LLM 연동

기업 보유 데이터에 대해
질의 응답하는 LLM 기반 챗봇

도입 문의하기 →

흩어진 문서, 정보에서 정확한 답을 찾아냅니다.

보유하고 있는 여러 포맷의 문서(TXT, PDF, Doc 등)와 웹 상의 정보를 종합적으로 파악하여 답변을 제시하는 Q&A 챗봇입니다.

고객 응대를 위한 Q&A 챗봇, 사내 구성원을 위한 업무 지원 챗봇 등으로 다방면으로 활용 가능합니다.

skelterlabs_knowledgebasedchat

멀티턴(Multi-Turn)으로 끊기지 않는 대화

LLM이 자연스러운 대화를 생성합니다. 멀티턴(Multi-Turn) 대화로 맥락이 끊기지 않는 자연스러운 대화가 가능합니다.

skelterlabs_knowledgebasedchat

Web, Slack 등 편하게 가까이 활용

웹페이지, Slack, 카카오톡 메신저 및 AIQ⁺Chat 위젯과 같이 다양한 채널과 연동하여 편하게 활용할 수 있습니다. 고객 응대에서 사내 업무 지원 등 다양한 채널에서 목적에 맞게 활용하세요.

skelterlabs_taskorientedchat

환각을 최소화한 믿을 수 있는 챗봇

여러 포맷의 문서, 웹 등 다양한 형태로 수집한 Private Data에서 정보를 종합적으로 파악하여 답변을 제시합니다. 할루시네이션을 최소화하여 답변의 결과를 신뢰할 수 있습니다.

사용 방식에 따라 다양하게

skelterlabs_knowledgebasedchat

BELLA QNA for Website

웹사이트에 퍼져 있는 여러 정보, 상세 페이지 속 상품 정보 등을 한데 모아 챗봇으로 제공해 보세요. 사용자들이 헤매지 않고 빠르게 정보를 찾을 수 있습니다. 계속 업데이트되는 내용도 바로 반영해서 고객들이 헤매지 않고 원하는 정보를 찾을 수 있습니다.

skelterlabs_knowledgebasedchat

BELLA QNA for Documents

다양한 포맷(pdf, doc, hwp 등)의 문서를 분석하고 문서 내용에 대한 질문에 정확한 답을 제공합니다. 초거대 모델에 학습되어 있지 않은 최신 정보, 논문 등에 대해서도 할루시네이션을 방지한 정확한 정보를 제공합니다.

skelterlabs_knowledgebasedchat

BELLA QNA for Slack

HR 규정, 사내 위키 등 조직 구성원들만 접근 가능한 문서 내용에 대해서 Slack 봇을 통해 업무 도중 묻고 답해 보세요. Slack 내에서 커뮤니케이션 이력을 남기고, 공유 자료나 링크에 대해서도 Slack 봇을 활용할 수 있습니다.

BELLA QNA 구동방식

skelterlabs_speech_achievement

자주 묻는 질문

환각(Hallucinations)을 방지하는 기술이 따로 있나요?  

BELLA QNA는 사용자의 질문에 대한 답변 정보가 들어있는 데이터 조각을 먼저 선별한 후, 그 안에 있는 정보만으로 답변을 생성하도록 하는 RAG 방식을 활용합니다. 답변 유관성이 1차 검증된 데이터 범위 안에서 답변을 주기 때문에 환각 가능성을 최소화할 수 있습니다.

LLM이 어떤 방식으로 연동되어 있나요? 

2024년 현재, 네이버의 ‘하이퍼클로바X’, 오픈AI의 최신 LLM인 ‘GPT-3.5-터보’, ‘GPT-4-터보’ 등 국내외 유명 LLM들을 성공적으로 통합해 대화형 AI 서비스를 제공하고 있습니다.

구축형이 가능한가요? 

2024년 현재, 구축형으로 제공은 불가능합니다. BELLA-LLM(2024년 하반기 이후 공개 예정) 공개 이후에는 구축형 서비스로 제공할 예정입니다. 

BELLA QNA와 AIQ+Chat(챗봇)과의 차이점은 무엇인가요?  

BELLA QNA는 RAG 방식을 활용합니다. 데이터만 제공하면 시나리오 설계 필요 없이 질의 응답 챗봇을 즉각적으로 구현할 수 있어 도입과 관리면에서 편리합니다. 

BELLA QNA와 AIQ+Answer와의 차이점은 무엇인가요?  

BELLA QNA는 LLM 모델과 연동되어 있으며, AIQ⁺Answer는 스켈터랩스의 MRC(기계독해) 엔진을 활용한 솔루션입니다.
더 자연스러운 대화 능력을 원한다면 BELLA QNA를, 강력한 보안을 원한다면 AIQ⁺Answer를 추천드립니다.