본문으로 건너뛰기
인터페이스 언어: 한국어
감사 / Signal

AI 합성 데이터: 각 행은 멀쩡한데 전체가 맞지 않을 때

AI가 만든 시험 데이터를 개별 행만 보고 판단하지 마세요. 레코드 간 연결, 사건의 순서와 전체 사례 범위를 확인합니다.

본문 언어: 한국어

도시가 보이는 높은 창가에 노트와 조명이 놓인 타원형 나무 탁자.
목차

시험용 대여점의 데이터는 훌륭해 보입니다. 스탠드마다 이름이 있고, 예약마다 번호가 있으며, 날짜도 모두 올바른 형식입니다. 그런데 파일을 합쳐 보니 한 스탠드는 인도되기 하루 전에 반납됐고, 다른 스탠드 한 대는 같은 시간에 세 사람에게 대여됐습니다. 각 행은 얌전합니다. 서로 만나면 문제가 시작됩니다.

이것은 절차를 시험하기 위해 생성한 데이터에 관한 가상의 예입니다. 합성 데이터는 실제 레코드를 직접 복사하는 대신 만들어 낸 데이터입니다. 그럴듯해 보여도 쓸 만한 시험 세계를 이루지 못할 수 있습니다. 보기 좋은 레코드 몇 개만 살펴봐서는 연결 관계, 순서와 사례의 수가 과제에 맞는지 알 수 없습니다.

생성하기 전에 이 데이터가 무엇을 검증해야 하는지 적어 두세요. 카탈로그를 시연할 때, 예약 충돌을 차단하는지 시험할 때, 예시로 학습한 모델을 평가할 때 필요한 데이터는 서로 다릅니다. 이 세 용도를 모두 “좋은 테스트 데이터”라는 한마디로 평가하지 마세요.

레코드가 존재할 세계부터 설명하기

우리 대여점에는 장비 유형, 개별 장비, 예약, 인도와 반납 사건이 있습니다. 스탠드의 유형은 재고 번호가 붙은 특정 스탠드 한 대와 다릅니다. 열 대를 예약할 때는 한 대를 예약할 때와 다른 관계가 필요합니다. AI에게 현실적인 항목 100개를 만들어 달라고 하기 전에 이런 의미를 정하세요.

각 객체에는 그 레코드를 정확히 구별할 수 있는 값인 식별자를 지정합니다. 그다음 허용되는 관계를 기록합니다. 개별 장비는 실제로 존재하는 장비 유형에 속합니다. 예약 항목은 해당 장비 한 대 또는 합의된 특정 유형의 수량을 가리킵니다. 반납 사건은 예전에 비슷한 물건을 빌린 사람의 성만이 아니라 특정 인도 사건에 연결됩니다.

파일이 달라도 식별자의 의미가 같아야 합니다. 두 창고에서 각각 생성한 “Egzemplarz01”이 서로 다른 두 대를 뜻할 수 있습니다. 묶음을 합치면 애플리케이션에는 모호한 번호 하나로 보입니다. 식별에 창고 코드도 필요한지 정하고 합의한 조합 전체를 검사하세요. 카탈로그의 번호만 바꿔 충돌을 고치면 안 됩니다. 예약과 사건의 참조도 여전히 같은 물건을 가리켜야 합니다. 각 부분은 따로 보면 올바르지만 합친 뒤에야 충돌이 드러날 수 있습니다.

손으로 검토한 작은 세계부터 시작하세요. 몇 가지 장비 유형과 개별 장비만으로도 스키마의 모호한 부분을 드러낼 수 있습니다. 그다음에 레코드 수를 늘립니다. 여섯 레코드 사이의 관계를 정하지 못한다면 AI가 만든 천 행이 절차의 규칙을 대신 알려 주기는 어렵습니다.

규칙은 개별 필드, 레코드 전체 또는 데이터 집합에 적용될 수 있습니다. 수량이 양수여야 한다는 것은 필드 조건입니다. 반납일이 인도일보다 늦어야 한다는 것은 시간 사이의 관계입니다. 같은 장비에 대해 기간이 충돌하는 활성 예약 두 개가 없으려면 서로 다른 레코드를 비교해야 합니다. 날짜 형식이 올바르다는 사실만으로 나머지 수준까지 검사한 것은 아닙니다.

