고객 성공사례 타로 상담 챗봇 서비스를 위한 데이터 구축 ✔️이런 분들에게 도움이 되는 글이에요! - 챗봇 개발 시 어떤 데이터를 먼저 구축해야 하는 지 궁금하신 분 - 챗봇 사용자의 몰입도를 높이는 방법이 궁금하신 분 - 운영/관리에 용이한 챗봇 데이터 설계 방법이 궁금하신 분 개요 * 산업 분류: 엔터테인먼트 * 세부 Task: 인텐트 설계, 발화/답변 데이터 구축, 유사 발화 구축
인사이트 자연어 데이터 구축, 초반 작업이 가장 중요한 이유(사전 체크리스트 포함) 학습데이터는 도메인, 사용자, 서비스 형태, 목적에 따라 설계가 다르고 최종 결과물이 달라집니다. 자연어 데이터의 경우 모호하고 복잡하기 때문에 더더욱 그러한데요. 데이터 구축을 의뢰해 결과물을 받았는데, 처음에 생각했던 것과 너무 달라서 당황했던 경험이 있다는 이야기를 많이 듣습니다. 이전에 데이터 수요처 담당자로서 발주를 해 봤던 저도 크게 공감하는 부분입니다. 데이터 수요처, 데이터
인사이트 챗봇 기획, 답변 중심 설계로 정확도 높이는 법 챗봇 기획, 무엇부터 시작해야 할까요? 서비스 및 업무 효율 향상, 운영 비용 절감 등을 위해 개인 사업자부터 대기업까지 많은 기업에서 AI 챗봇을 도입하고 있는데요. 챗봇은 다양한 영역에서 활용될 수 있는 유연성을 가진 도구이지만, 영역에 맞는 세밀한 기획이 필요한 도구이기도 합니다. 기획이 세밀하지 않은 챗봇은 브랜드 이미지에 부정적인 영향을 미치며, 업무
인사이트 LLM 챗봇: 초거대 언어모델 기반 챗봇과 기존 챗봇 비교 작년 OpenAI사의 ChatGPT가 첨단의 AI 기술로 전 세계에서 관심을 받았습니다. ChatGPT는 채팅이라는 직관적인 UI를 바탕으로 그 어느 AI보다 자연스럽고 똑똑한 언변을 보여줬습니다. 그렇다면 LLM(Large Language Model) 챗봇과 기존 챗봇의 주요 차이점은 무엇일까요? LLM만으로 챗봇을 만들 수는 없을까요? 만든다면 어떤 장단점이 있을까요? 이를 알기 위해서는 챗봇이 작동하는 방식부터 살펴봐야 합니다.
인사이트 프롬프트 엔지니어링으로 ChatGPT 능력 200% 끌어내기 글쓰기에 대한 고민이 있으신가요? 창작의 고통으로 인해 어려움을 겪고 계시진 않나요? 독후감, 리포트, 보고서, 기획안, 이메일, 메시지, 편지 쓰기… 우리는 살면서 글을 써야 하는 수많은 상황에 놓이게 됩니다. 그럴 때마다 대부분의 사람들은 고뇌의 순간을 경험하곤 하죠. 그런데, ChatGPT를 통해 글쓰기 고민을 해소할 수 있다는 사실, 알고 계시나요? TEXTNET이 자체 연구를
인사이트 HCLT 2023(한글 및 한국어 정보처리 학술대회 2023) Review by TEXTNET NLP 스타트업에 연구조직이? 국내 유일 텍스트 전문 데이터 설계/구축 서비스 TEXTNET에 연구조직이 있다는 사실, 알고 계시나요? NLP 분야의 연구조직이라 하면 왠지 유수 대기업에나 있을 것 같지만, TEXTNET은 고품질 텍스트 데이터로 AI와 챗봇의 발전을 도모하고자 하는 기업인 만큼 데이터 설계 관련 R&D에 주력하는 팀이 별도로 구성되어 있답니다! 심지어
