ËÖ —
A Little Help from ËÖ
Project Overview 이 프로젝트는 데이터를 다룰 줄 모르는 사람도 데이터에 쉽게 접근하고, 데이터를 효율적으로 관리하며, 효과적으로 활용할 수 있는 Speech to SQL 서비스 설계를 목표로 합니다.
Productivity
생산성이라는 단 하나의 목적을 가진 ËÖ를 통해 프로젝트 성과를 더 명확하고 효과적으로 추적할 수 있도록 합니다.
Data Visualizing
SQL 쿼리문과 함께 데이터를 다각도로 분석하고 시각화해 제공합니다. 데이터를 표현하는 가장 적합한 방식을 ËÖ 스스로 판단해 결정하고, 시각화합니다.
AI Report
OpenAI의 자연어 처리 기술을 활용해 대화에서 주요 정보를 추출하고 키워드로 정리합니다. 그리고 그 키워드를 활용해 효율적이고, 빠르게 AI Report를 생성합니다.
70개의 아이디어를 수집하는 과정
상대방에게 필요한 것 확인하기
Tech Finance Summit 2024
아이디어 수집 경로
아이디어를 수집할 수 있는 경로를 크게 네 가지로 요약합니다. 첫 번째, 협업툴에 아카이빙된 각 본부의 자료와 타 계열사 자료. 두 번째, 앱스토어, 국내/해외 사례, 뉴스, 매거진 등에서 확인할 수 있는 데스크 리서치.
세 번째, 컨퍼런스, 강연 등의 필드 리서치, 네 번째, 실제 사용자의 목소리를 직/간접적으로 들을 수 있는 사업부의 Market sensing. 이 네 가지 방법을 통해 얻은 아이디어를 분석하고, 서로 잇는 과정을 통해 아이디어를 구체화합니다.
뮤즈를 기다리는 일
단 하나의 아이디어를 선정하는 과정 - 1
70개의 아이디어 브레인 스토밍
기획, 디자인, 개발, 사업부가 모여 "현재 시장에서 이 아이템을 얼마나 필요로 하는지", 그리고 "productize를 진행한다면 기간이 얼마나 걸리는지" 단 두 가지 지표로 최종 아이디어를 선정합니다.
최종 선정된 아이디어, "Speech to SQL"에 대해, 다시 한 번 내부 평가 지표를 통해 타당성을 검증하고, Productize하기 위한 자료들을 수집합니다.
가치의 선택, 선택의 기준, 기준의 근거
단 하나의 아이디어를 선정하는 과정 - 2
내부 평가 지표에 따른 최종 아이템 리스트
아이디어 선정 과정
70개의 아이디어를 10개로, 그리고 10개의 아이디어에서 단 하나의 아이디어를 선정하는 과정을 거칩니다. 내부 아이디어 평가 지표는 5가지의 기준과 세부 항목들로 구성되어 있습니다. 이 지표를 바탕으로 시장에 진입하기에 적합한 아이디어인지, 사업 요건을 정리하는 데에 소요되는 재화가 적절한지 등을 평가합니다.
평가 기준
아이디어는 다음 다섯 가지 기준에 따라 평가합니다.
시장적합성(Market 10%), 도메인 지식(Domain Knowledge 10%), 마켓 센싱 반영 정도(Market Sensing 10%), 직관(Intuition 30%), 창의성(Creativity 30%).아이디어 포지셔닝
단 하나의 아이디어를 선정하는 과정 - 3
Items on Quadrant
최종 아이디어 선정
기획, 디자인, 개발, 사업부가 모여 "현재 시장에서 이 아이템을 얼마나 필요로 하는지", 그리고 "productize를 진행한다면 기간이 얼마나 걸리는지" 단 두 가지 지표로 최종 아이디어를 선정합니다.
최종 선정된 아이디어, "Speech to SQL"에 대해, 다시 한 번 내부 평가 지표를 통해 타당성을 검증하고, Productize하기 위한 자료들을 수집합니다.