규칙과 편의상 세운 가정을 구분하세요. 대여점은 부분 반납을 허용하나요? 한 번의 운송으로 여러 예약을 처리할 수 있나요? 예정된 예약을 인도 전에 취소할 수 있나요? 이런 질문에는 업무 책임자가 답해야 합니다. 첫 예시가 복잡해진다는 이유만으로 실제로 가능한 사건을 생성기에서 금지하지 마세요.

AI가 만든 JSON 데이터 점검 (폴란드어)에서는 레코드 안의 값이 뜻하는 바 등을 확인합니다. 여기서는 집합 전체도 살펴야 합니다. 올바른 항목이 잘못된 객체를 가리키거나 다른 항목과 비교했을 때에만 시간 규칙을 어길 수 있습니다.

존재하는 식별자는 관계의 출발점일 뿐입니다

모든 참조를 모아 알맞은 집합과 비교하세요. 예약의 장비 번호는 장비 목록에 있어야 합니다. 존재하는 이름과 비슷하다는 것만으로는 부족합니다. 두 스탠드 버전의 코드 끝부분만 다를 때 “스탠드”라는 단어로 자동 매칭하면 예약이 다른 물건과 연결될 수 있습니다.

SDMetrics의 ReferentialIntegrity 설명(영어)은 외래 키가 기본 키에서 발견되는지, 즉 참조가 식별자와 맞는지 검사합니다. 이 지표는 누락된 값도 유효한 외래 키로 취급합니다. 따라서 점수가 좋아도 객체 지정이 필수라는 별도의 규칙을 대신할 수는 없습니다.

우리 데이터에서는 예약 항목에 아직 개별 장비가 배정되지 않아도 되는지 명시하세요. 초기 단계에는 장비 유형만 예약하고 나중에 구체적인 한 대를 고를 수도 있습니다. 그렇다면 식별자가 없는 것은 절차상의 특정 상태를 뜻합니다. 인도를 처리하려는 단계라면 같은 누락이 작업을 막을 수 있습니다. 규칙은 빈칸 자체가 아니라 어느 단계인지에 달려 있습니다.

선택한 장비가 예약에 지정된 유형과 맞는지도 확인합니다. 두 식별자가 모두 존재해도 관계는 잘못됐을 수 있습니다. 객실 번호 자체는 맞지만 다른 건물의 번호인 경우와 비슷합니다. 보고서에는 어떤 관계가 위반됐는지와 이를 재현하는 데 필요한 레코드를 구체적으로 보여 주세요.

생성기가 관계의 방향을 뒤집는 오류도 있습니다. “새 예약이 이전 예약을 대체한다”와 “이전 예약이 새 예약을 대체한다”는 같은 뜻이 아닙니다. AI 지식 그래프에서 관계의 방향과 근거 (폴란드어)에서도 비슷한 차이를 다룹니다. 시험 데이터의 연결 이름은 애플리케이션이 실제로 수행할 동작과 맞아야 합니다.

Aeneia 콘셉트 사진

시험에 필요한 쿼리에서 데이터 집합을 사용해 보세요. 예약 수를 묻는데 여러 예약 항목을 조인하면 행이 중복될 수 있습니다. 직접 만든 작은 예시와 이미 알고 있는 결과가 있으면 오류가 데이터와 쿼리 중 어디에서 왔는지 판단하는 데 도움이 됩니다. AI가 작성한 SQL에서 행 수와 업무 건수의 차이 (폴란드어)에서 이 차이를 다룹니다. 같은 생성기가 데이터와 예상 결과를 모두 만들었다는 이유만으로 시험이 통과해서는 안 됩니다.

