HM소프트

RAG 체감 품질은 LLM이 아니라 검색이 좌우한다. FULLTEXT를 버리고 조사를 떼는 한국어 토큰화와 IDF 가중 점수식을 직접 구현하며, relevance threshold로 잡음 청크를 거르고 거부 응답은 시작부만 검사한다. 법령 호·목 깊이 파싱과 단일/배열 정규화 버그까지 다룬다.2편: 근거를 찾아주는 챗봇1편에서 LMS 토대와 강사 권한 경계를 다뤘다. 이 플랫폼의 차별점은 AI 챗봇이다. 가맹·소상공인 산업 종사자가 "이 조항 위약금이 과한가요?" "정보공개서는 언제 줘야 하나요?" 같은 질문을 하면, 관련 법령과 강의 내용을 근거로 답한다. 즉 그냥 LLM에 던지는 게 아니라 RAG(Retrieval-Augmented Generation) — 먼저 지식베이스(KB)에서 근거를 찾아 LL..

음성 AI의 출력을 실제 데이터에 묶는 두뇌 층을 만든다. 예약은 LLM 자유 생성이 아닌 tool-call 두 개로 고정하고 판정은 백엔드가, 더블부킹은 구간 겹침과 상태머신으로 막았다. 좀비 슬롯 만료 스윕, RAG 근거를 콘솔 입력 시술 DB로 교체한 테넌트 격리, 설정형 가드레일까지 다룬다.AI가 멋대로 말하면 안 되는 도메인1편에서 음성 런타임의 골격을 만들었다. 오디오가 들어와 응답 음성으로 나가는 파이프라인이다. 이번 2편은 그 위에 올라가는 "두뇌" 쪽 이야기다. 한 의료기관의 상담 전화를 받는 AI에서 가장 어려운 지점은 정확도가 아니라 신뢰 경계다. 일반 챗봇이 그럴듯하게 지어낸 답은 애교지만, 여기서는 사고가 된다. 그 기관에 없는 시술을 추천하거나, 비어 있지 않은 시간에 예약을 잡..