬돼 신규 가입 +31% · 환불률 +0.7pp · 평균 배송일 +0.6일이 위로 올라오고 평소 범위 지표는 아래로 흐려집니다. 맨 위 행을 펼치면 "SNS 캠페인 유입 2.4배" 같은 동인 칩과 기여 막대가 열립니다.
프롬프트
팔로우 지표 일일 브리핑(Pulse형)을 만들어줘. 데이터: follows=[{metricId,name,value,delta,unit,history:[28d],surprise,impact,relevance,note,drivers:[{label,share}]}]. 점수 = surprise(현재값의 예측 구간 밖 정도, |z| 0–3 정규화) × impact(매출 연결 가중치) × relevance(사용자 조회 빈도 · 소유 여부), 0–1. 레이아웃: 상단 요약 한 줄("✦ 오늘은 3개 지표가 평소와 달라요") + 정렬 세그먼트 [내 순서 | 중요도순], 행 44px: 지표명 · 값 · 증감(방향성 색) · 28일 스파크라인(오늘 점 강조) · 한 줄 해설 · 점수 막대 40×3px(0.5 이상 #7C3AED). 정렬 전환: 행 FLIP 재정렬 500ms cubic-bezier(.2,0,0,1), 점수 < 0.3 행은 opacity .55 + 해설 대신 "평소 범위". 행 클릭 → 높이 44 → 88px 펼침 280ms, 동인 칩 3개(기여 비중 막대) + "대시보드에서 보기" 링크, 다른 행은 아래로 밀림. 규칙: 해설은 근거 쿼리가 있는 사실만(없으면 숫자만), 같은 지표가 3일 연속 1위면 "계속 높음"으로 묶기, 아침 9시 이메일 · 앱 푸시 같은 순서로 발송.
라이브 데모 열기 — 팔로우 지표 브리핑 (내 순서 → “중요도순” 전환 FLIP 재정렬 · 평소와 다름 점수 막대 · 한 줄 해설 · 행 펼침 → 동인 칩 3개)
함께 움직인 지표 찾기 (지표 1,240개 자동 탐색 → 상위 3 · 상관 r · 선행 일수 · 시차 맞춤 겹쳐 보기 → r 카운트 · “상관 ≠ 인과” 경고 · 실험 만들기)
Related-metric finder: an automatic scan over 1,240 metrics ranks the top co-movers with correlation and lead days, aligns the selected pair by its lag while r counts up, and warns that correlation is not causation
이탈률을 고르고 "함께 움직인 지표 찾기"를 누르면 1,240개 지표를 자동으로 훑어 앱 크래시율(r 0.82 · 2일 선행) · 배송 지연 건수(0.64 · 3일 선행) · 쿠폰 사용률(−0.41)을 순위로 보여 줍니다. 행을 고르면 두 선이 겹쳐지고 짝 지표가 선행 일수만큼 미끄러지며 맞춰지는 동안 r이 0.55 → 0.82로 올라가며, 아래 경고 띠가 "공통 원인일 수 있어요 — 실험으로 확인"을 권합니다.
프롬프트
관련 지표 자동 탐색 패널을 만들어줘. 계산: 대상 지표 y(일 단위 90일)와 후보 지표 x_k 전부에 대해 차분(또는 계절 조정) 후 시차 −7…+7일 교차상관 최대값 r*와 시차 τ*를 구하고, |r*| ≥ 0.4 · p < 0.01(BH 보정) · 데이터 결측 < 10%만 남겨 |r*| 내림차순. 결과 {metric,r,lagDays,direction,n,commonCauseHints:["5.2.0 배포"]}. UI: 상단 대상 지표 칩 + "✦ 함께 움직인 지표 찾기"(탐색 중 "1,240개 중 860개 확인" 카운터와 진행 바), 왼쪽 결과 목록(행 40px: 지표명 · r 막대(양수 #7C3AED, 음수 #0EA5E9) · "2일 선행" 배지 · 미니 스파크라인). 행 선택 → 오른쪽 겹쳐 보기 차트(두 지표를 각자 z-점수로 정규화한 단일 축, 대상 #4F46E5 · 후보 #F59E0B) — 후보 선이 τ*만큼 x 방향으로 600ms cubic-bezier(.65,0,.35,1) 미끄러지며 맞춰지고 동시에 r 숫자가 시차 0의 값에서 r*로 카운트업, 시차 슬라이더 표식도 같이 이동. 하단 경고 띠(#FFFBEB): "상관 ≠ 인과 · 공통 원인 후보: 5.2.0 배포" + "A/B 실험 만들기" 버튼. 규칙: 이중 y축 금지(정규화 단일 축), 상관 행렬 전체 대신 상위 5개만, 시차가 음수(후행)인 지표는 "뒤따름"으로 표기.
