# AI 직원 - 지식 베이스 테이블

## AI 직원 - 지식 베이스 테이블

AI 에이전트에게 테이블 데이터에 즉시 접근할 수 있는 능력을 제공하세요! Hyperclass 지식 베이스(Knowledge Base)의 테이블 검색 기능을 사용하면 CSV 파일을 업로드하고 자연어 질문으로 데이터를 조회할 수 있어, 정적인 데이터 행을 봇이 대화 중에 활용할 수 있는 동적 지식으로 변환할 수 있습니다.

**목차**

* [지식 베이스의 테이블 검색이란?](#지식-베이스의-테이블-검색이란)
* [지식 베이스 테이블 검색의 주요 장점](#지식-베이스-테이블-검색의-주요-장점)
* [지식 베이스에서 테이블 검색 설정하는 방법](#지식-베이스에서-테이블-검색-설정하는-방법)
* [CSV 파일 요구사항](#csv-파일-요구사항)
* [시맨틱 검색 인텔리전스](#시맨틱-검색-인텔리전스)
* [스마트 테이블 처리](#스마트-테이블-처리)
* [자주 묻는 질문](#자주-묻는-질문)

## **지식 베이스의 테이블 검색이란?**

테이블 검색은 Hyperclass 지식 베이스에 새로운 "**테이블 소스**" 유형을 추가합니다. CSV 파일(최대 50,000행, 500열, 가장 관련성 높은 20개 열 선택 가능)을 가져와서 플랫폼이 모든 레코드를 의미적으로 인덱싱하므로, AI 봇이 고객, 재고, 거래 또는 제공된 구조화된 데이터에 대한 질문에 답할 수 있습니다. 키워드 검색과 달리, Hyperclass는 의미적 유사성 매칭을 적용하여 사용자가 일반적인 영어 질문을 하고 맥락을 인식한 결과를 받을 수 있게 합니다.

### 지식 베이스 테이블 검색의 주요 장점

* 자연어 질문: 공식이나 필터 없이 테이블 데이터에 대해 일반적인 영어 질문을 할 수 있습니다.
* 시맨틱 검색 인텔리전스: 관련 행과 열에서 정확하고 맥락을 인식한 답변을 제공합니다.
* 대용량 CSV 지원: 최대 50,000행과 500열을 처리하며, 인덱싱을 위해 가장 관련성 높은 20개를 선택할 수 있습니다.
* 웹/문서를 넘어서: 웹 페이지와 문서가 잘 다루지 못하는 구조화된 데이터를 표면화합니다.
* 봇 활성화: AI 직원이 고객 기록, 제품 카탈로그, KPI 및 유사한 표 형식 사용 사례를 처리할 수 있게 합니다.

### 지식 베이스에서 테이블 검색 설정하는 방법

* AI Agents(AI 에이전트) → \*\*Knowledge Base(지식 베이스)\*\*를 엽니다.

![테이블 검색 설정](https://jumpshare.com/share/BEnlIdlnCRxrdC9eSszT+/Screen+Shot+2026-01-07+at+7.02.31+PM.png)

* **기존 지식 베이스를 편집**하거나, \*\*Create Knowledge Base(지식 베이스 만들기)\*\*를 클릭하고 이름과 설명을 입력합니다.

![지식 베이스 생성](https://jumpshare.com/share/kJHVNu71XsnEDwTtYtLI+/Screen+Shot+2026-01-07+at+7.04.46+PM.png)

* Add Source(소스 추가)를 클릭한 다음 \*\*Tables(테이블)\*\*를 선택합니다.

![소스 추가](https://jumpshare.com/share/0FWEBd3hReS7yWyJ2dQ9+/Screen+Shot+2026-01-07+at+7.05.59+PM.png)

* 드래그 앤 드롭 또는 파일 선택기를 사용하여 **CSV 파일**을 업로드합니다. (최대 **50MB**).

![CSV 파일 업로드](https://jumpshare.com/share/oKskwpnUnQiL6qZVb5km+/Screen+Shot+2026-01-07+at+7.07.14+PM.png)

* 감지된 **열을 검토**하고 필요한 경우 데이터 유형을 조정합니다.

![열 검토](https://jumpshare.com/share/gL8ymbdP17XBITWl1PoS+/Screen+Shot+2026-01-07+at+7.09.28+PM.png)

* Done(완료)을 클릭하여 테이블을 인덱싱합니다. 진행률에 청킹 상태가 표시됩니다.
* 평소와 같이 지식 베이스를 AI 에이전트(채팅, 음성 또는 워크플로우 AI)에 연결합니다.
* "연체된 인보이스가 있는 고객은 누구인가요?"와 같은 샘플 질문을 테스트하여 결과를 확인합니다.

