증권사 AI 가상 상담 서비스 개발을 위한 데이터 분석/설계

개요

• 산업 분류: 금융
• 세부 Task: 데이터 분류 및 라벨링, 답변 정의, 필요 API 목록 정의, 대화 시나리오 설계
• 데이터 출처: 고객사 보유 데이터
• 작업량: Confidential

문제

AI 가상 상담 서비스의 실효성을 파악하기 위해 실제 고객 상담 데이터를 분석하고 설계하는 기초 작업을 수행했습니다. 인바운드 상담 STT(Speech-to-Text) 데이터를 바탕으로 고객의 주된 니즈를 파악하여 실효성 있는 가상 상담 시나리오를 정의, 서비스 개발 여부와 방향을 결정할 수 있도록 지원했습니다.

해결 방안

• 도메인 지식에 대한 사전 리서치
  금융, 특히 증권사의 경우 도메인에 대한 전문 지식이 요구되기 때문에 작업 진행 전 해당 분야와 주제에 대한 사전 리서치를 진행했습니다.

• 사용자 언어 사용 양상 고려
  실제 상담 데이터를 다뤘기 때문에 사용자의 언어 사용 양상을 바탕으로 고객의 니즈를 판별하는 것이 중요한 부분이었습니다. 문어와 구어는 사용 양상이 다르므로 이를 고려하여 고객의 니즈와 고객사의 제공 서비스를 정확하게 매칭하는 데 중점을 두었습니다.

• 통일된 범주와 분류 체계 마련
  데이터 일관성을 확보할 수 있도록 분석/설계 범주와 데이터 분류 체계 등을 통일하는 작업을 거쳤습니다. 작업자가 임의로 판단하는 부분을 최소화함으로써 작업 리소스를 효율화하고, 데이터 품질도 높일 수 있었습니다.

프로젝트 결과

• Real-world 데이터를 바탕으로 한 서비스 개발의 기초 마련
• 문어와 다른 구어 중심의 데이터 분석/설계 경험

이 프로젝트의 데이터 기획은 아래 Project Manager가 담당했습니다.
김예슬, 박동채, 이원재, 이요한, 홍수림

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.