Meta의 Sundial 인수, AI 분석 역량을 내부로 끌어들이다
Meta가 외부 AI 분석 기업 Sundial을 인수해 자체 운영 조직으로 편입했다고 대변인이 10월 23일 Axios에 확인했다. Meta Sundial 인수는 헤드라인 뒤에 실질적인 질문을 남긴다. 비즈니스 고객을 위해 만들어진 도구가 내부 인프라가 되면 무엇이 달라질까?
후속 보도에 따르면 Sundial의 창업자들은 Meta로 복귀하며, 외부 서비스는 거래가 종결되면 중단된다. 이는 각 측에 서로 다른 의미를 갖는다. Meta는 검증된 분석 팀을 확보하는 반면, 고객들은 서비스 연속성과 제품을 중심으로 구축한 워크플로 교체에 관한 문제에 직면한다.
더 큰 경쟁은 기업이 일상적인 질문을 신뢰할 수 있는 비즈니스 의사결정으로 전환하는 방식에 관한 것이다. Snowflake와 Databricks는 각자의 데이터 플랫폼을 통해 이 문제를 해결하려 하고 있다. Meta의 행보는 유사한 과제를 다루는 팀을 조직 내부로 편입시키며, 여기서는 시연보다 통합과 측정 가능한 결과가 더 중요해질 것이다.
Meta Sundial 인수가 바꾸는 것
당장의 변화는 새롭게 제공되는 Meta 제품이 아니라 소유권과 조직적 방향성이다.
인수 보도에 따르면 Sundial은 Meta가 새로 만든 데이터 분석 조직에 편입된다. 공동 창업자인 Julie Zhuo와 Chandra Narayanan은 Meta에 다시 합류한다. 보도는 거래가 완료되면 Sundial이 외부 고객 대상 서비스도 중단할 것이라고 전한다.
이러한 세부 사항은 실행과 관련한 모든 의문을 해소하지는 않지만, 거래의 실질적 의미를 보여 준다. 보도는 인수를 설명하는 동시에 서비스 종료를 거래 완료 시점과 연결한다. 따라서 고객들은 발표일을 최종 이용일로 간주하기 전에 구체적인 전환 일정을 확인해야 한다.
조직의 소속도 중요하다. 내부 사용을 위해 분석 소프트웨어를 인수하는 기업은 관련 없는 여러 기업에 서비스를 제공하는 공급업체와 우선순위가 다르다. 광범위하게 접근 가능한 제품을 유지하는 대신, 자체 데이터·직원·운영 의사결정에 집중할 수 있다.
이런 집중은 더 깊은 통합의 기회를 만든다. 동시에 혜택을 받는 주체도 바꾼다. 외부 고객은 인수 이후 개발된 개선 사항이 이전에 사용하던 서비스를 통해 계속 제공될 것이라고 가정할 수 없다.
Sundial의 제품은 전문 인력에게 모든 요청을 넘기지 않고 회사 데이터에 질문하는, 익숙한 비즈니스 워크플로를 다뤘다. 자연어 분석은 데이터베이스 명령을 작성하는 대신 일상 언어로 데이터를 질의하는 것을 뜻한다. 그 가치는 시스템이 질문을 정확히 해석하는 데 달려 있다.
이번 인수는 이 접근법이 Meta 전반에 얼마나 널리 확산될지 보여 주지 않는다. 또한 팀이 기존 도구 가운데 무엇을 대체하거나 확장하거나, 혹은 병행해 둘지도 명확히 하지 않는다. 이러한 구분에는 발표 자체가 제공하지 않는 구현 세부 사항이 필요하다.
대규모 조직에 합류한 팀은 소프트웨어, 방법론, 리더십 또는 이들 자산의 조합을 통해 기여할 수 있다. 공개 보도만으로는 각 요소에 정확한 가치를 부여하기 어렵다. 이번 거래를 오로지 인재 확보로 규정하면 제품을 간과하게 되고, 반대로 소프트웨어 인수로만 설명하면 사람을 놓치게 된다.
따라서 Meta를 지켜보는 독자에게 중요한 변화는 구체적이지만 범위가 제한적이다. 외부 분석 기업이 Meta의 운영 조직으로 옮겨 가고 있다. 이것이 더 나은 의사결정, 더 빠른 조사, 또는 수작업 감소로 이어질지는 증거가 필요한 별개의 문제다.
