고객 문의 대응 효율을 높이기 위해, 과거 이슈 데이터를 기반으로 유사 사례를 검색하고 AI가 답변 초안을 생성하는 시스템을 설계하고 구축한 경험이 있습니다.

고객 문의 대응 효율을 높이기 위해, 과거 이슈 데이터를 기반으로 유사 사례를 검색하고 AI가 답변 초안을 생성하는 시스템을 설계하고 구축한 경험이 있습니다. 구조도는 보안상 실제 운영 환경을 그대로 표현한 것이 아니라, 일반적인 시스템 구성을 기준으로 추상화하여 작성한 내용입니다. 해당 프로젝트는 팀 내부의 AI 전환 과정에서 진행된 작업으로, 외부에 판매된 프로젝트는 아니며 실제 계약 금액과는 무관합니다. 이 시스템은 고객에게 자동으로 답변을 전달하는 방식이 아니라, 운영자가 먼저 과거 문의 히스토리와 AI가 생성한 추천 답변을 확인한 뒤 최종 답변을 등록하는 구조로 설계되었습니다. 이를 통해 잘못된 답변이 고객에게 전달되는 리스크를 줄이고, 실제 운영 환경에서도 적용 가능한 형태로 구성했습니다. 저는 이 시스템에서 다음과 같은 역할을 담당했습니다. GitHub 이벤트 기반 자동화 트리거 구성 n8n을 활용한 워크플로우 기반 자동 처리 구조 설계 과거 이슈 데이터를 활용한 지식베이스 구축 파이프라인 구성 LLM 기반 태깅 및 데이터 구조화 처리 벡터 DB를 활용한 유사 사례 검색 구조 구현 또한 시스템의 성능과 정확도를 확보하기 위해, 단순히 AI를 적용하는 것이 아니라 과거 질의/답변 데이터를 일정한 형식으로 정제하고 충분한 양을 확보하는 과정이 중요했습니다. 이를 위해 데이터 수집, 태깅, 청크 분리, 임베딩 등 지식베이스 품질을 높이기 위한 작업을 함께 진행했습니다. 다만 해당 시스템은 운영자에게 참고용 답변을 제공하는 보조 도구 성격으로, AI가 생성한 답변을 그대로 고객에게 전달하는 수준의 완전 자동화 시스템은 아니며, 최종 판단은 사람이 수행하는 구조입니다. 본 프로젝트는 내부 개선 프로젝트로 실제 계약 금액이 존재하지 않아, 시급 기준으로 환산한 추정 금액을 기입했습니다. 유지보수 비용은 제외된 금액입니다.