라이브 데모 열기 — 함께 움직인 지표 찾기 (지표 1,240개 자동 탐색 → 상위 3 · 상관 r · 선행 일수 · 시차 맞춤 겹쳐 보기 → r 카운트 · “상관 ≠ 인과” 경고 · 실험 만들기)
고객 의견 주제 · 감성 자동 분류 (의견 카드가 흘러들며 주제 칩 · 감성 점 태깅 → 주제별 부정 · 긍정 누적 막대 증가 · 신규 주제 배지 → 주제 클릭 → 대표 원문 하이라이트)
Voice-of-customer topic & sentiment tagging: incoming comments get AI topic chips and sentiment dots, topic bars grow split by polarity, a new emerging topic is flagged and clicking it shows highlighted representative quotes
리뷰 · 상담 · 설문 의견이 왼쪽에 한 장씩 흘러들면 AI가 시머 0.3초 뒤 주제 칩(배송 지연 · 결제 오류 · 쿠폰 문의 · 포장 · 상담)과 감성 점을 붙이고, 오른쪽 주제별 막대가 부정(빨강) · 긍정(초록)으로 나뉘어 자랍니다. 5.2.0 이후 급증한 "결제 오류"에는 신규 주제 배지가 붙고, 누르면 대표 원문 두 개가 문제 구절 하이라이트와 함께 열립니다.
프롬프트
고객 의견(VOC) 자동 분류 대시보드를 만들어줘. 파이프라인: 의견 수집(리뷰 · 상담 메모 · 설문 주관식) → 임베딩 + BERTopic으로 주제 군집(주 1회) → 새 의견은 LLM 분류 {topic, sentiment:"neg"|"neu"|"pos", spans:[문제 구절 위치], confidence} (주제 목록을 프롬프트로 고정, 해당 없음은 "기타"). 신규 주제 감지: 지난 4주 대비 주제 비중 z > 3 또는 기존 군집과 거리 > 임계 → "신규 주제" 배지. UI: 왼쪽 실시간 피드(카드 34px, 위에서 슬라이드 인 260ms, 태깅 전 칩 자리에 시머 300ms → 주제 칩 + 감성 점 페이드), 오른쪽 주제 막대(가로, 부정 #DC2626 · 긍정 #16A34A · 중립 #CBD5E1 누적, 새 의견이 분류될 때 해당 세그먼트 +1 길이 성장 + 숫자 롤링), 정렬 = 부정 건수. 주제 클릭 → 아래 패널에 대표 원문 2–3개(군집 중심에 가까운 순) + 문제 구절 #FEE2E2 하이라이트 + "원문 268건 보기", 기간 추이 미니 선(배포 시점 세로선). 규칙: 신뢰도 < 0.6 분류는 "검토 필요" 큐로, 개인정보(전화번호 · 주소)는 수집 시 마스킹, 표본 30건 미만 주제는 비중 표시 안 함.
라이브 데모 열기 — 고객 의견 주제 · 감성 자동 분류 (의견 카드가 흘러들며 주제 칩 · 감성 점 태깅 → 주제별 부정 · 긍정 누적 막대 증가 · 신규 주제 배지 → 주제 클릭 → 대표 원문 하이라이트)
권한을 지키는 AI 답변 (부서별 평균 연봉 → 내 권한 2/5 부서만 · 잠긴 행 빗금 · 5명 미만 집계 숨김(k-익명) · 개인 급여 질문은 정책 거절)
Permission-aware AI answers: the response respects row-level access (2 of 5 departments), hatches locked rows, suppresses groups under k = 5 and declines an individual-salary follow-up with a policy chip
"부서별 평균 연봉 알려줘"에 AI가 모든 데이터를 아는 척하지 않고 내 행 수준 권한 범위(개발본부 2개 팀)로만 답합니다 — 권한 밖 부서 행은 빗금 + 자물쇠 "권한 필요 · 요청하기", 4명뿐인 인프라팀은 "5명 미만 집계 숨김(k-익명성)"으로 가려지고, 이어서 특정 직원 급여를 물으면 개인정보 정책 칩과 함께 정중히 거절합니다.