Sundial 고객에게 같은 사건은 즉각적인 운영상의 우려를 낳는다. 독립적인 상업적 미래가 끝나더라도 서비스는 기술적으로 유용한 상태일 수 있다. 고객들은 관찰자보다 더 짧은 일정 안에 결정을 내려야 하므로, 더 폭넓은 산업 분석에 앞서 이 구분에 주목할 필요가 있다.
Meta는 분석 업무를 전담 리더십 아래에 둔다
Sundial은 데이터 기반이 AI 도입의 핵심이라고 이미 밝힌 리더가 이끄는 조직에 합류한다.
최고 데이터 책임자 발표에서 Alex Schultz는 분석, 연구, 실험, 의사결정 전반에 걸친 임무를 설명했다. 그는 Analytics Agent가 이미 Meta 내부에서 가장 널리 사용되는 AI 에이전트라고도 말했다. 이 사용량 주장은 독립적인 평가가 아니라 Schultz의 발언에 근거한다.
그의 설명은 이번 인수에 더 명확한 조직적 맥락을 제공한다. Sundial은 Meta가 정보를 다루는 방식을 바꾸려는 기존 노력에 합류한다. 공개 기록은 이번 거래를 Meta 내부 분석 업무의 시작으로 해석하는 것을 뒷받침하지 않는다.
Schultz의 발언은 핵심 압력도 짚는다. 분석 수요가 늘어나면 이를 생산하는 데 쓰이는 프로세스의 한계가 드러날 수 있다. 더 쉬운 인터페이스는 질문을 덜 까다롭게 만든다. 그렇다고 그 질문에 정확히 답하는 일이 자동으로 덜 까다로워지는 것은 아니다.
분석적 함의는 단순하다. 직원들이 더 많은 조사를 요청할 수 있다면, 조직은 유용한 발견과 근거 없는 설명을 구별할 방법이 필요하다. 그렇지 않으면 더 빠른 질의응답 프로세스는 전문가가 검토해야 할 자료만 더 많이 만들어 낸다.
이는 비즈니스 팀과 데이터 팀의 관계에도 압력을 가한다. 직원들은 자신의 의사결정에 관련된 시의적절한 답변을 원한다. 전문가는 기초 증거가 그 답변을 뒷받침하는지에 대한 책임을 계속 진다. AI는 두 집단 간의 인터페이스를 바꾸지만 서로 다른 책임을 없애지는 않는다.
유용한 내부 시스템이라면 전문 인력이 일상적인 설명을 반복하는 데 쓰는 시간을 줄일 수 있다. 그들은 그만큼 이례적인 변화, 논쟁이 있는 정의, 중대한 의사결정에 더 많은 주의를 기울일 수 있다. 이는 이번 인수의 보도된 결과가 아니라 접근법의 그럴듯한 이점이다.
조직 발표를 평가할 때 이러한 구분은 중요하다. 분석 업무에 고위 책임자를 두면 책임 소재를 분명히 하고 투자를 조율하는 데 도움이 될 수 있다. 하지만 그 자체만으로 상충하는 정의를 해결하거나 자동화된 설명이 신뢰할 만하다는 점을 입증할 수는 없다.
따라서 Meta의 AI 분석 노력은 기술 작업과 함께 운영상의 시험대에 오르게 된다. 직원들은 어떤 답변이 일상적으로 사용해도 되는지, 어떤 답변에 검토가 필요한지 알아야 한다. 데이터 팀은 반복되는 오류를 수정할 수 있는 관리 가능한 방법이 필요하다.
도입과 의사결정 품질 사이에도 차이가 있다. 빈번한 사용은 직원들이 도구를 편리하다고 여긴다는 점을 보여 줄 수 있다. 하지만 그 도구가 판단을 일관되게 개선한다는 사실을 입증하지는 못한다. 평가는 시스템 사용 경험과 그 결과에 의존했을 때의 영향을 모두 살펴야 한다.
이 때문에 Sundial의 소속이 인수 헤드라인만큼 중요하다. Meta는 정보, 실험, 의사결정을 명시적으로 연결하는 노력 안에 이 팀을 배치하고 있다. 성공하려면 이 활동들이 서로 단절된 시연으로 작동하는 대신 상호 보완해야 한다.
경쟁의 본질은 빠른 답변과 신뢰할 수 있는 분석 사이에 있다
AI 분석에서 어려운 부분은 접근성을 높이면서도 비즈니스 의미를 보존하는 일이다.