Service Goal
단 하나의 목적, Productivity
현업에서 데이터를 조회하는 과정
Voice of Customer
사업부에서 진행한 외부 미팅을 토대로 Pain Point를 분석합니다. 현업에서 응답률, 추세 분석 등 다양한 데이터가 필요한 경우가 많은데, 담당자가 한 명이라 업무 밀도가 높습니다. 작업 지시서를 작성하고, 담당자에게 요청하는 시스템이 있지만, 지시서 수정을 반복하다 결국 전화로 해결하기 때문에 요청 내용에 대한 기록이 남아있지 않습니다. 최종 결과만 전달받게 되는 경우가 많아 초기 질문과 결과 사이의 간극이 커지는 문제가 발생하고, 실무진은 데이터의 옳고 그름을 검증할 수 있는 과정이 없습니다.
Solution
데이터 담당자 뿐만이 아닌, 누구라도 간편하게(Easy to use) 자연어 질의를 통해 데이터를 확인할 수 있어야 하고, 커뮤니케이션에 들어가는 비용을 최소화(Effective)해야 합니다. 커뮤니케이션에 들어가는 비용을 최소화하기 위해서는 답변을 신뢰할 수 있어야 하고(Reliable), 궁극적으로 서비스를 이용하는 사용자의 업무 생산성(Productivity)을 향상시켜야 합니다.
사용자 서비스 이용 행태 조사 - 1
ChatGPT에게 물어봐 vs ChatGPT에 검색해봐
사용자가 인식하는 AI
사용자는 AI기반 대화형 에이전트 서비스를 AI가 아닌, 하나의 인격체로 인식하고 있으며, 함께 일을 하고 있는 동료중 한 명으로 인식하고 있습니다. 여러 프로젝트를 다루는 우리들처럼 여러 명의 동료를 두고, 프로젝트 목적에 맞는 대화를 나눌 수 있어야 합니다.
최종 선정된 아이디어, "Speech to SQL"에 대해, 다시 한 번 내부 평가 지표를 통해 타당성을 검증하고, Productize하기 위한 자료들을 정리하고, 수집합니다.
사용자 서비스 이용 행태 조사 - 2
개인 vs 개개인
'Download ChatGPT for Mac' 안에서 나눈 다른 주제의 대화
일반적인 메신저에서는 ‘여러 개개인’과 독립적으로 대화를 나누지만, AI기반 대화형 에이전트 서비스에서는 하나의 개인과 대화하는 형태이기 때문에, 긴 대화를 자연스럽게 이어가기 어렵습니다. 예를 들어, 승민님과는 A프로젝트에 대해, 중석님과는 B프로젝트에 대해 대화를 나누면 되지만, ChatGPT와는 A, B프로젝트 모두에 대해 대화를 나누어야 합니다.
채팅룸을 나눈다고 하더라도, 방대한 대화가 산발적으로 이루어질 경우, 방대한 내용의 대화가 쌓여 사용자가 맥락을 이해해야 하는 경우, 두 프로젝트가 서로 연관이 있는 경우, ‘한 명의 개인’과 대화를 나눈다는 것은 많은 단점을 가지고 있기 때문에, ‘여러 명의 개개인’으로 나누어 대화를 이어나가는 방식이 더 적합합니다.
User Persona & Scenario
어떤 사용자가, 어떤 순간에 Speech to SQL이 필요할까
사용자 페르소나 & 시나리오
사용자 정의
‘어떤 사용자가, 언제, Speech to SQL을 찾게 될까?’라는 질문을 바탕으로 사용자 시나리오를 작성합니다. 그 사용자는 어떤 Pain Point를 가지고 있으며, Speech to SQL이 어떻게 해결해줄 수 있는지를 확인합니다. 수협은행, 한국투자증권과 미팅 기록을 바탕으로 8개의 시나리오를 작성하고, 사용자 페르소나와 사용자 시나리오를 작성합니다.
사용자 시나리오
마케팅 담당자가 음성으로 “24년 6월 신규 고객 유치 마케팅 성과를 분석해줘.”라고 말합니다. Speech to SQL은 고객 유치수, 캠페인 참여율, 전환율, ROI 등을 데이터베이스에서 조회할 수 있는 SQL 쿼리문을 반환합니다.
