도입 배경

• 다년간 축적된 영업일지 데이터베이스화
• 축적된 영업일지에 숨겨진 인사이트를 발굴해 비즈니스에 활용하고자 하는 요구사항
• 검색 엔진 적용, 단순한 LLM의 적용 등으로 해결 불가능

도입 효과

• 다년간 축적된 영업일지 데이터베이스화
• 축적된 영업일지에 숨겨진 인사이트를 발굴해 비즈니스에 활용하고자 하는 요구사항
• 검색 엔진 적용, 단순한 LLM의 적용 등으로 해결 불가능

도입 배경

• 텍스트 기반의 간단한 상품 검색만 가능함
• 자연어 검색 기능 부재로 다양한 고객의 다양한 요구를 충족시키기 어려움
• 동종 업계에 자연어 검색 활용 사례가 드물기 때문에 생성형 AI의 선제적 도입을 통한 시장 내 리더십 확보 목적

도입 효과

• 상품 검색 및 데이터 관리를 보다 직관적으로 개선하여 관리 포인트 최소화
• 텍스트에만 의존한 검색의 제약을 극복해 유연한 데이터 검색을 가능하게 함
• 생성형 AI 기반으로 고객의 구매 과정에 적극 개입해 고객 만족도 향상 및 판매 기회 확대

도입 배경

• 하나의 문의에 대해 직원 개인이 다루기 힘든 방대한 양의 관련 업무 데이터 및 법률데이터 존재
• 고객의 복잡한 상황과 민감 정보가 포함된 다양한 케이스에 따른 맞춤형 대응 필요
• 동종 업계에 자연어 검색 활용 사례가 드물기 때문에 생성형 AI의 선제적 도입을 통한 시장 내 리더십 확보 목적

도입 효과

• 생성형AI를 활용해 흩어져 있는 방대한 양의 데이터를 통합적으로 검색 및 분석
• 텍스트에만 의존한 검색의 제약을 극복해 유연한 데이터 검색을 가능하게 함
• 대외 공식문서 및 법률 데이터 활용으로 답변의 신뢰성과 정확성 확보

도입 배경

• 문서 기반 업무 프로세스에서 필요한 정보를 수작업으로 검색하거나 작성하는데 시간이 과도하게 소요됨
• 동일한 유형의 질의응답 및 보고서 작성 업무가 반복적으로 발생하며 리소스 낭비 초래
• 문서 형태로 제공되는 정보의 접근성이 낮아 필요한 정보를 빠르게 확인하기 어려움

도입 효과

• 문서 기반 반복 업무 자동화로 리소스를 절감하고 업무 소요 시간을 단축하여 생산성 향상
• 내부 대출 승인 보고서 생성 시 정확하고 일관된 정보 제공 및 질의응답 챗봇을 통해 신뢰할 수 있는 데이터 기반 답변 제공
• 필요 정보에 대해 신속하고 직관적인 접근이 가능하도록 시스템화

도입 배경

• 기존 시나리오 기반 챗봇의 정형화된 상담 패턴
• 주제별 다양한 문의에 따른 답변 정보 부족 및 대응 리소스 증가
• 표준화를 통한 데이터 관리 효율성 제고

도입 효과

• 생성형 AI 기반 챗봇의 유연하고 확장된 상담 서비스 제공
• 사용자 질문 분석 & 의도 파악을 통한 답변 정확도 향상
• 표준화를 통한 데이터 관리 효율성 제고

도입 배경

• 법률 등 사내 내부 문서 등에 필요한 정보 조회에 과도한 시간 소모
• 원하는 테이블 데이터가 필요 시, 현업에 요청하여 추출해야하는 과정에 시간이 다소 소모
• 생성형 AI에 사내 정보 등을 입력하는 등 보안 문제 우려

도입 효과

• 문서 기반 Q&A와 실제 비지니스 BW 데이터에 대한 생성형 AI 활용 효과 강화
• 문서 기반 지식 검색 답변 + 자사 데이터 카탈로그 (데이터 세트) 및 메타 데이터 연계로 생성형 AI 활용에 최적화된 RAG 파이프라인 구성