Sundial의 분석 플랫폼은 비즈니스 맥락, 분석 방법론, 데이터 준비, 대화형 접근 방식을 결합한 제품을 설명한다. 회사는 정확성과 작업 과정의 가시성을 제품 가치의 일부로 제시한다. 이는 독립적으로 입증된 성과가 아니라 여전히 제품 측의 주장이다.
웹사이트에는 OpenAI 분석 임원 David Sasaki의 추천사도 실려 있다. 그는 원시 로그 기록에서 더 폭넓은 가시성으로 나아가는 데 도움을 받았다고 설명한다. 이는 구체적인 고객 사례를 제공하지만, 공급업체가 선정한 추천사가 모든 배포 환경의 성능을 보여 주지는 않는다.
더 넓은 분석 문제는 예시 질문을 통해 분명해진다. 고객 유지율은 왜 하락했을까? 유지율은 사용자가 정해진 기간 동안 계속 돌아오는지를 측정한다. 하락을 설명하기 전에 시스템은 기업이 어떤 사용자, 활동, 비교 기간을 관련 있다고 보는지 알아야 한다.
서로 다른 정의는 어느 계산에도 단순한 산술 오류가 없더라도 서로 다른 답을 낼 수 있다. 주간 측정은 월간 측정과 다른 이야기를 보여 줄 수 있다. 재방문 고객의 행동은 새로 유입된 고객과도 다를 수 있다.
이 사례들은 공개된 Meta 배포 사례를 설명하는 것이 아니다. 대화형 인터페이스만으로는 분석적 부담 전체를 감당할 수 없는 이유를 보여 준다. 시스템은 실행할 가치가 있는 답을 내놓기 전에 비즈니스 질문에 대한 합의된 해석이 필요하다.
데이터에 매핑된 공통 비즈니스 정의 집합인 시맨틱 레이어는 이 문제를 해결하는 데 도움이 된다. 이는 지표의 의미와 계산 방법을 지정할 수 있다. 그 유용성은 비즈니스 변화에 따라 이러한 정의가 정확하게 유지되는지에 달려 있다.
이 요건은 Meta Sundial 인수에 더 구체적인 분석적 틀을 제공한다. Meta는 단순한 응답 생성을 넘어서는 접근법을 표방하는 회사를 받아들이고 있다. 잠재적 가치는 그 응답을 관리되는 조직 지식 및 반복 가능한 분석과 연결하는 데 있다.
같은 구분은 설명에도 적용된다. 두 지표가 함께 변했다는 사실이 하나가 다른 하나를 유발했다는 점을 입증하지는 않는다. 특히 답변이 제품 또는 비즈니스 대응을 권고할 때 유용한 시스템은 이 경계를 지켜야 한다.
예를 들어 제품 출시 뒤 참여도가 하락했다고 가정해 보자. 분석가는 하락이 비교 가능한 집단 전반에서 나타나는지, 혹은 측정 방식 변경 뒤에 발생했는지를 살펴볼 수 있다. 이런 검증을 건너뛴 유창한 답변은 결정적으로 들릴 수 있지만 핵심 질문은 해결되지 않은 채 남는다.
반복 가능한 분석 방법론은 이러한 검증을 일관되게 적용하기 쉽게 만들 수 있다. 또한 이견을 더 쉽게 검토하게 한다. 검토자는 다듬어진 문단을 놓고 논쟁하는 대신 그 뒤의 가정, 비교, 증거를 살펴볼 수 있다.
따라서 관련 경쟁은 사람과 대화형 소프트웨어 사이가 아니라 빠른 답변과 신뢰할 수 있는 분석 사이에 있다. 속도는 방어 가능한 판단에 이르는 경로를 단축할 때 가치를 만든다. 검토자가 답변을 사용하기 전에 매번 재구성해야 한다면 추가 업무를 만든다.
이는 엄격한 기준이지만 내부 분석의 중요도에 걸맞다. 직원들은 단지 읽기 좋은 설명을 원하는 것이 아니다. 의사결정이 제품, 고객 경험, 운영 우선순위에 영향을 미칠 때 검토를 견뎌 낼 수 있는 답이 필요하다.
Snowflake와 Databricks는 맥락이 중요한 이유를 보여 준다
다른 분석 플랫폼들도 대화형 인터페이스 뒤에 비즈니스 정의와 거버넌스가 적용된 데이터를 배치한다.
