nao란 무엇인가요?

nao는 SQL, Python 또는 dbt 워크플로우를 사용하는 분석가, 엔지니어, 과학자를 위해 설계된 오픈소스 AI 기반 데이터 IDE입니다. 데이터 웨어하우스에 직접 연결하여 스키마를 이해하고, 데이터 파이프라인을 자신 있게 구축, 미리보기, 배포할 수 있도록 도와줍니다. nao를 문제를 조기에 발견하고 버그를 줄이며 데이터의 신뢰성을 유지하는 AI 팀원이라고 생각하세요. 도구나 컨텍스트를 전환할 필요 없이 말이죠.

대상 사용자

• 데이터 분석가: SQL 쿼리를 더 빠르게 작성하고, 결과를 미리보며, IDE를 벗어나지 않고 협업해야 하는 분.
• 데이터 엔지니어: 자동화된 컨텍스트 인식을 통해 dbt 워크플로우, 데이터 파이프라인, 품질 검사를 구축하고 유지 관리하는 분.
• 데이터 과학자: 분석을 실행하고, 스키마를 탐색하며, 모델을 배포하면서도 작업의 재현성과 팀 친화성을 유지하려는 분.

주요 기능

파일 시스템과 같은 컨텍스트 엔지니어링

nao를 사용하면 에이전트의 컨텍스트를 구조화된 파일 시스템처럼 구축할 수 있습니다. 데이터, 메타데이터, 규칙, 문서, 도구, MCP 등 제한 없이 무엇이든 추가할 수 있습니다. nao init을 실행하여 컨텍스트를 생성한 다음, 팀에 필요한 대로 구성하세요.

기존 스택과 동기화

Postgres, Snowflake, BigQuery, Databricks, DuckDB, MotherDuck, Redshift와 같은 데이터베이스에서 컨텍스트를 자동으로 가져옵니다. 또한 dbt, Looker, Cube, Airflow, GitHub와 같은 리포지토리와 Notion, Atlassian, Google Drive, Linear와 같은 외부 소스와도 통합되어 에이전트가 항상 최신 컨텍스트를 유지하도록 합니다.

컨텍스트 신뢰성 측정 및 개선

nao test를 실행하여 질문을 SQL로 변환하는 단위 테스트를 생성하세요. 컨텍스트 신뢰성, 답변율, 평균 응답 시간, 총 토큰 사용량에 대한 즉각적인 지표를 얻을 수 있습니다. 이를 통해 성능을 모니터링하고 에이전트의 정확성을 지속적으로 개선할 수 있습니다.

팀 전체를 위한 채팅 UI 배포

nao chat을 사용하면 누구나 일반 영어로 질문할 수 있는 채팅 인터페이스를 배포할 수 있습니다. 이 UI는 데이터 스토리, 모니터링을 위한 채팅 재생을 지원하며, 자체 LLM 키(Claude, Gemini, GPT, Mistral)와 함께 작동하므로 토큰 소비에 대해서만 비용을 지불하면 됩니다.

차별화 포인트

"에이전트 신뢰성은 컨텍스트에 달려 있습니다. 이를 엔지니어링하세요."

대부분의 AI 도구는 컨텍스트를 블랙박스로 취급합니다. nao는 컨텍스트 엔지니어링을 명시적이고 측정 가능하게 만들어 이를 뒤집습니다. 단순히 AI에 데이터를 제공하는 것이 아니라, 소프트웨어 프로젝트처럼 컨텍스트를 구축, 동기화, 테스트, 개선합니다. 즉, 에이전트가 데이터 웨어하우스 스키마, 비즈니스 정의, 팀 규칙을 실제로 이해하여 환각 현상을 줄이고 더 신뢰할 수 있는 결과를 제공합니다.

확인해 볼 가치가 있는 경우…

스키마를 추측하거나 신뢰할 수 없는 SQL을 생성하는 AI 도구에 지쳤다면, nao를 확인해 볼 가치가 있습니다. 특히 팀이 최신 데이터 스택(dbt, BigQuery, Snowflake, Databricks)으로 작업하고 있으며, 컨텍스트, 비용, 배포를 완전히 제어할 수 있는 오픈소스 자체 호스팅 솔루션을 원한다면 더욱 그렇습니다. 데이터 품질이나 보안을 희생하지 않으면서 비기술적 팀 구성원에게 분석 기능을 공유해야 하는 경우 특히 유용합니다.