
휴리봇 이야기 #1: 토스는 AI 봇에게 사용자 인터뷰를 한다
토스는 디자이너가 사용성을 더 자주 점검하도록 AI 봇 휴리봇을 만들고, 프롬프팅 전후에 필요한 과정까지 정리했습니다.\n초기 챗봇 검증 후 워크플로에 맞게 MVP 기능만 남겨 내재화 방향을 잡았습니다.

토스는 디자이너가 사용성을 더 자주 점검하도록 AI 봇 휴리봇을 만들고, 프롬프팅 전후에 필요한 과정까지 정리했습니다.\n초기 챗봇 검증 후 워크플로에 맞게 MVP 기능만 남겨 내재화 방향을 잡았습니다.


이미지 생성 AI를 프로모션 키 비주얼 제작에 적용한 사례를 소개했습니다. 미드저니와 파이어플라이를 병행해 공수를 줄이고 퀄리티를 높였지만, 프롬프트 조정과 리터치에는 여전히 시간이 들었습니다.

LLM 애플리케이션의 변동성과 복잡성을 줄이기 위해 테스트와 평가를 자동화하는 방법을 소개했습니다. Harness를 커스텀해 프롬프트, 지표, 아웃풋별 평가를 동적으로 처리하는 파이프라인을 구성했습니다.


T멤버십 영화예매 에이전트에 LLM Workflow를 적용한 과정을 소개했습니다. 엔티티 추출, 상태 관리, 개인화 반영으로 멀티턴 대화 품질을 높인 사례입니다.


Node.js와 llama-node로 로컬에서 동작하는 간단한 AI 텍스트 생성 서버를 구성했습니다. 복잡한 설정 없이 프롬프트 입력과 응답 생성을 빠르게 시험해볼 수 있습니다.


숙소 리뷰에서 핵심 정보만 뽑아 보여주기 위해 Gen AI 기반 리뷰 하이라이트를 구현했습니다.전처리와 프롬프트 개선, 사람의 검수를 거쳐 숙소별 TOP 키워드를 자동 추출했습니다.

생성형 AI를 QA 업무에 적용해 요구 사항 분석과 테스트 케이스 작성, 결함 분석의 효율을 높이는 방법을 소개했습니다. 다만 복합 케이스와 최종 검증은 수작업 보완이 필요하다고 정리했습니다.
![[에이닷 미디어 에이전트] 대화형 콘텐츠 탐색은 어디까지 왔을까](https://devocean.sk.com/thumnail/2024/10/31/3ae82ea55358fe590deb04dd7f3fc5c5017c61a18a2863712d1a416ac10aa6a3.jpg)

에이닷 미디어 에이전트의 대화형 콘텐츠 탐색 구조와 핵심 기술을 설명했습니다. LLM, RAG, 선제 추천을 활용해 개인화된 검색 경험을 강화했습니다.


LLM과 sLLM의 자체 품질 평가 필요성을 정리하고, 리더보드 사례와 함께 LLM을 활용한 평가 프로세스를 설계한 글입니다. 프롬프트 일관성과 평가 기준 관리 같은 운영 과제도 함께 다뤘습니다.