Snowflake의 문서는 질문을 승인된 데이터베이스 쿼리와 연결하는 검증된 쿼리 저장소를 설명한다. Cortex Analyst는 유사한 질문에 답할 때 관련 사례를 활용할 수 있다. 이 접근법은 사람이 검토한 작업이 이후 답변 생성에 역할을 하도록 한다.
관계형 데이터베이스를 질의하는 데 사용되는 언어인 SQL은 비즈니스 답변 뒤의 계산을 표현할 수 있다. 승인된 SQL 예시는 질문만으로는 제공할 수 없는 더 많은 지침을 준다. 이는 조직이 익숙한 요청을 어떻게 해석하기를 기대하는지 구체화하는 데 도움이 된다.
이는 Snowflake가 분석 오류를 제거했다는 뜻은 아니다. 해당 문서는 정확성과 신뢰도를 높이기 위한 메커니즘을 설명한다. 이처럼 더 제한적인 주장은 고객이 직접 확인하고 평가할 수 있는 구체적인 대상을 제시한다는 점에서 유용하다.
Databricks는 Genie Agents를 데이터 팀이 신뢰할 수 있는 데이터, 지표, 비즈니스 규칙을 구성하는 환경으로 설명한다. 문서에 따르면 이 경험은 거버넌스가 적용된 데이터 기반 위에 구축된다. 여기에서도 인터페이스는 조직 차원의 준비와 통제 체계 위에 놓인다.
이들 제품은 직접적인 성능 순위를 입증하지는 않지만 관련 맥락을 제공한다. Meta는 Sundial이 우수하다고 선언할 수 있을 만큼 비교 가능한 인수 관련 결과를 제공하지 않았다. 이용 가능한 출처는 통제된 비교가 아니라 접근 방식과 의도된 기능을 설명한다.
그럼에도 공통된 방향은 분명하다. 각 접근 방식은 데이터에 접근할 수 있다고 해서 이를 해석하는 데 필요한 모든 지식이 제공되는 것은 아니라는 점을 인정한다. 정의, 사례, 권한, 비즈니스 규칙은 질문을 적절한 답변과 연결하는 데 도움을 준다.
이는 플랫폼 공급업체에 실질적인 과제를 안긴다. 설득력 있는 시연은 데이터와 비즈니스 관행이 변화해도 작동하는, 지속적으로 관리되는 시스템으로 발전해야 한다. 고객은 소프트웨어가 자동화하는 작업과 자체 팀이 계속 관리해야 하는 작업을 모두 이해할 필요가 있다.
Meta 역시 조직 내부에서 비슷한 과제에 직면한다. 팀을 내부로 편입하면 우선순위와 배포 결정에 대한 통제권을 갖게 된다. 그러나 이러한 통제권이 정의를 유지하고, 답변을 평가하며, 팀 간 이견을 처리해야 할 필요성을 없애지는 않는다.
고객 관계에도 중요한 차이가 있다. Snowflake와 Databricks는 고객에게 제공되는 서비스를 설명한다. 보도된 Sundial의 전환은 Meta 내부에서의 업무를 가리킨다. 따라서 유사한 분석 아이디어라도 상업적·조직적 제약이 서로 다른 환경에서 발전할 수 있다.
기업 구매자에게 이 비교는 구체적인 결론을 뒷받침한다. 답변 뒤에 있는 작업을 살펴봐야 한다는 것이다. 대화형 인터페이스만으로는 정의가 어떻게 유지되는지, 수정 사항이 어떻게 지속되는지 거의 알 수 없다. 이러한 기반 프로세스가 매력적인 시연이 신뢰할 수 있는 인프라로 이어질지를 결정한다.
구매자는 플랫폼이 밝힌 설계와 실제 성능에 관한 증거도 구분해야 한다. 문서는 시스템이 어떻게 작동하도록 설계됐는지를 설명할 수 있다. 관련 질문을 대상으로 한 평가는 해당 설계가 특정 조직의 요구를 충족하는지 확인해 준다.
이번 인수는 Meta의 내부 노력에 또 다른 참여자의 경험을 더한다. 그렇다고 비즈니스 분석을 둘러싼 더 넓은 경쟁이 결론 난 것은 아니다. 가장 강력한 증거는 중요한 질문에 반복적으로 정확히 답하고 그 한계를 이해하기 쉽게 드러내는 시스템에서 나올 것이다.
