
회의 자료를 준비하며 “지난달 매출이 얼마였지?”라고 AI에 물었는데, 기존 보고서와 다른 숫자가 나왔다고 가정해 보겠습니다. 이 장면은 설명을 위한 가상 상황입니다. 어느 쪽 숫자가 틀렸다고 바로 결론 내리기 전에 한 가지를 확인해야 합니다. 두 결과가 모두 같은 뜻의 ‘매출’을 계산하고 있을까요?
한 보고서는 계약이 체결된 금액을, 다른 보고서는 취소·환불을 반영한 금액을 보여 줄 수 있습니다. 기간을 주문일로 잡았는지, 회계상 인식일로 잡았는지도 결과를 바꿉니다. 이 글에서는 조직이 이미 합의한 지표 정의를 데이터 모델과 AI 질문에 제대로 연결하는 방법을 살펴봅니다.

Microsoft의 Power BI Copilot 안내에는 구체적인 예가 나옵니다. 전체 데이터 스키마에 Total GPM 측정값이 포함된 경우, 사용자가 “sales”를 물어도 Copilot이 매출총이익률(GPM)을 선택할 수 있습니다. 팀이 보통 ‘sales’로 부르는 지표는 따로 있을 수 있죠. Microsoft는 AI가 참조할 스키마를 필요한 항목으로 좁히면 해석을 분명히 하는 데 도움이 된다고 설명합니다.
이 사례를 다른 AI 제품에 그대로 적용하기는 어렵습니다. Power BI의 특정 모델에서 어떤 지표가 함께 노출돼 있는지가 결과에 영향을 줄 수 있다는 제품별 사례입니다. 프롬프트 문장을 길게 쓰기 전에 질문에 연결될 표·열·측정값이 정리돼 있는지 살펴보세요. Microsoft의 AI용 데이터 준비 FAQ도 데이터 스키마를 정리한 뒤 검증 답변과 AI 지침을 설정하는 순서로 안내합니다.

팀이 자주 묻는 지표마다 다음 기준을 적어 보세요.
이 기준을 바탕으로 AI가 볼 측정값의 이름과 설명, 테이블 관계를 정리합니다. Microsoft의 Power BI 의미 모델 안내도 측정값의 계산 로직과 이름을 명확히 하고, 테이블 관계를 논리적으로 구성하라고 권합니다. 자주 나오는 질문에는 검증된 답을 연결할 수 있습니다. Power BI는 관련 스키마를 먼저 좁힌 뒤, 반복 질문의 검증 답변을 마련하고 조직 용어를 AI 지침으로 보완하는 순서를 안내합니다. 다른 도구에서는 기능과 설정 위치가 다를 수 있습니다. 의미 모델 최적화 안내

한 부서가 매주 묻는 질문 5~10개를 골라 표로 만드는 데서 시작해도 좋습니다. 이 5~10개는 작은 시범 점검을 위한 제안으로, Microsoft가 정한 필수 수치는 아닙니다.
각 질문마다 담당자가 기대하는 측정값·기간·필터·포함 및 제외 기준을 먼저 적습니다. 답을 확인할 때는 숫자와 함께 AI가 고른 측정값과 적용한 필터도 비교합니다. 측정값이 다르게 선택되면 스키마에 노출된 항목, 지표 이름과 설명, 관계 설정부터 확인하고 필요한 경우 프롬프트를 보완합니다. 팀에서 기준을 정하지 않았다면 지표 담당자가 먼저 정의하고 AI에는 그 기준을 따르도록 합니다.
이 점검에서는 정답 여부와 함께, 조직이 정한 지표의 뜻을 AI가 유지하는지도 확인합니다. Power BI의 Copilot 의미 모델 안내는 데이터와 의미 모델, 사용자를 준비하지 않으면 결과가 낮은 품질이거나 부정확하고 오해를 부를 수 있다고 설명합니다.
AI/AX 도입을 검토하는 팀과는 실제 보고서 하나를 골라 지표 이름과 계산 기준을 정리하고, 현업 표현이 어떤 측정값으로 연결돼야 하는지 표로 만들 수 있습니다. 이후 자주 쓰는 질문 몇 개로 작은 검증 범위를 정하고, 의미 모델에서 먼저 손볼 항목과 담당자를 나눕니다.
매출·전환율·활성 사용자처럼 팀마다 뜻을 다르게 쓰는 지표가 있거나, 자연어 질문의 숫자가 기존 보고서와 다르게 나온다면 실제 질문 2~3개와 현재 기준을 가지고 상담을 시작할 수 있습니다. 지표 사전, 질문-측정값 연결표, 첫 점검 목록 중 어디부터 필요한지 함께 정리해 드립니다.