프롬프트
권한 인식 AI 답변 UI를 만들어줘. 실행 경로: LLM이 만든 쿼리는 항상 사용자 토큰으로 실행 → DB 행 수준 보안(RLS)이 부서 필터를 강제 → 결과 후처리에서 그룹 크기 < k(5)는 값 대신 null + reason:"k_anonymity" → 응답 {rows:[{dept,avg,n,access:"ok"|"denied"|"suppressed"}],scope:{allowed:2,total:5},policyHits:[]}. 답변 카드: 첫 줄 "접근 가능한 범위로 답했어요 · 내 권한: 개발본부 2개 팀"(정보 아이콘 → 권한 출처), 배지 줄(행 수준 권한 적용 2/5 · k ≥ 5 규칙으로 1개 숨김). 표: 허용 행은 값 · n, denied 행은 45° 빗금(#E5E7EB, 간격 3px) + 자물쇠 + "권한 필요" + hover 툴팁 "HR 열람 권한 필요 · 요청하기"(요청 = 승인 워크플로), suppressed 행은 점 빗금 + "4명 · 5명 미만 집계 숨김". 행은 80ms 스태거, 빗금은 왼→오 300ms 와이프. 개인 단위 질문("데이터팀 김OO 연봉은?") → 정책 분류기가 사전 차단, 답변 대신 회색 카드 "개인 단위 급여는 보여 드릴 수 없어요" + 정책 칩 "개인정보 · 급여 정책 4.2" + 대안 제안 칩("팀 평균 보기"). 규칙: 거절 문구에 숨긴 값의 범위 · 순위 힌트도 넣지 않기(추론 공격 방지), 합계 행도 숨김 행을 빼고 "일부 제외" 표기, 모든 거절은 감사 로그.
라이브 데모 열기 — 권한을 지키는 AI 답변 (부서별 평균 연봉 → 내 권한 2/5 부서만 · 잠긴 행 빗금 · 5명 미만 집계 숨김(k-익명) · 개인 급여 질문은 정책 거절)
차트 대체 텍스트 자동 생성 (구성 → 통계 → 추세 3단계 문장 스트리밍 · 문장 낭독 중 관련 막대 초점 고리 · 검토 체크 → figure aria 코드)
AI-generated chart alt text in three levels — encoding, statistics, trend — streamed for review, with each sentence lighting its bars during read-aloud and the approved text emitted as figure/aria markup
차트를 보지 못하는 사용자를 위해 AI가 대체 텍스트를 3단계로 씁니다 — 1단계 구성(막대 차트 · x축 월 6개 · y축 매출 억 원), 2단계 통계(최저 5월 18.2억 · 최고 10월 23.2억 · 평균 20.4억), 3단계 추세(꾸준히 늘다 8월에 잠깐 줄었어요). 문장을 낭독하는 동안 해당 막대에 초점 고리가 옮겨 가고, 사람이 "검토됨"을 체크하면 figure · aria-describedby 코드로 내보내집니다.
프롬프트
차트 대체 텍스트(alt text) 자동 생성기를 만들어줘. 입력: Vega-Lite 스펙 + 데이터 행. 생성 규칙(Lundgard & Satyanarayan 의미 수준 참고): L1 구성 = 차트 종류 · 축 · 단위 · 범위(스펙에서 결정적으로 생성, LLM 불필요), L2 통계 = 최솟값 · 최댓값 · 평균 · 이상값(데이터에서 계산), L3 추세 = 전체 방향 · 변곡 · 예외(LLM이 L2 사실만 근거로 1–2문장), L4 맥락은 사람이 추가. 출력 {levels:[{level:1,text,refs:[]},{level:2,text,refs:[{x:"5월"},{x:"10월"}]},{level:3,text,refs:[…]}]}. UI: 왼쪽 차트, 오른쪽 280px 패널 "✦ 대체 텍스트" — 단계별 블록(번호 원 · 단계 이름 · 문장 글자당 16ms 스트리밍), 블록 순서대로 생성. 낭독 미리보기(▶): Web Speech API로 읽는 동안 현재 문장 #EEF2FF 배경, refs 막대에 2px 초점 고리(#7C3AED, 오프셋 2px) 220ms 이동, 나머지 막대 opacity .45. 하단: "검토됨" 체크박스(체크 전에는 게시 불가) → 코드 블록 `<figure role="group" aria-labelledby="t" aria-describedby="d">…<p id="d" hidden>…</p></figure>` 페이드. 규칙: 숫자는 데이터 반올림 규칙과 동일(소수 1자리 · 억 단위), 색 이름에 의존하는 설명 금지("파란 막대" X), 문장 160자 이내, 데이터가 바뀌면 L1–L3 재생성 + "검토 필요"로 되돌림.
