DEVOCEAN

2회차 온라인 모임에서는 다인님께서 RAG와 AI Agent 개념을 소개해주시고, 실제 현업에서 진행 중인 프로젝트 사례까지 공유해주셨습니다.

특히, RAG 아키텍처의 흐름과 실무 적용 방안을 직접 들을 수 있어 많은 새로운 지식을 얻을 수 있었고, 매우 뜻깊은 시간이었습니다.

아래와 같이 다양한 노코드 툴도 소개해주셨는데 처음 접해보는 툴이여서 흥미로웠습니다!

이어서 OpenAI를 활용해 RAG 기반 챗봇을 구현하는 실습을 보여주셨는데, 매우 간단한 과정이어서 조원들 모두 큰 관심을 가졌습니다.

이에 따라, 다음 모임 전까지 각자가 관심 있는 주제로 프로그램을 하나씩 만들어보기로 하였습니다.

금융 소비자 권익 보호를 위한 AI 챗봇

저는 위의 주제를 선정했는데 여러 오픈데이터 중에서도 구조화된 PDF 형태로 제공되는 자료가 많고, 질문-답변 형태 데이터가 풍부하여 실습에 적합하다고 판단했습니다.

• 소비자가 분쟁 발생 시 대응 절차와 권리 보호 방안 안내를 통해 신뢰 제고

• 금융감독원, 소비자보호원 등에서 공개하는 분쟁 사례, 판례 등의 데이터 기반 분쟁 해결 절차 안내

위의 두가지 정도의 목적성을 가지고 챗봇을 개발하였습니다.

아래는 간단한 실습 과정입니다!

• 사용 데이터 : 금융 분쟁조정 사례집, 소비자보호원 상담 FAQ, 2024년 소비자 피해구제 연보, 대법원 판례, 금융소비자보호법 FAQ 등

Chunk size / overlap : 법령 조항이나 분쟁 사례는 한 건 자체가 길고 문맥 이해가 중요하기에 각각 1000 / 120 tokens로 설정

법령·사례 근거 중심의 정확한 답변을 위해 모두 0.2로 낮게 설정

Storage 페이지에서는 File Search을 통해 업로드한 문서들이 자동으로 Vector Store에 업로드 및 벡터화된 내용을 확인할 수 있습니다.

벡터화 코드를 직접 작성하지 않아도 된다는 편리함을 체감할 수 있었습니다!

위처럼 시스템 메세지 프롬프트까지 해주고 나면 업로드한 문서 기반으로 챗봇이 답변하고, 관련 문서를 함께 반환하는 것을 확인할 수 있었습니다.

간단한 챗봇 UI 구현

마지막으로 API를 발급받아 간단한 Chat UI와 연계하여 챗봇을 구현해보았습니다!

이렇게 간단한 실습을 완료했는데요! 정말 간단해서 비전공자 분들도 쉽게 따라할 수 있을 것 같다는 생각이 들었습니다!

다인님의 강의와 간단한 실습을 통해 Rag에 대한 생소함과 부담감을 해소할 수 있었습니다.

2가지 정도 질문 해본 내용 첨부합니다!

1)

2)