스마트 테이블

• 구조화된 스키마 정의 — 열, 데이터 유형 및 형식
• 업로드된 파일에서 자동으로 데이터 추출 (예: 이력서, 인보이스)
• 내장 대시보드를 통한 데이터 시각화
• 에이전트를 통한 자연어로 테이블 데이터 쿼리

​

스마트 테이블 접근

​

스마트 테이블 만들기

​

방법 A: 빈 스마트 테이블 만들기

​

방법 B: 템플릿에서 만들기

​

방법 C: 파일에서 가져오기

​

열 유형 및 구성

​

열 구성

​

필드 유형 및 형식

​

도구 소스

• 사용자 입력 — 데이터가 사용자에 의해 수동으로 입력되거나 수정 없이 파일에서 직접 추출됨
• LLM 생성 — AI 모델이 열 설명과 컨텍스트를 기반으로 콘텐츠를 생성(예: 이력서 요약)
• 에이전트 생성 — 에이전트가 쿼리를 처리하고 응답으로 이 필드를 채움
• 비교 — 두 필드를 비교하여 일치 여부를 결정하거나 유사도 점수를 계산

​

데이터 추출 (문서 처리)

​

워크플로우: 이력서 추출 예시

​

컬렉션 및 관계

​

예시: 기술 매핑

1. “기술” 테이블 만들기 — 열 정의:
   • 기술 이름 (텍스트) — 사용자가 보유한 기술의 이름
   • 기술 수준 (단일 선택) — 옵션: 초급, 중급, 고급
2. 메인 테이블 구성 — “이력서” 테이블에 “기술”이라는 이름의 열을 만듭니다.
3. 유형을 컬렉션으로 설정 — 열 유형을 컬렉션으로 설정하고 “기술” 스마트 테이블에 연결합니다.
4. 결과 — 이력서가 처리되면 시스템이 기술을 추출하고 “기술” 테이블에 상세한 행(예: “Python - 고급”, “Java - 초급”, “AWS - 중급”)을 채워서 다대다 관계를 통해 특정 후보자와 연결합니다.

​

컬렉션 데이터 보기

​

데이터 관리

​

보기 및 탭

• 테이블 보기 — 행과 열을 보고 편집하기 위한 기본 스프레드시트 스타일 보기
• 대시보드 보기 — 차트와 위젯을 만들어 데이터를 분석할 수 있는 시각화 보기

​

행 추가 및 관리

• 행 삽입 — 행 추가 또는 행 삽입을 클릭하여 새 빈 행을 수동으로 추가
• 자동 행 만들기 — 문서가 업로드되어 스마트 테이블에 할당되면 새 행이 자동으로 만들어지고 추출된 데이터로 채워짐

​

편집 및 다시 계산

• 수동 편집 — 값을 수동으로 업데이트하려면 셀을 클릭
• 셀/행 실행 — LLM 생성 또는 에이전트 생성 필드의 경우 셀 실행 또는 행 실행을 클릭하여 해당 행의 데이터를 계산하거나 새로고침
• 모두 다시 계산 — 모든 행을 동시에 새로고침. 열 설명이나 에이전트 구성을 업데이트한 후 전체 데이터세트를 다시 처리할 때 유용

​

그룹화 및 정리

​

스마트 테이블 이름 변경

​

필드 및 행 삭제

• 열 삭제 — 열 구성을 편집할 때 필드 삭제를 선택하여 열을 완전히 제거
• 행 삭제 — 행을 클릭하고 삭제를 선택하여 개별 항목 제거

​

대시보드 및 시각화

​

위젯 만들기

1. 스마트 테이블 내에서 대시보드 탭으로 이동
2. 위젯 추가 클릭
3. 차트 구성:
   • 위젯 제목 — 설명적인 제목 제공(예: “성별별 총 후보자 수”)
   • 차트 유형 — 파이 차트, 막대 차트, 선 차트 등에서 선택
   • X축 (카테고리) — 그룹화 필드 선택(예: 여성 여부)
   • Y축 (값) — 측정할 지표 선택, 합계, 평균 등의 집계 함수 포함
   • Y시리즈 열 이름 — 선택적으로 차트 범례에 표시되는 레이블 사용자 지정
4. 위젯을 저장하여 대시보드에 추가

​

에이전트를 통한 스마트 테이블 쿼리

​

설정 프로세스

​

템플릿

​

평가 템플릿

• 질문 텍스트 — 에이전트에 대한 입력 프롬프트 (사용자 입력)
• 예상 답변 — 기본 진실 또는 올바른 답변 (사용자 입력)
• 실제 응답 — 평가 실행 중 에이전트에 의해 채워짐 (에이전트 생성)
• 평가 상태 — 실제 응답을 예상 답변과 비교하고 통과/실패 백분율을 반환 (비교)

1. 평가 템플릿에서 스마트 테이블을 만듭니다
2. 테스트 질문과 예상 답변으로 행을 추가합니다
3. 에이전트 필드를 AI 에이전트에 연결하도록 구성합니다
4. 개별 행을 실행하거나 모두 다시 계산을 실행하여 모든 질문을 테스트합니다
5. 실제 응답과 평가 상태를 검토하여 에이전트 성능을 평가합니다

​

모범 사례

• 열 설명 — 추출 중 LLM을 안내하기 위해 각 열에 대한 명확하고 설명적인 텍스트를 작성합니다. 예를 들어 “경력 연수”라는 열을 만들고 다음을 추가합니다: “이력서에서 발견된 총 전문 업무 경력 연수.”
• 데이터 유형 — 정확한 정렬, 필터링 및 차트 작성을 위해 특정 유형(숫자 vs 텍스트)을 사용합니다. “경력 연수”의 경우 텍스트 대신 숫자를 사용합니다.
• 형식 선택 — 필드 유형에 따라 적절한 형식을 선택합니다. 연락처 필드에는 전화번호 형식을 사용합니다. 금액에는 통화 형식을 사용합니다.
• 컬렉션 — 데이터 무결성을 유지하고 더 깊은 쿼리를 가능하게 하기 위해 복잡한 목록(기술, 자격증명, 교육 이력)에 컬렉션을 사용합니다.
• 테스트 — 대량 업로드 전에 한두 개의 문서로 테스트하여 열 설명이 AI를 올바르게 안내하는지 확인합니다.
• 빠른 업로드 — 업로드 중에 스마트 테이블을 할당할 때 빠른 업로드를 활성화하여 데이터를 즉시 추출하고 채웁니다.
• 추출 다시 적용 — 열 정의를 수정한 경우 기존 문서에 스마트 테이블을 다시 할당하여 업데이트된 구성을 사용하여 데이터를 다시 추출합니다.
• 비교 필드 — QA 워크플로우에서 예상 대 실제 결과 비교와 같은 검증 시나리오에 비교를 사용합니다.