프롬프트
동적 변수({input}, {human_input}, {context}, {chat_history}, {system_message})로 프롬프트 템플릿을 만듭니다.
이 워크플로우는 내부 지식 소스를 활용하여 사용자에게 정확하고 도움이 되며 상황에 맞는 답변을 제공하는 고객 서비스 챗봇을 정의합니다. 이 플로우는 고객 상호작용을 자동화하고, 지원 절차를 간소화하며, 사용자가 적시에 관련된 답변을 받을 수 있도록 설계되었습니다.
주요 흐름 단계
1. 채팅 세션 시작 및 환영
- 채팅 오픈 트리거: 사용자가 채팅 세션을 열면 플로우가 시작됩니다.
- 환영 메시지: 사용자에게 친근하고 안내적인 환영 메시지를 표시하여, 질문을 유도하고 챗봇의 목적을 설명합니다.
- 출력 표시: 채팅 인터페이스에 환영 메시지가 보여져, 사용자에게 처음부터 안내를 제공합니다.
2. 사용자 입력 처리
- 채팅 입력: 사용자가 메시지나 문의를 보내면 해당 내용이 처리됩니다.
- 채팅 기록: 대화 기록이 불러와져 맥락 정보로 활용되어, 봇이 일관되고 연속적인 지원을 제공할 수 있습니다.
- 문서 검색기: 사용자의 문의를 바탕으로 연결된 지식 소스나 문서를 검색하여, 현재 질문에 가장 적합한 정보를 가져옵니다.
3. 동적 프롬프트 구성
- 프롬프트 템플릿: 여러 변수를 사용해 동적으로 프롬프트가 조립됩니다:
- {input}: 사용자의 최신 메시지
- {chat_history}: 사용자와의 진행 중인 대화
- {context}: 내부 소스에서 검색된 지식 스니펫
- 프롬프트는 AI에게 도움이 되는 고객 서비스 봇으로서 간결하게 답변하고, 모를 경우 지원 링크를 제공하도록 안내합니다.
프롬프트 예시 구조
| 섹션 | 내용 |
|---|---|
| 시스템 메시지 | “You are a helpful AI customer service bot…” |
| 채팅 기록 | 사용자와의 최근 대화 |
| 지식 | 검색된 문서 또는 지식 스니펫 |
| 사용자 입력 | 사용자의 현재 질문 |
| 답변 | AI가 생성한 응답 |
4. AI 응답 생성
- 생성 노드: 구성된 프롬프트가 AI 모델(LLM)로 전달되어, 제공된 맥락과 기록을 바탕으로 관련성 높고 정확한 답변을 생성합니다.
5. 응답 표시
- 채팅 출력: 생성된 답변이 채팅 인터페이스에 다시 사용자에게 표시되어, 응답 루프를 마무리하고 추가 입력을 대기합니다.
워크플로우 시각화
아래는 주요 노드와 그 역할의 간단한 시퀀스입니다:
| 단계 | 노드/컴포넌트 | 목적 |
|---|---|---|
| 1 | 채팅 오픈 트리거 | 새로운 채팅 세션 감지 및 워크플로우 시작 |
| 2 | 메시지 위젯 | 환영 메시지 전송 |
| 3 | 채팅 출력 | 사용자에게 메시지 표시 |
| 4 | 채팅 입력 | 사용자 메시지 수신 |
| 5 | 채팅 기록 | 최근 대화 불러오기 |
| 6 | 문서 검색기 | 지식 소스 검색 |
| 7 | 프롬프트 템플릿 | AI를 위한 맥락이 풍부한 프롬프트 제작 |
| 8 | 생성 노드 | AI로 응답 생성 |
| 9 | 채팅 출력 | 생성된 답변을 사용자에게 전송 |
장점 및 유용성
- 확장성: 여러 고객 문의를 동시에 처리할 수 있어, 인력 개입 없이 고객 지원을 손쉽게 확장할 수 있습니다.
- 자동화: 정보 검색과 응답 생성을 자동화하여, 수작업 부담을 줄이고 지원 품질의 일관성을 보장합니다.
- 맥락 인식: 채팅 기록과 지식 검색을 통해 관련성 높고 개인화된 최신 답변을 제공합니다.
- 간편한 커스터마이즈: 시스템 메시지와 프롬프트 템플릿을 쉽게 수정하여 기업 브랜드나 정책 변경을 반영할 수 있습니다.
- 예비 지원 제공: 봇이 답변할 수 없는 경우, 지원 링크를 적극적으로 안내하여 긍정적인 고객 경험을 유지합니다.
활용 사례
- 전자상거래, SaaS, 서비스 기업의 고객 지원
- FAQ 응답 및 일반적인 문제 해결
- 신규 사용자 온보딩 안내
- 트래픽 급증 시 지원 확장
이 워크플로우는 조직이 최소한의 수작업 개입으로 신속하고 정확하며 확장 가능한 고객 서비스를 제공할 수 있도록 하여, 효율성과 고객 만족도를 모두 향상시킵니다.
