kakaopay·문제비대면 대출은 정보 비대칭과 의사결정 부담이 커서, 사용자가 자기 상황에 맞는 상품을 직접 찾기 어렵다. 텍스트 챗봇만으로는 상담 부재 문제를 해결하지 못한다.
접근Amazon Transcribe · Bedrock · Polly 로 음성 입력 → 텍스트 변환 → 응답 생성 → 음성 합성 파이프라인을 구축. 개인정보 이슈를 피하려 합성 데이터를 만들고, RAG 로 맞춤형 대출 상품 추천을 강화한다.
결과비대면 환경에서도 음성 기반 1:1 상담 경험을 구현했다. AWS AI 서비스 조합으로 금융 도메인에 맞는 생성형 AI 활용 패턴을 정리.
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·