기술 도면, 어떻게 챗봇 검증 데이터로 바꿨을까: Golden Set 구축기
기술 도면에 흩어진 식별 정보와 속성, 객체 간 연결 관계를 구조화해 약 5.5만 건의 관계형 Golden Set을 구축한 과정을 소개합니다. 가변형 데이터 구조 설계부터 전문가의 판단 기준을 AI 검증 데이터로 전환한 방법, 구축 과정에서 마주한 문제와 해결 원칙까지 살펴봅니다.
RAG 챗봇 성능 문제? 데이터 설계에 답이 있다 — RAG 챗봇 성능을 좌우하는 데이터 설계 프레임워크
RAG 챗봇 성능 저하의 원인은 모델이 아닌 데이터에 있습니다. 이번 콘텐츠를 통해 챗봇의 실패 패턴과 이를 해결하는 텍스트넷의 5단계 데이터 설계 프레임워크, 자가진단 체크리스트까지 한 번에 확인해보세요.
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.