라이브 데모 열기 — 차트 대체 텍스트 자동 생성 (구성 → 통계 → 추세 3단계 문장 스트리밍 · 문장 낭독 중 관련 막대 초점 고리 · 검토 체크 → figure aria 코드)
노트북형 AI 분석 (자연어 → SQL · 차트 셀 생성 · 수정 후 이전 결과 표시 · 선택 셀 다시 실행)
AI analysis notebook: generate SQL and chart cells from a request, mark edited outputs stale and rerun selected cells with matching execution versions
분석 요청이 실행 가능한 SQL 셀과 차트 셀로 만들어지는 노트북입니다. 생성된 조건을 바꾸면 이미 나온 결과에 “이전 실행” 표시가 붙고, 다시 실행한 셀만 새 실행번호와 결과로 바뀝니다. 셀을 대시보드로 재배치하는 화면과 달리 AI가 만든 분석을 사람이 확인하고 재현하는 작업에 집중합니다.
프롬프트
AI 분석 노트북을 만들어줘. 배경 #F2F4F8, 흰 문서 최대 폭 1040px, 외곽 반경 12px, 1px #E4E7EE 테두리와 0 4px 16px rgba(17,24,39,.06) 그림자. 8px 간격 체계, 본문 IBM Plex Sans KR 14px/22px, 코드 JetBrains Mono 12px/20px. 상단 48px 도구줄에 데이터셋 orders_v4, 저장 상태, 선택 셀 실행 버튼을 놓는다. “채널별 주문을 SQL과 차트 셀로 만들어줘”를 제출하면 600ms 안에 셀 구조 {cellId,type,source,dependsOn,sourceVersion,executedVersion,runId,status,output}를 제안한다. SQL 셀과 차트 셀의 세로 순서는 고정하고 각 셀은 왼쪽 48px 실행 거터, 우측 실행/중지 버튼, 12px 내부 여백을 쓴다. AI 셀 생성은 180ms opacity와 240ms ease-out 높이 전환, SQL 예약어는 #7C3AED, 필드명은 #2563EB. SQL은 읽기 전용 SELECT만 실행하며 테이블명과 필터를 사용자가 검토한 뒤 실행한다. 첫 실행 후 SQL에 device = app 조건을 추가하면 sourceVersion만 증가하고 이전 차트는 40% 불투명도 및 “이전 실행 · 다시 실행 필요” 배지로 보존한다. 차트가 최신인 것처럼 보이지 않게 한다. SQL 실행 700ms 동안 In [*]와 취소 버튼을 표시하고 완료 시 In [2], 실행시각, 0.7s, 3행을 표시한다. 이어 차트 셀을 선택해 실행하면 동일 runId의 결과를 읽고 막대 높이가 450ms ease-out으로 바뀐다. SQL 수정과 차트 재실행 사이에는 실행 버전 불일치를 명시하고 오류가 나면 기존 출력과 오류를 함께 남긴다. 입력값은 파라미터로 바인딩, 중단한 실행의 늦은 응답은 runId가 다르면 폐기한다. Tab/Shift+Tab으로 셀 도구 이동, Shift+Enter 실행, reduced-motion에서는 상태만 즉시 교체. 미리보기는 320×200 가상 좌표, 좌상단 176×29를 비우고 시간만으로 생성→수정→각 셀 재실행을 재현해줘.
라이브 데모 열기 — 노트북형 AI 분석 (자연어 → SQL · 차트 셀 생성 · 수정 후 이전 결과 표시 · 선택 셀 다시 실행)
음성으로 묻는 대시보드 (듣기 · 받아쓰기 → 지표 · 기간 · 지역 확인 → 차트에 적용)
Voice-driven dashboard: transcribe a spoken question, confirm metric, time and region slots, then apply the query to the chart
마이크로 질문하면 음성 파형과 받아쓰기가 표시되고, 인식한 지표·기간·지역을 확인한 뒤 차트가 바뀝니다. 말을 듣는 시각 효과에서 끝나지 않고 발화가 어떤 데이터 조회로 이어지는지를 보여 주며, 정정과 실행의 경계를 구분합니다.
