Chat42 빌더 기반 사내 챗봇 구축

개요

• 산업 분류: 제조
• 세부 Task: 지식/정보 설계, 대화 설계, 멀티턴 대화 데이터 구축
• 데이터 출처: 고객사 보유 문서
• 활용 서비스: 사내 챗봇

문제

중견 제조기업 직원들의 교육, 노사, 인사, 총무 업무에 대한 문의에 대응하는 챗봇 구축 프로젝트였습니다. 관련 정보를 충실히 담으면서 편리하게 사용할 수 있는 챗봇을 만드는 것이 프로젝트의 목표였습니다. 기업 운영에 대한 중요한 정보를 담고 있으므로 보안도 고려 요소였습니다.

해결 방안

• 편의성을 고려한 문의 방식 설계
  사용자가 편리한 방식으로 원하는 답변을 얻을 수 있도록 텍스트로 질문을 입력하는 방식과 클릭을 통해 답변을 찾아가는 방식 두 가지를 모두 구현했습니다.

• 맥락을 이해하는 시나리오 설계
  연속적인 발화를 맥락 안에서 이해할 수 있도록 시나리오를 설계하는 데 중점을 두었습니다. API 연동을 통해 직원 정보에 따라 개인화된 답변도 가능하게 구축했습니다.

• 사용자, 관리자 매뉴얼 배포 및 교육
  실사용자인 직원들이 쉽게 사용할 수 있도록 간단한 사용 매뉴얼을 작성하여 배포했습니다. 운영주체인 관리자가 빌더의 기능을 충분히 활용할 수 있도록 관리자용 매뉴얼을 작성하고 관련 교육도 진행했습니다.

• 테스트 및 실사용 결과를 반영한 개선
  배포 전 담당부서 내 테스트, 배포 후 모니터링을 통해서 사용자 발화문 데이터를 보강하고 인식률이 낮아지는 지점을 확인하여 보완했습니다.

프로젝트 결과

• 고객사 내 여러 이해관계자의 니즈를 반영한 챗봇 구현
• 실제 챗봇 사용자 중심 데이터 설계 및 개선 과정 진행
• 프로젝트 이후에도 관리 운영이 용이할 수 있도록 지원

이 프로젝트의 데이터 기획은 아래 Project Manager가 담당했습니다.
이요한, 김명신

TEXTNET 소개

지금의 딥러닝을 있게 한 AI Guru 제프리 힌튼의 데이터셋 'ImageNet'에 어원을 둔 TEXTNET은 (주)스피링크가 운영하는 AI/챗봇을 위한 텍스트 데이터 설계 및 구축 서비스입니다.

TEXTNET은 언어학, 심리학, 전산언어학 석·박사를 포함한 전문 인력으로 구성된 언어전문가 그룹으로서, 고객사의 니즈에 부합하는 텍스트 데이터를 설계·가공·구축하고 내부 R&D를 통해 설계 방식을 지속적으로 개선하여 최적의 데이터 설계 방법을 제안합니다. 프로젝트 목적에 따라 적합한 숙련 작업자를 선별하여 투입하고, 체계적이고 효율적으로 고품질의 학습데이터를 생산합니다.

TEXTNET은 삼성, LG, KT, SK 등 유수 대기업의 데이터 구축 파트너로 함께하며 금융, 마케팅, 콘텐츠, 메타버스, 서비스 기획, CS 등 다양한 도메인을 다루고 있습니다.