귀사의 테넌트에 도달하는 것의 형태.

Intelligence Layer는 플랫폼이 생산하고 팀이 쿼리하는 코퍼스입니다. 보고서가 아닙니다. 정적 대시보드가 아닙니다. 모든 팩트가 타임스탬프, 세그먼트 범위, 신뢰도 점수, 그것을 생성한 실제 인터뷰의 정확한 순간으로의 인용을 포함하는 테넌트별 데이터 기반입니다. 대시보드를 통해 볼 수 있고, 브랜드 파트너는 범위가 지정된 API를 통해 볼 수 있으며, AI 에이전트는 MCP 툴을 통해 볼 수 있습니다. 세 곳 모두 동일한 코퍼스를 읽습니다.

이 페이지는 운영자 관점에서 레이어를 설명합니다. 포함하는 것, 쿼리가 어떻게 반환되는지, 갱신 주기가 무엇을 하는지, 접근을 어떻게 제어하는지. 레이어를 생산하는 파이프라인은 방법론 하에 다룹니다. 레이어를 유지하는 테넌트 경계는 신뢰 및 보안 하에 다룹니다.

각 풍부화된 대화는 10개의 타입화된 차원으로 분해됩니다: 페인 포인트, 기회 점수화, 브랜드 인식 맵, AI 준비도 점수화, 유지 요인, 시장 신호, 규제 및 컴플라이언스 리스크, 교육 격차, 고객 세그먼트 행동, 경쟁사 언급 맵. 이 10개는 리테일의 운영 집합입니다. 컨설팅, 레스토랑, 약국 및 플랫폼이 지원하는 다른 버티컬의 경우 두세 개의 차원이 교체되지만 형태는 동일하게 유지됩니다: 10개의 타입화된 슬롯, 안정적인 스키마, 팩트당 하나의 행.

각 팩트 행은 차원, 주장, transcript_id / turn_id / sentence_id 형태의 원천 청크 식별자, bi-temporal 창, 세그먼트 벡터, 현저성 카운트(얼마나 많은 독립적인 대화가 이를 뒷받침하는지), 신뢰도 점수, 벡터 검색을 위한 임베딩을 포함합니다. 대시보드는 이 행들을 차원별, 세그먼트별, 시간별로 그룹화합니다. AI 에이전트는 툴 호출로 이를 검색합니다.

차원은 시장 간, 시간에 걸쳐 안정적이며, 이것이 교차 시장 벤치마킹을 가능하게 합니다. 한 시장의 페인 포인트는 다른 시장의 페인 포인트와 비교 가능합니다. 동일한 정의와 동일한 탐색 프로토콜이 두 가지를 모두 생산했기 때문입니다.

모든 팩트는 세 개의 독립적인 타임스탬프를 포함합니다. learned_at은 플랫폼이 이를 관찰한 시점(인터뷰 날짜, 풍부화 날짜)입니다. valid_at은 팩트가 세상에서 사실이 된 시점으로, 종종 대화 자체에서 추론됩니다. invalid_at은 팩트가 사실이기를 멈춘 시점입니다: 모순되는 대화가 도달하면 명시적으로 설정되거나, 갱신이 확인하지 않으면 반감기 감쇠로 설정됩니다. 브랜드 인식 팩트는 몇 주 안에 감쇠합니다. 교육 격차 팩트는 교육 카탈로그가 변경될 때만 감쇠합니다. 반감기는 차원별, 버티컬별로 보정됩니다.

운영적 결과는 특정 시점 재생입니다. 지난 5월의 코퍼스에 대해 쿼리를 실행하고 오늘의 동일한 쿼리와 비교할 수 있습니다. 「저희가 Q2 구매 결정을 내렸을 때 6개월 전에 귀사의 데이터가 우리 카테고리에 대해 뭐라고 했습니까」라고 묻는 브랜드 파트너는 두 날짜 모두에 대한 정확한 답변을 받습니다. AI 에이전트는 유효성 창이 오늘을 포함하지 않는 팩트에 대한 권고를 근거로 할 수 없습니다.

갱신 주기는 팩트 생애주기에 내장되어 있습니다. 콘솔은 시장별, 차원별 진부화 클록을 표시합니다: 한 차원의 팩트 20퍼센트가 유효성을 벗어나면 플랫폼이 갱신 주기를 권고합니다. 이것이 귀하가 캘린더를 기억하지 않고도 레이어가 정직하게 유지되는 방법입니다.