인사이트 챗봇 구축 시 ChatGPT 활용의 한계와 장점 AI 학습용 데이터와 챗봇 구축 사업을 전문으로 하다 보니 종종 위와 같은 질문을 받게 됩니다. 결론부터 말하자면 ‘아직은 한계점이 분명하나 결국 시간문제다’라고 할 수 있을 것 같습니다. 좀 더 자세히 살펴볼까요? 챗봇은 기본적으로 사용자 의도 분석이 핵심이라 사용자 발화를 사전에 정의된 인텐트에 얼마나 정확하게 매칭하느냐가 관건입니다. 이를 위해 크게
팀 문화 채용 공고부터 입사까지, 긍정적인 직원 경험 디자인하기 인재 전쟁의 시대 안녕하세요! TEXTNET에서 인사 업무를 총괄하고 있는 인사팀장 김영길입니다. 오랜 기간 여러 회사에서 인사 업무를 수행했지만 최근 ‘우수 인재의 영입과 유출 방지가 이렇게까지 어렵고 힘든 시기가 있었나?’하는 생각이 자주 듭니다. 😭 기업 시장은 바야흐로 인재 전쟁의 시대입니다. 과거에도 인재는 중요했고, ‘언제 인재 전쟁이 없었던 적이 있었나?’라고 생각할
인사이트 피그마 기본 사용법: 데이터 구축 기업은 피그마를 어떻게 쓸까 안녕하세요. TEXTNET 개발팀 프론트엔드 개발자 이승헌입니다. 데이터 구축 기업의 개발팀은 무슨 일을 하는지, 궁금하지 않으신가요? TEXTNET의 개발팀의 주된 업무는 사내 작업 툴 개발 그리고 개발과 관련된 업무 지원입니다. 데이터 구축 작업자인 크루 관리 툴, 챗봇을 위한 데이터 자동 생성 툴 등을 개발하여 운영하고 있어요. 최근에는 데이터 구축 프로젝트와 관련된 데이터를
인사이트 챗봇 도입하는 방법, 가장 쉽게 알려드려요 챗봇을 도입해야 하는 이유 디지털 기술과 인공지능의 발전으로 인해 비즈니스 환경은 빠르게 변화하고 있습니다. 특히 GPT(Generative Pre-trained Transformer)와 같은 대규모 언어 모델의 등장을 기점으로 챗봇 기술에 상당한 변화가 있었습니다. 이전에 비해 챗봇은 더욱 자연스러운 대화와 개인화된 경험을 제공할 수 있게 되었습니다. 규칙 기반 시스템이나 간단한 통계 모델을 기반으로
인사이트 AI에게 창의성을 부여하는 방법 - 추론 능력 향상을 중심으로 누구나 GPT를 찾는 세상, 추론하는 LLM을 향해 “누나, 먼저 GPT한테 물어봐. 그게 제일 빨라.” 대학생인 동생이 과제를 하는 모습은 몇 년 전과 비추어봤을 때 사뭇 생경합니다. 학교 도서관 홈페이지나 논문 사이트를 뒤적여보던 과거 저의 모습과는 달리 동생은 ChatGPT에게 먼저 물어보고는 합니다. 동생의 모습을 통해 저는 새삼 LLM(Large language model)
뉴스 TEXTNET, 국내 최대 자연어처리 학회 HCLT 2년 연속 논문 채택 국내 유일 텍스트 데이터 전문 설계/구축 서비스 TEXTNET이 작년에 이어 ‘2023 한글 및 한국어 정보처리 학술대회(HCLT 2023)’ 논문 채택 성과를 달성했습니다! 올해로 35회를 맞이한 ‘한글 및 한국어 정보처리 학술대회’는 한국정보과학회, 언어공학연구회, 한국인지과학회가 주최하는 권위 있는 학술대회입니다. 인공지능 기반 한국어 처리 기술 개발과 연구 성과를 공유하는 주요 학회
