🚀 새로운 도전의 시작: AI 상담 분석 시스템

오랫동안 마음속에 품고 있던 새로운 사이드 프로젝트, AI 기반 상담 내용 분석 및 관리 시스템 개발을 시작했다. 앞으로 블로그에 사이드 프로젝트 과정을 기록하려한다.

이 프로젝트의 목표는 고객 상담 내용을 AI로 분석하여 상담의 질을 높이고, 관리 업무의 효율을 극대화하는 서비스를 만드는 것이다.

그동안 항상 대고객전용 서비스 개발에 집중해왔기에, 이번에는 내부 관리 업무에 초점을 맞춘 프로젝트를 통해 새로운 도전을 해보려 한다. (그 과정에서 AI 튜닝 능력도 키우고! 😉)

🎯 프로젝트 목표와 핵심 기능

고객과의 소통이 그 어느 때보다 중요해진 지금, 상담 내용은 단순한 텍스트가 아닌, 비즈니스의 성패를 가르는 중요한 데이터이다. 우리는 이 데이터를 AI 기술로 분석해 마케팅 및 리스크 관리에 도움이 될 서비스를 만드려한다.

  • 상담 내용 요약: 방대한 상담 내용을 핵심만 간추려 한눈에 파악할 수 있게 한다.
  • 핵심 키워드 태깅: “카드 발급”, “대출 문의” 같은 주요 이슈를 자동으로 태깅하여 데이터 기반의 의사결정을 돕는다.
  • 감정 분석: 고객의 미묘한 감정 변화를 감지하여 한발 앞선 대응을 가능하게 한다.
  • 리스크 예측: 민원 발생 가능성이나 고객 이탈 징후 같은 잠재적 리스크를 미리 식별한다.
  • 민감 정보 보호: 개인정보와 같은 민감한 내용은 안전하게 마스킹하고 암호화하여 관리한다.

🛠️ 기술 스택과 아키텍처

이번 프로젝트는 각 기능의 독립성과 확장성을 높이기 위해 마이크로서비스 아키텍처(MSA) 를 채택했다.

  • 프론트엔드: React와 TypeScript를 사용해 직관적이고 반응성 높은 사용자 경험을 만든다.
  • 백엔드: Java 17과 Spring Boot 3.x 기반으로 견고한 API 서버를 구축한다.
  • AI 서비스: Python과 FastAPI를 활용하여 외부 LLM API와 연동되는 가볍고 빠른 AI 분석 서비스를 개발한다.

전체적인 데이터 처리 흐름은 아래와 같다.

graph TD;
    A["사용자 (React)"] -- "상담 텍스트 입력" --> B["백엔드 (Spring Boot)"];
    B -- "AI 분석 요청" --> C["AI 서비스 (FastAPI)"];
    C -- "LLM API 호출" --> D["LLM"];
    D -- "분석 결과 반환" --> C;
    C -- "JSON 결과 반환" --> B;
    B -- "결과 저장 및 전달" --> A;

👥 팀 구성

  • 프론트엔드 엔지니어
  • 백엔드 엔지니어
  • AI 엔지니어
  • 김현우: https://github.com/HxWOO (나, AI 엔지니어)

앞으로의 계획

팀의 AI엔지니어로서 개발은 FastAPI를 이용한 LLM 요약 서비스부터 시작한다. 개발 과정에서 마주하는 어려움, 해결 과정, 그리고 새롭게 배우는 점들을 꾸준히 블로그에 기록하고 공유하려 한다.

새로운 도전이 성공적으로 마무리되길 바란다! 🙏