프롬프트
음성 질의가 실제 대시보드 필터와 차트로 연결되는 화면을 만들어줘. 1040px 화면에서 좌측 차트 664px, 우측 음성 패널 304px, 사이 24px. 배경 #F2F4F8, 패널 흰색, 1px #E4E7EE 테두리, 반경 12px, 내부 24px. 제목 18px/26px 700, 본문 14px/22px, 상태 12px. 마이크 버튼은 48px 원, #7C3AED 배경, 포커스 링 3px #DDD6FE. 대기→사용자가 클릭→듣기→인식 확인→조회 중→완료 상태를 분리한다. 듣기 동안 24개 막대 파형을 120ms ease-out으로 갱신하고 이전 확정 문장은 유지한 채 interim transcript만 회색으로 수정한다. 예시 질문은 “지난주 서울 주문 건수 보여줘”. 최종 발화는 {transcript,metric:order_count,aggregate:count,timeRange:last_complete_week,region:서울,timezone:Asia/Seoul}로 파싱하고 기간의 실제 시작/끝 날짜를 함께 표시한다. 필드 칩은 28px 높이, 6px 반경, 기간 #E0F2FE, 지역 #F3E8FF. “서을” 같은 낮은 인식 신뢰도는 해당 단어에 점선 밑줄, 서울/수원 선택 또는 키보드 직접 입력을 제공하며 자동 조회하지 않는다. 사용자가 차트에 적용을 누르면 300ms cubic-bezier(.2,0,0,1)로 차트 헤더·필터와 막대가 함께 갱신되고 결과 292건과 집계 범위를 보여준다. 최종 발화 이후 1회만 조회하고 인식 중간 결과로 서버를 호출하지 않는다. 새 발화 중 “아니 부산” 정정은 확인 단계의 지역만 바꾸고 재확인한다. 중지/취소, 마이크 권한 거부, 브라우저 미지원, 무음 5초 시 키보드 입력 경로를 제공한다. 녹음은 사용자 시작에서만 켜고 패널 종료 시 모든 트랙과 recognition 세션을 해제한다. 상태는 aria-live=polite, 차트 접근성 요약은 조회 완료 뒤 1회 갱신. 축은 0부터 고정된 최대 400건으로 유지하고 변경 전후를 같은 스케일로 비교한다. 캔버스 데모는 320×200 좌표에서 왼쪽 위 176×29를 비우고 10초 동안 듣기→질문 확인→명시적 적용→차트 갱신을 보여줘.
라이브 데모 열기 — 음성으로 묻는 대시보드 (듣기 · 받아쓰기 → 지표 · 기간 · 지역 확인 → 차트에 적용)
AI 이상 탐지 임계값 학습 (4주 주기 탐색 → 요일별 계절성 밴드 → 검증 구간 후보 경보 비교)
Learning seasonal anomaly thresholds: fit weekday patterns on four training weeks, build an expected band and compare alert candidates on a held-out fortnight
처음의 수평 임계값이 요일별 반복 패턴을 학습하며 물결 모양의 기대 범위로 바뀝니다. 학습한 과거와 검증할 미래를 분리하고, 정적 임계값이 요일별 반복에 내던 경보가 어떻게 줄어드는지를 비교합니다. 이미 생긴 이상 지점의 원인 설명이 아니라 밴드가 만들어지는 과정입니다.
