Syntitan: AI 업무에 맞게 데이터를 보완하고,
같은 조건에서 결과를 비교합니다.

무엇이 나아졌고 무엇을 더 봐야 하는지 확인하세요. 데이터나 모델이 바뀌면 아직 유효한 데이터와 기준에서 다시 시작합니다.

예시 화면 건너뛰기
워크스튜디오홈예시
AI에 넣기 어려웠던 데이터, 바로 쓸 수 있게 바꿔드려요.먼저 내 데이터에 어떤 문제가 있는지 살펴봐요.

준비부터 결과 확인까지 한 번에데이터 팀 없이도 시작할 수 있어요.어떻게 준비할지는 Syntitan이 먼저 제안해요.

업종별 예시이런 일에 쓸 수 있어요.내 업무와 비슷한 사례를 고르면, 데이터가 어떻게 달라지는지 바로 보여 드려요.

AI에 쓸 데이터 준비개인정보는 바꿔서, 고객 주문 기록을 AI 분석에 쓰고 싶어요.이름은 대체값으로 바뀌어도 같은 고객은 같은 값으로 남습니다. 날짜·나라 표기를 맞추고, 드문 해외 주문 사례를 보완합니다.
처리 전

고객주문일국가

김하늘2026/09/21Korea

김하늘2026.09.24KR

이도윤21-09-2026대한민국

처리 후

고객주문일국가

고객_A2026-09-21KR

고객_A2026-09-24KR

고객_B2026-09-21KR

AI에 쓸 수 있게 준비했어요

준비 내용원본은 그대로 남아요

개인정보 보호형식 맞춤사례 보완

준비 상태

54점76점
해외 주문 사례 120건을 보완했어요. 이름은 대체값으로 바뀌어도 같은 고객의 주문 흐름은 그대로 남아요.
활용 현황
년2026년
최근 프로젝트
최근 에이전트 리포트
20–39세 구독 의향 조사페르소나 서베이CUBIG Data.csv(v1) 외 2건완료김김철수8월 7일
이탈 위험 고객이탈 예측customer_activity_2025.csv(v2)완료김김큐빅10월 11일
재방문 유도 캠페인CRM 캠페인customer_activity_2025.csv(v1) 외 1건실패SSora Lee10월 6일
출시 가격 범위신제품 가격 전략tv_sales_2025.csv(v2)완료DDaniel Choi10월 2일

금융·공공·산업 분야의 기업과 기관이 CUBIG을 씁니다.

  • SK텔레콤
  • 교보생명
  • IBK기업은행
  • 우리은행
  • NH농협은행
  • DB손해보험
  • 삼성증권
  • CJ프레시웨이
  • 다날
  • 국민건강보험공단
  • 국가데이터처
  • 대한민국 육군

한눈에 보기

데이터 준비와 검증, 데이터 팀 없이도. Syntitan이 먼저 묻고, 안내하고, 결과와 한계까지 보여 줍니다.

하려는 업무그리고 내 데이터

묻기이 데이터로 어떤 일을 하려고 하나요?

데이터 레디프로젝트 생성

하려는 업무

환불·배송 문의에 답할 AI가 쓸 상담 기록을 준비하고 싶어요.

원본 데이터

고객문의.csv1,240행 · 6개 열파일 선택

question_idchannelquestionanswercreated_at+1

데이터 진단 →

진단준비된 것과 보완할 것을 먼저 알려 드려요.

데이터 레디고객 문의 데이터 준비

버전 v1

진단 결과원본 미리보기

먼저 볼 항목보완 2건

  • 빈 답변 120건answer · 120행보완 필요
  • 날짜 형식 3가지created_at · 312행보완 필요
  • 문의 유형 5가지question_type · 빈 값 없음준비됨
  • 필수 열 모두 있음6 / 6준비됨

적용Syntitan이 처리안을 제안하고, 고른 것만 적용해요.

데이터 레디고객 문의 데이터 준비

버전 v1v2

처리 항목 · 적용 2 · 제외 1

  • 빈 답변 채우기answer · 120행보완 필요준비됨
  • 날짜 형식 맞추기created_at · 312행보완 필요준비됨
  • 중복 문의 정리question · 48행이번엔 제외

v2로 저장 · 원본은 그대로실행하기

비교이 업무 기준으로 처리 전후를 비교해요.