올바른 사건 순서를 보려면 이력이 필요합니다

예약 하나에 대해 생성, 필요할 경우 확인, 인도, 반납, 종료의 흐름을 보여 주세요. 이 순서를 모든 상태에 예외 없이 강요하지는 마세요. 취소된 예약은 인도에 이르지 않을 수 있고, 부분 반납으로 전체 예약이 끝나는 것도 아닙니다. 허용되는 상태 전이와 경로를 구분하는 조건을 기록합니다.

사건이 실제로 일어난 시각과 기록된 시각을 따로 확인하세요. 직원이 장비를 실제로 받은 뒤에 반납 사실을 입력할 수 있습니다. 이렇게 나중에 기록한 것과 인도 전에 반납한 것은 다릅니다. 스키마에 두 시간이 모두 있다면 생성기는 각각의 의미를 보존해야 합니다. 필드가 하나뿐이라면 어느 시점을 나타내는지 합의하세요.

충돌은 합의한 이용 가능 규칙에 따라 평가합니다. 두 기간의 경계가 맞닿아도 되나요? 반납과 다음 인도 사이에 장비를 준비할 시간을 두나요? 업무 책임자가 답을 정해야 합니다. 이런 조건을 살피지 않고 모든 대여를 설명하는 만능 규칙 “날짜가 겹치지 않는다”는 없습니다.

검사용 집합에는 올바른 이력과 의도적으로 잘못 만든 이력이 모두 있어야 합니다. 탐지 여부를 확인하려고 넣은 오류는 별도의 기대 결과 목록에 표시하세요. 데이터를 준비하면서 그 오류를 자동으로 고치지 마세요.

이해하기 쉬운 시험을 위해 올바른 이력 하나에서 출발해 관계를 한 번에 하나씩 바꿉니다. 한 복사본에서는 장비 번호를 존재하지 않는 번호로 바꿉니다. 다른 복사본에서는 번호는 그대로 두고 실제 반납을 인도 이전으로 옮깁니다. 다음 복사본에는 같은 장비의 충돌하는 예약을 넣습니다. 각각 무엇을 탐지해야 하고 무엇은 올바른 상태로 남아야 하는지 적습니다. 서로 독립된 오류 다섯 개가 든 집합도 나중에는 유용할 수 있지만, 처음부터 쓰면 어떤 검사가 실제로 작동했는지 설명하기 어렵습니다. 이것은 시험 계획이지 애플리케이션을 실행한 결과가 아닙니다.

올바른 예시 묶음과 거부 동작을 시험할 묶음을 분리하세요. 두 번째에는 위반된 규칙과 기대하는 반응의 종류를 표시합니다. 거부된 레코드의 비율이 높으면 부정 시험의 성공일 수 있지만, 올바른 세계를 약속한 생성기에는 실패일 수 있습니다. 집합의 용도를 밝히지 않으면 같은 결과를 성공이나 실패 어느 쪽으로든 표현할 수 있습니다.

세계의 정확성과 시험의 유용성은 다른 평가입니다

각각 항목이 정확히 하나인 유효한 예약 천 개를 떠올려 보세요. 모든 참조가 작동하고 날짜가 순서에 맞으며 애플리케이션도 시험을 통과합니다. 그래도 항목이 여러 개인 예약, 부분 반납, 아직 아무도 대여하지 않은 장비 유형을 어떻게 처리할지는 알 수 없습니다. 큰 집합이 좁은 사례 하나를 아주 정확하게 반복할 수도 있습니다.

SDMetrics의 CardinalityShapeSimilarity(영어)는 실제 데이터와 합성 데이터에서 부모 행마다 연결된 자식 행 수의 분포를 비교합니다. 따라서 테이블 사이의 참조가 존재하는지와는 다른 특성을 평가합니다.

우리 시험에서는 예를 들어 항목이 하나, 몇 개, 다수인 예약이 각각 얼마나 되는지 셉니다. 이력이 없는 장비와 이어지는 기간에 반복 사용된 장비가 있는지도 확인하세요. 드문 사건을 시험하는 것이 목적이라면 실제 비율을 그대로 재현할 필요는 없습니다. 다만 일반적인 유입을 닮게 할지, 어려운 사례를 의도적으로 많이 넣을지는 밝혀야 합니다.