고객은 성능 주장에 앞서 연속성 문제에 직면한다
보도된 외부 서비스 종료는 Meta의 생산성에 관한 어떤 전망보다 더 분명한 단기적 결과를 낳는다.
고객에게 연속성이란 최종 차트 모음을 가져오는 것 이상을 의미한다. 분석 워크플로에는 정의, 반복 조사, 저장된 질문, 특정 계산이 선택된 이유에 대한 설명이 포함될 수 있다. 이러한 맥락을 보존하는 일은 기초 결과를 유지하는 것만큼 중요할 수 있다.
여기서 검토한 공개 보도는 상세한 전환 일정이나 완전한 내보내기 옵션을 확정하지 않는다. 따라서 고객은 그러한 세부 사항을 직접 확인해야 한다. 발표된 방향만으로는 이전에 얼마나 많은 작업이 필요할지 알 수 없다.
데이터를 옮기는 것과 분석 프로세스를 보존하는 것은 다르다. 기업은 데이터베이스를 유지하면서도 이를 해석하는 편리한 방식을 잃을 수 있다. 익숙한 답변을 재구축하려면 다른 곳에 완전히 문서화되지 않았던 가정을 되살려야 할 수 있다.
이 때문에 소유권 변경은 Sundial의 기존 고객을 넘어 관련성을 갖는다. 다른 AI 분석 공급업체를 평가하는 구매자도 서비스 전환 과정에서 자신의 작업이 어떻게 유지되는지 이해해야 한다. 제품 역량과 연속성은 함께 주목받아야 한다.
이는 Sundial이 고객 정보를 부적절하게 처리했다는 증거가 아니다. 또한 이번 인수가 외부 고객의 데이터가 Meta의 모델 학습에 들어간다는 사실을 입증하지도 않는다. 소유권, 서비스 이용 가능성, 데이터 접근, 학습 관행은 각각 별도의 증거가 필요한 별개의 문제다.
정확성에 관한 주장에도 같은 주의가 적용된다. 인수는 기업 거래를 확인할 뿐, 인수된 기술이 만든 모든 결과물의 신뢰성을 확인하지는 않는다. 검토된 출처에는 결합된 내부 시스템의 성능을 입증하는 인수 관련 벤치마크가 없다.
유용한 평가는 일상적인 질문과 함께 익숙하지 않은 질문도 살펴볼 것이다. 또한 시스템이 언제 추가 설명을 요청하고, 답변을 거부하며, 수정이 필요한지 기록할 것이다. 이러한 결과는 단순한 제품 실패가 아니라 책임 있는 한계를 드러낼 수 있다.
권한은 또 다른 검증 대상이다. 직원이 질문할 수 있다는 사실이 그 답변을 받을 권리가 있다는 뜻이어서는 안 된다. 어떤 배포든 편리한 접근성과 민감한 정보에 관한 조직의 기존 규칙을 조화시켜야 한다.
기술적으로 정확한 답변도 독자가 어떤 정의를 사용했는지 알 수 없다면 혼란을 초래할 수 있다. 팀이 결과를 비교할 때는 명확한 라벨과 추적 가능한 계산이 중요하다. 이런 세부 사항을 숨기는 시스템은 이견을 해결하기 더 어렵게 만들 수 있다.
지식 근로자들은 보조 문서에서도 유사한 연속성 문제에 직면한다. 의사결정은 종종 회의록, 이전 조사, 데이터베이스 밖의 설명에 의존한다. 검색 가능한 지식 베이스는 비즈니스 지표를 계산하는 것과는 다른 역할을 하지만, 이러한 주변 맥락을 보존하는 데 도움이 될 수 있다.
이러한 문제는 회의적인 평가의 초점을 증거에 맞춰 둔다. 이번 거래는 Meta의 투자 우선순위에 관한 결론을 뒷받침한다. 기업들이 더 많은 정보나 관찰 가능한 결과를 제공하기 전까지는 성능, 통합, 고객 전환 세부 사항은 미확정으로 남는다.
고객에게 당면한 과제는 기존 작업에 어떤 일이 일어나는지 이해하는 것이다. Meta의 과제는 인수한 역량이 자사 운영 환경에서 기능한다는 점을 보여주는 것이다. 이 검증은 서로 다른 일정으로 진행되며, 어느 쪽도 다른 쪽에 대한 추측 뒤로 사라져서는 안 된다.
