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 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
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)
인사이트 대화 데이터가 만들어지는 과정 인공지능 학습 데이터는 상당 부분 ‘대화’의 형태를 띄고 있습니다. 고객이 발화 주체인 대화 데이터이거나, 디지털 휴먼의 경우 엔진이 먼저 대화를 시작하기도 하죠. 그런데 이런 대화 데이터는 어떤 과정으로 만들어질까요? 대화 데이터를 구축하는 과정에서 언어 전문성이 필수적인 이유는 무엇일까요? TEXTNET이 신규 고객사와 소통을 시작한다는 가정 아래, 과정을 하나하나 짚어볼까 합니다.