데이터 레디고객 문의 데이터 준비

버전 v2

처리 전후리포트

처리 결과같은 평가 조건

바로 쓸 수 있는 답변 비율

62%91%

적용한 처리

2개

남은 항목: 중복 문의 정리

처리 전 · created_at10/01/2026 · 2026.10.1

v2 · created_at2026-10-01

재확인데이터나 모델이 바뀌면 무엇을 다시 볼지 알려 줘요. 12월 예정

관리실행 추적

고객문의.csv
  1. 10.21v2

    처리 2개 적용 · 확인 완료#c9d9e52 기준
  2. 10.28+312건

    새 문의 들어옴#b9d9cbf
  3. 10.28확인 중다시 확인 필요

    영향받은 것만 다시 확인answer · created_at

바뀌지 않은 처리는 그대로 재사용다시 확인하기

예시

구조

Syntitan은 데이터와 AI 사이에서 일합니다.

지금 쓰는 데이터 저장소와 AI는 그대로 둡니다.
Syntitan은 그 사이의 준비와 검증을 맡습니다.

데이터 연결

  • 데이터 웨어하우스
  • 레이크하우스
  • 데이터베이스
  • 파일·문서

AI에 전달파일APIMCP

  • ML 모델
  • LLM
  • 에이전트
  • AI 앱

선택한 AI

실행마다 어떤 버전과 설정을 썼는지 기록이 남습니다.

사용 방식

말로 묻고, 필요한 만큼만 봅니다.

AI Assistant

customer_orders.csvv2

이 버전에서 뭐가 바뀌었나요?

v2에서 이렇게 처리했어요.

  • 날짜 형식 하나로 통일
  • 국가 표기 통일
  • 연락처 41건 제외

근거 · v2 처리 내역

AI 어시스턴트. 보고 있는 프로젝트와 버전을 기준으로 답합니다.

Syntitan 에이전트예시

이탈 예측

customer_activity_2025.csvv2

이탈 위험이 높은 고객은 누구인가요?

이탈 위험 고객완료

186명 · 1,240명 중

가장 큰 이유: 90일간 주문 없음

리포트 저장됨리포트 보기 →

Syntitan 에이전트. 준비한 데이터셋으로 물으면 분석 리포트를 받습니다.

보기

customer_orders.csvv2

자료 선택이해 확인점검·처리

날짜 형식이 세 가지예요. 하나로 맞출까요?

  • 네, 맞춰 주세요
  • 그대로 둘게요

다음

이지 · 엑스퍼트. 같은 프로젝트와 버전을 깊이만 달리 봅니다.

주요 기능같은 데이터, 다른 업무

업무가 다르면 고칠 곳도 다릅니다.

같은 데이터도 하려는 일이 다르면 고치는 곳이 다릅니다.
Syntitan은 업무를 먼저 묻고, 그 업무에 필요한 처리만 제안합니다.

transactions.csv같은 데이터적용 2/4
거래 IDtx_id유형type금액amount가입 일수account_age_days정답label
T-1002refund환불290029.0035normal
T-1003결제1850.00–12채움confirmed_fraud
T-1004반품환불15500155.00210normal
+ C-01결제1720.002confirmed_fraud후보
T-1002refund환불290029.0035normal
T-1003결제1850.00–12채움confirmed_fraud
T-1004반품환불15500155.00210normal
+ C-01결제1720.002confirmed_fraud후보

추천대로 적용했을 때 · 원본은 그대로추천과 다르게 바꿨어요 · 결과를 다시 확인해야 해요

  1. 금액 단위 통일같은 금액이 단위만 달라 다르게 읽혀요.일관성 · 2칸 · 추천은 적용
  2. 가입 기간 빈칸 채우기신규 계정은 사기를 찾는 단서예요.무결성 · 1칸 · 추천은 적용
  3. refund·반품을 환불로 통일이 모델은 거래 유형을 쓰지 않아요.일관성 · 2칸 · 추천은 제외
  4. 사기 사례 2건 보완confirmed_fraud가 12건 중 3건뿐이라 놓치기 쉬워요.DTS · 후보 2행 · 추천은 적용
  1. 금액 단위 통일승인 한도를 금액으로 판단해요.일관성 · 2칸 · 추천은 적용
  2. 가입 기간 빈칸 채우기환불 판단엔 가입 기간을 쓰지 않아요.무결성 · 1칸 · 추천은 제외
  3. refund·반품을 환불로 통일같은 환불 요청인데 표기가 달라 규칙이 따로 적용돼요.일관성 · 2칸 · 추천은 적용
  4. 사기 사례 2건 보완환불 확인엔 사기 판정 사례가 필요 없어요.DTS · 후보 2행 · 추천은 제외

업무가 바뀌면 처리안도 바뀝니다. 처리마다 이유가 붙고, 고른 것만 새 버전에 반영됩니다.

