연결되고 동기화되는 자료
Google Drive, SharePoint, Notion, Confluence 또는 고객센터를 연결합니다. 각 구절은 제목, 날짜, 링크와 함께 저장되며, 동기화 과정에서 변경되거나 삭제된 문서를 반영합니다.
팀원이 자연어로 질문하면 어시스턴트가 실제 문서 내용에 근거해 답하고 정확한 출처 링크를 제공합니다. 답이 문서에 없을 때는 그렇다고 알리도록 설정합니다.
RAG(검색 증강 생성) 방식의 AI 지식 베이스는 회사 문서에서 관련 구절을 찾아 그 내용으로 답변을 작성하고, 출처를 함께 인용합니다. 내부 정보를 찾거나 같은 질문에 반복해서 답하느라 시간을 많이 쓰는 팀을 위해 도입합니다. 단일 자료 하나를 대상으로 팀의 실제 질문을 사용해 7일 체험을 시작할 수 있습니다.
Google Drive, SharePoint, Notion, Confluence 또는 고객센터를 연결합니다. 각 구절은 제목, 날짜, 링크와 함께 저장되며, 동기화 과정에서 변경되거나 삭제된 문서를 반영합니다.
각 구절에는 팀 또는 접근 수준 정보가 함께 저장되며, 검색은 질문하는 사람을 기준으로 필터링됩니다. 검색되면 안 되는 자료는 색인에서 제외하며, 매우 세분화된 권한을 어떻게 반영할지는 함께 정합니다.
모든 답변은 근거가 된 문서와 섹션으로 연결되므로 누구나 확인할 수 있습니다. 어시스턴트는 임의로 추측하지 않고, 찾을 수 없는 내용은 찾을 수 없다고 답하도록 지시받습니다. RAG는 지어낸 답변을 줄이지만 완전히 없애지는 못합니다.
팀이 매일 절차, 사양서, 정책이나 지원 이력을 확인하고 있으며, 해당 문서가 존재하고 어느 정도 최신 상태로 관리되고 있는 경우입니다.
평가되지 않은 어시스턴트는 데모에 불과하므로, 팀이 사용하기 전에 실제 질문으로 테스트합니다.
팀이 예상 답변과 출처를 함께 질문 목록으로 작성합니다. 저희가 직접 검토하고, 두 번째 모델을 심사자로 활용하며, 모델, 청킹 방식 또는 지시문을 바꿀 때마다 질문 세트를 다시 실행합니다. 운영을 시작한 뒤에는 사용자 평가와 답하지 못한 질문을 통해 문서의 공백을 파악합니다.
함께 한 부서의 절차 폴더처럼 자료 하나와 채널 하나를 고릅니다. 인용 기능을 갖춘 어시스턴트를 구축하고, 팀의 질문을 실행한 뒤 결과를 함께 검토한 다음 자료를 추가합니다. 범위, 일정, 조건은 시작 전에 서면으로 합의합니다.
RAG에서는 모델이 귀사 문서로 다시 학습되지 않습니다. 각 답변에 필요한 구절만 전달받습니다. 데이터를 학습에 사용하지 않는다는 API 약관을 제공하는 제공업체를 선택하며, 데이터를 인프라 밖으로 보낼 수 없다면 자체 서버에서 운용할 수 있는 오픈 모델을 검토합니다. 법적 평가는 자문 변호사의 판단에 따릅니다.
네, 다만 몇 가지 조건이 있습니다. 질문하는 사람을 기준으로 그룹이나 컬렉션에 따라 필터링하며, 이때 Slack이나 Teams 같은 채널이 사용자를 식별할 수 있어야 합니다. 매우 세분화된 폴더 권한을 그대로 옮기는 것은 더 복잡하므로, 색인을 만들기 전에 명확한 접근 모델을 정합니다.
스캔한 PDF에는 OCR이 필요하고, 복잡한 표는 잘못 나뉘면 구조가 무너지므로 별도로 처리합니다. 수치가 많은 스프레드시트는 직접 연동을 통해 조회하는 것이 더 좋습니다. 어시스턴트가 조각난 정보로 계산하면 안 되기 때문입니다. 평가 단계에서 문제를 일으킬 가능성이 큰 문서를 미리 표시합니다.
콘텐츠의 주인은 귀사 팀입니다. 절차가 바뀌면 다음 동기화 때 어시스턴트에 반영됩니다. 수집은 자동화되며, 동기화가 실패하면 알림을 보내고, 자료를 추가하는 방법을 안내 문서로 제공합니다. 평가와 튜닝을 계속 검토받기를 원하시면 별도로 합의합니다.
예시 질문을 보내 주시고 현재 답이 어디에 있는지 알려 주세요. 해당 자료를 대상으로 한 7일 체험을 제안하며, 결정하시기 전에 결과를 함께 검토합니다.