Back
Key Takeaway
데이터 성격에 맞는 프롬프트 튜닝의 과정을 통해 답변 정확도 95% 달성 및 기업 지식 활용 체계를 구축
지속적인 피드백 기반 고도화와 데이터 성격에 맞는 최종 프롬프트 튜닝을 거쳐 초기 영업데이터 활용 체계를 마련하고 답변 정확도를 95%까지 향상시키는 성과 달성
Hansol Paper (한솔제지)
고객사 :Hansol Paper (한솔제지)
산업군 :Manufacturing
서비스 영역 :Data & AI
적용 솔루션 :AIR
1. Overview (프로젝트 배경)
한솔제지는 다년간 축적된 영업일지를 데이터베이스화하여, 그 안에 잠재된 숨은 인사이트를 발견하고 비즈니스에 적극적으로 활용하고자 하는 필요성에서 시작되었습니다. 기존의 기록에서 가치 있는 정보를 발굴하여 업무 효율성을 높이고 새로운 비즈니스 기회를 창출하는 것이 주요 동기입니다.
프로젝트 목표
생성형 AI 활용을 기반으로 기업의 Knowledge 활용 체계 마련
업무 수행에 필요한 과거 이력의 정보 접근성 강화
생성형 AI 활용 내재화로 Shadow-IT 통제 문화 형성
2. Solution (해결 방안)
한솔제지 요건에 가장 적합한 리소스를 파악하기 위해 AWS 기반의 플랫폼을 검증하였습니다.
구성요소
Bedrock, Claude : 대화 흐름을 유지하며 질문에 답변이 가능한 LLM 모델
Bedrck(Agent) : 특정 주제나 서비스에 맞는 AI Agent 개발
AmazonQ : 아마존 관련 서비스 질문에 실시간 음성답변을 제공하는 AI 어시스턴트 서비스
AmazonOpensearch : 클라우드 환경에서 검색 엔진을 쉽게 구축 및 운영
3. Result (성과)
기업 지식 활용이 가능한 체계(플랫폼)를 마련하였습니다
데이터 성격에 맞는 프롬프트 튜닝을 통해 생성형 AI를 통한 답변 품질이 95%로 향상되었습니다.
생성형 AI 기반 지속적 품질 고도화
데이터 처리 강화
동의어/유의어 사전 고도화
날짜처리
벡터 유사고 기반 조회 성능 고도화