![테스트 결과](https://jumpshare.com/share/4MxvShbziO8Htfs2lkob+/Screen+Shot+2026-01-07+at+7.12.44+PM.png)

### **CSV 파일 요구사항**

파일 사양을 이해하면 완벽한 업로드를 보장할 수 있습니다.

* **형식:** .csv만 가능 (UTF-8 권장)
* 크기 제한: 로케이션당 50,000행 및 500열 (가장 관련성 높은 20개 열 선택), 최대 **50MB** 파일 업로드.
* **헤더 행:** 첫 번째 행은 열 이름을 포함해야 합니다
* **데이터 유형:** 80% 신뢰도 임계값으로 자동 스키마 감지
* **깨끗한 데이터:** 널 값, 숨겨진 공식, 병합된 셀 등을 제거하세요

CSV는 여러 지점에서 거부될 수 있습니다. 예를 들어, CSV 형식이 허용되더라도 데이터 자체에 여전히 오류가 있을 수 있습니다.

![CSV 오류](https://s3.amazonaws.com/cdn.freshdesk.com/data/helpdesk/attachments/production/155055756639/original/urfsUUfSsQNa9gkEA3ky9QT_lVhFQVjZzg.png?1760136946)

이 경우 스프레드시트 프로그램이나 텍스트 에디터에서 CSV를 수동으로 검사할 수 있습니다.

![CSV 수동 검사](https://s3.amazonaws.com/cdn.freshdesk.com/data/helpdesk/attachments/production/155055756630/original/9pUQ1ro4k9ZiwjCvuA_OWRJEXhN18INQZw.png?1760136905)

### **시맨틱 검색 인텔리전스**

Hyperclass는 각 테이블 행을 벡터 임베딩으로 변환하여 봇이 정확한 단어가 아닌 "의미"를 "이해"할 수 있게 합니다. 이를 통해 "청구에 대해 불만을 제기한 고객을 보여주세요" 또는 "지난주에 익일 배송된 주문은 어떤 것들인가요?"와 같은 질문이 가능합니다. 엔진은 사용자의 질문을 모든 행 청크와 비교하고 의미적으로 가장 유사한 일치 항목을 반환합니다—SQL은 필요 없습니다.

### 스마트 테이블 처리

내부적으로 Hyperclass는:

* 80% 정확도로 열 유형(텍스트, 숫자, 날짜 등)을 감지합니다
* 효율적인 인덱싱을 위해 행을 5개 그룹(최대 2,000자)으로 청킹합니다
* 답변이 올바른 레코드를 참조할 수 있도록 청크 메타데이터를 저장합니다

### **자주 묻는 질문**

**Q: Excel(.xlsx) 파일을 업로드할 수 있나요?**

아직은 안됩니다—업로드하기 전에 시트를 CSV로 내보내거나 저장하세요.

**Q: 새로운 CSV 업로드가 봇에서 사용 가능해지는 데 얼마나 걸리나요?**

일반적으로 몇 분 내—인덱싱 진행률 표시줄에서 처리가 완료되는 시점을 알 수 있습니다.

**Q: 테이블 검색에서 질문에 필터나 정렬을 지원하나요?**

필터링, 비교, 정렬 기능이 곧 출시될 예정입니다. 현재는 설명적인 질문을 하거나 후속 질문으로 세분화하세요.

**Q: 테이블 데이터가 Response Info(응답 정보) 사이드바에 나타나나요?**

예—답변에 정보를 제공한 행이 인용되므로 즉시 확인하거나 편집할 수 있습니다.

**Q: 특정 봇에만 테이블 접근을 제한할 수 있나요?**

예—테이블 소스가 포함된 지식 베이스에 연결된 봇만 쿼리할 수 있습니다.

**Q: 민감한 CSV 데이터의 개인정보 보호는 어떻게 처리되나요?**

테이블 소스는 기존 지식 베이스 보안을 상속합니다. 해당 지식 베이스에 접근 권한이 있는 사용자만 데이터를 보거나 쿼리할 수 있습니다.

***

*원문 최종 수정: Thu, 29 Jan, 2026 at 1:22 PM* *Hyperclass 사용 가이드 — hyperclass.ai*


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://hyperclass.gitbook.io/hyperclass-docs/ai-ai-employee/ai-employee-knowledge-base-tables.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.