spoqa·문제카카오톡으로 들어온 식자재 주문 텍스트의 형식이 매장별로 제각각이고 불규칙해, 조건 분기만으로는 키친보드 주문서로 변환하기 어려웠다.
접근Spring AI 프레임워크로 OpenAI API를 연동해 자유 형식 텍스트를 `name`·`count` 키를 가진 JSON으로 구조화하고, 상품 후보 조회는 Kotlin의 async·awaitAll로 병렬화했다.
결과입력 텍스트로부터 주문서 초안이 자동 생성되고 사용자는 AI 추천 후보에서 정확한 상품만 선택해 확정한다. 유통사의 수작업과 배송 실수가 줄었다.
AWS Korea·문제콘텐츠 번역가 10만 명을 자연어로 검색하려면 BM25 키워드와 벡터 의미 검색을 동시에 잘 다뤄야 한다. 기존 PostgreSQL 검색은 nDCG@10 0.90 목표에 미달.
접근Amazon OpenSearch Service 로 이전하면서 Nori 한국어 형태소 분석기 + 다국어 임베딩 + Bedrock Cohere/Claude 로 데이터 정제 파이프라인 구축. 단일 쿼리에서 키워드와 벡터를 결합.
결과nDCG@10 0.90 이상 달성. 표준 어휘 사전과 별칭 매핑으로 이력서 데이터 일관성도 확보.
베스핀글로벌·문제AI 할루시네이션은 모델이 아니라 데이터 파이프라인 결함의 결과. PoC 에서 90% 정확도였던 모델이 프로덕션에서 실패하는 이유.
접근3 레이어 구조: 입력단 AI 기반 자동 품질 감시 → 거버넌스 레이어로 출처·흐름·접근 추적 → 출력단 AI-on-AI 자동 검증. 검색 품질이 답변 정확도를 좌우하므로 맥락 기반 청킹·멀티모달 임베딩·하이브리드 검색·리랭킹 네 기법 적용.
결과단일 플랫폼 도입이나 벡터 DB 구축만으론 부족함을 명확히 한 실전 검증 패턴. 도메인별 맥락을 잃지 않는 데이터 파이프라인이 진짜 해법.
무신사 테크·