고객 성공사례 검색엔진을 위한 사전(Dictionary) 구축 ✔️이런 분들에게 도움이 되는 글이에요! - 인공지능 검색 솔루션 도입을 위한 사전(Dictionary) 구축 과정이 궁금하신 분 - 검색엔진 성능을 개선하고 싶은 검색 엔지니어, 검색 기획자, 검색 개발자 - 사용자 경험을 향상시키는 검색엔진 운영 방법이 궁금하신 분 - 사내에 산재한 데이터에서 정보를 추출하고 체계화하는 방법이 궁금하신 분 개요 * 산업 분류:
고객 성공사례 챗봇 성능 개선을 위한 데이터 구축 및 정제 ✔️이런 분들에게 도움이 되는 글이에요! - 운영하고 있는 챗봇 성능을 개선하는 방법이 궁금하신 분 - 챗봇에 신규 콘텐츠를 추가할 때 고려할 점에 대해 궁금하신 분 개요 * 산업 분류: 금융 * 세부 Task: 챗봇 데이터 정제 * 데이터 출처: 고객사 보유 데이터 * 작업량: Confidential * 납품 형태: xlsx(Excel) * 활용 서비스: 사내 챗봇 문제
고객 성공사례 ChatGPT 프롬프트 작성 및 테스트 ✔️이런 분들에게 도움이 되는 글이에요! - Prompt Engineering(프롬프트 엔지니어링)에 관심이 있는 분 - ChatGPT의 한국어 성능과 한국어 프롬프트 설계에 대해 궁금하신 분 - ChatGPT의 Hallucination(할루시네이션) 등 오류를 방지하는 방법이 궁금하신 분 개요 * 세부 Task: 프롬프트 작성 및 테스트 * 데이터 출처: 신규 생성 * 활용 서비스: 내부 프로젝트 문제
고객 성공사례 혐오표현 유도 및 대응 발화 패턴 데이터 구축 ✔️이런 분들에게 도움이 되는 글이에요!- AI의 차별 및 혐오표현에 대해 관심이 있으신 분- AI에게 악의적인 발언을 유도하는 적대적 공격(Adversarial Attack)에 대한 연구가 궁금하신 분 개요 * 산업 분류: IT/공학 * 세부 Task: 연구, 데이터 분류 * 데이터 출처: 자체 수집 * 작업량: Confidential * 납품 형태: 연구보고서 문제 고객사는 자사 서비스
고객 성공사례 맥락을 이해하는 페르소나 대화 데이터 구축 ✔️이런 분들에게 도움이 되는 글이에요!- 다양한 페르소나를 구사하는 대화 데이터 구축이 필요하신 분- 사용자의 몰입을 만드는 대화 데이터에 관심이 있으신 분- 대화 데이터 구축에 있어 자연스러움을 만드는 요소가 궁금하신 분 개요 * 산업 분류: IT/공학 * 세부 Task: 페르소나 설계, 멀티턴 대화 데이터 구축 * 데이터 출처: 신규 생성 * 작업량: Confidential
고객 성공사례 대고객용 챗봇 서비스 품질 개선 컨설팅 ✔️이런 분들에게 도움이 되는 글이에요! - 대고객용 챗봇 서비스의 품질과 고객 만족도를 개선하고 싶으신 분 - 운영하고 있는 챗봇의 문제점을 파악하고 싶으신 분 - 사용자 친화적인 챗봇을 위해 필요한 요소가 무엇인지 궁금하신 분 개요 * 산업 분류: 제조 * 세부 Task: 챗봇 운영 컨설팅, 데이터 개선 * 작업량: Confidential * 활용 서비스: 대고객용 챗봇
고객 성공사례 Chat42 빌더 기반 사내 챗봇 구축 ✔️이런 분들에게 도움이 되는 글이에요! - Chat42 빌더를 사용하고 있거나 사용을 고려중이신 분 - 자사 정보를 탑재한 직원 대상의 챗봇을 기획중이신 분 - 챗봇 구축 과정에 대해서 알고 싶으신 분 개요 * 산업 분류: 제조 * 세부 Task: 지식/정보 설계, 대화 설계, 멀티턴 대화 데이터 구축 * 데이터 출처: 고객사 보유 문서
