텍스트넷 공식 블로그
Data-Centric AI를 위한 인사이트
LLM 데이터 전략 : 단 1개월, 제조 현장 챗봇의 정확도를 51%에서 87%로 끌어올린 비밀
제조 현장에서 실제로 쓰이는 LLM 챗봇, 어떻게 1개월 만에 정확도를 51%에서 87%로 끌어올렸을까요? 비정형 문서, 작업 절차, 현장 언어까지 모두 대응한 RAG 챗봇 프로젝트의 생생한 사례를 공개합니다. 전처리 전략부터 프롬프트 설계, 테스트 시나리오와 개선 과정까지, LLM을 실전 투입하기 위한 데이터 전략에 대해 알아보세요.
국내 모빌리티사의 AI 챗봇 도입기: 학습 데이터 구축 비하인드 스토리
AI 챗봇이 자동차 구매 상담까지? 국내 모빌리티사의 실제 AI 챗봇 도입 과정을 생생하게 담았습니다. 데이터 전처리부터 RAG 시스템을 활용한 QA 데이터셋 구축, 다양한 고객 페르소나 반영, 실제 고객 언어까지 놓치지 않은 비하인드 스토리를 만나보세요.
금융 특화 QA 데이터 구축 : 4개월에 6만 건, 텍스트넷 프로젝트 비하인드 스토리
대형 통신사의 금융 AI 서비스 개발을 위해 4개월간 진행된 6만 건 규모의 QA 데이터 구축 프로젝트 과정을 공개합니다. 단기간에 고품질 데이터를 구축한 텍스트넷의 데이터 증강 사례를 확인해보세요.
LLM 기획 : 비즈니스 가치 향상을 위한 목표 설정 방법
LLM(대규모 언어 모델) 프로젝트의 성공을 결정짓는 가장 중요한 요소는 바로 명확한 목표 설정입니다. 하지만 많은 기업이 AI를 도입할 때, 추상적인 목표로 인해 프로젝트 진행 과정에서 혼란을 겪곤 합니다. 이번 글에서는 LLM 기획자가 실제 업무에서 느끼는 문제와 시행착오를 바탕으로, 비즈니스 가치를 극대화할 수 있는 목표 설정 방법을 제시합니다. SMART 목표 설정, 사용자 요구사항 분석, ROI 기반 목표 설정, 이해관계자 간의 목표 조율 등 구체적인 실천 방법을 통해 성공적인 LLM 프로젝트의 기틀을 마련해 보세요.
