기업 팀은 ChatGPT가 '데이터베이스에 접근'할 필요는 거의 없습니다.

그것은 현재 내부 데이터를 기반으로 승인된 질문에 답하기 위한 특정 직원과 워크플로우를 필요로 합니다.

이는 다른 아키텍처입니다.

프로덕션 연결에는 다섯 가지 계층이 필요합니다:

1. Identity
   요청 뒤에 있는 사람, 조직, 에이전트/세션 및 정책 컨텍스트를 해결합니다.

2. Capability
   명시적인 매개변수, 기간, 차원 및 결과 형태와 함께 승인된 비즈니스 질문을 노출합니다.

3. Data scope
   읽기 전용 역할(read-only roles)과 조인(joins), 메트릭 정의(metric definitions), 민감 필드 제외(sensitive-field exclusions), 테넌트 경계(tenant boundaries)를 인코딩하는 관리되는 뷰(governed views)를 사용합니다.

4. Execution control
   문장 시간 초과(statement timeouts), 행 제한(row limits), 비용 예산(cost budgets), 취소(cancellation), 그리고 제한된 재시도(bounded retries)를 적용합니다. 실행을 검토된 계획에 바인딩합니다.

5. Evidence
   출처, 메트릭/스키마 버전, 기간, 필터, 신선도(freshness), 행 수(row count), 잘림(truncation), 그리고 쿼리 또는 추적 ID를 반환합니다.

쓰기 작업은 유효성 검사(validation),멱등성(idempotency), 미리 보기(preview), 승인(approval), 그리고 보상(compensation)을 갖춘 별도의 경로를 사용해야 합니다.

커넥터는 유용합니다.

하지만 Identity, Scope, Execution Policy, Evidence가 없는 커넥터는 단순히 대화형 프런트 엔드만 가진 자격 증명에 불과합니다.

전체 아키텍처: ChatGPT Enterprise 데이터베이스 연결