프롬프트
요일 계절성을 학습하는 이상 탐지 설정 화면을 만들어줘. 흰 패널 1000px 폭, 좌측 차트 660px, 우측 학습 단계 268px, 24px 간격, 16px 반경, 그림자 0 4px 16px rgba(17,24,39,.06). 4px 기준선, 글자 14px/22px, 제목 18px. 예시 입력은 {date,value,weekday,isHoliday} 형태의 일별 주문 42일이며 앞 28일은 학습, 뒤 14일은 검증으로 고정한다. 상단에 학습 기간과 “검증 2주 · 학습에 사용 안 함”을 명시한다. 시작에는 상하 수평 정적 임계값을 #98A2B3 1px 점선으로 그리고 오경보 후보를 주황색으로 표시한다. 학습 시작→결측/이벤트일 확인 600ms→7일 반복 추정 1200ms→요일 중심과 잔차 분위수 계산 1200ms→홀드아웃 비교 800ms 순으로 진행하고 각 단계에 실제 작업 상태를 연결한다. 진행 스캔선은 학습 구간까지만 이동, 완료 후 검증 구간의 평가를 별도로 진행한다. 요일 중심선 #7C3AED 2px, 잔차 기반 기대 밴드는 #7C3AED 12% fill, 관측값은 #334155 1.5px로 표시한다. 밴드는 수평 범위에서 학습된 주기 형태로 700ms ease-in-out 보간하고, 검증 구간 경계는 1px 세로 점선. 두 탐지기의 후보 수는 같은 검증 표본에서 직접 계산하고 고정 숫자를 쓰지 않는다. 사람의 이상 라벨이 없다면 “후보 경보”로 쓰고 오경보율을 단정하지 않는다. 실제 벗어난 한 점만 빨강 #DC2626으로 유지, 정적 기준만 넘은 주말은 주황 고리에서 정상 회색 점으로 240ms 전환한다. 우측에 주기 7일, 학습 28일, 검증 14일, 후보 경보 비교, 학습 버전 v2, “밴드 적용” 버튼을 둔다. 샘플 부족/휴일 편향은 경고와 이전 버전 유지, 검증을 통과해도 사용자가 적용하기 전 운영 기준은 변경하지 않는다. 민감도 변경은 잔차 분위수만 조정하며 검증 결과를 재계산한다. reduced-motion에서는 단계 결과를 즉시 표시. 320×200 데모는 좌상단 176×29를 비우고 t만으로 수평 기준→주기 학습→검증 후보 감소→적용 대기를 재현해줘.
라이브 데모 열기 — AI 이상 탐지 임계값 학습 (4주 주기 탐색 → 요일별 계절성 밴드 → 검증 구간 후보 경보 비교)
예측 모델 드리프트 경고 위젯 (늦게 도착한 실제값 → 구간 포함률 3회 연속 미달 → 모델 검토)
Forecast-model drift warning: delayed actuals complete three undercoverage windows and open a model-review action with residual evidence
배포 중인 예측에 실제 관측값이 뒤늦게 도착하면 잔차와 예측 구간 포함률을 다시 계산합니다. 한 번의 빗나감이 아니라 연속된 평가 구간의 기준 미달을 경고하고 모델 검토로 연결합니다. 입력 데이터 분포의 PSI나 출시 전 백테스트와 구별되는 운영 중 예측 품질 위젯입니다.
프롬프트
운영 중 예측 모델의 품질 드리프트 경고 위젯을 만들어줘. 카드 960px 폭, 좌측 시계열 600px/하단 평가 창, 우측 증거 패널 288px, 24px 간격. 배경 #F2F4F8, 흰 카드 반경 12px, 1px #E4E7EE, 그림자 0 4px 16px rgba(17,24,39,.06). 제목 18px, 본문 14px, 수치 tabular-nums. 데이터는 {modelVersion,forecastIssuedAt,targetDate,horizonDays,predicted,lower,upper,actual,actualReceivedAt}이며 예측 당시 저장한 값만 비교하고 실제값으로 과거 예측을 다시 맞추지 않는다. 예시 90% 명목 예측 구간을 #4F46E5 12% 면적으로, 예측 중앙값은 2px 점선, 실제값은 #111827 실선으로 그린다. 마지막 실제값이 미도착인 구간은 빈 공간과 “실제값 대기” 점선 박스, 누락은 포함률 분모에서 제외한다. 실제값 도착 후 점과 잔차 연결선을 350ms ease-out으로 나타내고 같은 7일 지평·비중첩 주차의 포함률을 계산한다. 데모의 3주 포함 개수는 5/7=71%, 4/7=57%, 4/7=57%이며 명목 90%, 경고 바닥 80%, 연속 3회 미달 정책을 표시한다. 첫 2주만 확정됐을 때는 2/3 주의, 마지막 주가 확정되면 3/3 경고로 바뀐다. 주차 상태 띠는 정상 초록/주의 주황/경고 빨강, 색과 함께 분수와 텍스트를 쓴다. 경고 배너는 240ms cubic-bezier(.2,0,0,1)로 열고 “예측 구간 포함률 하락 · 원인 검토 필요”라고 쓰며 원인을 단정하지 않는다. 우측에는 모델 ETS v12, 학습 완료일, 마지막 실제값 수신, 평가 표본 21개, 잔차 평균과 기간, 검토 버튼을 둔다. 클릭하면 현재 모델 유지/재학습 후보 비교/사건 주석을 포함한 검토 서랍을 연다. 자동 재학습이나 배포는 하지 않는다. 소표본 7일은 UI 동작 예시임을 명시하고 운영의 최소 표본/계절 조정 기준은 설정 가능하게 한다. 같은 경보 키(modelVersion,horizon,windowEnd)는 중복 발행하지 않으며 늦은 정정값은 평가 버전을 증가시킨다. reduced-motion에서는 선을 즉시 교체, aria-live는 상태 전환 1회만 공지. 캔버스는 320×200 가상 좌표에서 좌상단 176×29를 비우고 지연 실제값→연속 위반 확정→검토 서랍을 보여줘.