팩트는 어디서나 사실인 경우가 드뭅니다. 「파운데이션 X가 가장 자주 거부된다」는 라틴 아메리카 대중 시장 매장에서는 사실이고 유럽 부티크에서는 거짓일 수 있습니다. 「브랜드는 가치 패션 목적지」는 오늘 최종 고객에게는 사실이고 프랜차이즈 수준에서는 논란이 있을 수 있습니다. 레이어의 모든 팩트는 희소 세그먼트 벡터를 포함합니다: 귀사의 버티컬에 중요한 세분화 축에 대한 투영(티어, 지리, 매장 형태, 고객 세그먼트, 브랜드 파트너, 인구 통계).

이것이 브랜드 파트너 API를 다룰 수 있게 만드는 것입니다. 파트너가 API를 통해 쿼리할 때 그들의 토큰은 세그먼트 벡터의 자신의 슬라이스에 투영됩니다. 세그먼트 벡터가 자신의 투영과 교차하는 팩트를 봅니다. 그 외부의 것은 아무것도 보지 못하며, 플랫폼은 무언가가 필터링되었다는 신호를 제공하지 않습니다. 동일한 코퍼스가 누출 없이 100명의 파트너에게 서비스합니다.

모든 보고서의 모든 주장, 모든 대시보드의 모든 행, AI 에이전트로의 모든 검색은 청크 식별자를 통해 그것을 생성한 전사본으로 연결됩니다. 링크는 모든 대화에서, 샘플링 없이 항상 존재합니다. 브랜드 파트너가 왜 자신의 제품이 대체재에 진다고 주장하는지 묻습니다: 답은 세 개의 청크-ID, 세 개의 어드바이저 발언, 세 개의 타임스탬프, 세 개의 명명된 저장소입니다. 추론이 아닙니다. 영수증입니다.

원문 체인은 파이프라인에 의해 적용됩니다. 시스템을 떠나는 모든 인용은 실제 인터뷰의 실제 사용자 턴의 리터럴 부분 문자열입니다. 결정론적 필터가 지속 전에 이를 확인합니다. 만들어진 인용은 삭제되며, 절대 재작성되지 않습니다. 체인의 전체 설명은 신뢰 및 보안 기반 페이지에 있습니다.

동일한 코퍼스가 세 개의 표면에 서비스합니다. 전략, 머천다이징 또는 운영팀은 대시보드를 통해 소비합니다. 브랜드 파트너는 범위가 지정된 API를 통해 소비합니다. AI 에이전트는 MCP 툴을 통해 소비합니다. 각 표면은 데이터 경로에서 자체 범위를 적용합니다. 파트너는 다른 파트너의 슬라이스를 보지 못합니다. 어드바이저 코파일럿은 OAuth 세션 티켓이 허용하는 팩트만 봅니다. 전체 보안 캐스케이드는 보안 캐스케이드 하에 문서화되어 있습니다.

MCP 표면은 이중 저장소 복잡성을 숨깁니다. 에이전트는 그래프 순회와 SQL 중에서 선택할 필요가 없습니다. query_facts, traverse_relations, pivot_dimension, replay_as_of, cite를 호출합니다. 모든 답변은 인용과 함께 구조화된 행으로 반환됩니다. 에이전트는 기반 저장소 경계를 볼 수 없습니다.

테넌트 내에서 운영자 콘솔은 팀에게 레이어의 작업 뷰를 제공합니다. 시장별, 차원별 코퍼스 상태, 각 차원의 진부화 클록, 인터뷰어 감사의 대화별 품질 점수, 모든 풍부화 호출의 감사 추적을 볼 수 있습니다. 잘못된 것처럼 보이는 것이 있을 때 모델 식별자, 프롬프트 버전, 토큰 수, 지속 시간과 함께 그것을 생성한 정확한 LLM 호출로 추적할 수 있습니다.

팀의 도메인 전문가가 자신의 컨텍스트에서 해석에 동의하지 않으면 콘솔에서 수정합니다. Expert-in-the-Loop 루프는 코퍼스에서 컨텍스트와 일치하는 모든 대화를 찾아 재파이프라인하고 역사적 기록 전체에 수정을 전파합니다. 이전 해석은 감사 추적에 남아 있습니다. 아무것도 조용히 덮어쓰이지 않습니다.