한솔제지는 10년이 넘는 기간 동안 메모 형식의 영업일지를 매일 수십 건씩 영업 포털에 올리고 있었습니다. 오랜 기간 쌓아만 놓은 영업일지에 숨겨진 인사이트를 발굴하고 비즈니스에 활용하고 싶은 현업 부서의 요구사항이 있어, 생성형 AI를 활용해 기업 knowledge 활용 체계를 구축하는 프로젝트를 진행했습니다.
👉 프로젝트 진 행 이유
메모 형식으로 작성된 영업일지가 매일 수십 건 씩 영업포털에 입력되고 있는데, 팀장들이 그 메모를 꼼꼼히 읽어 내용을 숙지하는데 어려움이 있는데다, 10 여 년 동안 쌓인 문서가 10만 건을 넘기다 보니 그 안에 어떤 유용한 정보가 있는지 파악하는데도 한계가 있었습니다.
또한 인사이동으로 새로운 고객을 담당하게 된 영업사원은 기존 영업사원의 일지를 일일이 읽으면서 필요한 정보를 하나씩 찾아내야 한다는 것도 업무에 큰 부담이었고, 퇴직자가 담당하던 고객사를 넘겨 받게 될 경우에도 고객사와의 현안을 신속하게 파악해 대응하는데 어려움이 발생하는 게 불가피했습니다. 이런 어려움과 비효율을 해소하는 방안으로 AI 도입을 적극 검토하게 됐고, 영업포털을 첫 적용 대상으로 정해 파일럿 프로젝트를 실행하게 됐습니다.
👉 기반 솔루션 및 아키텍처
현업부서의 10년치 영업일지를 검색증강생성(RAG)용으로 구축하고, 주요 질문 유형에 대해 프롬프트 엔지니어링을 적용해 신뢰할 수 있는 답변을 생성하도록 하는 방식으로 프로젝트를 수행했습니다.
영업일지를 Amazon OpenSearch에 적재하며, 사용자 질문에 관련된 영업일지 문서를 검색하고, 검색된 문서 내용 기반으로 Amazon Bedrock이 요약하고 그 안에서 비지니스 인사이트를 도출하였습니다.
👉 도입 결과
인사발령이나 업무 변경으로 새로운 고객을 담당하게 될 경우에도 주요 업무의 히스토리와 진행 경과 등을 빠르게 파악할 수 있게 되었습니다. 영업 담당자가 필요한 내용을 자연어로 입력하면 매일 수십건씩 추가되는 영업일지의 모든 내용을 대상으로 AI 분석을 통해 답변을 제공받을 수 있다는 것도 큰 장점입니다.
고객사의 과거 이력을 파악하는데 이전에 약 1시간 이상의 시간이 소요됐다면, 생성형 AI 도입 이후에는 10분으로 크게 단축됐습니다. 또한 과거 데이터를 기반으로 효과적인 영업 전략 수립이 가능해 현업 사용자들로부터 긍정적인 피드백을 얻을 수 있었습니다.
👉 Lesson & Learnt
해당 프로젝트의 주요 데이터인 영업일지는 정형화 되어 있지 않고, 필요하지 않은 html 코드가 다수 포함되어 있는 포맷이었습니다. 해당 데이터를 생성형 AI 모델이 이해하기 용이한 형태로 가공하는 데이터 전처리 과정 및 청킹 전략이 답변 품질에 많은 영향을 주는 것을 확인할 수 있었습니다.