라이브 데모 열기 — 예측 모델 드리프트 경고 위젯 (늦게 도착한 실제값 → 구간 포함률 3회 연속 미달 → 모델 검토)
AI 사용 비용 · 쿼리 예산 미터 (실행 전 예상 → 비용 예약 → 실제 정산 · 초과 요청 차단 · 캐시 선택)
AI cost and query budget meter: reserve estimated inference and scan costs, reconcile actual usage and block an over-budget request with a cached alternative
질문 실행 전 추론 비용과 데이터 스캔 비용을 합산해 예산을 예약하고, 완료 후 실제 비용으로 정산하는 미터입니다. 비용과 남은 실행 횟수를 따로 표시하며 다음 질문이 한도를 넘으면 이유와 캐시 대안을 보여 줍니다. 토큰 컨텍스트 사용량이나 일반 요금제 업그레이드 화면과 구별됩니다.
프롬프트
AI 분석 비용과 쿼리 예산을 함께 관리하는 위젯을 만들어줘. 패널 920px 폭, 좌측 예산 미터 400px, 우측 실행 영수증 448px, 24px 간격. 배경 #F2F4F8, 흰색 카드 12px 반경, 1px #E4E7EE, 그림자 0 4px 16px rgba(17,24,39,.06). 본문 14px/22px, 금액 32px tabular-nums. 데이터 {workspaceId,period,currency,cap,spent,reserved,queryCap,executedQueries,requestId,estimate:{inference,scan},actual:{inference,scan},status,pricingVersion}를 쓴다. 예시 일 예산 $1.000, 누적 $0.720, 실행 7/10회에서 시작하며 요율은 고정 데모 설정임을 표시한다. 질문 전 예상 추론 $0.006+스캔 $0.012=$0.018을 28px 높이 확인 행에 표시. 실행 클릭 시 원자적으로 $0.018을 예약하고 미터는 실사용 보라 #7C3AED, 예약 주황 #F59E0B, 가용 #EDE9FE로 구분한다. 서버는 spent+reserved+estimate가 한도 이내인지 동시에 검사하고 이중 클릭은 requestId로 1회만 예약한다. 실행 완료 후 추론 $0.006+스캔 $0.008=$0.014 영수증이 180ms 간격으로 채워지고, 예약 $0.018을 해제한 뒤 실사용 $0.734와 가용 $0.266으로 정산한다. 추정 차액 $0.004 해제, 실제 실행 횟수 8/10회도 보여준다. 미터 길이/금액 변화는 400ms ease-out, 예약은 사선 패턴과 텍스트로 구분. 다음 질문 예상 $0.350은 $0.734+$0.350>$1.000이므로 요청을 보내기 전에 실행 버튼을 비활성화하고 부족 $0.084, 기간 갱신 시각을 명시한다. 대안 “캐시 결과 보기”는 생성 시각과 원래 필터를 공개하고 추가 모델 호출·warehouse 실행 없이 비용 $0, 실행 횟수 유지로 전환한다. 실제 비용이 예상과 다를 수 있으므로 추정치를 보장금액으로 쓰지 않고 gateway의 최대 토큰/스캔 상한으로 초과 지출을 통제한다. 실패·취소는 이미 청구된 실제 사용분만 정산하고 남은 예약을 반환한다. 가격은 pricingVersion 설정값으로 주입하고 공급자 최신 요율을 하드코딩하지 않는다. 키보드 실행, aria-live 정산 1회, reduced-motion 지원. 캔버스는 320×200 가상 좌표의 좌상단 176×29를 비우고 예약→정산→다음 요청 차단→캐시 선택을 10초 루프로 보여줘.