이름의 다양성과 이력의 다양성도 구분하세요. 가상의 사람 100명에 대한 예약 100개가 장비 한 대, 기간, 전체 반납이라는 같은 흐름만 반복할 수 있습니다. 이름을 바꿔도 부분 인도, 날짜 변경, 항목 하나의 취소는 시험하지 못합니다. 수용 검토에서는 필요한 상황 목록을 보여 주고 각 상황을 구현한 레코드를 가리킵니다. 빠진 사례가 있다면 필요한 이력이 이번에는 우연히 나오기를 바라며 더 큰 묶음을 다시 생성하기보다 의식적으로 추가하세요.

AI 모델의 파인튜닝 데이터 평가 (폴란드어)에는 예시 선정과 이후의 독립 시험에 관한 다른 질문도 따라옵니다. 애플리케이션 시험 결과를 학습 자료에 자동으로 적용하지 마세요. 화면 세 개를 시연하기에 완벽한 묶음도 다른 이력에서 솔루션의 동작을 검증하기에는 다양성이 부족할 수 있습니다.

“합성”이라는 표시만으로 익명성이 확인되는 것은 아닙니다. 생성기가 사용한 자료의 출처와 이후 무엇을 공유해도 되는지 확인하세요. 예약 관계를 시험하는 것이 목적이라면 완전히 가상의 이름과 연락처로 충분한 경우가 많습니다. 다른 필드가 생성됐다는 이유로 보기 좋은 미리보기에 실제 데이터를 추가하지 마세요.

직접 마련한 시험 환경에서 시험을 실행하고 가상의 사건을 현재 운영과 구분하세요. AI 자동화 시험 환경 안내 글 (폴란드어)은 시험 준비를 다룹니다. 시험 데이터의 이메일 주소가 실제 고객에게 알림을 보내는 일을 우연히 일으켜서는 안 됩니다. 일관된 데이터 묶음과 이를 안전하게 사용할 장소는 서로 다른 수용 조건입니다.

생성기 또는 프롬프트의 버전, 스키마, 규칙, 데이터 자체와 검사 결과를 보존하세요. 관계 하나를 고친 뒤에는 해당 시험을 다시 실행합니다. 문제가 되는 행 몇 개를 손으로 지우면 다른 객체의 이력이 바뀔 수 있습니다. 인도 사건을 삭제하면 남은 반납의 근거가 사라집니다. 충돌하는 예약을 삭제한다면 여기에 연결된 항목과 사건도 확인하세요. 수정은 확인된 이력의 해당 부분을 포함하고 그 의존 관계를 다시 점검해야 합니다. 첫 오류 메시지가 사라진 것만으로 수정된 묶음을 평가하지 마세요. 팀은 실제로 어떤 묶음을 사용해 동작을 확인했는지 알아야 합니다.

Aeneia Audit 검토를 위해 작은 데이터 집합과 그것이 지원할 한 가지 절차의 설명을 준비해 주세요. 올바른 이력, 누락된 연결, 순서가 잘못된 사건을 하나씩 고릅니다. 이를 바탕으로 자료의 품질을 구체적으로 평가할 수 있습니다. 보기 좋은 레코드는 좋은 출발점입니다. 수용하기 전에 이웃 레코드와도 만나게 해 주세요.

Aeneia / Aeneia 편집부

편집부의 글입니다. 본문에 출처 링크가 있습니다.

Aeneia 소개

함께한 브랜드

  • L’Oréal
  • Garnier
  • Netflix
  • Carrefour
  • Warner Bros. Discovery
  • Biedronka
  • HBO Max
  • Wolt
  • Żabka
  • COSRX
  • 주폴란드 중국대사관
  • Mixa
Aeneia / Initium

지식에서 결정으로

정리하고 싶은 과제를 알려 주세요. 어디서 시작할지 함께 정합니다.

Aeneia에 문의하기

파트너의 솔루션을 활용합니다

  • Google
  • OpenAI
  • Microsoft
  • Stripe
  • Anthropic
  • Linear