솔루션

LLM과 XimTier는 서로 다른 일을 한다 — 결합하면 완성된다

"ChatGPT가 설명한다면, XimTier는 증명한다." LLM 언어 능력 + XimTier 계산 능력 = 진짜 의사결정 AI

"ChatGPT는 회의실에서 발표하고, XimTier는 회의 전에 데이터로 답을 만든다."

COMPARISON

LLM (언어) + XimTier (계산) = 진짜 의사결정 AI

LLM LLM (언어 인터페이스) ChatGPT · Claude · Gemini	XimTier XimTier (계산 엔진) Decision Intelligence · Reverse What-If
✗언어 이해 / 자연어 대화	✓실제 수치 계산 — 회귀·시계열·분류 직접 실행
✗일반 지식 검색 · 텍스트 생성	✓Reverse What-If — 목표 입력 → 최적 변수 역산
✗실제 통계 계산 (회귀·SHAP) 불가	✓SHAP 기반 수학적 XAI — 규제 통과 가능
✗Reverse What-If — 구조적 불가	✓온프레미스 / 프라이빗 — 데이터 외부 유출 없음
✗기업 내부 데이터 접근 불가	✓산업별 도메인 깊이 — 제조·병원·행정 특화
✗규제 XAI 의무 충족 불가	✓동일 입력 → 동일 출력 — 재현 가능한 일관성

진단이 아니라 처방

대부분의 AI 보고서는 "정확도 0.9 나왔습니다"에서 끝난다

운영본부장이 알고 싶은 건 "월요일에 뭘 바꿔야 하나"다.

중요도 1위가 실행 대상이 아니다

편의점 480개 점포 분석에서 영향력 1·3위는 오피스 상권(0.172)과 반경 300m 경쟁점 수(0.135)였다. 둘 다 못 바꾼다. 이미 낸 점포의 입지를 옮길 수 없고, 옆에 들어온 경쟁점을 없앨 수도 없다.

"입지가 중요합니다"는 맞는 분석이지만 실행할 수 없는 정보다. 이 구분을 안 해주는 보고서는 읽고 나서 "그래서 뭘 하라는 건데?"로 끝난다.

XimTier가 한 단계 더 가는 방법

STEP 1

바꿀 수 있는 것만 남긴다

변수마다 통제 가능 여부를 판정한다. 입지·경쟁점은 제외, 청결 점검·판촉 실행률·발주 정확도는 실행 후보로.

STEP 2

결과가 이미 반영된 변수를 걷어낸다

월 정산금액·매출순위 같은 사후 확정 필드는 학습에서 뺀다. 넣으면 정확도가 1.000이 되지만 아무것도 알려주지 않는다.

STEP 3

얼마나 차이 나는지 수치로 낸다

판촉 실행률 하위 33% 대비 상위 33%의 우수점포 비율 격차 +23.1%p. 성실히 실행하는 점포가 우수점포가 될 확률이 1.8배.

STEP 4

못 바꾸는 것은 "누구부터"로 쓴다

경쟁점 3개 이상 180개 점포의 우수 비율은 무경쟁 구간의 1/3. 지원을 전 점포에 골고루 쓰는 것보다 이 그룹에 집중하는 편이 효율이 높다.

모르면 모른다고 한다

예측 근거가 부족하거나 해당 구간에 데이터가 없으면 "산출 불가"를 낸다. 평균값이나 기본값으로 빈칸을 채우지 않는다. 처방에서 제외된 변수는 제외 사유와 함께 그대로 보여준다.

5-STEP WORKFLOW

5단계 One-Stop 워크플로우

STEP / 01

데이터 탐색

WhatDataAI

비전문가도 즉시 데이터 구조를 파악

STEP / 02

통계 분석

Regression · Classification

회귀·시계열·분류를 자동으로 실행

STEP / 03

Reverse What-If

★ 핵심

목표값 입력 → 최적 변수 역산

STEP / 04

자동 보고서

One-click Report

의사결정용 임원 보고서를 즉시 생성

STEP / 05

AI Q&A

Conversational

결과에 대해 자연어로 질문·심화