First Service Prototype
Speech to SQL, Leon의 첫 번째 프로토타입
Text Input
음성과 텍스트로 질문할 수 있습니다. 하단의 마이크 버튼을 누르면 음성 인식이 시작됩니다.
SQL Result
Speech to SQL은 기본적으로 사용자의 자연어를 해석해 SQL 쿼리문을 생성합니다. 사용자는 SQL 쿼리문 하단의 Thumbs-up & Thumbs-down을 통해 답변을 평가할 수 있고, 이 데이터는 강화학습의 데이터로 사용됩니다.
"Report" Included
Speech to SQL은 ‘보고서’, ‘레포트’, ‘Report’, ‘리포트’를 인식할 수 있습니다. 이 단어가 포함되면 데이터를 시각화하고, 간단한 보고서를 작성해 사용자에게 제공할 수 있습니다.
AI Report
SQL 쿼리문이 담은 데이터를 AI가 시각화해 레포트로 생성합니다.
Identity Design
ESFJ의 멘토
Mindmapping
ËÖ는 모든 질문에 친절히 응답하며, 데이터를 시각화해 전달하고, AI Report까지 제공하는, 전반적인 데이터 조회 업무에 있어서 사용자에게 작은 도움을 주는 ESFJ의 멘토의 이미지에서 비롯되었습니다. Mindmapping을 통해 도출된 다양한 키워드를 카테고리별로 정리하고, ËÖ의 아이덴티티 구축에 필요한 요소들을 선별합니다.
Eyes Reference
의사소통에서 눈맞춤은 상대방에게 주의 집중하고 있음을 표현하는 대표적인 비언어적 표현입니다. “너의 말을 듣고 있어요.”, “대화를 원하지 않는다” 등의 의도 또한 포함합니다. ËÖ와의 상호작용에서 시그널을 전달하기 위한 수단으로 ‘눈’이라는 매개체는 효과적인 방법입니다.
Inspired by Umlaut
키보드를 길게 눌렀을 때 나오는 표시되는 다이어크리틱을 이용합니다. 특히, E와 O 위에 표시되는 움라우트(Umlaut)를 기존의 모습에 새로운 의미를 부여할 수 있는 시각적, 언어적 단서로 사용합니다.
Inspired by Eyes Reference
Mindmapping과 레퍼런스를 토대로 디자인을 정리합니다. 사용자와의 인터랙션은 눈을 깜빡이고, 움직이는 효과로 표현합니다.
ËÖ 강화학습
두 번째 프로토타입에서 업데이트 된 기능 첫 번째
Thumbs down
ËÖ와 사용자 사이 상호작용을 위해 다양한 감정 표현과 이모티콘 등을 도입하려 했으나, ËÖ의 강화학습 목적에 맞게 UI를 단순화합니다.
사용자가 응답에 대해 명확한 부정적 인식을 가질 경우에만 피드백을 주도록 유도하고, 부적절하거나 무관한 응답임을 ËÖ에게 학습시키기 위해 Thumbs down만 사용합니다.
Keywords of Insight
두 번째 프로토타입에서 업데이트 된 기능 두 번째
결정 제안 Keywords of Insight
한국투자증권 VOC로 미루어 볼 때, 실무자의 경우 어떤 데이터를 Join 해야 하는지, 어떤 데이터가 Join 되었는 지를 파악하는 것은 불가능에 가까워 보입니다.
ËÖ를 사용하는 사용자에게 추천 키워드를 제공함으로써 더 정확한 데이터를 받고, Business Logic을 남김으로써 데이터에 신뢰성을 부여합니다.
AI Report
두 번째 프로토타입에서 업데이트 된 기능 세 번째
업무 대행 AI Report
사용자는 프로젝트 별로 채팅룸을 생성하고, AI Report를 추출할 수 있습니다. 하나의 채팅룸에서 ËÖ와 대화를 주고 받으면 많은 양의 대화가 쌓이게 될텐데, 그 대화 안에서 사용자에게 필요한 내용만을 선택해 Report로 추출할 수 있습니다.
