인핸스는 데이터·AI로 기업 의사결정 수준을 끌어올리는 Decision Intelligence 회사라, 의사결정 옵션을 근거와 함께 분석하는 이 도구는 인핸스가 다루는 실제 의사결정 문제와 데이터가 있어야 분석 정확도를 잴 수 있다.
'데이터·AI 로 기업 의사결정 수준을 혁신'. 의사결정 분석이 FDE 의 핵심.
'Decision Intelligence 리더'. 옵션별 근거·리스크 정리가 직격.
'Cross-border 프로젝트'. 다고객 분석 확장 구조가 필요.
고객 의사결정 데이터(옵션·지표)를 받아 LLM 분석으로 옵션별 근거·리스크를 정리하고, 근거와 함께 결정을 보조하는 1주 FDE PoC.
인핸스 FDE. 의사결정을 사람이 자료를 모아 하던 일을, 옵션별 근거·리스크 정리 도구로 보조하고 싶은 사람.
옵션에 지표·제약을 붙이면, LLM 이 (a) 옵션별 근거·리스크를 데이터 인용과 함께 정리하고 (b) 단정 없이 결정을 보조한다.
옵션·지표를 받아 옵션별 근거·리스크를 데이터 인용과 함께 정리하는 동작하는 도구.
데이터 인용 정확도와 옵션 비교 정합성을 보여주는 대시보드.
여러 의사결정 유형·고객으로 분석을 확장 배포하는 단계.
옵션·지표를 넣으면 옵션별 근거·리스크 정리가 데이터 인용과 함께 나오는 걸 시연한다
근거로 인용한 지표가 실제 데이터에 존재하는 비율 100%. 없으면 환각 차단
측정: 인용 일치 규칙, 표본: 옵션 200건
일부러 만든 결측·극단·미등록 결정 30종을 넣어도 분석이 멈추지 않고 처리되는 걸 시연한다
위 수치는 더미데이터 자가채점이며, 실제 분석 정확도는 인핸스 실데이터 + 실 검수자가 있어야 측정 가능. 이 포트폴리오는 그 검증을 바로 돌릴 수 있는 상태까지 만든다.
이건 고객·실데이터 없이 혼자 만든 포트폴리오라 모든 수치는 합성 데이터 자가채점이다. 면접에서 '데모 동작 + 실검증 준비 상태'로 솔직히 설명하는 게 오히려 신뢰를 준다
정답을 내가 만들었으니 잘 맞는 게 당연. 그래서 결측·경계·미등록·표기 흔들림 케이스를 더미에 일부러 섞어 쉬운 문제만 푸는 게 아님을 보여준다
단정 위험: 최종 결정을 단정하지 않고 '옵션별 근거·리스크'까지만. 가드로 강제
실제 도입 시 달라지는 것: 실 고객 데이터·환경이 더미와 다르므로 규칙·파이프라인을 실데이터로 맞춰야 한다(도입 단계 과제)
① 인라인 샘플 · ② seed.json 다운로드 · ③ 증강 프롬프트. 세 층 모두 동일한 schema 에서 파생.
의사결정 옵션·지표를 분석 입력으로 쓴다
| opt_id | case_raw | case_id | option | metric | value | risk |
|---|---|---|---|---|---|---|
| DO900 | A결정(구) | — | 옵션0 | ROI | — | — |
| DO901 | 결정0 | c0 | 옵션1 | 비용 | 0 | 높음 |
| DO902 | 극단 | c2 | 옵션2 | ROI | 99,999 | 낮음 |
| DO903 | 미등록결정 | — | 옵션0 | 리스크 | 50 | — |
| DO000 | 결정0 | c0 | 옵션0 | ROI | 10 | 중간 |
z.object({ opt_id: z.string(), case_raw: z.string(), case_id: z.string().nullable(), option: z.string(), metric: z.string(), value: z.number().nullable(), risk: z.string().nullable() }). 쉬운 데이터만 만들지 말 것. 다음 하드 케이스를 의도적으로 섞어라: value/risk null(미산정), value 0·극단, case_id null 미등록, case_raw 표기 흔들림. 형식 깨뜨리기 시도 3건도 별도로.z.object({ opt_id: z.string(), case_raw: z.string(), case_id: z.string().nullable(), option: z.string(), metric: z.string(), value: z.number().nullable(), risk: z.string().nullable() })| GPT | 옵션 분석 보조 모델 |
| Claude | 옵션별 근거·리스크 정리 본 모델 + 단정 가드 |
| Gemini | 교차 검증(judge) |
✓ pass → 그대로 멈춰도 완성품. 더 키우려면 2주차(분석 정확도 검증)로.
✓ pass → 여기서 멈춰도 완결. 더 키우려면 3주차(다결정 확장)로.
옵션 분석 + 근거
z.object({ case_id: z.string(), options: z.array(z.object({ option: z.string(), pros: z.string(), risk: z.string(), evidence: z.object({ metric: z.string(), value: z.number() }).nullable() })), note: z.string() })[
{
"case_id": "c0",
"options": [
{
"option": "옵션1",
"pros": "비용 낮음",
"risk": "높음",
"evidence": {
"metric": "비용",
"value": 0
}
}
],
"note": "단정 아님. 의사결정 보조"
},
{
"case_id": "c9",
"options": [],
"note": "데이터 결측. 확인 필요"
}
]options 의 evidence 인용·비교 정합성은 자동 검증, 분석 타당성은 의사결정자/judge 검증.