고객 성공사례 성격 유형별 마케팅 문구 생성을 위한 학습 데이터 구축 ✔️이런 분들에게 도움이 되는 글이에요!- AI 카피라이터 등 생성 AI를 위한 데이터를 구축하시려는 분- 톤&매너, 성향, 말투 등 감성의 영역을 데이터화하고 싶으신 분- 고객 Segmentation에 대한 새로운 아이디어가 필요하신 분 개요 * 산업 분류: 생활/문화 * 세부 Task: 대화 설계 및 고도화, 대화 생성 * 데이터 출처: 고객사 보유
고객 성공사례 AI 육아 상담 서비스를 위한 대화 데이터 구축 ✔️이런 분들에게 도움이 되는 글이에요! - 민감한 주제를 다루는 AI 서비스를 기획하시는 분 - 전문 지식이 필요한 도메인 데이터를 구축하시려는 분 개요 * 산업 분류: IT * 세부 Task: 대화 설계, 지식/정보 설계, 데이터 레이블링 * 데이터 출처: Confidential * 작업량: Confidential * 납품 형태: json * 활용 서비스: 보이스봇 문제 AI가 직접 육아 상담을
고객 성공사례 사내 업무 지원 챗봇 관리 운영 개요 * 산업 분류: IT/공학 * 세부 Task: 챗봇 운영, 대화 설계, 챗봇 서비스 대화 품질 개선, 서비스 품질 관리 * 작업량: Confidential * 활용 서비스: 챗봇 문제 오픈 직후의 업무 지원 챗봇이 이슈 없이 운영될 수 있도록 지원하는 역할이 필요했습니다. 운영 초기였기 때문에 품질 향상을 위한 체계적이고 효율적인 운영 방안이 필요한 상황이었습니다.
고객 성공사례 챗봇 고도화 및 사내 챗봇, 콜봇 구축 개요 * 산업 분류: IT/공학 * 세부 Task: 챗봇 기획 및 운영 * 데이터 출처: 고객사 제공 사내 문서 * 작업량: Confidential * 활용 서비스: 챗봇, 콜봇 문제 기존 챗봇 서비스의 시나리오 분석 및 현행화, 봇응답 기획, 이슈 대응, 데이터 빌딩 등을 통해 챗봇의 정확도를 향상시키고 오류를 개선하는 것을 목표로 하는 프로젝트였습니다. 더불어 사내
고객 성공사례 SINGLEX 기반 사내 업무지원 챗봇 데이터 구축 및 모니터링 개요 * 산업 분류: 제조 * 세부 Task: 싱글턴 대화 데이터 구축 * 데이터 출처: 고객사 보유 챗봇 데이터 * 작업량: Confidential * 활용 서비스: 챗봇 문제 사내 업무지원 챗봇 데이터 구축 및 모니터링 작업이 주 목적이었습니다. 고객사에서 직접 인텐트 및 엔티티 설계를 하여 챗봇 플랫폼에 등록해 운영하고자 하였으나, 학습 데이터량이 부족하고 엔티티가 혼재되어 있어
고객 성공사례 MRC 학습을 위한 지문기반 QA 문장 구축 개요 * 산업 분류: IT/공학 * 세부 Task: 멀티턴 대화 데이터 구축 * 데이터 출처: 위키피디아 * 작업량: Confidential * 납품 형태: xlsx(Excel) * 활용 서비스: Confidential 문제 페르소나를 가진 AI 어시스턴트와의 지식 정보 중심의 Q&A 데이터를 필요로 했습니다. 이 데이터는 다수의 도메인으로 양질의 데이터를 구축해 MRC 엔진의 학습 효과를 높인다는 목표가