하단 Text Input 옆, AI Report를 클릭하면 ËÖ는 Report 생성에 필요한 데이터를 키워드 중심으로 요약합니다. 첫 번째 프로토타입에서 ËÖ가 ‘레포트’, ‘리포트’ 등의 단어를 인식해 Report를 만들었다면, 두 번째 프로토타입에서는 하단의 버튼을 통해 Report를 추출할 수 있습니다.
멘토의 따뜻한 한 마디
두 번째 프로토타입에서 업데이트된 기능 네 번째
사용자와 ËÖ의 상호작용
UXDA Corebank UX Design Case Study에 따르면, ‘직원들에게 따뜻한 말로 평온한 마음을 유지하게 하는 것은 동기 부여에 많은 영향을 미치고, 이는 업무 생산성을 향상시키는 결과를 낳는다’고 얘기합니다.
ËÖ는 사용자의 질문에 답변하는 데에 평균 30초 정도를 소요합니다. 평균 30초의 공백을 단순한 인터랙션으로 채우기보다는 ‘멘토의 조언’, ‘따뜻한 한 마디’, ‘오늘의 뉴스’ 등의 요소로 동기를 부여하고, 업무 생산성을 향상시킬 수 있는 방법으로 공백을 채웁니다.
Technology Architecture
Speech to SQL에 적용된 네 가지 기술 중 첫 번째
사용자 질문으로부터 SQL 쿼리문을 생성하는 과정
더 강력하게 진화된 검색, 더 완벽하게 돌아온 답변
ËÖ는 검색과 생성을 결합시킨 RAG가 적용되어 있습니다. 그렇기 때문에 학습 데이터에만 의존하지 않고, 동적으로 정보를 가져와 답변을 생성합니다.
사용자에게 더 유용한 정보를 찾기 위해 내부 지식 베이스, 외부 API, 문서 등에서 관련 정보를 검색해 답변을 제공합니다. 더 완벽한 답변을 기다리고 있을 사용자를 염두에 두었습니다.
Few-Shot Prompting
Speech to SQL에 적용된 네 가지 기술 중 두 번째
Few-Shot Prompting 퓨샷 프롬프트
더 깊이 배우고, 더 섬세하게 전하기
몇 가지 예제를 학습해 사용자의 질문을 더 정확하게 이해할 수 있도록 설계되었습니다.
ËÖ는 입력에 포함된 몇 가지 예제를 바탕으로 학습하고, 그로 인해 더 정교한 결과를 제공합니다. 적은 예제로 더 큰 가능성을 열 수 있으며,
Parallelization
Speech to SQL에 적용된 네 가지 기술 중 세 번째
Parallelization 병렬처리
협업의 미학, 셋이서 맞드는 백지장
세 명의 LLM 모델이 작업을 나누어 병렬적으로 처리해 속도와 효율성이 높습니다.
ËÖ는 하나의 질문에 세 명의 LLM 모델이 각자 SQL 쿼리문을 작성하고, 그 결과를 하나로 합쳐서 질문에 답합니다. 더 빠르고, 더 가볍고, 더 ËÖ답게 답을 하는 과정입니다.
Evaluator
Speech to SQL에 적용된 네 가지 기술 중 마지막
Evaluator 평가자
듣고 싶은 말은 물론, 듣고 싶지 않은 말까지 케어
두 명의 Evaluator, 평가자가 ËÖ가 문제를 잘 해결하는지, 답변이 얼마나 정확하고 신뢰할 수 있는지 평가합니다.
ËÖ의 스마트한 사용을 위해 멋진 파트너 두 명이 함께 업무를 처리하기 때문에 언제나 한 차원 더 높은 Perfect-ier한 답변을 제공합니다.
Final Service Prototype
Speech to SQL, ËÖ의 최종 프로토타입
ËÖ Service Promo Video
A Little Help from ËÖ
ËÖ Service Promo Video는 2개의 파트로 구성되어 있습니다. 첫 번째 파트에서는 ËÖ의 서비스 소개, 두 번째 파트에서는 ËÖ의 Technology를 소개합니다.
ËÖ에 관련된 모든 내용을 더 자세하게 알고 싶다면 여기에서 확인하실 수 있습니다.