데이터 레디데이터는 있는데 쓰기 어려울 때

바로 쓸 수 있는 데이터로 준비하기

준비 자료하려는 업무와 데이터 파일Syntitan 역할6축 진단·처리안 제안·새 버전(원본 보존)

무료 진단 시작하기

파일 하나로 시작합니다. 모델이나 에이전트는 아직 없어도 됩니다.

데이터 레디프로젝트 생성지역 주문 데이터 공용 준비예시
무엇을 하려고 하나요?

하려는 업무

통화와 고객 관계를 유지하면서 다시 쓸 수 있는 주문 데이터를 준비하고 싶습니다.

이 업무에 쓸 데이터

데이터 불러오기

직접 업로드기존 데이터데이터 결합외부 소스

data_example.csv10행 · 8필드파일 선택

원본 미리보기10행 중 3행

order_idorder_dateamountcurrencycountry

O-10012026/10/01€1,200.00EURFrance

O-10022026-10-01980EURFR

O-10032026/10/02$1,050.00USDUSA

준비는 Syntitan이 합니다.처리 단계를 직접 설계하지 않아도 됩니다.
모델 레디프로젝트 생성거래 데이터를 탐지 모델에 맞추기예시
무엇을 하려고 하나요?

하려는 업무

단위와 입력 형식을 맞추고 부족한 사례를 보완한 뒤, 탐지 향상과 오탐을 함께 확인하고 싶습니다.

이 업무에 쓸 데이터

model_example.csv12행 · 9필드파일 선택

원본 미리보기12행 중 3행

tx_idregionamountcurrencylabel

T-1001EU1850.00EURnormal

T-1002US2900usdnormal

T-1003EU1720.00Eurconfirmed_fraud

업무 유형

이진 분류추천

이상 탐지

회귀

다중 분류

준비는 Syntitan이 합니다.처리 단계를 직접 설계하지 않아도 됩니다.

모델 레디모델 업무가 정해졌을 때

모델 기준을 넘는지 전후로 확인하기

준비 자료하려는 업무와 데이터Syntitan 역할평가용 기본 모델·고정된 평가 조건·전후 비교

내 모델 업무로 전후 비교

내 데이터로 같은 조건의 전후를 비교합니다.

에이전트 레디에이전트가 업무를 맡을 때

에이전트가 놓치는 케이스 먼저 찾기

준비 자료업무 매뉴얼과 규칙 문서Syntitan 역할업무 범위 정리·테스트 케이스 생성·실행용 파일과 가이드

에이전트 테스트 케이스 만들기

업무 자료만 있으면 시작할 수 있습니다.

에이전트 레디프로젝트 생성환불 예외 점검예시
에이전트의 업무 설정

이름 *

환불 예외 점검

주요 업무 *

고객지원 에이전트가 환불 예외를 정확히 처리하게 하고 싶습니다.

업무 파일 연동 방식 *

파일 업로드

SDK로 연결

자료 불러오기 *

refund_manual.csv

refund-agent-guide.md

refund_manual.csv 미리보기앞 3행

rule_idconditionaction

R-01구매 7일 이내전액 환불

R-02사용 흔적 있음부분 환불

R-03해외 결제상담원 연결

요약
에이전트
환불 예외 점검
연동 방식
파일 업로드
파일
refund_manual.csv 외 1개

버전 추적 · 재검증12월 예정

AI를 바꿔도,
해 둔 작업은 남습니다.

관리연결·적용 상태예시
연결·적용 상태
연결과 실행

연결한 커넥터마다 어떤 데이터를 가져오고 보냈는지, 언제 업데이트됐는지 봐요.

보낸 데이터 2

고객 유지모델 레디

v208.20 10:12적용 확인됨

v107.03 09:58전달됨

주문 데이터 준비데이터 레디

v308.18 16:40 · 서비스 계정에 crm_mart 쓰기 권한이 없음전달 실패

i전달됐다고 적용된 것은 아닙니다. 적용은 받는 쪽이 확인하고, 실제 실행은 실행 추적에 남습니다.

데이터팀 · 사용 요청검토 대기승인됨보류

v2를 운영에 쓸까요?

기준 F1 0.800.82기준 충족

사용 결정은 따로. 새 버전이 생겼다고 바로 쓰는 게 아닙니다. 쓰기로 한 결정도 따로 남습니다.

바뀐 조건: 정책 v2 → v3

  • 이탈 예측 판정 · 정책 v2로 나온 결과새로 처리
  • 설명 정보 확인 결과확인 뒤 재사용
  • 형식 확인 결과그대로 재사용

3건 중 1건만 새로 처리하고, 나머지는 재사용합니다.