전환, 통합, 증거를 주시하라
다음으로 유용한 진전은 고객 연속성, Meta의 구현, 측정 가능한 분석 품질의 순서로 나타날 것이다.
먼저 구체적인 외부 서비스 전환 공지를 지켜봐야 한다. 종료일, 지원 방식, 내보내기 지침은 고객에게 미치는 실질적 영향을 분명히 해줄 것이다. 명확한 안내는 소유권 변경이 불필요한 혼란 없이 진행될 수 있다는 근거를 강화할 것이다.
세부 정보가 부족하면 전환 부담은 불확실하게 남는다. 그렇다고 인수 자체가 실패하고 있다는 증거는 아니다. 다만 고객이 의존하는 서비스를 중심으로 계획을 세우는 데 필요한 정보가 여전히 부족하다는 뜻이다.
중요한 신호는 고객이 실제로 활용할 수 있는 문서다. 지원에 관한 광범위한 보장은 어떤 자료가 얼마나 오래 접근 가능한지 아는 것을 대체할 수 없다. 전환은 Meta의 야심을 덧붙이는 각주가 아니라 그 자체의 기준으로 평가받아야 한다.
둘째, 팀의 작업이 Meta의 기존 분석 노력에 어떻게 들어맞는지에 대한 설명을 지켜봐야 한다. 명확히 정의된 배포는 미래 역량에 대한 일반적 언급보다 더 많은 것을 보여준다. 이는 해당 작업이 지원하려는 사용자, 질문 또는 의사결정을 식별할 것이다.
도입 증거는 운영상 관련성을 확립하는 데 도움이 될 것이다. 반복적인 수정이나 제한적 사용의 증거는 다른 질문을 제기할 것이다. Meta가 구현에 관한 정보를 제공하기 전에는 어느 결과도 인수 발표만으로 추정해서는 안 된다.
대체와 확장의 구분도 중요하다. 새 팀은 별도 제품을 만들지 않고도 기존 도구를 개선할 수 있다. 관찰자는 모든 기여에 공개 출시가 필요하다고 가정하기보다 실제 업무 방식에 나타나는 구체적인 변화를 찾아야 한다.
셋째, 더 쉬운 접근이 분석 품질을 보존한다는 증거를 지켜봐야 한다. 유용한 보고는 답변이 어떻게 검증됐는지, 어떤 작업이 개선됐는지, 어디에서 사람의 검토가 계속 필요했는지를 설명할 것이다. 명확한 한계는 주장된 진전을 더 쉽게 평가하게 해준다.
평가된 작업에 대한 설명 없는 생산성 주장은 중요한 질문을 남긴다. 직원들이 절약한 시간을 답변 검토에 써야 한다면 더 빠른 응답의 가치는 낮아진다. 반대로 일상적인 질문을 신뢰성 있게 처리한다는 사실은 의미 있으면서도 범위가 제한된 개선 근거를 뒷받침할 것이다.
향후 몇 달 동안 이러한 신호는 인수의 실질적 근거를 강화하거나 약화시킬 수 있다. 명확한 전환은 고객 위험을 다룬다. 정의된 내부 배포는 관련성을 확립한다. 신뢰할 수 있는 평가는 기술을 기대가 아닌 결과와 연결한다.
Meta의 Sundial 인수는 소유권 변경을 어려운 운영 문제와 연결한다는 점에서 주목할 가치가 있다. 기업들은 더 많은 직원이 데이터를 직접 활용하기를 바라면서도, 의사결정을 방어 가능하게 만드는 정의와 분석 규율을 보존하고자 한다.
다음 발표를 자신의 업무를 염두에 두고 읽어야 한다. 명확한 고객 전환, 정의된 내부 배포, 면밀한 검토에도 답변이 신뢰할 수 있다는 증거를 찾아야 한다. AI 분석 서비스를 이용한다면 팀이 보존해야 할 정의, 저장된 조사, 의사결정 기록이 무엇인지 파악하라. 대체 서비스를 평가하고 있다면 모호한 질문과 수정 사항을 어떻게 처리하는지 보여 달라고 요청하라. 이러한 세부 사항은 다듬어진 시연보다 더 많은 것을 알려줄 것이다. Meta의 Sundial 인수 이후 핵심 질문은 실용적이다. 분석에 대한 더 넓은 접근이 사람들이 설명하고, 검토하고, 신뢰할 수 있는 의사결정으로 이어질 수 있는가?