라이브 데모 열기 — AI 사용 비용 · 쿼리 예산 미터 (실행 전 예상 → 비용 예약 → 실제 정산 · 초과 요청 차단 · 캐시 선택)
여러 사람이 함께 쓰는 AI 분석 스레드 (팀 제한 공유 · 실행에 연결된 댓글 · 동료 후속 질문)
Collaborative AI analysis thread: share within a team, anchor comments to an immutable analysis run and branch a colleague’s follow-up query
AI가 답한 분석 스레드를 팀과 공유하고 동료가 특정 실행 결과에 댓글을 남기는 화면입니다. 후속 질문이 새 분석 실행을 만들더라도 기존 댓글은 원래 결과에 붙어 있어 숫자가 달라진 이유를 추적할 수 있습니다. 읽기 전용 공개 링크와 달리 같은 팀이 분석 맥락을 이어 갑니다.
프롬프트
팀이 함께 쓰는 AI 분석 스레드를 만들어줘. 1120px 화면에서 분석 대화 720px, 댓글 레일 320px, 간격 24px. 흰 카드 배경, #F2F4F8 페이지, 1px #E4E7EE, 반경 12px, 내부 24px, 그림자 0 4px 16px rgba(17,24,39,.06). 본문 IBM Plex Sans KR 14px/22px, 작성자 12px 700, 실행 메타 JetBrains Mono 11px. 상단 48px 도구줄에 스레드 제목, 공동 참여자 28px 아바타 3개와 공유 버튼. 공유를 누르면 248px 팝오버에 “마케팅팀 · 댓글 가능”, “팀 외 접근 불가”, 링크 복사를 보여준다. 기본 링크는 비공개 인증 링크로 만들고 클립보드 복사는 사용자 클릭에서만 실행한다. 데이터 {threadId,turnId,parentTurnId,runId,snapshotId,authorId,querySpec,resultAsOf,permissionVersion}와 댓글 {commentId,runId,anchor:{type:chartMark,series:app,period:2026-W42},authorId,text,resolvedAt}를 분리한다. 예시 질문 “서울 매출이 줄었나요?”의 AI 답변에 앱 -12.4% 막대와 실행 #024를 표시한다. 동료 수진이 앱 막대를 눌러 댓글을 달면 220ms ease-out으로 댓글 레일이 열리고 보라 점선 연결, 본문 “@민수 캠페인 종료일도 볼까요?”가 16px 간격으로 나타난다. 텍스트 댓글은 실행 #024의 고정 스냅샷에 묶어 이후 결과와 자동 혼합하지 않는다. 민수의 후속 질문 “캠페인 종료 전후로 비교해줘”는 원본 turnId를 부모로 갖는 새 실행 #025를 만들며 360ms cubic-bezier(.2,0,0,1)로 아래에 추가된다. 댓글 레일은 계속 #024를 가리키고 “이전 결과에 달린 댓글” 배지를 표시, 새 결과 선택 시 별도의 댓글 목록을 연다. 공유자 모두 같은 권한일 것이라 가정하지 말고 서버에서 매 조회마다 행 수준 권한을 적용하며 보이지 않는 근거를 댓글이나 AI 문장으로 유출하지 않는다. 권한이 달라 결과가 다르면 “권한에 따라 결과가 다름”과 재조회 동작을 제공한다. 프레즌스는 사용자 색+이름, 입력 중 표시는 2초 만료, 동시 댓글은 id 기반 병합, 중복 전송은 clientMutationId로 방지. 해결/다시 열기, 읽지 않음 개수, Tab 포커스와 reduced-motion 지원. 320×200 미리보기는 좌상단 176×29를 비우고 팀 공유→결과 댓글→동료 후속 질문→원래 실행에 남은 댓글의 흐름을 시간만으로 보여줘.
라이브 데모 열기 — 여러 사람이 함께 쓰는 AI 분석 스레드 (팀 제한 공유 · 실행에 연결된 댓글 · 동료 후속 질문)