pile·
AI / ML·theswing더스윙·

스윙 고객센터, 어떻게 응답 시간을 71% 단축했나? - 2부: Synapse AI 도입

문제고객센터 상담사의 장문 해석·정책 탐색·응답 작성이 병목이었고 상담사별 응대 품질 편차가 컸다.
접근Synapse Concierge 3단 레이어 구축 — 요약봇(LLM으로 케이스 카드화) + 정책 RAG(Databricks Data Lake + 슬롯 기반 검색) + 글짓기봇(LangChain Agent로 표준 템플릿 답변 자동 생성).
결과초기 해석 시간 단축, 상담사 품질 편차 감소, 처리 용량 확대. 1부 게시판 전환과 합산해 FRT·TTR 71% 단축.
theswing
더스윙 블로그
원문은 여기서 이어서 읽을 수 있어요
원문 읽기
읽음 (0)

이 글과 비슷한

  1. AI / ML·stackoverflow-blogStack Overflow Blog·

    에이전틱 SDLC를 QA 엔지니어링 마인드셋으로 구축하기

    Motorola Solutions의 테스트 엔지니어링 선임 매니저 Suneet Malhotra가 Stack Overflow 팟캐스트에 출연해 MCP(Model Context Protocol) 기반 에이전틱 SDLC 파이프라인 구축과 LLM-as-judge 평가 방법론을 소개했다. QA 엔지니어링 관점을 소프트웨어 개발 생애 전반에 적용하고, 설계 단계 직후 스펙을 강화해 결함 비용을 줄이는 'QA shift-left' 접근을 다룬다.

    요약 이어보기
    #llm-agent#mcp#test-automation+2
  2. AI / ML·LINE EngineeringLINE Engineering·

    보안 업무를 위한 AI 에이전트 플랫폼 「SAGE」 개발기 1편: 판단은 사람에게 남기는 설계

    LY Corporation Security Development Division이 보안 업무용 AI 에이전트 플랫폼 SAGE의 개발 과정을 공개했다. "완전 자동화"와 "도입 미루기" 양 극단 사이에서 "판단은 사람에게 남기는 설계"를 핵심 원칙으로 삼고, 3단계 점진적 도입 전략(AI 보조→에이전트 협업→자동화)을 채택했다. 현재는 1단계를 중심으로 파일럿·실운영 중이다.

    요약 이어보기
    #llm-app#opensearch#mcp+2