영향받은 결과만. 바뀐 규칙과 상관없는 결과는 다시 돌리지 않습니다.

실행 #12518월 21일 · 실행 완료

이 실행에 쓴 데이터읽기 전용

tenure_months14

plan_category일반

churn_flag0

최신 데이터는 v3이지만, 실행 기록에는 당시 쓴 v2가 남습니다.

당시 데이터 보기. 지난 실행에 쓴 데이터를 당시 모습 그대로 열고, 최신 버전과 나란히 비교합니다.

공통 기능

비교는 같은 조건에서, 적용은 직접.

고정한 조건

  • 6축 진단
  • 같은 데이터셋
  • 원본은 그대로

데이터 준비 상태바꾼 것: 데이터만

진단 기준과 데이터셋은 그대로라, 차이는 처리의 효과입니다.

고정한 조건

  • XGBoost v1.3
  • 같은 평가 데이터
  • 같은 무작위 시드

Recall바꾼 것: 데이터만

모델과 평가는 그대로라, 차이는 데이터의 효과입니다.

고정한 조건

  • 같은 테스트 케이스 102건
  • 같은 판정 기준
  • 같은 에이전트

통과율바꾼 것: 데이터만

케이스와 기준은 그대로라, 차이는 보완한 자료의 효과입니다.

조건은 그대로, 데이터만 바꿔 비교합니다. 숫자는 예시입니다.

민감한 값은 대체값으로. 같은 고객끼리의 연결은 그대로 유지됩니다.

AI 도구에서도. MCP로 Claude 같은 AI 도구에 연결해 같은 데이터와 기록에 바로 질문합니다.

결과

결과에는 근거가 따라옵니다.

확인한 결과 그대로 공유.

리포트 PDF와 Proof Kit에 결과와 확인 조건이 함께 담깁니다.

실패도 기록으로.

실패하면 새 버전을 만들지 않고, 원인을 남깁니다.

원본은 그대로.

작업은 사본에서. 처리에 성공할 때마다 새 버전이 쌓입니다.

근거

자체 측정 기록과 도입 기업

자체 측정 결과

58.55%88.55%

가중 F1 · 보험 상담 분류 · 64개 분류

부족한 분류를 Syntitan에서 합성 데이터로 보완하고, 같은 모델을 원본 평가 데이터로 비교했습니다. 2025년 1월 자체 측정.

측정 기록 보기

Syntitan 도입 기업

Syntitan으로 AI용 데이터를 준비하고 검증하는 기업입니다.

  • 삼성증권금융 · 증권
  • CJ프레시웨이식품 · 유통

지금 쓰는 도구

지금 쓰는 도구와 함께, Syntitan이 데이터를 AI 업무에 맞춥니다.

AI모델 · 에이전트 · 앱
Syntitan준비 · 확인 · 버전
데이터 플랫폼저장소 · 파이프라인 · 카탈로그

원문을 AI에 그대로 보내기 어려울 때

LLM Capsule

Context-Preserving Data Layer for AI. 민감하거나 통제 대상인 값을 맥락을 유지하는 대체값으로 바꿔 AI에 전달하고, 응답을 실제 업무에 쓸 수 있는 결과로 복원합니다.

치환통제 대상 값을 일관되게 치환
맥락 유지구조와 관계를 그대로 활용
원래 값 복원결과를 원래 이름과 코드로 되돌림
LLM Capsule 보기

사례가 부족하거나 한쪽으로 치우쳤을 때

DTS

Data Enablement for AI. 부족한 사례를 채우고 편중된 분포를 조정하며, 그대로 쓰기 어려운 데이터를 AI 업무에 맞게 준비합니다.

접근 제한그대로 쓸 수 없는 데이터
불균형부족한 분류를 보완
누락업무에 맞게 빈 부분을 준비
DTS 보기

FAQ

시작 전 자주 묻는 질문

Syntitan은 무엇인가요?

Syntitan은 AI-ready data platform입니다. 특정 AI 업무에 필요한 데이터를 보완하고, 결과를 현업에 써도 될지 같은 기준으로 판단하도록 돕습니다. 처리에 성공할 때마다 새 버전이 남습니다. 버전을 실제 사용과 연결하고 이후 변경에 대응하는 기능은 2026년 12월 예정입니다.

AI-ready data platform이란 무엇인가요?

기업 데이터를 특정 AI 활용 목적에 쓸 수 있는 상태로 준비하고, 준비된 상태를 검증하고, 데이터나 조건이 바뀌면 필요한 부분을 다시 확인하게 돕는 플랫폼입니다. 데이터 관리(저장·처리·권한)와 함께 쓰며, 데이터를 저장하는 곳이나 모델을 대체하지 않습니다.

데이터 레디 · 모델 레디 · 에이전트 레디는 무엇인가요?

지금 답할 질문에 따라 고르는 세 가지 시작 경로입니다. 반드시 순서대로 거치는 단계는 아닙니다. 데이터 레디는 사용성·무결성·맥락성·일관성·재현성·추적성 6축으로 데이터를 진단하고, 승인한 처리를 새 버전으로 적용합니다. 모델 레디는 모델 업무의 데이터·평가 조건을 정하고 같은 조건에서 준비 전후를 비교해 합의한 기준을 충족하는지 확인합니다(현재는 지원되는 이진 분류 업무에서 내부 과업 모델 4종으로 비교). 에이전트 레디는 업무 자료로 에이전트를 확인할 업무·테스트 케이스를 만들고, 고객 환경에서 시험할 파일과 실행 가이드를 드립니다. 실제 에이전트 실행 결과를 연결해 보완 전후를 비교하는 기능은 2026년 12월 예정입니다.

에이전트 업무도 확인할 수 있나요?

네. 에이전트 레디에서 업무 자료로 에이전트를 확인할 업무·테스트 케이스를 만들고, 매번 같은 기준으로 봅니다. 검토용 케이스 파일과 에이전트 입력 파일, 실행 가이드로 고객 환경에서 시험합니다. 고객 에이전트의 실제 실행 결과를 연결해 실패한 부분을 보완하고 같은 케이스로 다시 확인하는 기능은 2026년 12월 예정입니다. 에이전트를 인증하거나 대신 만들지는 않습니다.

Claude에서 Syntitan을 사용할 수 있나요?

네. Syntitan은 MCP로 Claude와 연결됩니다. 연결하면 조직에서 허용한 권한 안에서 데이터셋, 데이터 준비 상태 진단 결과, 버전 이력을 조회하고 지원되는 Syntitan 작업을 실행할 수 있습니다.

이미 정제된 데이터가 있는데도 Syntitan이 필요한가요?

정제된 데이터도 특정 AI 활용 목적에는 맞지 않을 수 있습니다. 데이터를 정리하는 데서 끝나지 않고, 실제 활용 목적과 모델 조건에서 기준을 충족하는지까지 검증합니다.

기존 데이터 플랫폼이나 AI 모델을 바꿔야 하나요?

아닙니다. 데이터 플랫폼, 데이터 품질 도구, 모니터링(observability) 도구, 모델은 그대로 두고, 기존 도구와 함께 업무별 데이터 준비·검증을 더합니다.

Syntitan이 AI 모델을 평가하는 건가요?

아닙니다. 모델은 고정하고 데이터 준비 전후를 같은 조건에서 비교해, 해당 업무의 기준을 데이터가 충족하는지 검증합니다.

모델 레디에서 결과가 좋아지지 않으면 어떻게 판단하나요?

그것도 결과입니다. 이번 조건에서는 적용한 데이터 준비의 개선 효과가 확인되지 않았다는 뜻이며, 남은 실패 사례와 평가 근거를 바탕으로 다음 준비나 AI 구성을 검토합니다. 근거가 부족하면 판정 보류로 기록합니다.

한 번 검증하면 끝인가요?

아닙니다. 데이터·모델·프롬프트·정책이 바뀌면 영향을 받은 범위를 같은 조건으로 다시 확인해야 합니다. 변경마다 그대로 재사용·확인 뒤 재사용·새로 처리로 나눠 주는 AI 데이터 추적·재사용 기능은 2026년 12월 예정입니다.

지난 결과가 어떤 데이터로 나왔는지 볼 수 있나요?

네. 버전은 만들어진 그대로 남아 있어 당시 데이터를 열어 보고 이전 버전과 비교할 수 있습니다. 각 실행에 쓴 데이터 버전을 실행 기록과 연결하는 기능(AI 데이터 추적·재사용)은 2026년 12월 예정입니다.

민감 데이터가 있어도 외부 AI를 쓸 수 있나요?

LLM Capsule이 원본 대신 맥락을 유지한 작업본을 AI에 제공하고, 응답 속 대체값을 고객 환경 안에서 원래 값으로 복원합니다. 실행 위치와 적용 범위는 고객 환경에 따라 달라 먼저 함께 확인합니다.

데이터 팀이 없어도, 우리 팀이 직접 해냅니다.

파일 하나와 하려는 업무만 있으면 됩니다. 데이터 준비 상태 진단은 무료입니다.